基于G2专家系统的状态监测与故障诊断系统

苍晓羽，徐 宇，刘 琦

(中国船舶重工集团公司第七〇三研究所，黑龙江哈尔滨 150078）

基于G2专家系统的状态监测与故障诊断系统

苍晓羽，徐 宇，刘 琦

(中国船舶重工集团公司第七〇三研究所，黑龙江哈尔滨 150078）

G2专家系统是一种成熟的故障诊断技术，以其强大和稳定的推理能力得到广泛应用。本文提出一种基于G2专家系统的状态监测和故障诊断方法，在异常情况下辅助现场操作人员进行故障诊断和决策，对提高装置安全性和可靠性具有重要意义。本文在对装置的状态监测与故障诊断方法深入分析研究的基础上，以某装置为监测与诊断对象，研究并开发了基于G2专家系统的状态监测和故障诊断系统。

动力装置;专家系统;状态检测;故障诊断

0 引言

随着科技的发展，现代化机械设备种类繁多，结构复杂。因此，系统重要参数的监测和故障诊断就成为保证装置稳定、安全运行的一个有效手段。本文研究基于G2专家系统的状态监测和故障诊断方法，并以某型装置为例开发了状态监测和故障诊断系统。

1 G2专家系统

G2专家系统产生于20世纪80年代，现已广泛应用于工业过程、航空航天、军事等实时性与可靠性要求极高的任务关键领域，是一个实时、可靠的智能系统平台。如图1所示，G2专家系统提供了强大的开发手段，包括面向对象设计、结构化自然语言编程、交互式图形技术、动态模拟和仿真等［1］。

图1 G2专家系统技术特点Fig.1 G2 expert system technical characteristics

利用G2开发船用核动力装置故障诊断系统具有以下优势:

1）使用面向对象设计和交互式图形技术便于建立故障诊断系统的因果关系;

2）采用结构化自然语言和通用的知识描述技术可以方便地描述和处理故障知识、专家经验以及信号处理算法等，结构化自然语言易于理解。

3）采用动态模拟和仿真技术能够在开发过程中不断地验证和修改各种知识;

4）知识库具有一致性，并采用安全性管理机制使对象、规则、过程、模型和其他类型知识体相互正确关联，避免产生逻辑冲突。

G2专家系统的独特之处是可以实时地进行推理，并得到关键任务的智能决策。G2专家系统融合了各种推理技术，如规则、过程和面向对象的建模、仿真和交互式图形技术等，可以帮助分析人员建立知识库，优化设计，设计方案、对系统进行监控和预测等。

G2专家系统主要利用SymCure(Symptom Cure）模块进行故障诊断。SymCure采取面向对象的设计技术，使用结构化的自然语言和图形化的建模方式，适合在线开发，具有实时推理和高可靠性的特点。另外SymCure还易于集成，能够与各种硬件系统、软件系统和数据库进行连接。SymCure强调故障诊断的全寿命周期管理，包括监测、故障隔离、影响分析、故障测试和恢复等。

1.1 体系结构

SymCure能够以自动或交互的方式实现故障诊断、测试、故障恢复和影响预测等功能。SymCure通过因果关系图表达事件间的逻辑关系，并作为系统的故障诊断规则 (故障模型）。在诊断过程中，SymCure将实际系统知识和故障诊断规则结合起来，当系统发生异常时可以据此进行推理，确定导致系统异常状态的根本原因。如图2所示，SymCure利用以下3种信息进行故障诊断:

1）领域知识。是系统的面向对象的模型。系统既可以是实际的物理设备，也可以是传感器、控制器、服务和软件应用等抽象实体。领域知识由系统的对象类和实例组成，代表系统实体的连接和包含等关系。

2）诊断知识库。由通用故障模型组成，用于完成故障诊断。

3）触发事件。用于触发SymCure的实时故障管理和诊断推理功能。

SymCure不仅可以提供关于系统故障的警报信息和根本原因，而且还可以通过测试和修复等程序分析排除故障和人工干预时对系统的影响。

图2 SymCure模块的功能框图Fig.2 The function of SymCuremodule block diagram

1.2 基本概念

利用SymCure进行故障诊断时使用如下基本概念:

1）事件。关于领域对象的逻辑声明，用于描述一个系统问题的发生与否，包括征兆和根原因2种事件。

2）根原因。即失效事件，产生警报和其他事件的原因。

3）警报。根原因的影响。

4）上游传播。从影响到根原因的事件传播过程，用于根原因分析。

5）下游传播。从根原因至影响的事件传播过程，用于影响预测。

6）通用故障模型。指定义的通用事件类之间的通用因果关系。通用故障模型定义了失效在某一领域对象类的实例之间、以及经过通用领域关系至其它领域对象的传播。通用故障模型组成了通用库，在开发阶段产生，与专有领域对象无关。如图3所示，通用故障模型实现了故障诊断知识与诊断对象的结构分离，能够充分地结合系统部件的物理原理、FMEA结果分析以及专家经验。

7）专有故障模型。描述事件在专有领域对象间的传播，由触发事件、通用故障模型和领域知识构成，在SymCure的运行期间构建。诊断推理机根据通用故障模型和具体被诊断装置的系统模型自动生成专有故障传播模型进行推理诊断。专有故障模型与被诊断系统的组成结构相对应，降低了搜索空间的复杂度。诊断过程中生成的专有故障模型如图4所示，描述了有根原因事件至警报事件的因果连接关系。

图3 通用故障模型实例Fig.3 Generic faultmodel

图4 专有故障模型实例Fig.4 Specific faultmodel

1.3 SymCure故障诊断应用实例

G2用于故障诊断的原则，即通过因果关系找到故障原因。如图5所示，描述了参量甲、乙、丙、丁之间的因果关系:

