艦船柴油主機(jī)滑油系統(tǒng)貝葉斯網(wǎng)絡(luò)推理故障診斷方法

【后勤保障與裝備管理】

艦船柴油主機(jī)滑油系統(tǒng)貝葉斯網(wǎng)絡(luò)推理故障診斷方法

許偉1a，程剛1a，陳于濤1b，曾凡明1b，李睿2

(1.海軍工程大學(xué)a.艦艇裝備仿真技術(shù)研究室；b.艦艇動力裝置及自動化教研室，

武漢430033; 2. 92132部隊(duì),山東 青島266000)

摘要：以艦船動力裝置中的柴油主機(jī)滑油管路系統(tǒng)為研究對象，針對滑油系統(tǒng)故障診斷問題，分析了常見故障機(jī)理，建立了滑油系統(tǒng)常見故障的故障樹結(jié)構(gòu)，在此基礎(chǔ)上構(gòu)建了用于故障狀態(tài)推理的貝葉斯網(wǎng)絡(luò)模型，分析了滑油系統(tǒng)典型故障狀態(tài)下的貝葉斯?fàn)顟B(tài)推理過程，為滑油系統(tǒng)的快速故障診斷提供了一種新的方法。

關(guān)鍵詞：貝葉斯網(wǎng)絡(luò)推理；滑油系統(tǒng)；故障診斷

收稿日期：2014-11-06

作者簡介：許偉(1987—)，男，博士，主要從事戰(zhàn)損搶修決策與仿真研究。

doi:10.11809/scbgxb2015.03.023

中圖分類號：U674;TJ83

文章編號：1006-0707(2015)03-0086-05

本文引用格式：許偉，程剛，陳于濤.等.艦船柴油主機(jī)滑油系統(tǒng)貝葉斯網(wǎng)絡(luò)推理故障診斷方法[J].四川兵工學(xué)報，2015(3):86-90.

Citation format:XU Wei, CHENG Gang, CHEN Yu-tao,et al.Method for Fault Diagnosis of Bayesian Network Inference in Marine Lube Oil System[J].Journal of Sichuan Ordnance,2015(3):86-90.

Method for Fault Diagnosis of Bayesian Network

Inference in Marine Lube Oil System

XU Wei1a, CHENG Gang1a, CHEN Yu-tao1b, ZENG Fan-ming1b, LI Rui2

(1. a. Research Institute of Equipment Simulation Technology; b. Marine Power Plant and

Automation Teaching and Research Section, Naval University of Engineering, PLA,

Wuhan 430033, China; 2. The No. 92132ndTroop of PLA, Qingdao 266000, China)

Abstract:Aiming at dealing with the fault status of lube system in power plant, common faults of the tree structure in the lube system was established, meanwhile, the Bayesian network model for fault state reasoning was constructed and the procedure of Bayesian reasoning was analyzed deeply in typical state of lube system，through which a new method was provided to the fast fault diagnosis.

Key words: Bayesian network inference; lube oil system; fault diagnosis

滑油系統(tǒng)的任務(wù)是將充足的滑油供給到動力裝置各設(shè)備(如柴油主機(jī)軸承傳動部件)的摩擦面上，使摩擦面上產(chǎn)生油膜，避免機(jī)械摩擦損傷?；筒粌H能夠減少摩擦損傷，還具有氣密、防腐蝕、冷卻、減震、清洗等作用。針對滑油系統(tǒng)狀態(tài)監(jiān)測和故障診斷問題可采用多種方法，目前主要有故障樹法、事故樹法、畫樹法、多杈樹法、決策樹法和目標(biāo)多杈樹法等。其中故障樹法與近年來備受關(guān)注的貝葉斯網(wǎng)絡(luò)推理相結(jié)合，對于解決復(fù)雜系統(tǒng)不確定因素引起的故障具有很大的優(yōu)勢，被認(rèn)為是目前不確定知識表達(dá)和推理領(lǐng)域最有效的理論模型之一。采用故障樹可以大大提高貝葉斯網(wǎng)絡(luò)模型建立的效率，避免主觀性，具有較高的邏輯性、準(zhǔn)確度及信任度，而且國內(nèi)很多學(xué)者對故障樹轉(zhuǎn)換成貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)也有一定的研究，取得了豐富的研究成果,如文獻(xiàn)[1]中王廣彥對故障樹轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)過程進(jìn)行了研究[1]，文獻(xiàn)[2]中周忠寶對存在房形事件的故障樹向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化進(jìn)行了研究。

