基于貝葉斯網(wǎng)絡(luò)的超速離心機(jī)故障診斷專家系統(tǒng)研究*

韓延喆，劉波峰，張 俊，向 陽，卓思成

（1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082;2.長沙易達(dá)儀器有限公司湖南長沙 410082）

0 引言

離心機(jī)是一種在工業(yè)生產(chǎn)中應(yīng)用非常廣泛的高速旋轉(zhuǎn)機(jī)械，超速離心機(jī)是轉(zhuǎn)速大于30000r/min的高性能離心機(jī)。實(shí)際使用時(shí)，轉(zhuǎn)子在封閉的環(huán)境下高速旋轉(zhuǎn)，經(jīng)歷這樣的高負(fù)荷運(yùn)行，長時(shí)間后即會(huì)出現(xiàn)轉(zhuǎn)子不平衡、不對中和轉(zhuǎn)軸磨損等一系列機(jī)械故障，并由此引發(fā)異常振動(dòng)，使其故障率增高，影響生產(chǎn)和操作人員的安全性［1］。目前，國內(nèi)對于離心機(jī)的故障診斷主要采用人工感官和簡單儀表診斷，存在診斷效果差、耗時(shí)長、準(zhǔn)確性低等問題。因此，研究一種超速離心機(jī)專用的故障診斷專家系統(tǒng)是十分必要的，可以有針對性的對超速離心機(jī)運(yùn)行過程中出現(xiàn)的各種故障進(jìn)行及時(shí)的診斷。

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，能夠利用人類專家的知識(shí)和解決問題的方法來處理該領(lǐng)域問題。專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。專家系統(tǒng)一般由知識(shí)庫、推理機(jī)、知識(shí)獲取機(jī)構(gòu)、解釋機(jī)制、綜合數(shù)據(jù)庫和人機(jī)界面組成［2］。專家系統(tǒng)常用的推理方法有基于規(guī)則的推理方法、基于人工神經(jīng)網(wǎng)絡(luò)的推理方法、基于模糊理論的推理方法與基于貝葉斯網(wǎng)絡(luò)的推理方法等。其中基于貝葉斯網(wǎng)絡(luò)的推理方法具有對知識(shí)庫的依賴性小、知識(shí)表達(dá)簡單、容易處理不確定性數(shù)據(jù)等特點(diǎn)［3］，所以，本文選擇該方法作為超速離心機(jī)故障診斷專家系統(tǒng)的推理方法。

1 系統(tǒng)組成

超速離心機(jī)故障診斷專家系統(tǒng)原理如圖1所示，主要由以下幾個(gè)部分組成:

1）知識(shí)庫:包含以規(guī)則形式編碼的解決問題的領(lǐng)域?qū)＜抑R(shí)。知識(shí)表示方法有很多種，包括產(chǎn)生式、語義網(wǎng)、框架、邏輯等方法。產(chǎn)生式知識(shí)表示方法是在專家系統(tǒng)中用得最多的一種知識(shí)表示方法。用產(chǎn)生式方法表示知識(shí)，由于各產(chǎn)生式規(guī)則之間是獨(dú)立的模塊，這對系統(tǒng)的修改、擴(kuò)充特別有利。另外，產(chǎn)生式知識(shí)表示與人們很多思維習(xí)性十分吻合。

2）推理機(jī):以知識(shí)庫中的已有知識(shí)為根據(jù)，推理出結(jié)論。采用貝葉斯網(wǎng)絡(luò)推理方法進(jìn)行正向推理。

圖1 超速離心機(jī)故障診斷專家系統(tǒng)原理圖Fig 1 Principle diagram of ultracentrifuge’s fault diagnosis expert system

3）綜合數(shù)據(jù)庫:用來存儲(chǔ)初始數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)以及計(jì)算過程中產(chǎn)生的數(shù)據(jù)。

4）解釋機(jī)制:解釋機(jī)制是指專家系統(tǒng)對用戶所需求的概念和系統(tǒng)的行為像領(lǐng)域?qū)＜乙粯幼龀鐾ㄋ滓锥慕忉?，同時(shí)領(lǐng)域?qū)＜铱赏ㄟ^解釋系統(tǒng)了解系統(tǒng)的運(yùn)行狀況。

5）知識(shí)獲取:為用戶建立的一個(gè)知識(shí)自動(dòng)輸入方法，以代替知識(shí)工程師去編碼知識(shí)。

6）人機(jī)界面:用戶和專家系統(tǒng)軟件界面之間的通信交互機(jī)構(gòu)。

本系統(tǒng)采用Windows XP作為軟件開發(fā)平臺(tái)，數(shù)據(jù)庫系統(tǒng)采用SQL Server 2000數(shù)據(jù)庫軟件開發(fā)，采用VC++為軟件開發(fā)語言。

