賈惠芹

(西安石油大學光電油氣測井與檢測教育部重點實驗室，陜西 西安 710065)

0 引言

故障樹分析法是對各個故障之間關(guān)系的一種圖形化描述，并將導致故障的原因事件按因果關(guān)系逐層列出，用樹形圖表示出來，從而可直觀地看出各個節(jié)點之間的影響關(guān)系，為檢測人員排查設(shè)備故障提供了一個直觀檢測的指導方法[1－2]。隨著故障樹分析技術(shù)的廣泛應用，人工建樹費時費力，當引起系統(tǒng)故障的因素之間有關(guān)聯(lián)時，很難避免發(fā)生邏輯上的誤判和漏判[3－4]。近年來相繼出現(xiàn)了一些故障樹的生成算法，但各類算法的特性和適用范圍各異，且目前還沒有一個人機界面友好的中文故障樹生成軟件[5－6]。

本文設(shè)計了一種故障樹自動生成與診斷模型，并采用圖形化編程軟件和數(shù)據(jù)庫技術(shù)實現(xiàn)了故障樹的動態(tài)生成與編輯，同時結(jié)合自動檢測技術(shù)，實現(xiàn)了設(shè)備故障的實時檢測和故障定位。

1 故障樹診斷模型設(shè)計

1.1 故障樹的基本要素分析

故障樹由若干層數(shù)的節(jié)點構(gòu)成。根據(jù)設(shè)備在物理上的邏輯關(guān)系來確定建立的故障樹。生成一棵樹的算法就是從根節(jié)點(第一層)開始，一層一層將樹表示出來，并將各層之間的節(jié)點按照父子關(guān)系連接起來。要實現(xiàn)對故障樹的自動生成，首先需要以下元素和工具。

①檢測點:檢測點是故障樹的基本組成部分，它由設(shè)備型號、設(shè)備所在的分系統(tǒng)、節(jié)點名稱、故障現(xiàn)象的描述、故障類型和故障等級以及相互邏輯關(guān)系等信息組成。如果該檢測點是子節(jié)點，則需要選擇父故障。同時還需要確定節(jié)點所在的層、各層上的節(jié)點數(shù)以及每個節(jié)點的父節(jié)點。

②檢測點之間的邏輯關(guān)系:在此需要確定設(shè)備的每一個子系統(tǒng)中各個檢測點之間的物理邏輯關(guān)系，確定每一個分支上所有檢測點之間的邏輯關(guān)系。

③連線工具:需要通過一種可視化的工具自動把節(jié)點根據(jù)邏輯關(guān)系連接起來。

1.2 故障診斷規(guī)則設(shè)計

在分析了故障樹的基本要素后，下面需要約定一些故障診斷的規(guī)則。

①約定檢測點就是節(jié)點的一種，故障樹中的頂事件為根節(jié)點，而中間事件和底事件統(tǒng)稱為子節(jié)點。每個子節(jié)點的上一級故障稱為其父節(jié)點。

②從根節(jié)點向下，如果檢測時沒有故障，則這條支路不再繼續(xù)往下走;如果這條支路出現(xiàn)故障，則繼續(xù)往下檢測，直至定位到故障點。

③一個根節(jié)點會有多個分支，在故障診斷過程中進行分支選擇的原則是次根節(jié)點出現(xiàn)的頻數(shù)以及關(guān)鍵度。

④故障診斷時，先按次根節(jié)點出現(xiàn)故障的頻數(shù)來劃分，如果兩個頻數(shù)相同，再按次根節(jié)點的關(guān)鍵度來選擇。按次根節(jié)點出現(xiàn)的頻數(shù)來確定設(shè)備發(fā)生故障的概率大小，每出現(xiàn)一次故障則頻數(shù)保存一次;然后在故障樹中根據(jù)故障的頻數(shù)來決定先進入哪個分支。在基于故障樹的診斷過程中，每次節(jié)點出現(xiàn)錯誤，則會把數(shù)據(jù)庫中的頻數(shù)字段加一;然后按次根節(jié)點的關(guān)鍵度來確定設(shè)備發(fā)生故障的概率大小，將次根節(jié)點的關(guān)鍵度從大到小排序，故障診斷時先從關(guān)鍵度最大的次根節(jié)點開始檢測，如此進行下去，即為最快確定故障源的最優(yōu)方案。

