基于故障樹(shù)和神經(jīng)網(wǎng)絡(luò)的的風(fēng)機(jī)故障在線診斷

艾進(jìn)才

（龍?jiān)措娏瘓F(tuán)股份有限公司寧夏公司 寧夏回族自治區(qū)固原市 756000）

當(dāng)今世界，全球能源結(jié)構(gòu)改革的浪潮已經(jīng)到來(lái)，風(fēng)能作為一種新能源，在電力產(chǎn)業(yè)中具有舉足輕重的地位，因此近年來(lái)，使得風(fēng)電產(chǎn)業(yè)得到了迅速的發(fā)展，全球風(fēng)電機(jī)組裝機(jī)的數(shù)量也隨之增長(zhǎng)迅速。據(jù)調(diào)查研究發(fā)現(xiàn)，在實(shí)際中全球各大型風(fēng)電場(chǎng)存在很多不足，如超過(guò)一半的風(fēng)機(jī)無(wú)法正常并網(wǎng)運(yùn)行，這給風(fēng)電產(chǎn)業(yè)帶來(lái)了巨大挑戰(zhàn)。相關(guān)學(xué)者與專家對(duì)我國(guó)某電力公司的300 多臺(tái)風(fēng)機(jī)進(jìn)行調(diào)查統(tǒng)計(jì)，發(fā)現(xiàn)能夠正常工作的僅33%，其余無(wú)法正常工作運(yùn)行，造成的原因除了常見(jiàn)的棄風(fēng)等因素外大多數(shù)是由于機(jī)組發(fā)生的故障，使得風(fēng)電產(chǎn)業(yè)在電力設(shè)備資金投入上產(chǎn)生一定的浪費(fèi)。風(fēng)電場(chǎng)存在于陸地和海上，海上工作環(huán)境相比于陸地工作環(huán)境存在更大挑戰(zhàn)，首先在嚴(yán)寒下存在海冰，使得風(fēng)機(jī)基礎(chǔ)受到海冰撞擊的威脅，其次海上溫度低，濕度大，導(dǎo)致風(fēng)機(jī)葉片上容易存在冰，因此葉輪和塔筒的載荷會(huì)隨之增加，風(fēng)電機(jī)發(fā)電喪失部分能力，在極端地區(qū)，電能損失達(dá)到了將近20%-50%的應(yīng)發(fā)電量，當(dāng)積冰嚴(yán)重時(shí)甚至?xí)?dǎo)致葉片斷裂，這對(duì)風(fēng)電機(jī)組損害相當(dāng)嚴(yán)重。

在風(fēng)電機(jī)組中，其故障的發(fā)生率相當(dāng)高，據(jù)統(tǒng)計(jì)，一個(gè)風(fēng)場(chǎng)中風(fēng)機(jī)的故障率高達(dá)40%-50%，對(duì)于一臺(tái)已經(jīng)工作了20年的風(fēng)機(jī)，其總維護(hù)和維修費(fèi)用占據(jù)了10%-15%的風(fēng)場(chǎng)總效益，對(duì)于海上風(fēng)機(jī)，其維護(hù)費(fèi)用更是高達(dá)30%的風(fēng)場(chǎng)總效益。目前可以通過(guò)兩方面降低風(fēng)機(jī)運(yùn)維成本，一方面對(duì)風(fēng)機(jī)的品質(zhì)進(jìn)行改善，另一方面通過(guò)監(jiān)測(cè)風(fēng)機(jī)運(yùn)行狀態(tài)數(shù)據(jù)，及時(shí)發(fā)現(xiàn)風(fēng)機(jī)故障的早期隱患，并對(duì)其進(jìn)行處理排除，保證風(fēng)機(jī)的正常工作，從而使發(fā)電效益不受影響。根據(jù)電工委員會(huì)IEC 制定的相關(guān)標(biāo)準(zhǔn)IEC61400，它規(guī)定風(fēng)機(jī)的使用壽命為20年，但是根據(jù)實(shí)際生產(chǎn)中的經(jīng)驗(yàn)，這個(gè)要求往往很難滿足。一般情況下，風(fēng)機(jī)電組的平均質(zhì)保期為5年，當(dāng)前投入使用的風(fēng)機(jī)超過(guò)一半的工作時(shí)間已經(jīng)超過(guò)5年，為保證風(fēng)機(jī)的正常的工作，需對(duì)風(fēng)機(jī)電機(jī)進(jìn)行全面的維護(hù)檢修，此次維修將會(huì)投入相當(dāng)大的人力物力，因此在以后的工作中將老舊風(fēng)機(jī)和故障診斷研究作為研究方向，具有重要價(jià)值和實(shí)際意義。

