基于信息融合技術的設備故障數(shù)據(jù)診斷決策系統(tǒng)

張師瑋，張彥蕊

（甘肅省景泰川電力提灌水資源利用中心 甘肅 白銀 730499）

0 引言

信息融合技術因其具有較高的準確性、實時性，在故障數(shù)據(jù)診斷過程中應用非常廣泛［1-2］。 故障診斷信息的收集是決策系統(tǒng)的重要環(huán)節(jié)，涉及決策方案的可行性和有效性［3-5］。 因此，將故障診斷數(shù)據(jù)收集成重要信息，并利用計算機進行分析，對決策系統(tǒng)的應用起到了非常重要的作用。 國內(nèi)外相關專家對故障診斷信息分析系統(tǒng)進行了諸多研究［6-7］。 例如，將信號以及振動數(shù)據(jù)作為信息特征參數(shù)，并研發(fā)了專門的故障檢測數(shù)據(jù)系統(tǒng)；還有學者在診斷數(shù)據(jù)中引入了小波分析及向量機，通過電壓伺服系統(tǒng)對不同工作狀態(tài)下的振動信息進行分解，以便獲得特征參數(shù)，構建決策分析系統(tǒng)。 上述研究成果只是針對單一故障數(shù)據(jù)進行預警和分析。 但是實際運行過程中，設備受各種條件影響，出現(xiàn)的故障信息往往是多方面協(xié)同作用的結果，單一的方法不能有效對數(shù)據(jù)進行全面的解讀。 因此，本文結合信息融合技術對設備故障數(shù)據(jù)加以采集和診斷，融入信息決策機制，通過仿真驗證系統(tǒng)可信性。

1 常見故障信息分析

水渠設備信息分為4 種，分別為控制信息、執(zhí)行信息、承載信息以及輔助信息。 其中，執(zhí)行和控制2 個模塊的信息容易出現(xiàn)故障。 在實際診斷數(shù)據(jù)分析中，這2 個模塊的故障信息獲得可分為3 個等級：第一級，通過原始數(shù)據(jù)獲得；第二級，通過數(shù)據(jù)特征量提取獲得；第三級，通過綜合數(shù)據(jù)分析獲得。

針對3 個級別的信息獲得方式，本文提出了基于多動態(tài)量數(shù)據(jù)的三級信息融合方案，以便可靠、全面地對設備故障數(shù)據(jù)診斷進行分析和決策。

2 三級信息融合診斷、決策系統(tǒng)

首先，故障診斷信息融合是將每臺設備上的6 個行程傳感器、6 個流量傳感器以及4 個壓力傳感器所采集的數(shù)據(jù)進行綜合分析，并獲得第一級故障診斷信息結果，即數(shù)據(jù)層融合。 其次，提取收集來的原始數(shù)據(jù)特征量，綜合分析后獲得第二級故障診斷信息結果，即特征層融合。 最后，整合整個作業(yè)環(huán)境數(shù)據(jù)層和特征層融合結果，綜合判斷第一、二級結果的可靠性，推斷出第三級故障診斷信息結果，即決策層融合。

如圖1 所示，三級信息融合故障診斷系統(tǒng)包含3 個單元：動態(tài)信息采集單元、數(shù)據(jù)層融合單元、特征層及決策層分析單元。 3 個單元的核心設備信息分別為：原始數(shù)據(jù)信息、硬件數(shù)據(jù)信息以及企業(yè)信息門戶（enterprise information portal， EIP）工業(yè)計算機信息。

圖1 三級數(shù)據(jù)融合故障診斷、決策系統(tǒng)結構

（1）動態(tài)信息采集單元。 該單元以安裝在設備信息采集單元為核心，對設備行程、流量、進出口壓力信息進行全面的數(shù)據(jù)采集，并對采集信息進行硬件隔離或濾波，以便得到更加可靠的設備原始數(shù)據(jù)。

