基于模糊Petri网的无线顺序控制系统的故障诊断*

许呈嫣，白 焰，王仁书

(华北电力大学控制与计算机工程学院，北京 102206)

基于模糊Petri网的无线顺序控制系统的故障诊断*

许呈嫣，白 焰，王仁书

(华北电力大学控制与计算机工程学院，北京 102206)

通过分析基于无线传感器网络的顺序控制系统，给出它的故障传播规则。针对模糊Petri网在故障诊断中的置信度模糊推理算法的不足，进行了添加阈值判断的改进。运用改进后的模糊Petri网推理算法对无线顺序控制系统进行故障诊断，计算控制器故障发生的概率，得出其中控制逻辑重新发送概率最大，理论结果与现场实际测试结果基本一致。

模糊Petri网；无线传感器网络；顺序控制；故障诊断

1 引言

无线传感器网络以其低成本、低功耗、组网灵活等特性在工业领域等方面得到了广泛应用。顺序控制系统通过减少运行人员的操作次数，减轻劳动强度，从而减少误操作事故，有利于机组的安全运行。将无线传感器网络与顺序控制结合起来形成的无线顺序控制系统，在发挥原有顺序控制安全运行的优势基础上，降低布线成本，降低能耗，易于修改重建，有很大的应用前景。同时，由于无线传感器网络可靠性低的原因，国内外将无线传感器网络与控制系统结合的研究很少，多是与智能家居、温度检测[1]、快速定位[2]等结合。如文献[3]阐述了无线顺序控制系统在空调远程控制中的应用。在我国有一些应用，如文献[4]阐述了无线顺序控制系统在电站化学水处理超滤系统中的应用，提出了具体的系统设计方案。然而，以上研究都没有涉及对无线顺序控制系统的故障诊断。对于无线顺序控制系统的故障诊断的研究多数集中于对无线传感器网络部分故障诊断的研究，而非针对整个控制系统。提高可靠性，故障诊断是十分必要的，因此本文提出了一种针对整体无线顺序控制系统的故障诊断方法。

Petri网是一种描述故障诊断产生和传播的图形化推理工具，可以和模糊推理[5,6]、神经网络[7]、遗传算法[7]和粗糙集[8]等结合进行故障诊断。由于无线顺序控制系统现场的故障多含有不确定信息，因此本文选择模糊Petri网进行故障诊断。

2 无线顺序控制系统

2.1 无线顺序控制系统简介

无线顺序控制系统自上而下分为三层：监控级、控制级和现场级[4]，如图1所示。

Figure 1 Structure of wireless sequence control system图1 无线顺序控制系统结构图

监控级用于监控现场设备运行情况，主要包括工程师站和运行员站，他们之间通过以太网连接。

控制级设备是用于执行控制逻辑的PLC控制器，它向上通过以太网与监控级相连，向下通过Profibus总线与现场级相连，保证了上位机与现场基站设备间的正常通信。

现场级设备主要包括基站、采集运行设备工作状态的无线DI(Digital Input)模块和控制设备执行机构的无线DO(Digital Output)模块。上述每个模块中都含有无线节点，可以实现数据的无线传输。为了避免过多节点共享信道对系统性能造成影响，对于每一个设备的状态采集与指令输出分别建立不同的无线网络，每个无线网络由相应的基站维护并工作在不同信道。基站只与本网络内的无线模块进行数据交互。

2.2 无线顺序控制系统故障分析

在无线顺序控制系统中，现场设备与系统上层设备间的通信只能通过无线网络，而无线传输容易受到干扰产生错误，因此无线顺序控制系统的故障诊断对于提高它的可靠性显得尤为重要。一个火电厂的无线顺序控制系统包含的设备是非常复杂多样的，但其中的每个无线子网络结构却是相似的，因此在对无线顺序控制系统故障进行分析的时候，我们只对包含一个无线网络的简单结构进行分析，对整个复杂的无线顺序控制系统故障分析可以类推。同时，我们根据现有情况，认为采样DI模块与控制指令输出DO模块与基站之间是点对点传输，不考虑数据在各个无线节点之间的多跳传输情况。

一个无线网络的系统结构和数据流向如图2所示。

Figure 2 Data flow of wireless sequence control system图2 无线顺序控制系统数据流向

无线顺序控制系统中的无线DO和DI模块内部结构如图3和图4所示，DO模块由无线节点与回读通道组成，DI模块由无线节点与采样通道组成，不采用内部传感器。

Figure 3 Structure of wireless DO module图3 无线DO模块结构图

Figure 4 Structure of wireless DI module图4 无线DI模块结构图

无线节点由电源模块、CPU模块、通信模块和定时器模块构成。由于无线节点的用电全部来自于电源，当电源模块发生故障时，节点各模块的功能都受到影响，会造成各种性能的下降，如会使节点无询问应答、无定期信号返回和接收数据有大量误码等。CPU模块故障时，节点的内部逻辑计算产生问题，也会导致节点无询问应答和无定期信号返回。通信模块故障时，也会使得节点接受传输数据有大量误码。而定时器故障会导致定时器不能按时溢出并清除标志位，导致节点无定期信号返回。当回读通道和采样通道发生故障时，也会导致节点无定期信号返回。当无线节点无询问应答时，控制器认为控制逻辑的执行受阻将会重新发送指令。当节点无定期信号返回时，系统则认为该节点已脱离网络，同时会在基站就地显示该故障。当接收传输数据有大量误码时，容易导致节点接收的和发送的信号产生错误。