1 故障樹(shù)模型簡(jiǎn)介

故障樹(shù)模型是一個(gè)比較定性的因果模型，它是主要研究目標(biāo)的構(gòu)造和功能所具有特點(diǎn)的行為模型，它展現(xiàn)了故障的傳播關(guān)系。故障樹(shù)從頂事件到底事件的方向?qū)?duì)象進(jìn)行故障判斷，頂事件一般為最不期望的事件，底事件為不可再分事件，故障判斷依據(jù)為對(duì)象的功能以及兩個(gè)事件之間的關(guān)系。因此可以得到，基于故障樹(shù)的傳播有向圖主要是以節(jié)點(diǎn)之間擁有和邏輯有關(guān)的帶權(quán)有向樹(shù)，故障傳播的目標(biāo)就是底事件→中間事件→頂事件。如圖1所示。

圖1：故障傳播關(guān)系的有向圖

故障樹(shù)的建立和更新機(jī)制:故障樹(shù)模型根據(jù)系統(tǒng)發(fā)生的故障，對(duì)其原因進(jìn)行邏輯性的逐層分析與總結(jié)，從而確定出造成故障的原因或者幾個(gè)原因，最終提出解決或排除故障的方法。故障樹(shù)中的新知識(shí)一般通過(guò)人工獲取的方式取得，所謂人工知識(shí)獲取即領(lǐng)域?qū)＜液凸こ處熤g的資料和數(shù)據(jù)分享，獲取的知識(shí)在工程師和領(lǐng)域?qū)＜抑钢g通過(guò)交流探討與歸納總結(jié)，從而對(duì)其進(jìn)行更進(jìn)一步的編碼，實(shí)現(xiàn)對(duì)故障樹(shù)模塊庫(kù)的更新。

2 風(fēng)機(jī)故障樹(shù)模型與推理方法

根據(jù)風(fēng)電場(chǎng)風(fēng)機(jī)的結(jié)構(gòu)，可將風(fēng)機(jī)故障樹(shù)分為六個(gè)部分，即風(fēng)輪系統(tǒng)故障樹(shù)、傳動(dòng)系統(tǒng)故障樹(shù)、液壓系統(tǒng)故障樹(shù)、偏航系統(tǒng)故障樹(shù)、變槳系統(tǒng)故障樹(shù)、發(fā)電機(jī)系統(tǒng)故障樹(shù)，下面以發(fā)電機(jī)系統(tǒng)故障樹(shù)為例。

根據(jù)故障樹(shù)進(jìn)行故障診斷方向有三種：正向推理、反向推理和正反向混合性推理。

（1）正向推理：所謂正向推理，即由條件到結(jié)論的推理方式，其中的依據(jù)是條件和結(jié)論之間的某種邏輯關(guān)系，又被稱為事實(shí)驅(qū)動(dòng)理論推理。它以事實(shí)為依據(jù)，將相應(yīng)的推理方法作為指導(dǎo)，證明命題是否成立。正向推理簡(jiǎn)單易行，用戶也可以隨時(shí)自主的提供問(wèn)題的相關(guān)信息（新事實(shí)），方便及時(shí)做出反應(yīng)。不足之處在于不相關(guān)的操作對(duì)求解問(wèn)題影響較大，在求解時(shí)也會(huì)被執(zhí)行，導(dǎo)致推理結(jié)果中存在大量與問(wèn)題不相關(guān)的其他子目標(biāo)，因此正向推理存在盲目性大，效率低的缺陷。

（2）反向推理：即由結(jié)論到條件，推理過(guò)程與正向推理相反，它將結(jié)論作為依據(jù)，又被稱為目標(biāo)驅(qū)動(dòng)理論，在知識(shí)庫(kù)中，以結(jié)論為出發(fā)點(diǎn)，尋找能夠證明該結(jié)論的真?zhèn)蔚淖C據(jù)。由于反向推理具有較強(qiáng)的目的性，因此可以排除與假設(shè)無(wú)關(guān)的知識(shí)，避免它對(duì)尋找結(jié)果的影響。根據(jù)反向推理的過(guò)程，可以得出反向推理策略能夠支持其解釋的精確性，其中要遵循的規(guī)則（知識(shí)），用戶也可以簡(jiǎn)單明了的了解到，以更快更高效的實(shí)現(xiàn)目標(biāo)。

圖2：發(fā)電機(jī)系統(tǒng)故障樹(shù)

圖3：概率神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

（3）正反向混合推理：正反向混合推理首先正向推理，再反向推理，正向推理將已有的初始數(shù)據(jù)或數(shù)據(jù)作為出發(fā)點(diǎn)，根據(jù)相應(yīng)推理方法得到假設(shè)結(jié)論，但是這些初始數(shù)據(jù)或證據(jù)往往存在不充分的缺點(diǎn)，因此將正向推理得到的假設(shè)結(jié)論再作為反向推理的結(jié)論，從假設(shè)結(jié)論開(kāi)始，尋找與之對(duì)應(yīng)的事實(shí)或者證據(jù)。正反向混合推理將正向和方向推理的優(yōu)點(diǎn)進(jìn)行了結(jié)合，這種推理方式和人們的思維方式類似，相對(duì)于正向和反向推理，它的控制策略更加復(fù)雜，因此它適用于對(duì)復(fù)雜問(wèn)題的求解。