針對滑油系統(tǒng)在運(yùn)行中的各種故障，建立用于故障狀態(tài)推理的貝葉斯網(wǎng)絡(luò)，深入分析滑油系統(tǒng)典型故障狀態(tài)可以實(shí)時準(zhǔn)確地對各種情況和數(shù)據(jù)進(jìn)行處理和預(yù)測，有效減輕使用管理人員的工作強(qiáng)度，通過貝葉斯網(wǎng)絡(luò)推理可以快速有效地對滑油系統(tǒng)進(jìn)行狀態(tài)監(jiān)測和故障診斷，同時也解決了某些情況下處理人員經(jīng)驗(yàn)不足和處理專家精力有限的問題[3-5]。

1貝葉斯網(wǎng)絡(luò)推理

貝葉斯網(wǎng)絡(luò)(bayesian network，BN)是Pearl在1988年提出，又稱信度網(wǎng)絡(luò)，是貝葉斯推理方法的擴(kuò)展。BN圖是一有向無環(huán)圖(directed acyclic graph，DAG )及其相關(guān)參數(shù)的集合。

1.1貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

1.2聯(lián)合樹算法

貝葉斯概率推理是通過先驗(yàn)知識和觀測變量，計算事件的后驗(yàn)概率進(jìn)行推理，推理算法分為精確推理算法和近似推理算法，精確推理算法比較成熟的有多樹傳播算法，聯(lián)結(jié)樹算法和桶消元算法，近似推理算法主要有隨機(jī)抽樣算法，搜索算法和模型簡化算法。精確推理算法以其容易理解，推理結(jié)果精確和高效的特點(diǎn)，得到了廣泛應(yīng)用。聯(lián)結(jié)樹算法在貝葉斯網(wǎng)絡(luò)推理中比較常用。聯(lián)結(jié)樹算法把貝葉斯網(wǎng)絡(luò)轉(zhuǎn)變?yōu)橐环N二次機(jī)構(gòu)(SS)，在貝葉斯網(wǎng)絡(luò)上的推理變?yōu)樵赟S上的推理。SS是由聯(lián)結(jié)樹(JT)和信念勢(BP)組成，在SS上推理需要建立聯(lián)結(jié)樹及利用信念勢計算概率，用φ(·)表示勢函數(shù)，如φ:(A,B)→P(A|B)。聯(lián)結(jié)樹的建立直接影響著貝葉斯推理算法，建立聯(lián)結(jié)樹可分為4步:

1) BN轉(zhuǎn)成Moral圖：將BN中同一節(jié)點(diǎn)的父節(jié)點(diǎn)用線段連接，去掉有向邊的方向，使其成為無向邊。

2) 將Moral圖三角化：經(jīng)過上一步的轉(zhuǎn)換，BN中會形成若干個環(huán)，對于含有4個節(jié)點(diǎn)以上(包括4個)的環(huán)，添加一條線段將不相鄰的2個節(jié)點(diǎn)連接形成環(huán)中的弦。若圖中沒有4個節(jié)點(diǎn)以上的環(huán)，則不必進(jìn)行三角化。

3) 確定圖中所有團(tuán)節(jié)點(diǎn)：在三角化圖中確定團(tuán)節(jié)點(diǎn)，團(tuán)節(jié)點(diǎn)是圖中最大的全連通子圖。

4) 連接團(tuán)節(jié)點(diǎn)建立聯(lián)合樹：建立的團(tuán)樹必須包含所有團(tuán)節(jié)點(diǎn)，2個團(tuán)節(jié)點(diǎn)相交，用一條邊連接它們，最后形成聯(lián)合樹[6]。

圖1即是聯(lián)合樹的建立過程。

圖1　建立聯(lián)結(jié)樹流程

2研究對象

本文以艦用柴油機(jī)動力裝置中的滑油系統(tǒng)為研究對象，采用貝葉斯網(wǎng)絡(luò)推理的方法對滑油系統(tǒng)壓力降低的故障現(xiàn)象進(jìn)行推理。

圖2是某型柴油主機(jī)滑油系統(tǒng)：P為壓力表，T為溫度表，LPA為低壓報警，HTA為高溫報警，LLPS為過低壓報警開關(guān)，HHTS為過高位報警開關(guān)。主機(jī)為干式潤滑，滑油系統(tǒng)由機(jī)帶泵通過磁性濾器從滑油循環(huán)艙吸油，并經(jīng)過滑油冷卻器和滑油濾清器，進(jìn)入主機(jī)潤滑各運(yùn)動件后再回流到滑油循環(huán)艙?；屠鋮s器前設(shè)一只自動調(diào)溫閥，使所供滑油溫度保持在45～55℃的正常范圍。前后主機(jī)艙內(nèi)各設(shè)置一臺備用電動滑油泵作為機(jī)帶滑油泵的備用。前后主機(jī)艙內(nèi)各設(shè)有二臺主機(jī)滑油預(yù)供泵。主機(jī)起動前應(yīng)至少進(jìn)行10～15 min的預(yù)潤滑，主機(jī)停機(jī)后，至少應(yīng)繼續(xù)保持供油15 min，手動停泵。柴油機(jī)在運(yùn)行中，當(dāng)柴油機(jī)滑油壓力低于0.25 MPa時，滑油預(yù)供泵自動起動，當(dāng)柴油機(jī)滑油壓力高于0.42 MPa時,滑油預(yù)供泵自動停泵?；皖A(yù)供泵在主機(jī)集控臺上可遙控起停。