为保证设备接收到正确的DO指令，无线DO模块在收到基站发送的DO指令后，在输出DO指令的同时，也将指令回传到基站，让基站确认该指令是否正确，如果不正确则基站将该指令重新发送。由上述过程可以看出，如果DO指令在传输过程中出错，则会导致设备动作错误，同时回传的错误信息会让基站重新发送指令。如果DO指令在回传过程中出错，则只会让基站重新发送指令。

无线DI节点在状态采集开始后被定时器唤醒，导通信号采集回路，将采集结果发送给基站，然后进入休眠状态，等待下次被唤醒。当DI采样信号传输错误时，控制器认为控制逻辑执行错误将停止执行。当被控对象发生故障时，也会让DI节点的采样信号错误。

基站是现场无线网络与上层设备进行信息交换的枢纽，通过基站可以实现Profibus协议和无线网络协议间的转换。同时，基站中还有无线节点作为协调器，负责现场无线网络的建立、管理和维护。基站主要由电源模块、通信模块、CPU模块和Profibus协议芯片构成。电源模块、通信模块和协议芯片故障都会导致基站与监控级之间的Profibus总线传输信号错误，从而使控制器逻辑停止。电源模块、CPU模块和协议芯片的故障还可能使Profibus总线上无传输信号，这将导致监控画面无显示。

综上所述，可以得到无线顺序控制系统故障传播的知识库为：

R1：if无线DO节点定时器故障，then无线DO节点无定期信号返回

R2：if无线DO节点CPU模块故障，then无线DO节点无询问应答and无定期信号返回

R3：if无线DO节点电源模块故障，then 无线DO节点无询问应答and无定期信号返回and返传信号错误and接收信号错误

R4：if无线DO节点通信模块故障，then无线DO节点返传信号错误and接收信号错误

R5：if无线DO节点回读通道故障，then无线DO节点无定期信号返回

R6：if被控对象故障，then无线DI节点发送信号错误

R7：if无线DI节点电源模块故障，then 无线DI节点无询问应答and无定期信号返回and发送信号错误

R8：if无线DI节点通信模块故障，then无线DI节点发送信号错误

R9：if无线DI节点CPU模块故障，then无线DI节点无询问应答and无定期信号返回

R10：if无线DI节点定时器故障，then无线DI节点无定期信号返回

R11：if无线DI节点采样通道故障，then无线DI节点无定期信号返回

R12：if基站电源模块故障，then Profibus总线信号错误and Profibus总线无信号

R13：if基站通信模块故障，then Profibus总线信号错误

R14：if基站CPU模块故障，then Profibus总线无信号

R15：if基站Profibus协议芯片故障，then Profibus总线信号错误and Profibus总线无信号

R16：if无线DO节点无询问应答，then控制器逻辑重新发送

R17：if无线DO节点无定期信号返回，then 无线DO节点脱离网络，基站就地显示

R18：if无线DO节点返传信号错误，then Profibus总线信号错误

R19：if无线DO节点接受信号错误，then设备执行机构动作错误

R20：if无线DI节点发送信号错误，then Profibus总线信号错误

R21：if无线DI节点无询问应答，then控制器逻辑重新发送

R22：if无线DI节点无定期信号返回，then 无线DI节点脱离网络，基站就地显示

R23：if Profibus总线信号错误，then控制器逻辑停止

R24：if Profibus总线无信号，then监控画面无信号

3 模糊Petri网

3.1 模糊Petri网的定义

模糊Petri网FPN(Fuzzy Petri Net)是在一般Petri网理论的基础上，结合模糊集理论而提出的[9]。

定义1广义的模糊Petri网可以被定义为一个九元组:

其中，P={p1,p2,…,pn}是有限个库所的集合，表示模糊命题，包括规则的前提和结论。

T={t1,t2,…,tm}是有限个变迁的集合，表示模糊规则，其对应的模糊规则可信度CF={μ1,μ2,…,μm}。

D={d1,d2,…,dn}是有限个命题的集合。

P∩T∩D=∅,|P|=|D|。

I:T→P，是变迁到库所的映射，代表输入函数。I={δij} ，δij为逻辑量，δij∈{0,1}，当pi是tj的输入时，δij=1。当pi不是tj的输入时，δij=0。i=1,2,…,n，j=1,2,…,m。