⑤故障樹中同層節(jié)點之間只有“或”的關(guān)系，而下一級節(jié)點和上一級節(jié)點之間是“與”的關(guān)系。

⑥利用虛擬儀器完成對檢測點信號的檢測。將得到的測試值和數(shù)據(jù)庫中的檢測點標稱值進行比較，檢測點的標稱值可能是一個值，也可能是一段波形。

2 故障樹診斷的關(guān)鍵技術(shù)

故障檢測點信息和節(jié)點名稱信息存儲在數(shù)據(jù)庫中，本文運用數(shù)據(jù)庫的結(jié)構(gòu)化設(shè)計和LabVIEW軟件把數(shù)據(jù)庫中的故障信息按照節(jié)點間的關(guān)系生成一棵具體的故障樹。

2.1 接口定義

本文主要關(guān)注如何采用軟件手段方便地實現(xiàn)故障現(xiàn)象與故障樹的關(guān)聯(lián)，同時采用一種圖形化的手段實現(xiàn)故障樹的自動生成。經(jīng)分析，要實現(xiàn)故障樹的自動生成，必須執(zhí)行以下操作流程:首先進入人機交互軟件界面，在故障樹的生成與編輯界面下自動生成故障樹;在生成的故障樹下選擇診斷方式后，根據(jù)檢測點的信號類型選擇不同的虛擬儀器[7－8]。本系統(tǒng)中的虛擬儀器主要有“示波器”、“萬用表”和“頻譜分析儀”，這些儀器的輸入端和檢測點在物理性能上能連接起來。要實現(xiàn)故障樹的動態(tài)生成，必須給用戶提供以下六個輸入接口界面:①設(shè)備信息、系統(tǒng)信息、測試數(shù)據(jù)信息以及節(jié)點和檢測點信息的錄入、編輯和查詢等數(shù)據(jù)庫管理界面;②節(jié)點之間邏輯關(guān)系的選擇界面;③故障樹自動生成與選擇界面;④節(jié)點信息和檢測點信息之間的關(guān)聯(lián)關(guān)系界面;⑤儀器裝載和刪除界面;⑥實時故障診斷界面。

2.2 故障樹的生成方法

在LabVIEW下，故障樹主要是用布爾型控件來表示節(jié)點，用圖形控件來表示整個故障樹，而用畫線工具把節(jié)點根據(jù)邏輯關(guān)系連接起來。具體操作方法如下。

首先把節(jié)點信息錄入數(shù)據(jù)庫，以便增加一個節(jié)點，和此節(jié)點相關(guān)的信息都存儲在數(shù)據(jù)庫表格中。關(guān)鍵度在數(shù)據(jù)庫中也占一個字段，這個值是由用戶根據(jù)經(jīng)驗值來確定的。其次，按照故障樹的信息找出所有樹層數(shù)為1的節(jié)點并進行繪制，然后根據(jù)上層節(jié)點信息找到其對應的下層故障子節(jié)點進行標記，最后根據(jù)邏輯關(guān)系連接起來。以此類推，一層一層地將故障檢測點信息從數(shù)據(jù)庫中查詢出，并利用這些信息重繪生成故障樹。當利用上述方法生成一棵故障樹后，如果發(fā)現(xiàn)故障樹上的某些節(jié)點其信息不符合實際情況時，還可以進行編輯。

節(jié)點之間連線長度的確定采用如下方法。

假設(shè)根節(jié)點的坐標為(X1，Y1)。如果下一層有多個分支，那么對于每一個分支上的節(jié)點，假設(shè)其坐標為(X2，Y2)，分節(jié)點和根節(jié)點相連的時候，畫線的長度即為

