基于置信規(guī)則庫的船舶電力推進系統(tǒng)狀態(tài)評估研究

蘇科偉，高海波，林治國，何業(yè)蘭，潘志強，代 建

（1.武漢理工大學船海與能源動力工程學院，湖北 武漢 430063；2.武漢理工大學計算機與人工智能學院，湖北 武漢 430063；3.中國船舶第七一一研究所，上海 201108）

當今社會能源短缺問題日益緊張，環(huán)境污染日漸嚴重，出于環(huán)境保護和順應發(fā)展需求等原因，船舶新能源化勢在必行。其中電力推進技術以其環(huán)保、節(jié)能和靈活的安裝布置等優(yōu)勢在新能源船舶中得到廣泛應用[1]。而船舶電力推進系統(tǒng)運行狀態(tài)的監(jiān)測與評估，是保障電力推進系統(tǒng)船舶航行安全的重要環(huán)節(jié)。

為了更好地對船舶電力推進系統(tǒng)運行狀態(tài)進行評估，本文提出了基于置信規(guī)則庫的船舶電力推進系統(tǒng)狀態(tài)評估方法。基于置信規(guī)則庫（BRB）是在If-Then規(guī)則庫、D-S理論、模糊理論和ER算法的基礎上提出來的，此方法在傳統(tǒng)專家系統(tǒng)的規(guī)則表示基礎上，融入規(guī)則參數(shù)，采用半定量信息對系統(tǒng)建模。模型推理過程，既可采用專家知識，又可利用監(jiān)測數(shù)據(jù)訓練模型。文獻[2]研究了一種基于區(qū)間值的BRB模型，對提高武器系統(tǒng)作戰(zhàn)效能評估的準確性和可靠性起到了重要作用。文獻[3]基于BRB理論提出一種工業(yè)控制系統(tǒng)安全狀態(tài)評估方法，取得了較好的效果。因此，將BRB模型應用于船舶電力推進系統(tǒng)狀態(tài)評估，并以某船舶電力推進系統(tǒng)為例進行實驗驗證，結果表明模型能獲得較好的評估結果。

1 船舶電力推進系統(tǒng)概述

船舶電力推進系統(tǒng)[4-5]一般由供電系統(tǒng)（原動機、發(fā)電機、配電板）、推進系統(tǒng)（推進變壓器、推進變頻器、吊艙推進器）、控制系統(tǒng)等組成，主要通過原動機帶動發(fā)電機進行發(fā)電，配電板將發(fā)出的電能進行用電分配后，傳輸給變壓器進行調壓，再輸送至變頻器進行整流、逆變，最終帶動吊艙推進器推進船舶航行。

2 電力推進系統(tǒng)狀態(tài)評估體系

根據(jù)電力推進系統(tǒng)中各設備運行狀態(tài)的評估指標，應用有效的狀態(tài)評估方法，結合設備運行原理和專家經(jīng)驗，即可進行電力推進系統(tǒng)的狀態(tài)評估。

對于船舶電力推進系統(tǒng)，得到監(jiān)測數(shù)據(jù)h1，h2…h(huán)4后需要一套評估判定規(guī)則來確定當前系統(tǒng)所處狀態(tài)。采用百分制的評估標準表示當前系統(tǒng)狀態(tài)，評分機制如圖1所示。

圖1 基于BRB方法的狀態(tài)評估模型

針對每個部分的評估結果進行綜合評判，即可得到系統(tǒng)的綜合評估結果。評估結果采用百分制，分數(shù)越高，代表系統(tǒng)狀態(tài)越健康。電力推進系統(tǒng)狀態(tài)分類規(guī)則如表1所示。

表1 電力推進系統(tǒng)運行狀態(tài)分類表

表1（續(xù)）

3 基于BRB模型的評估方法

3.1 BRB模型規(guī)則的建立

與傳統(tǒng)規(guī)則推理形式不同，傳統(tǒng)規(guī)則推理時輸入和輸出都是離散的狀態(tài)形式，而基于置信規(guī)則的推理方法則在傳統(tǒng)If-Then規(guī)則的基礎上對應離散的狀態(tài)引入了置信度的概念，使輸入輸出帶有一定的置信度，區(qū)別如下。