（2）數(shù)據(jù)層融合單元。 該單元以硬件數(shù)據(jù)信息為核心，其單元程序流程如圖2 所示。 主要功能有：將特征量和數(shù)據(jù)層融合結果傳至EIP 工業(yè)計算機；提取包括設備變化信息、速率信息、壓力變化信息以及行程最大值、流量最大值、壓力最大值等特征量信息；利用信息層融合技術，將采集到的原始數(shù)據(jù)和設備所處環(huán)境的其他設備信息的采集數(shù)據(jù)相對比，以判斷動態(tài)數(shù)據(jù)或閾值是否異常。

圖2 數(shù)據(jù)層融合單元程序流程

（3）特征層及決策層分析單元。 該單元以EIP 工業(yè)計算機為核心，主要功能有：根據(jù)設備狀態(tài)對最終判斷故障信息、類型以人機交互方式進行顯示；對數(shù)據(jù)層融合及特征層信息融合結果進行最終決策，并判斷其可靠性，得到最終故障信息；提取設備所處環(huán)境數(shù)據(jù)信息特征量，并進行融合。

3 三級信息融合技術的實現(xiàn)

本文提出的三級信息融合技術是利用了故障狀態(tài)信息集合、判斷函數(shù)、融合函數(shù)、最大值函數(shù)以及狀態(tài)函數(shù)等，實現(xiàn)對數(shù)據(jù)層融合、特征層融合以及決策層融合的一項技術。

3.1 數(shù)據(jù)層融合

數(shù)據(jù)層融合是實現(xiàn)第一級故障信息的判斷，是對采集來的設備位移、流量、壓力等原始信息進行直接處理的。由此得到設備的工作狀態(tài)數(shù)據(jù)為式（1）所示：

式中，f1為設備工作狀態(tài)的判斷函數(shù)，R ＝［r1，r2，…，rx1］為流量信息，P ＝［p1，p2，…，px2］為壓力信息，D ＝［d1，d2，…，dx3］為位移信息。

設備第一級故障信息可表示為式（2）所示：

式（2）中，F(xiàn)為故障類型，p為F中各種故障信息概率的集合，H為常見故障狀態(tài)集合（根據(jù)實際經(jīng)驗總結的特征狀態(tài)信息），f2為故障判斷函數(shù)。 故障判斷函數(shù)可將設備常見故障信息數(shù)據(jù)和當前工作數(shù)據(jù)進行對比，并確定相似度。

3.2 特征層融合

特征層融合可以實現(xiàn)第二級故障信息的判斷，將設備所有信息特征量進行融合，處理方法為：利用微分函數(shù)diff（x） 和最大值函數(shù)max（x） 對位移變化速率和最大值、流量以及壓力特征量信息進行分別提取，即式（3）：

式（3）中，R'為采集的設備所處環(huán)境其他設備信息量最大值，R″為流量變化速率。 按照上述方法，可獲得設備所處環(huán)境所有同類設備原始數(shù)據(jù)最大值、變化速率，以及位移最大值、變化速率，分別為P'、P″、D'、D″。 結合特征層融合函數(shù)f3，可獲得整個環(huán)境中設備的工作狀態(tài)信息集合為式（4）：

上述特征層融合函數(shù)與整個工作環(huán)境所有同類設備信息特征量進行對比，進行綜合判斷后獲得其狀態(tài)。 利用特征層故障匹配函數(shù)f4判斷出第二級故障信息情況，即式（5）所示：

式（5）中，為第二級故障類型，為出現(xiàn)的概率。 由此，可將設備常見故障信息與特征層故障信息匹配函數(shù)對比，并確定相似度。

3.3 決策層融合

決策層融合可推斷第三級故障信息，并驗證每一級故障信息判斷結果的可靠性，獲得設備的最終故障信息結果。 輸入特征層融合與數(shù)據(jù)層融合結果，利用故障判斷函數(shù)f5對第三級故障信息進行判斷，即式（6）所示：