通過以上方法把各節(jié)點根據(jù)父子關(guān)系連接起來后，則生成了一棵故障樹。而故障樹中的每一個節(jié)點都是和檢測點關(guān)聯(lián)起來的，這就為故障定位提供了依據(jù)。

2.3 故障樹的圖形表達

在確定了一棵樹的所有節(jié)點后，接下來的任務(wù)就是利用圖形顯示控件來表達樹。在畫故障樹之前，首先要確定同一層中節(jié)點的最大數(shù)，以確定圖形控件的長，而根據(jù)選定的故障樹層數(shù)，則可確定圖形控件的寬。圖形控件的長和寬確定后，即可確定樹在屏幕上的位置。通過這種方法，只要把故障樹上所有節(jié)點的信息錄入到數(shù)據(jù)庫，然后再繪制故障樹時選擇故障樹中各個節(jié)點以及邏輯關(guān)系，就可以生成一棵故障樹。

2.4 節(jié)點之間的邏輯關(guān)系

節(jié)點之間的邏輯關(guān)系在數(shù)據(jù)庫中通過兩個屬性列區(qū)別:父節(jié)點信息和所在樹的層數(shù)。有了這兩個屬性列，就可以根據(jù)數(shù)據(jù)庫的信息生成一棵故障樹。

2.5 節(jié)點的編輯

在檢查故障樹時，可以對不正確的故障樹節(jié)點信息進行修改。對節(jié)點信息的修改實際是使用SQL的選擇語句先讀取選定節(jié)點在數(shù)據(jù)庫中的所有信息，然后執(zhí)行SQL的update語句，最后修改數(shù)據(jù)庫中選定節(jié)點的信息。

3 故障診斷實例

將本文所述故障樹診斷方法應用到某雷達“統(tǒng)一測控子系統(tǒng)”的故障診斷過程。當選擇某一個“設(shè)備類型”和“所屬分系統(tǒng)”，并選擇采用本文的方法生成的故障樹時，故障樹實時顯示在屏幕上;當選擇故障樹中的某一個“檢測點”，其相關(guān)信息也直接顯示在界面;當選擇“診斷模式”和“診斷方式”時，即進入故障檢測界面。生成的故障樹如圖1所示。

圖1 故障樹圖形界面Fig.1 Graphical interface of fault tree

3.1 操作模式選擇

故障樹診斷是根據(jù)每個節(jié)點對應的檢測點的信號狀態(tài)來判定此節(jié)點是否正常。檢測模式分為手動模式和自動模式[9－10]。

①手動檢測模式是用戶按照自己的判斷時，隨機檢測故障樹中某個節(jié)點的狀態(tài)。當用戶選擇某個節(jié)點后，程序會列出此節(jié)點中相應的檢測點。選擇檢測點后，會給出檢測點的物理位置、邏輯位置、標準值、故障出現(xiàn)的頻數(shù)、節(jié)點關(guān)鍵度以及出現(xiàn)此故障的解決辦法等信息，通過調(diào)用虛擬儀器來判定檢測點是否有故障。

②自動檢測模式是程序自動對整個故障樹進行遍歷，以確定故障樹中的節(jié)點和故障路徑。具體的算法是，故障樹由多級有關(guān)聯(lián)的節(jié)點組成，從根節(jié)點向下到各子節(jié)點的都是“或”的關(guān)系，子節(jié)點向上到根節(jié)點是“與”的關(guān)系，即經(jīng)過檢測某個節(jié)點正常時，則該節(jié)點以下的子節(jié)點肯定為正常工作狀態(tài);當檢測某個節(jié)點不正常時，就繼續(xù)順著這個根節(jié)點繼續(xù)查找。通過這樣的判定規(guī)則，當自動檢測完一棵故障樹后，就可以得出這個故障樹的一條清晰的故障檢測路徑，使用戶可以很明確地得出故障所在的具體位置。