對于傳統(tǒng)規(guī)則：

對于置信規(guī)則：

3.2 使用證據(jù)推理的規(guī)則推理法

為了獲得船舶電力推進系統(tǒng)中各設備多個屬性的整體健康狀態(tài)，引入了ER算法來集成系統(tǒng)中各設備的影響因素。通過以下步驟便能獲得設備狀態(tài)的評估結果。具體步驟如下。

3.2.1 計算規(guī)則匹配度

首先確定單個輸入與其所劃分的參考等級的匹配程度，對于第i個歷史數(shù)據(jù)xi，假設前提屬性集合中的第j個參考等級xi對應的數(shù)量值為aij，則利用分段函數(shù)，可以求出xi對應的各個狀態(tài)的匹配程度αij，計算公式為：

3.2.2 計算單條規(guī)則的激活權重

激活權重指由輸入決定的規(guī)則庫中所有規(guī)則的激活程度的大小，對于第k條規(guī)則，激活權重的計算方法為：

3.2.3 ER算法進行規(guī)則融合

解析ER算法將所有激活的規(guī)則進行融合，最終產生輸出結果。輸出結果的置信度為：

其中：

式（5）（6）中：j是第j個屬性（輸入的參考等級）；k是第k條規(guī)則；jkβ為第k條規(guī)則中第j個屬性的置信度；wk為每條規(guī)則的激活權重。

3.2.4 效用計算得出結果

效用計算得出結果：

3.3 模型訓練優(yōu)化方法

初始BRB模型中的參數(shù)θ1，…，θk，δ1，…，δT和β1，…，βNk，通常是根據(jù)專家經(jīng)驗和歷史信息得出，但專家很難給出參數(shù)的精準值，因此初始BRB模型的狀態(tài)評估結果與真實值之間會產生偏差，使得評估精度有所下降。為了提高狀態(tài)評估的準確性，需要對初始BRB模型進行優(yōu)化，優(yōu)化的目標是狀態(tài)評估值與專家打分的參考值之間的誤差。圖2為BRB模型的訓練過程，為模型輸出的評估值，y為專家打分的狀態(tài)參考值，為真實值和評估值的差值，Ψ為參數(shù)θ1，…，θk，δ1，…，δT和β1，…，βNk的集合。當Δy（Ψ）越小時，模型參數(shù)的值越準確。模型參數(shù)優(yōu)化過程，可以通過MATLAB中的Fmincon函數(shù)求解目標函數(shù)的最小值。

圖2 BRB模型訓練流程

4 案例研究

為驗證BRB模型進行電力推進船舶狀態(tài)評估的有效性，以某60 m全回轉車客渡船為對象，對其電力推進系統(tǒng)進行狀態(tài)評估研究。

4.1 BRB算法

通過安裝在船上的相關傳感器，采集到該渡船2019年11月份運行過程中電力推進系統(tǒng)的部分數(shù)據(jù)，通過數(shù)據(jù)預處理后，選取該渡船在典型工況下的運行數(shù)據(jù)共計230組，并由該領域相關專家根據(jù)其健康狀態(tài)程度進行打分，作為輸入樣本數(shù)據(jù)。以推進電機為例，根據(jù)預設監(jiān)測指標，傳感器采集的數(shù)據(jù)包括推進電機實際功率、推進電機U相繞組溫度、推進電機Ⅴ相繞組溫度、推進電機W相繞組溫度。選取推進電機實際功率和三相繞組溫度的平均值作為前提屬性，將健康狀態(tài)評分結果作為后置輸出屬性。