表1 三級信息融合下的故障數(shù)據(jù)類型

4 計算機仿真驗證

本節(jié)以水渠設備故障信息診斷和決策為例，在復雜系統(tǒng)建模仿真平臺Swarm 中建立模型，并進行三級信息融合。 根據(jù)實際情況構建設備的計算機仿真模型。 泄露故障信息數(shù)據(jù)可分為外泄露數(shù)據(jù)和內(nèi)泄露數(shù)據(jù)。 該模擬通過添加低壓口信息和高壓口數(shù)據(jù)來仿真外泄露數(shù)據(jù)，通過設置泄露參數(shù)來仿真內(nèi)泄露數(shù)據(jù)。

如圖3 所示，為模擬兩個故障信息以及正常狀態(tài)信息下的設備運動速率曲線。 由此看出，仿真2 s 時將產(chǎn)生切換信號。 通過和正常狀態(tài)信息相比，外泄露故障信息和內(nèi)泄露故障信息分析后，設備運動時間延長、速率變小。 通過上述兩種故障所導致的設備速率變化特征，可推斷故障信息類型。

圖3 故障信息及正常狀態(tài)信息下設備運動速率曲線

為了進一步驗證故障診斷信息的準確性，如圖4 所示，為出現(xiàn)故障信息時低壓口信息變化曲線。 由此看出，仿真2 s 時故障情況下的低壓口信息數(shù)值都迅速降低，按照實際經(jīng)驗，說明低壓口出現(xiàn)了故障信息。 當仿真3.4 s后，內(nèi)泄露故障下的模擬低壓口信息數(shù)據(jù)變得更低，而外泄露故障情況下的低壓口數(shù)據(jù)回歸正常。 說明3.4 s 后外泄露故障下低壓口沒有出現(xiàn)故障信息，而內(nèi)泄露信息仍有大量特征數(shù)據(jù)出現(xiàn)。

圖4 故障信息變化曲線

根據(jù)三級信息融合技術可知，該故障信息與常見該信號水渠故障信息特征具有一致性，最終診斷函數(shù)判斷結果為泄露故障代碼，即在其他特征量和運行狀態(tài)量無變化的情況下，該故障信息出現(xiàn)概率最高。 在設備實際運行中，壓力信息不超過電磁閥開閉信息閾值等問題都會導致設備故障信息的出現(xiàn)。 因此，在決策層融合中還需判斷壓力信息是否正常后，才能確定最終是否為故障信息的類型。如果呈現(xiàn)開閉異常故障信息，該系統(tǒng)可在數(shù)據(jù)層融合中體現(xiàn)出流量信息異常，通過EIP 工業(yè)計算機利用診斷函數(shù)可確定是哪一信息類型。 這兩種故障都具有一定的概率，再經(jīng)由特征層融合對其他部件原始數(shù)據(jù)進行分析。 如果只呈現(xiàn)一種故障信息類型，則會使開閉故障信息出現(xiàn)的概率最大；如果壓力信息異常，則數(shù)據(jù)層融合會判斷為泄露故障信息類型和壓力故障信息，而且兩種故障信息的出現(xiàn)都存在一定概率。 由此，需要決策層對比整個設備所在環(huán)境的相似信息特征，如果所有同類設備均出現(xiàn)類似故障信息，則說明該類型故障概率最大。

上述計算機仿真實驗及結果說明，本文提出的三級信息融合故障診斷決策系統(tǒng)具有一定的有效性。 以此類推，可驗證該系統(tǒng)在其他故障信息診斷中的應用情況。

5 結論

綜上所述，本文提出的三級數(shù)據(jù)信息融合技術故障診斷決策系統(tǒng)是將數(shù)據(jù)層融合、特征層融合以及決策層融合進行有機結合。 該技術能夠對診斷信息進行充分利用和深度挖掘，最終對診斷進行確定及可靠性驗證。 通過該技術構建了故障診斷決策系統(tǒng)，為水渠設備動態(tài)信息監(jiān)測及故障數(shù)據(jù)排除提供了可靠保障。 計算仿真結果表明，三級信息融合故障診斷決策系統(tǒng)具有判斷準確、實時性強、可靠性高等特點。