2 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)，而貝葉斯公式則是這個(gè)概率網(wǎng)絡(luò)的基礎(chǔ)。貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型，所謂概率推理就是通過一些變量的信息來獲取其他的概率信息的過程，基于概率推理的貝葉斯網(wǎng)絡(luò)是為了解決不確定性和不完整性問題而提出的，它對于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有很大的優(yōu)勢，在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。

設(shè)A為故障征兆，Bi（i=1，2，…，n）為導(dǎo)致A產(chǎn)生的n種互不相容且完備的故障集，由貝葉斯公式可知

其中，P（Bi）為先驗(yàn)概率，P（Bi︱A）為后驗(yàn)概率［4］。貝葉斯網(wǎng)絡(luò)就是要依靠先驗(yàn)概率和節(jié)點(diǎn)的條件概率來計(jì)算后驗(yàn)概率，從而得出在某故障征兆發(fā)生的情況下，引起該征兆的各種故障原因的概率。

3 貝葉斯網(wǎng)絡(luò)的建立和推理方法

超速離心機(jī)故障包括轉(zhuǎn)子故障、電機(jī)故障、控制電路故障及機(jī)械故障等。其中有關(guān)轉(zhuǎn)子方面的故障占全部故障總數(shù)的70%。

所以，本文以轉(zhuǎn)子故障為例建造貝葉斯網(wǎng)絡(luò)，并說明推理方法。

貝葉斯網(wǎng)絡(luò)是一個(gè)有向無環(huán)圖，由節(jié)點(diǎn)和有向弧組成，其中節(jié)點(diǎn)代表論域中的變量，有向弧代表變量之間的關(guān)系。一個(gè)貝葉斯網(wǎng)絡(luò)可以反映出變量之間的定性信息，也可以反映出定量信息。定性信息由有向弧來反映，定量信息由變量之間的關(guān)系強(qiáng)度來表示，它由節(jié)點(diǎn)與其父節(jié)點(diǎn)之間的條件概率來表示［5］。

貝葉斯網(wǎng)絡(luò)的建造是一個(gè)復(fù)雜的任務(wù)，需要知識(shí)工程師和領(lǐng)域?qū)＜业膮⑴c。在實(shí)際應(yīng)用中可能是反復(fù)交叉進(jìn)行且不斷完善的。超速離心機(jī)故障診斷應(yīng)用的貝葉斯網(wǎng)絡(luò)的構(gòu)建所需要的信息來自多種渠道，如，設(shè)備手冊、生產(chǎn)過程、測試過程、維修資料以及專家經(jīng)驗(yàn)等。一般地，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的過程包括2個(gè)步驟，首先利用先驗(yàn)知識(shí)構(gòu)建先驗(yàn)貝葉斯網(wǎng)絡(luò);之后結(jié)合已有數(shù)據(jù)并進(jìn)行計(jì)算，得到后驗(yàn)貝葉斯網(wǎng)絡(luò)［5］。

圖2為離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)模型，表1為離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)表。圖2列舉出的轉(zhuǎn)子的各種故障全部來源于領(lǐng)域?qū)＜业慕?jīng)驗(yàn)，以及離心機(jī)生產(chǎn)技術(shù)手冊和說明書等，這些故障并不是轉(zhuǎn)子系統(tǒng)的全部故障癥兆，僅僅為常見故障，具有代表性，是為了說明貝葉斯網(wǎng)絡(luò)推理方法。根據(jù)專家經(jīng)驗(yàn)和現(xiàn)場工人的實(shí)際統(tǒng)計(jì)，根節(jié)點(diǎn)Ri的概率和各子節(jié)點(diǎn)Sj的條件概率都可給出如下，這需要領(lǐng)域?qū)＜液拖嚓P(guān)工作人員在大量數(shù)據(jù)和實(shí)驗(yàn)中總結(jié)出來［6］。

根據(jù)式（1）可以計(jì)算出在各征兆發(fā)生時(shí)，由哪個(gè)故障原因引起的概率，例如

其中

圖2 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)模型Fig 2 Bayesian network model of ultracentrifuge’s rotor system

表1 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障貝葉斯網(wǎng)絡(luò)表Tab 1 Bayesian network table of ultracentrifuge’s rotor system