1）A的高状态导致B的高状态，A的低状态导致B的低状态;

2）B的高状态导致C的高状态，B的低状态导致C的低状态;

3）C的高状态导致D的高状态，C的低状态导致D的低状态;

4）D的高状态导致C的低状态，D的低状态导致C的高状态;

5）C的高状态导致B的低状态，C的低状态导致B的高状态;

6）B的高状态导致A的低状态，B的低状态导致A的高状态。

图5中，a，b，c，d分别是导致A，B，C，D产生高状态的根原因，e，f，g，h分别是导致 A，B，C，D产生低状态的根原因。

图5 因果分析原理Fig.5 Causal analysis principle

现假设检测到A的低状态警报，根据图5所示的因果关系，对产生原因做如下分析:

1）产生A的低状态原因，可能是本质原因e或者B的高状态，由于同一参量不能同时出现2种状态，A的高状态被排除;

2）产生B的高状态原因，可能是本质原因b或者C的低状态;

3）产生C的低状态原因，可能是本质原因g或者D的高状态;

4）产生D的高状态原因，可能是本质原因d或者C的高状态。

当诊断系统检测到系统征兆时，系统会根据已检测到征兆排除故障原因的可能性。例如在本例中，如检测到A，B，C，D对应的状态分别为低、高、正常、正常。则可根据上述原则得到诊断结果为b为一定发生状态 (即True状态），e为有可能发生状态 (即Suspect状态），a，c，d，f，g，h为一定不发生状态 (即False状态）。

由诊断结果可知，b为诊断的全局解，而e为系统的局部解，并可以通过人机界面提供各本质原因的解释域，为操纵员故障诊断提供诊断决策。

2 监控及故障诊断系统开发

2.1 系统关键数据监控

基于G2专家系统的故障诊断系统能够有效地对系统各参数进行实时的监控和显示。如图6所示，为故障诊断系统对各有测点的功能进行实时数据监测。

图6 故障诊断系统数据监控信息Fig.6 Fault diagnosis data

2.2 故障诊断

在故障诊断系统的开发过程中，首先要明确系统各主要参数之间的因果关系，生成系统模型和通用故障模型。图7为对某系统进行图形化建模的系统模型。

图7 某系统的系统模型Fig.7 A system model of the system

当故障诊断系统监测到某征兆时，诊断系统会触发相应的事件，开始诊断过程。在故障诊断系统中，事件存在3种状态: “true”为该事件一定发生;“false”为系统一定未发生;“suspect”为无法确定事件是否发生。

当系统中事件被触发，系统会根据通用故障模型的因果关系建立针对该警报的专有故障模型，并根据专有故障模型中的因果关系分析得到系统故障诊断的结果。

当警报被触发时系统生成的专有故障模型如图8所示。系统检测到征兆时，根据各征兆的因果传播关系生成该诊断过程的专有故障模型，专有故障模型通过有向线段来表示根原因和警报的故障传播途径。专有故障模型给出通过给出警报和根原因对系统的影响可以有助于操纵员分析系统事故的因果关系，为操纵员进行故障分析提供帮助。

图8 事故的专有故障模型Fig.8 The proprietary faultmodel of the accident

各警报的状态和诊断结果如图9所示。警报列表中包含警报的状态信息，与专有故障模型相比，警报列表并未给出各警报间的因果关系，只是列出系统各警报的实时状态，可以给操纵员提供更加简单直观的系统信息。

警报列表如图9所示，诊断结果如图10所示。

图9 事故的警报列表Fig.9 Alarm list of the accident

图10 事故的诊断结果Fig.10 The diagnosis of the accident

3 结语

本文提出了一种基于G2专家系统的系统监测和故障诊断方法，并通过实例验证了该方法应用于装置故障诊断的可行性。通过试验验证采用该方法建立的故障诊断系统操作简单，使用方便，具有智能化、可靠性高等特点。

［1］G2 information:Gensym Corporation［EB/OL］.http://www.gensym.com.

［2］YANG M.Modeling nuclear power plant with multilevel flow models and its applications in reliability analysis［C］.Proceedings of International Symposium on Symbiotic Nuclear Power Systems for the21stCentury(ISSNP），Tsuruga，Japan.

［3］JAN E L.Model-based fault diagnosis using MFM［C］.Proceedings IFAC Symposium on On－Line Fault Detection and Supervision in the Chemical Process Industries，Newyork，1992.

［4］LARSSON E.Diagnosis based on explicit means-end models［J］.Artificial Intelligence，1996，80(1）:29 －93.

［5］QIAO Yang，YANG Ming.Design of a fault diagnosis system based onmultilevel flowmodels and G2［Z］.ISOFIC/CSEPC/ISSNP(ICI2011），Korea，2011.

［6］LARSSON J E.Diagnosis based on explicit means-end models［J］.Artificial Intelligence，1996，80(1）:29－93.

Base on estate supervise and failure diagnose system's exporter of G2 system

CANG Xiao-yu，XU Yu，LIU Qi
(The 703 Research Institute of CSIC，Harbin 150078，China）

G2 expert system provides a mature fault diagnosis technology and has been widely applied in many industry areas because of its powerful and stable ability in reasoning.It is important to build a statemonitoring and fault diagnosis system to assistoperators in decision-making under abnormal situations.It is meaningful to improve the safety and reliability of plant.Based on expert system analysis，a plant statemonitoring and fault diagnosis on G2 expert system is developed successfully for a type.

power plant;expert system;statemonitoring;fault diagnosis

TP391.9

A

1672－7649(2014）04－0130－05

10.3404/j.issn.1672－7649.2014.04.028

2013－09－29;

2013－10－24

苍晓羽(1981－），女，工程师，从事舰船传动测量显示、控制系统技术工作。