3.2 診斷模式選擇

診斷模式有本地診斷模式和遠程診斷模式。

①本地診斷模式是操作人員在本地進行故障診斷時，操作人員在設(shè)備端選擇節(jié)點后，該節(jié)點對應的檢測點信息會在列表中顯示出來。當選擇某一個檢測點以及相應功能的虛擬儀器后，則可根據(jù)虛擬儀器的測試值以及檢測點的標準值來判斷測試結(jié)果是否正確，從而為排除故障提供實時數(shù)據(jù)。

②遠程診斷模式是為不在現(xiàn)場的專家提供的一種輔助診斷模式。專家在遠端選擇所要監(jiān)控的設(shè)備端IP地址和相應的虛擬儀器后，連接到該儀器的信號信息就會傳輸?shù)綄＜颐媲埃藭r專家可根據(jù)該檢測點的標準值來判斷此檢測點是否為故障點。

4 測試結(jié)果

利用本文所提出的故障樹診斷方法開發(fā)了故障診斷軟件，在2 MHz的網(wǎng)絡(luò)環(huán)境下進行了測試，測試結(jié)果為檢測點信息的網(wǎng)絡(luò)響應時間在2 s之內(nèi);故障定位時間在3 s之內(nèi);故障的誤報率和漏報率均小于1%;測試結(jié)果的上傳數(shù)據(jù)庫時間在5 s之內(nèi)。

5 結(jié)束語

故障樹診斷能有效地分析和隔離故障，現(xiàn)已成為一種經(jīng)典的故障診斷技術(shù)，也是分析系統(tǒng)可靠性與安全性的重要方法之一。采用計算機手段、開發(fā)真正意義上的故障樹自動生成與診斷軟件，這已成為國際上的主要發(fā)展趨勢。本文采用圖形化軟件編程平臺LabVIEW和數(shù)據(jù)庫SQL Server 2005，開發(fā)了故障樹自動生成與實時故障定位軟件，該軟件實現(xiàn)了故障樹的自動生成和虛擬儀器的實時檢測，使用方便。目前已應用于某雷達的維修過程，提高了設(shè)備的維修效率。

[1] 王兆耀，馬永芳，凌志浩.嵌入式系統(tǒng)故障的灰關(guān)聯(lián)分析及其診斷平臺[J].自動化儀表，2010，31(8):14 －15.

[2] 王國慶，牛偉，成娟，等.基于階次小波包與Markov鏈模型的轉(zhuǎn)子早期故障診斷[J].西北工業(yè)大學學報:自然科學版，2012，30(3):466 －471.

[3] 王冠偉，張春霞，莊健，等.流形學習在機械故障診斷中的應用研究[J].工程數(shù)學學報，2012，29(4):584 －593.

[4] 魯文波，蔣偉康.利用聲場空間分布特征診斷滾動軸承故障[J].機械工程學報，2012，48(13):68 －72.

[5] 陳劍雪.ACO-BP算法在化工過程故障診斷中的應用[J].化工自動化與儀表，2012(7):872－873.

[6] 陸金銘，孟繁林，申華，等.基于集合經(jīng)驗模態(tài)及其瞬時能量密度譜的齒輪故障診斷[J].江蘇科技大學學報:自然科學版，2012，26(3):262 －265.

[7] 葛躍飛，王茸，陳世文，等.故障樹自動生成技術(shù)的研究與實現(xiàn)[J].計算機工程與設(shè)計，2009，30(1):207 －209.

[8] 羅航，王厚軍，黃建國，等.故障樹定量分析及其交互方式的實現(xiàn)[J].電子測量與儀器學報，2010(24):473－480.

[9] 張光迎，馬賢穎.軟件故障樹分析系統(tǒng)的設(shè)計和實現(xiàn)[J].飛行器測控學報，2009，28(3):66 －69.

[10] 倪紹徐，張裕芳，易宏，等.基于故障樹的智能故障診斷方法[J].上海交通大學學報:自然科學版，42(8):1372－1375.