所以，帶入公式計(jì)算出P（R2|S2）=43.5%。其他概率也可同理計(jì)算出，如表2。

表2 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障原因概率表Tab 2 Fault reason probability table of ultracentrifuge’s rotor system

由表2可知，當(dāng)S1故障征兆發(fā)生時(shí)，由R1引起的可能性為62.3%，R2，R3與S1無關(guān)，其他與之同理。這就得出了需要的故障診斷結(jié)果。

4 結(jié)果驗(yàn)證與仿真

某離心機(jī)生產(chǎn)工廠對1000臺(tái)出廠的離心機(jī)做運(yùn)行狀況測試發(fā)現(xiàn):有42臺(tái)離心機(jī)在運(yùn)行過程中出現(xiàn)1倍頻幅值過大的故障，經(jīng)過檢測，其中8臺(tái)離心機(jī)的故障為轉(zhuǎn)子彎曲，概率約為19.1%;15臺(tái)離心機(jī)故障為轉(zhuǎn)子不對中，概率約為35.7%;19臺(tái)離心機(jī)故障為轉(zhuǎn)子不平衡，概率約為45.2%，計(jì)算出的數(shù)據(jù)和實(shí)際統(tǒng)計(jì)出來的數(shù)據(jù)誤差很小。

故障仿真是通過MSBNx（用于貝葉斯網(wǎng)絡(luò)的創(chuàng)建、評價(jià)和評估）軟件來實(shí)現(xiàn)。在MSBNx上構(gòu)建轉(zhuǎn)子的貝葉斯網(wǎng)絡(luò)模型，并輸入父節(jié)點(diǎn)的先驗(yàn)概率和中間節(jié)點(diǎn)的條件概率，最后得出后驗(yàn)概率，如圖3為當(dāng)發(fā)生故障1倍頻幅值過大時(shí)，輸入父節(jié)點(diǎn)轉(zhuǎn)子彎曲R1，轉(zhuǎn)子不對中R2，轉(zhuǎn)子不平衡R3的概率和節(jié)點(diǎn)S4的條件概率，經(jīng)過軟件計(jì)算得出結(jié)果。

圖3 1倍頻幅值過大的MSBNx仿真圖Fig 3 MSBNx simulation of over large 1 times frequency amplitude

5 結(jié)論

貝葉斯網(wǎng)絡(luò)的推理過程符合專家的思維方式，它不但提供給專家一個(gè)表達(dá)知識(shí)和經(jīng)驗(yàn)的方法，而且可利用這些知識(shí)進(jìn)行定量計(jì)算。貝葉斯網(wǎng)絡(luò)在離心機(jī)故障診斷中的應(yīng)用有以下優(yōu)勢:

1）貝葉斯網(wǎng)絡(luò)可用簡潔直觀的圖形描述故障與征兆間復(fù)雜的因果關(guān)系。

2）貝葉斯網(wǎng)絡(luò)具有很強(qiáng)的不確定性推理能力，可定量計(jì)算出故障發(fā)生的概率，給出概率解釋。

本文通過實(shí)際驗(yàn)證和仿真結(jié)果表明本研究的正確性和有效性，并可依據(jù)此結(jié)果進(jìn)行檢修，避免了大量繁瑣和無用的工作，節(jié)省了時(shí)間與資源，同時(shí)提高了設(shè)備的可靠性和安全性。

［1］楊 建，徐 平，周保堂，等.離心機(jī)機(jī)械故障診斷專家系統(tǒng)設(shè)計(jì)及其應(yīng)用［J］.機(jī)械科學(xué)與技術(shù)，1998，17（1）:132 －134.

［2］Giarratano J，Riley G.專家系統(tǒng)原理與編程［M］.印鑒.北京:機(jī)械工業(yè)出版社，2006.

［3］曾慧芳，朱慧明，李素芳.基于MH算法的貝葉斯分位自回歸模型［J］.湖南大學(xué)學(xué)報(bào)自然科學(xué)版，2010，37（2）:88 －92.

［4］Han Ting，Li Bo，Xu Limei.A universal fault diagnostic expert system based on bayesian network［C］//2008 International Conference on Computer Science and Software Engineering，2008:260－263.

［5］Bottone S，Lee D，O’Sullivan M.Failure prediction and diagnosis for satellite monitoring systems using Bayesian networks［C］//Military Communications Conference，2008:1 －7.

［6］徐斌剛，屈梁生，陶肖明.轉(zhuǎn)子故障貝葉斯診斷網(wǎng)絡(luò)的研究［J］.機(jī)械工程學(xué)報(bào)，2004，40（1）:66 －72.