基于模糊貝葉斯網(wǎng)絡(luò)的門座式起重機起升機構(gòu)電氣故障診斷的研究

薛愷淳

摘 要：為了明確門座式起重機起升機構(gòu)電氣故障發(fā)生的關(guān)鍵因素，按照相關(guān)資料文獻，利用貝葉斯網(wǎng)絡(luò)構(gòu)建了拓撲結(jié)構(gòu)，并結(jié)合模糊理論的相關(guān)知識，利用三角模糊數(shù)和條件概率表（CPT）得出事件的條件概率，依據(jù)貝葉斯網(wǎng)絡(luò)推理得出故障診斷的后驗概率。利用GeNIe軟件的診斷推理和靈敏度分析，可以準確找出導致門座式起重機起升機構(gòu)發(fā)生故障的最關(guān)鍵因素。將計算得到的結(jié)果與實際經(jīng)驗對比表明該方法對于診斷門座式起重機起升機構(gòu)故障是切實可行的。

關(guān)鍵詞：門座式起重機；貝葉斯網(wǎng)絡(luò)；模糊理論；故障診斷

中圖分類號：TH213.4 文獻標志碼：A 文章編號：2095-2945（2018）02-0017-02

Abstract： In order to clarify the key factors of electrical failure of hoisting mechanism of gantry crane， according to the relevant documents， the topology structure is constructed by using Bayesian network， and the relevant knowledge of fuzzy theory is combined. The conditional probability of event is obtained by using triangular fuzzy number and conditional probability table， and the posterior probability of fault diagnosis is obtained by Bayesian network reasoning. By using the diagnostic reasoning and sensitivity analysis of GeNIe software， the most critical factors that cause the hoisting mechanism of gantry crane can be found out accurately. The comparison between the calculated results and the actual experience shows that this method is feasible for diagnosing the hoisting mechanism faults of gantry cranes.

Keywords： portal crane； Bayesian Network； fuzzy theory； fault diagnosis

1 概述

隨著社會對資源的需求日益增加，工業(yè)生產(chǎn)的規(guī)模也越來越趨于專業(yè)化與大型化。門座式起重機電氣設(shè)備中隱藏著諸多危險因素，一旦發(fā)生故障就會造成巨大的財產(chǎn)損失和生命威脅，所以對于門座式起重機的故障分析和排除就顯得尤為重要[1]。

門座式起重機起升機構(gòu)部分用來升降貨物，一旦出現(xiàn)故障，若不能夠及時診斷故障出現(xiàn)的地方并迅速排查，不但會給港口裝卸生產(chǎn)帶來不必要的經(jīng)濟損失，更嚴重則可能引發(fā)安全事故[2]。

貝葉斯網(wǎng)絡(luò)是建立在不確定知識表達和推理領(lǐng)域最為有效的方法之一。鑒于此，鐘虞全[3]提出基于貝葉斯網(wǎng)絡(luò)的智能故障診斷方法。然而實際應(yīng)用中，由于故障的復雜性、不確定性等因素，難以得出故障概率的和條件概率的精確數(shù)值。因此，本文提出利用模糊理論和貝葉斯網(wǎng)絡(luò)相結(jié)合的模糊貝葉斯網(wǎng)絡(luò)故障診斷方法。結(jié)合專家打分，經(jīng)過解模糊后利用貝葉斯推理對故障進行診斷，最后利用GeNIe軟件驗證該方法的可行性。

2 模糊集理論概率分析

2.1 專家語言模糊化

本文采用Wickens的評判7級理論表達自然語言，即把事件發(fā)生概率分為很高（VH）、高（H）、較高（FH）、中等（M）、偏低（FL）、低（L）、很低（VL）7個等級[4]，采用三角和梯形相結(jié)合的模糊數(shù)形式。

為了便于計算，現(xiàn)將7種模糊語言所對應(yīng)的模糊數(shù)形式如表1所示。

2.2 專家權(quán)重的確定

通過收集3位業(yè)內(nèi)經(jīng)驗豐富的專家信息，對結(jié)果進行下述處理，采用加權(quán)平均法計算權(quán)重值，計算結(jié)果見表2。

3 門座式起重機貝葉斯網(wǎng)絡(luò)的建立

3.1 故障樹的建立

根據(jù)起升機構(gòu)的控制要素以及電氣元件的構(gòu)成，總結(jié)出4大主要的電氣故障，分別為制動器故障、變頻器故障、電機故障、電源故障。本文以“門機起升機構(gòu)電氣故障”為故障樹的頂事件，建立故障樹模型，且所有節(jié)點均為二態(tài)性，即故障和正常（1和0）兩種狀態(tài)。故障樹的模型如圖1，2所示。