圖2　某型主機(jī)滑油系統(tǒng)布置簡圖

3滑油系統(tǒng)貝葉斯網(wǎng)絡(luò)推理模型

從推理過程和對系統(tǒng)狀態(tài)的描述過程看，貝葉斯網(wǎng)絡(luò)中的結(jié)點(diǎn)與故障樹中的事件是一一對應(yīng)的，故障樹中的事件正是建立貝葉斯網(wǎng)絡(luò)所需結(jié)點(diǎn)的完整集合。然而貝葉斯網(wǎng)絡(luò)對系統(tǒng)故障狀態(tài)的描述能力要優(yōu)于故障樹。由于故障樹假定所有事件均只有正常和故障2種狀態(tài)，所以底事件的狀態(tài)可用如下變量來描述，當(dāng)?shù)资录?/p>

頂事件T的狀態(tài)用結(jié)構(gòu)函數(shù)φ表示，則φ是底事件狀態(tài)xi的函數(shù)，記作

式中

從上述分析中可以看到，故障樹假定事件都只有二態(tài)行(正常、故障)。貝葉斯網(wǎng)絡(luò)卻能描述事件的多態(tài)性，可以將故障樹中的事件看作是貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)概念的特例。節(jié)點(diǎn)的狀態(tài)可以采用如下變量描述

頂事件T的結(jié)構(gòu)函數(shù)φ表示為

在實(shí)際分析過程中，可以將故障樹中的事件直接映射為貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)，二者在拓?fù)浣Y(jié)構(gòu)上具有相似性。

滑油系統(tǒng)常見的故障有滑油壓力偏低、滑油壓力偏高、滑油中含水、滑油溫度高、滑油溫度低等。

圖3即是綜合滑油系統(tǒng)各種故障狀態(tài)和相互間的邏輯關(guān)系繪制的滑油系統(tǒng)故障樹分析圖。根據(jù)圖3，整理確定底事件的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)以及編號與概率值，如表1所示。

圖3　滑油系統(tǒng)故障樹分析

利用故障樹分析時，比如傳感器節(jié)點(diǎn)H1(滑油壓力下降)，其子節(jié)點(diǎn)D1(管路堵塞)，D2(調(diào)壓閥故障)，D3(濾器堵塞)以及H4(滑油溫度下降)全部不發(fā)生時，傳感節(jié)點(diǎn)H1肯定會不發(fā)生。但實(shí)際上，即使真的出現(xiàn)上述工作狀況時，也難以保證滑油壓力不下降，因此需要將網(wǎng)絡(luò)參數(shù)進(jìn)行修正。按照故障樹分析基本邏輯關(guān)系得到滑油系統(tǒng)的貝葉斯網(wǎng)絡(luò)，將重復(fù)故障變量融合為一個BN節(jié)點(diǎn)。

結(jié)合表1的節(jié)點(diǎn)及編號繪制出滑油系統(tǒng)BN結(jié)構(gòu)模型，如圖4所示。

表1　底事件的BN節(jié)點(diǎn)及概率值

圖4　滑油系統(tǒng) BN結(jié)構(gòu)模型

4算例

以滑油系統(tǒng)壓力降低的故障故障診斷問題為例。動力裝置運(yùn)行時，滑油系統(tǒng)完全失效對裝置的工作會產(chǎn)生致命性影響，所以對滑油系統(tǒng)需要進(jìn)行故障影響因素分析，進(jìn)而找到滑油系統(tǒng)的薄弱之處。設(shè)置節(jié)點(diǎn)H(滑油系統(tǒng))為完全損壞，利用聯(lián)合樹算法進(jìn)行概率計算得到底事件的結(jié)果，如表2所示

