艦船電力系統的故障診斷研究

王紫葉，王沐雪

（三峽大學 電氣與新能源學院，湖北 宜昌 443002）

0 引 言

艦船電力系統通常處在較為頑劣的艦船船內環境中，在運行過程中承受嚴苛的考驗。艦船電力系統故障診斷系統是現代艦船機艙中的主要軟設備之一，但目前針對艦船電力系統方面的事故斷定裝置較少。隨著科技的發展，艦船電力系統結構日益復雜化和智能化，僅僅依靠船舶上的人員解決先進復雜的電力系統故障變得困難。因此，實現船舶電力系統故障診斷的智能化是艦船自動化的新課題。

艦船電力系統故障診斷的智能化方法[1-8]主要包括專家系統、模糊Petri網、蟻群算法和人工蜂群算法等。本文針對這四種算法在艦船電力系統故障診斷中的應用進行概述，剖析這些算法在事故斷定中存在的問題，最后對未來故障診斷智能化的發展[9]進行展望。

1 艦船電力系統故障診斷方法的發展現狀

1.1 基于專家系統的故障診斷

艦船電力系統故障問題與專家系統具有的屬性有很多相似點。用戶使艦船電網故障特征輸入專家系統構建知識庫，推理機載入規則，再與知識庫的知識比較，將相似的信息傳入綜合數據庫，最后通過解釋機送達用戶。專家可以更新知識庫中的信息，讓專家系統適應設備功能升級的變化。采取上述操作能完成利用專家系統的故障診斷，鑒別輸入的故障，得出診斷結論。

文獻[3]運用專家系統的方法對艦船電力系統進行事故斷定，根據船舶電力系統的特點和艦船電氣類專家的經驗，把故障分成四個模塊。通過立體式結構，表現船舶電力網絡的構架和每個模塊與其他模塊之間的關系，再以產生式規則的方式體現診斷信息。對電網模塊故障判定中易發生的可能問題，可運用模糊規則。基于專家系統的故障診斷能得出較為準確的診斷，同時可以提出相應的解決方案。

1.2 基于模糊Petri網的故障診斷

Petri網既可以通過直觀的圖形表示組合模型，也可以用嚴謹的數學描述方式。艦船電力系統故障屬于離散事件的動態系統，電力系統故障通過系統中各級電壓、各種保護行為得以體現，將實體和對應的事故序列聯系，將艦船電力系統事故切除，其進程與一系列時間活動的組成相類似。通過融合艦船電力系統故障過程的特點，利用Petri網變遷過程的特性引入模糊理論，可以建立對艦船電力系統進行更加精準的故障診斷。

文獻[4]利用Petri網的屬性，引用模糊推理，運用基于模型的事故推斷，建立基于模糊Petri網的模型，從而進行更加科學準確的故障分析。模糊Petri網中的模糊推理是具有可信度的模糊推理，條件和變遷是構成模糊Petri網動態系統的兩個主要因素。系統中行為發生的過程稱作變遷，用邏輯表達系統的狀態稱為條件。其中，如果被條件約束的變遷被激發，會發生某些后驗條件成立而某些前提條件失效的情況。系統的最開始狀態是Petri網的初始標識的體現，而變遷的激發過程是指在模糊Petri網中的移動標識，體現了系統狀態改變的過程。因果關系型的事件與產生式規則是它的動態性能的優良表現。如果在變遷激發中有一些同時符合變遷的激發條件，那么這些變遷將一起被激發。可見，模糊Petri網具有并發性，可以更好地解決多故障并發問題。基于模糊Petri網的故障診斷具有較好的模型描述性，邏輯推理具有很強的圖形直觀性，能在匯集的征兆信息中快速有效診斷出故障。

1.3 基于蟻群算法的故障診斷

蟻群算法通過模擬螞蟻尋找食物發現最優路徑來解決復雜的優化問題。模擬螞蟻的信息素是蟻群算法的要點，可以看作是狀態量，即艦船電力系統中各種設備的性能指標。另外，狀態變量受分布式網絡的限制，每一個網絡節點的信息素受它所處的位置影響，還與時間有關。在艦船電力系統網絡診斷的訓練進程中，螞蟻算法能辨別各種艦船故障模式，以此持續修正所獲得的知識，并對各知識依照類別分開。每個螞蟻通過信息素進行知識交流，依照接受程度，各條通路所需的信息素量被不斷調節。在船舶電力系統故障判定上，蟻群算法通過概率方式來辨別與行動，尋找最佳方向，使螞蟻一直處于最大概率故障的道路，繼而對電力系統網絡故障進行最準確的診斷。

文獻[6]采用蟻群算法進行艦船電力系統事故診斷，提出了改進的基于信息素的故障搜索診斷算法，引入最優-最差螞蟻算法的概念，大大提高了事故處理的效率。基于蟻群算法的故障診斷的核心是根據數學算法來識別電力故障類型，需要對發電機的轉子、電磁場以及線圈建立數學模型，然后把獲得的電網參數看成變量帶入模型，再建立瞬態方程來增加模型的精準性，使模型能迅速表現艦船的動態特性。

基于蟻群算法的故障診斷能在復雜網絡中快速定位故障位置，并能找到最好的解決方法。

1.4 基于人工蜂群算法的故障診斷

人工蜂群算法通過模擬蜂群的智能采蜜行為找到艦船電力系統故障發生點。根據蜜蜂所分得的工作，蜜蜂進行采蜜活動，通過共享交流蜜源消息，找到問題的最佳解決方法。其中，運用觀察蜂按概率選擇對某蜜蜂進行察看，使算法迭代速度更快，收斂速率高。利用偵查蜂任意搜尋蜂巢周邊食物源的特性，人工蜂群算法不局限于選擇局部最佳方案。這些特性使得通過人工蜂群算法建立的艦船電力系統診斷模型能更快獲得精準的故障點。

文獻[7]采用人工蜂群算法對艦船電力系統事故斷定，首先確定電力事故判別的對象，并深入分析船舶電力系統的故障類型，編碼各種設備的事故類別。其次，在斷路器動作的期望值和繼電器動作期望值計算原理的基礎上，構建故障診斷模型。基于人工蜂群算法的故障診斷在故障診斷上具有收斂速率高、實用性高以及魯棒性好等特點。

2 故障診斷面臨的問題和發展趨勢

根據故障診斷研究現狀、實現條件以及實際需求等因素可以看出，目前還存在許多難題待解決。目前，所用的艦船電力系統故障診斷模型與實體相比，較方便研究，但實際情況系統更加復雜，問題更多，未來需要對更加復雜的電力系統進行故障診斷。另外，以上算法對艦船電力系統進行電力故障判定時對所獲得的消息數據缺少判別，只能在獲得的數據準確的條件下進行。

3 結 論

艦船電力系統的故障診斷是關系保障艦船運行的重要問題。面對日益復雜的艦船電力系統，已經提出了許多種基于智能算法的艦船事故判定方法，但各方法也存在弊端，所以需要結合不同故障診斷方法來克服它們在故障診斷應用中的缺點。艦船電力系統的故障診斷的發展主要是多種算法聯合、多信息交融、多智能體協同等，從而向增強快速性、智能性、整體性和準確性的方向發展。