在實(shí)際應(yīng)用中，由于部分未知狀態(tài)分類難以確定，因此得到的情報(bào)往往欠缺完整性，如果只使用單一的故障樹(shù)方式，故障診斷結(jié)果存在一定的不準(zhǔn)確性，影響后續(xù)工作，而概率神經(jīng)網(wǎng)絡(luò)算法性能比故障樹(shù)分析性能明顯較好，它可以通過(guò)結(jié)合診斷對(duì)象的運(yùn)行狀態(tài)構(gòu)造出模式識(shí)別分類器對(duì)狀態(tài)進(jìn)行檢測(cè)并進(jìn)行分析處理，完成對(duì)故障的診斷，和只使用故障樹(shù)分析法相比，它能明顯降低對(duì)某一設(shè)備狀態(tài)診斷的誤判率。概率神經(jīng)網(wǎng)絡(luò)（PNN）的計(jì)算過(guò)程是完全向前的，它與傳統(tǒng)的多層前向網(wǎng)絡(luò)BP算法相比，無(wú)需計(jì)算反向誤差傳播，因此運(yùn)算速度比較快，同時(shí)訓(xùn)練時(shí)間短、不易產(chǎn)生局部最優(yōu)解、分類準(zhǔn)確率高。對(duì)于無(wú)論多么復(fù)雜的計(jì)算，當(dāng)訓(xùn)練數(shù)據(jù)足夠多時(shí)，它就可保證能夠獲得貝葉斯準(zhǔn)則下的最優(yōu)解。發(fā)電機(jī)系統(tǒng)故障樹(shù)如圖2所示。

概率神經(jīng)網(wǎng)絡(luò)（PNN）是一種前饋型神經(jīng)網(wǎng)絡(luò)，它是由徑向基函數(shù)網(wǎng)絡(luò)發(fā)展而來(lái)的，適用于模式分類。其依據(jù)準(zhǔn)則是貝葉斯最小風(fēng)險(xiǎn)準(zhǔn)則即貝葉斯決策理論，采用 Parzen 窗函數(shù)密度估計(jì)方法估計(jì)條件概率。訓(xùn)練樣本的臨近分類器通常由散布常數(shù)Spread 的值來(lái)實(shí)現(xiàn)，概率神經(jīng)網(wǎng)絡(luò)由4 層模型組成，分別是輸入層、模式層、求和層、輸出層。在輸出層中，根據(jù)已經(jīng)建立的網(wǎng)絡(luò)，對(duì)輸入向量進(jìn)行最大后驗(yàn)概率估計(jì)，最后將概率值最大的輸出為相應(yīng)類別。如圖3所示。

在在故障樹(shù)模型的基礎(chǔ)上，根據(jù)貝葉斯準(zhǔn)則概率神經(jīng)網(wǎng)絡(luò)理論，得到一種新的故障診斷模型，它結(jié)合兩者優(yōu)點(diǎn)，能夠解決之前難以判斷的故障如復(fù)雜轉(zhuǎn)速故障診斷，克服了使用一種方法帶來(lái)的片面性，因此使得在實(shí)際中故障檢測(cè)的準(zhǔn)確性得到有效提升，同時(shí)故障檢測(cè)的效率也有效提高。此方法在實(shí)際中工作人員操作簡(jiǎn)單，且容易實(shí)現(xiàn)，當(dāng)樣本中存在一定的噪聲時(shí)，算法對(duì)噪聲具有較強(qiáng)的魯棒性，因此可進(jìn)一步增強(qiáng)診斷準(zhǔn)確率。隨著樣本數(shù)據(jù)的增多，診斷網(wǎng)絡(luò)將不斷被得到完善，診斷率將得到大大提高。

3 小結(jié)

基于故障樹(shù)和神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)故障檢測(cè)，可在長(zhǎng)期運(yùn)行過(guò)程中，動(dòng)態(tài)更新故障庫(kù)類型，不斷提高故障檢測(cè)的準(zhǔn)確率。采用故障樹(shù)分析可以對(duì)已知故障進(jìn)行快速診斷，神經(jīng)網(wǎng)絡(luò)可以對(duì)多因素、多機(jī)理的復(fù)雜故障經(jīng)過(guò)訓(xùn)練后進(jìn)行快速識(shí)別，現(xiàn)場(chǎng)運(yùn)維人員可通過(guò)信息化手段得到診斷結(jié)果，診斷結(jié)果對(duì)現(xiàn)場(chǎng)人員的故障處理具有一定的指導(dǎo)性。