詳細(xì)的概率變化情況如圖5所示，其更新前的概率點(diǎn)連線為貝葉斯網(wǎng)絡(luò)模型節(jié)點(diǎn)的初始概率情況，更新后的概率點(diǎn)連線為貝葉斯網(wǎng)絡(luò)模型節(jié)點(diǎn)概率更新后的概率情況。由圖5可以看出，當(dāng)節(jié)點(diǎn)H1(滑油系統(tǒng)故障)狀態(tài)更新時，所有底事件節(jié)點(diǎn)的狀態(tài)都發(fā)生了變化，其中概率值最高的以及變化最大的就是節(jié)點(diǎn)D10(滑油濾渣堵塞)，這一推理結(jié)果說明在底事件中濾渣堵塞這一故障對滑油系統(tǒng)正常運(yùn)行危害性最大。濾渣堵塞不僅會影響滑油在管路中的流動，導(dǎo)致油泵發(fā)生故障，滑油壓力降低，柴油機(jī)設(shè)備的摩擦面潤滑不良，產(chǎn)生接觸性摩擦，金屬表面熱損傷。更為嚴(yán)重的情況是，濾網(wǎng)被濾渣損傷，繼而產(chǎn)生濾網(wǎng)碎屑，導(dǎo)致滑油泵葉片因?yàn)V渣及濾網(wǎng)碎屑堵塞完全不能工作，滑油系統(tǒng)失去動力源，整套滑油系統(tǒng)失去工作能力。所以，在中間節(jié)點(diǎn)狀態(tài)更新之后，節(jié)點(diǎn)Z5(泵出口至濾器油道)發(fā)生的概率最大，同時也是變化最大的；相同的影響下，在傳感器節(jié)點(diǎn)狀態(tài)更新后，節(jié)點(diǎn)Z5的父節(jié)點(diǎn)H2(滑油壓力過低)也是概率值最高，概率變化大大的。

此外，經(jīng)過設(shè)置節(jié)點(diǎn)H(滑油系統(tǒng)故障)為完全發(fā)生的情況下，在底事件狀態(tài)更新中，除了節(jié)點(diǎn)D10概率值較高，變化最大，其他一些節(jié)點(diǎn)概率變化幅度同樣相對較高。如節(jié)點(diǎn)D9(墊片損壞進(jìn)氣漏油)概率差值4.70%、節(jié)點(diǎn)D34(冷卻器泄漏)概率差值4.90%、節(jié)點(diǎn)D11(進(jìn)出口墊片壞進(jìn)氣漏油)概率差值3.73%、節(jié)點(diǎn)D16(曲軸油道漏油)概率差值3.73%、節(jié)點(diǎn)D22(燃油進(jìn)入滑油混合)等，對于滑油系統(tǒng)的正常運(yùn)行同樣存在較大的影響，在滑油系統(tǒng)運(yùn)行時，應(yīng)加以注意。

表2　底事件節(jié)點(diǎn)更新前后概率變化

圖5　底事件更新前后概率變化曲線

5結(jié)論

針對艦用柴油機(jī)滑油系統(tǒng)故障診斷問題，通過故障機(jī)理分析建立了滑油系統(tǒng)故障樹，根據(jù)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)以及編號與概率值對故障樹進(jìn)行了貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)換，確定了滑油系統(tǒng)BN結(jié)構(gòu)模型，通過算例對模型進(jìn)了深入分析，得出了相應(yīng)的故障診斷結(jié)果,其結(jié)果可用于故障診斷和狀態(tài)預(yù)測，為滑油系統(tǒng)的快速狀態(tài)感知提供了良好的基礎(chǔ)。

參考文獻(xiàn)：

[1]王廣彥,馬志軍,胡起偉.基于貝葉斯網(wǎng)絡(luò)的故障樹分析[J].系統(tǒng)工程理論與實(shí)踐，2004(6):79-83.

[2]周忠寶,董豆豆,馮靜,等.存在房形事件的故障樹向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化[J].哈爾濱工業(yè)大學(xué)學(xué)報,2008,40(6):1001-1003.

[3]饒泓，扶名福，謝明祥，等.基于決策級信息融合的設(shè)備故障診斷方法研究[J].中國機(jī)械工程，2009,20(4)：433-437.

[4]蘇艷琴,徐廷學(xué),張文娟.粗糙集和貝葉斯網(wǎng)絡(luò)融合故障診斷方法[J].艦船科學(xué)技術(shù)，2013,35(3)；91-92.

[5]LIUXing,Thetheory&techniqueforcomlexsystemmodeling[M].Beijing：Sciencepress，2008：197.

[6]李曼，馮新喜，姬偉峰，等.基于圖的鄰接點(diǎn)優(yōu)先的聯(lián)合樹算法的研究與實(shí)現(xiàn)[J].通信技術(shù)，2010，43(12)：82-84.

[7]陳東寧，姚成玉，王斌，等. 基于貝葉斯網(wǎng)絡(luò)和灰關(guān)聯(lián)法的多態(tài)液壓系統(tǒng)故障診斷[J].潤滑與密封，2013(1)：78-83.

(責(zé)任編輯楊繼森)