由于排版限制，本文將門機起升機構(gòu)電氣故障分為兩幅圖來表達且其中所有節(jié)點均為邏輯或關(guān)系。

3.2 先驗概率的計算

在確定了3位專家信息和相關(guān)權(quán)重后，利用三角模糊數(shù)方法求解各個根節(jié)點故障的先驗概率[5]。

以根節(jié)點X10為例，3位專家就“行程開關(guān)損壞”這一根節(jié)點故障運算得：

3.3 條件概率表的計算

在得到根節(jié)點的先驗概率后，還需要計算貝葉斯網(wǎng)絡(luò)的條件概率表。以“總電源接觸器觸點接觸不良”X1和“斷路器、繼電器故障”X2同時發(fā)生時“主回路電壓低”M2不發(fā)生為例，計算P（M2=0|X1=1，X2=1）=0.2089。

4 貝葉斯網(wǎng)絡(luò)模型仿真與結(jié)果分析

4.1 貝葉斯網(wǎng)絡(luò)推理

貝葉斯網(wǎng)絡(luò)的條件概率表計算完成后，將其輸入GeNIe軟件進行貝葉斯網(wǎng)絡(luò)推理，得到后驗概率信息如圖3所示。endprint

根據(jù)網(wǎng)絡(luò)推理的結(jié)果來看，門機起升機構(gòu)電氣故障發(fā)生的概率為38%，隸屬于“較低”等級。比較節(jié)點T的四個父節(jié)點，其中M8“變頻器故障”發(fā)生的概率為最大，而節(jié)點M8的父節(jié)點中屬M10“變頻器內(nèi)部直流母排‘過電壓OV”出現(xiàn)故障的概率最大。通過貝葉斯網(wǎng)絡(luò)推理就能給工作人員提供快速排查故障的方案。

4.2 靈敏度分析

靈敏度分析可以用來確定對后果事件發(fā)生概率貢獻較大的基本事件[6]。為了找到導致門機起升機構(gòu)電氣故障最為突出的因素，在圖3的基礎(chǔ)之上更新頂事件T的概率，使之發(fā)生的概率P（T=1）=100%。

通過假定頂事件T必然發(fā)生，經(jīng)靈敏度分析可以得到根節(jié)點X15“變頻器周圍溫度過高過熱而保護值低”的后驗概率最高，對門機起升機構(gòu)發(fā)生電氣故障的影響最大。

接著以最為核心的中間節(jié)點M10“變頻器內(nèi)部直流母排‘過電壓OV”作為貝葉斯網(wǎng)絡(luò)的觀測節(jié)點，即把父節(jié)點P（M10=1）=100%作為新的證據(jù)輸入再次進行推理，其子節(jié)點的故障出現(xiàn)的概率也相應(yīng)產(chǎn)生變化，子節(jié)點M8發(fā)生故障的概率從55%增至68%，父節(jié)點M10的靈敏度為13%。

用同樣的方法將M8的另一個父節(jié)點M9也使其概率P（M9=1）=100%，得到子節(jié)點M8發(fā)生故障的概率從55%增至76%，父節(jié)點M9的靈敏度為21%。

通過對比可以發(fā)現(xiàn)M9的靈敏度更大，即“變頻器報‘過熱OH1”是影響“變頻器故障”最突出的因素。

5 結(jié)束語

本文采用模糊集理論和貝葉斯網(wǎng)絡(luò)相結(jié)合的方法，提出基于模糊貝葉斯網(wǎng)絡(luò)的門座式起重機起升機構(gòu)電氣故障的診斷方法。其中利用三角模糊數(shù)與專家打分相結(jié)合的方法，根據(jù)模糊數(shù)形式進行解模糊處理，得到精確值的條件概率表。最后結(jié)合貝葉斯網(wǎng)絡(luò)模型，進行貝葉斯網(wǎng)絡(luò)推理和靈敏度分析，提高了貝葉斯網(wǎng)絡(luò)處理模糊信息的能力和排查故障發(fā)生的最突出因素的能力，具有較高的實際應(yīng)用價值。

參考文獻：

[1]李君.港口起重機電氣故障診斷與處理[M].武漢：武漢理工大學出版社，2009：70-102.

[2]劉普.基于PLC和變頻器的港口門座起重機控制系統(tǒng)研究[D].南京理工大學，2014.

[3]鐘虞全.貝葉斯網(wǎng)絡(luò)在起重機故障診斷中的應(yīng)用[D].湖南大學，2011.

[4]何友奇，蔣新華，聶明星.基于模糊貝葉斯網(wǎng)絡(luò)的叉裝車制動系統(tǒng)故障診斷研究[J].微型機與應(yīng)用，2016，35（11）：70-73.

[5]霍春勇，董玉華，高惠臨，等.管道故障樹基本事件分析的德爾斐法[J].油氣儲運，2005，24（1）：8-11.

[6]陸瑩，李啟明，周志鵬.基于模糊貝葉斯網(wǎng)絡(luò)的地鐵運營安全風險預測[J].東南大學學報（自然科學版），2010，40（05）：1110-1114.endprint