在小樣本狀態(tài)評估問題中，專家知識對狀態(tài)評估的結果起著至關重要的作用。在BRB模型中，不僅推進電機實際功率、三相繞組平均溫度取值會對評估評估有影響，同樣置信規(guī)則的設定也會對推進電機的評估結果產生重要影響。在設定推進電機實際功率和繞組平均溫度的參考等級時，輸入?yún)⒖嫉燃壍膫€數(shù)決定著規(guī)則的數(shù)量，規(guī)則數(shù)量的增加，會導致模型計算的復雜性，甚至出現(xiàn)“規(guī)則爆炸”的情況。根據(jù)專家知識，設定推進電機的實際功率有8個參考等級，分別是很小（ⅤS）、小（S）、較?。≧S）、正常（N）、較大（RL）、大（L）、很大（ⅤL）、超大（SL）。設定三相繞組平均溫度有7個參考等級，分別是很低（ⅤB）、低（B）、較低（RB）、正常（N）、較高（RH）、高（H）、很高（ⅤH）。推進電機的健康狀態(tài)評分，也劃分為“優(yōu)”“良”“中”“差”“劣”5個輸出參考等級，分別用D1、D2、D3、D4、D5表示，3個指標的定量結果如表2所示。

表2 各指標的語義參考值

推進電動機的實際功率和繞組平均溫度的參考等級分別為8個和7個，一共56條置信規(guī)則。根據(jù)專家知識，建立推進電動機的狀態(tài)評估BRB模型，其中第k條規(guī)則可描述為：

根據(jù)專家知識和表2中設定的BRB初始參數(shù)，可以得出模型初始規(guī)則庫，部分初始置信規(guī)則如表3所示，如第六條規(guī)則中ⅤSH時，它表示推進電機實際功率很小，但繞組平均溫度高時，電機的健康狀態(tài)較差。因此評估結果被賦值為{（D1，0.1），（D2，0.9），（D3，0），（D4，0），（D5，0）}。

表3 推進電機狀態(tài)評估模型部分初始置信規(guī)則表

4.2 評估結果

將實驗數(shù)據(jù)分為200組訓練數(shù)據(jù)和30組測試數(shù)據(jù)，通過訓練組數(shù)據(jù)進行模型的參數(shù)優(yōu)化，再將測試組的數(shù)據(jù)用于對BRB模型優(yōu)化后的置信度、規(guī)則權重等參數(shù)的檢驗。在BRB模型訓練過程中，把初始BRB評估結果和優(yōu)化后BRB評估結果與專家打分的狀態(tài)參考值進行對比，結果如圖3所示。

圖3 BRB模型狀態(tài)評估結果

從圖3中可以看出，在初始BRB模型評估結果中，專家值能大致反映出推進電機正常工作時的健康狀態(tài)，但在推進電機出現(xiàn)故障，狀態(tài)發(fā)生改變時，存在欠擬合的現(xiàn)象，不能很好地反映出電機的健康狀態(tài)。利用Fmincon函數(shù)對模型中的參數(shù)進行優(yōu)化后的BRB模型，能夠較為準確地評估出推進電機的健康狀態(tài)。

4.3 電力推進系統(tǒng)狀態(tài)綜合評估

根據(jù)BRB模型的狀態(tài)評估結果，選取某一時刻電力推進系統(tǒng)各設備的得分，如表4所示。

表4 電力推進系統(tǒng)評分信息匯總表

邀請12位行業(yè)專家，通過模糊綜合評判的方法，得出該時刻電力推進系統(tǒng)狀態(tài)評估得分是82.04分。運行狀態(tài)為優(yōu)，電力推進系統(tǒng)可繼續(xù)運行，檢修工作延期。

5 結論

本文提出了一種基于置信規(guī)則庫的船舶電力推進系統(tǒng)狀態(tài)評估方法。綜合利用專家知識和定量船舶運行數(shù)據(jù)，參照狀態(tài)評估指標，初步構建電力推進系統(tǒng)BRB狀態(tài)評估模型，使用ER算法融合多條規(guī)則進行推理。同時，基于一種非線性約束函數(shù)Fmincon的方法優(yōu)化模型參數(shù)，輸出更準確的結果。并通過模糊綜合理論的知識，得到電力推進系統(tǒng)的最終狀態(tài)評分。相比于傳統(tǒng)依靠工人經(jīng)驗主觀地對電力推進系統(tǒng)運行好壞進行評估的方法，本文提出的基于BRB的電力推進系統(tǒng)狀態(tài)評估方法，能更好地結合定量和定性信息，為信息缺失及采用可觀測量對船舶電力推進系統(tǒng)狀態(tài)評估提供了一種可行且有效的手段。