大型冷连轧生产线故障自诊断系统

何宏宏，宫迎辉，刘 新，李 芳

HE Hong-hong，GONG Ying-hui，LIU Xin，LI Fang

（北京机械自动化研究所 机器人中心，北京 110120）

0 引言

在生产设备日趋大型化、高速化、自动化和智能化的今天，完全基于数据处理的传统诊断技术远远不能适应当前的要求。为了满足对复杂系统的诊断要求，人工智能技术特别是专家系统在故障诊断中得到了高度重视并得到广泛的应用。在钢铁行业，状态监测与故障诊断的作用尤为重要。但目前还没有形成针对大型冷连轧自动化系统的故障诊断系统，故在此以大型冷连轧机组为研究对象，设计开发了故障自诊断系统。

1 故障诊断系统的研究对象和内容

对于连续生产线而言，故障诊断专家系统主要从故障诊断的对象和故障诊断专家系统的内容来讨论。

从故障诊断专家系统的对象来讲主要有两个方面：

1）电机故障；

2）PLC等一系列控制硬件及通讯设备的故障。

从故障诊断专家系统的内容来讲主要三个方面：

1）故障监测：即通过各种监测手段，监测运行设备的各项数据，用于判断故障的依据；

2）故障分析：即根据监测到的故障信息进行分析，以寻找故障原因，确定故障的性质和程度；

3）故障决策：即根据故障分析的结果，对系统作出报警、停机等决定，并给出具体设备以方便工厂操作人员及时排查恢复。

2 系统软件平台及结构

2.1 软件平台

软件主要包括通讯软件和编程软件。通讯软件有：SIEMENS公司的STEP7 5.4组态软件和SIMATIC NET软件、Connectivity Pack 6.1集成开发环境。编程软件包括窗口开发软件Visual Studio 2008和SIMATIC WINCC监控软件。

通过 Connectivity Pack-Server 6.1 的通讯接口，使用 Visual Studio 2008 和 SQL 知识开发访问WinCC归档数据。

2.2 系统结构

大型冷连轧生产线故障诊断专家系统的任务是：整理和存储过程控制计算机数据，报警和显示图形，打印报表，完成基于知识的诊断推理，进行维护咨询等高级任务。整个系统模块的结构如图1所示。

3 系统的实现

在冷连轧生产线中设置一些检测点，用于完成对生产状态的采集，利用这些采集到的状态数据以及该领域知识，并综合维修人员和专家的经验，通过计算机对冷连轧生产线的状态进行分析判断，确定故障的原因、性质和位置，并提出解决故障的维修、调整对策。

图1 故障诊断系统结构图

3.1 检测点设置

通过对生产线的电气控制部分的仔细研究和对电气控制部分故障资料的分析，设置了冷连轧生产线的电气关键部位及常见故障发生部位的检测点。

3.2 数据采集及传输

整个冷连轧生产线电气控制故障诊断系统由两大部分组成，完成状态数据采集、传输和计算机故障诊断专家系统。对状态数据的采集及传输采用PLC串行通讯，利用WinCC中OPC将数据采集到过程控制机上，计算机来实现人机界面，数据的分析和显示。对有关数据信息的处理，通过OLE DB进行访问Wincc历史数据库。

3.3 知识库及推理机的设计与实现

图2 知识库结构

一般专家系统的知识库结构通常为单一知识库，这不但在各种知识的统一表达上有一定的困难，而且知识库的搜寻效率也不高，为了保证知识表达的清晰明确与故障诊断的快速与简洁，我们将采用一种多极、多元的知识库结构。知识库结构如图2所示。

推理机是专家系统的核心，其合理性直接反映到诊断结果的正确性和诊断过程的实时性。由于本系统为一个实时的故障诊断系统，所以采用以启发式推理为主以反向推理为辅的推理方式。

对正向推理，采用产生式规则——“IF…THEN…”表达法，对于反向推理，采用逻辑表示法。通常状态下，当故障原型用数字量表达时，采用最基本的逆概率方法，根据Bayes定理，用逆概率来求原概率。对于模拟量表达的故障原型，如果对发生故障前的征兆与故障后的排障方法已有一定了解，但对该故障本质的理解还不够深入时，引入模糊概念，将这种故障知识以模糊集的形式存在于知识库中，对相应故障的推理也采用模糊推理的方式。具体形式如下：

大前提：IF X1 is A1，And X2 is A2,…,And Xn is An，THEN Y is B

小前提：IF X1 is A'1，And X2 is A'2,…,And Xn is A'n

结论：Y is B'

其中：Xi为系统状态变量及其组合；Ai为系统状态集；A'i为系统的模糊状态集，i=1,2,...,n；Y为诊断结果。这种模糊推理方法可消除专家系统的“脆弱性”，即精确推理搜寻不到结果而导致系统性能严重下降的现象[2]。

4 结束语

由于冷连轧机处于高速运行状态，可能故障点很多，以往的监控系统的报警信息没有形成通过数据分析而生成的具体到生产车间现场具体设备的具体原因的故障诊断信息。而故障自诊断专家系统的开发应用将有效的改善这一不良现象，为生产企业带来更可观的效益。

[1]Dexter A L.Fuzzy model based fault diagnosis.IEE Proc-co ntrol Theory,1995,142（6）：545-550.

[2]鄂加强.智能故障诊断及其应用[M].长沙：湖南大学出版社,2006.

[3]顾键,王京春,黄德先.OPC.COM技术在工业自动化软件中的应用[J].计算机工程与应用,2002,12.