O:T→P，是变迁到库所的映射，代表输出函数。O={γij}，γij为逻辑量，γij∈{0,1}，当pi是tj的输出时，γij=1。当pi不是tj的输出时，γij=0。i=1,2,…,n;j=1,2,…,m。

f:T→[0,1]是从变迁到0和1之间的实数的映射，f(ti)=ui，ui∈[0,1]，ui代表变迁ti的置信度，表示该模糊规则的可信程度，U=diag(u1,u2,…,um)。

α:P→[0,1]是从库所到0和1之间的实数的映射，代表该库所的置信度，对应该命题的逻辑状态，初始状态即为Petri网的初始标示。

β:P→D是从库所到命题之间的映射。

Λ:T→[0,1]是从变迁到0和1之间的实数的映射，Λ(ti)=λi，λi∈[0,1]，λi代表变迁ti的阈值。

定义2若变迁的输入库所的token值(相应于命题的置信度)大于阈值，则该变迁可以引发，否则不能引发[5]。

即，当α(pi)>λ(pi)时，变迁t可引发；当α(pi)<λ(pi)时，变迁t不能引发。

3.2 用模糊Petri网表示模糊产生式规则

模糊关系式规则，主要有以下三种：

(1)ifdithendj(CF={μR})

(2)ifdi1∧di2∧…∧dinthendj(CF={μR})

(3)ifdi1∨di2∨…∨dinthendj(CF={μR})

其中，di、di1、di2、…、din、dj为模糊命题，μR是模糊规则的置信度。

用模糊Petri网表示上述三种规则如图5所示。

Figure 5 Petri net of rule(1), rule (2), and rule(3)图5 规则(1)、(2)、(3)的模糊Petri网表示

对应于上述三种模糊产生式规则，变迁引发时相应的输出库所对应的命题为真的程度即置信度为[5]：

(1)α(dj)=α(di)×ui；

(2)α(dj)=min(α(di1),α(di2),…,α(din))×ui；

(3)α(dj)=max(α(di1)×ui1,α(di2)×ui2,…,α(din)×uin)

3.3 模糊Petri网中知识的推理算法

文献[6]是根据MYCIN的置信度方法进行推理计算的，其主要思想是模糊命题合取式的真值取各子式真值的最小值，模糊命题析取式的真值取各子式真值的最大值，这与3.2节中三种典型模糊规则的置信度取值相一致。但是，这种方法默认以置信度的大小取值为推理条件，即没有3.1节中的定义2，不考虑阈值条件，认为所有变迁都可触发。这种设定计算量大，而增加阈值条件更加符合模糊推理情况。因此，本文对此加以改进，在原有推理基础上增加了阈值判断部分，定义了一种新的模糊Petri网的知识推理过程。

首先引入三个算子

⊕:a⊕b=c，a、b、c是n维向量，ci=max(ai,bi)；

⊗:A⊗e=d，A是(n×m)维向量，aij是A的第i行、第k列元素，e、d分别是m维、n维向量，di=max1≤k≤m(aik·ek)；

⊙:R⊙S=Q，R、S、Q均是(n×m)维向量，qij=rij·sij。

为了便于计算最小值，根据文献[10]建议提出用算子“neg”。

具体推理算法为：

步骤1令k=0。

步骤3判断阈值，εk=ρk⊙sign(ρk-Λ)，εk为m维向量，表示可以引发的规则变迁的前提为真的可信度。

步骤4计算αk+1=αk⊕[(O·U)⊗εk]。

步骤5若αk+1≠αk，令k=k+1，重复步骤2～步骤4；若αk+1=αk，推理结束。

4 基于模糊Petri网的无线顺序控制系统故障诊断

根据2.2节的无线顺序控制系统的故障传播规则和3.2节中对应模糊规则的模糊Petri网画法，可以得到无线顺序控制系统故障诊断的模糊推理Petri网，如图6所示。

Figure 6 Fuzzy Petri net of fault diagnosis of wireless sequence control system图6 无线顺序控制系统故障诊断的模糊推理Petri网

其中对应的库所含义如下：

p0：DO节点定时器故障;

p1：DO节点CPU故障;

p2：DO节点电源故障;

p3：DO节点通信模块故障;

p4：DO节点回读通道故障;

p5：被控对象故障;

p6：DI节点电源故障;

p7：DI节点通信故障;

p8：DI节点CPU故障;

p9：DI节点定时器故障;

p10：DI节点采样通道故障;

p11：基站电源模块;

p12：基站通信模块故障;

p13：基站CPU故障;

p14：基站Profibus协议芯片故障;

p15：DO节点无询问应答;

p16：DO节点无定期信号返回;

p17：DO节点返传信号错误;

p18：DO节点接收信号错误;

p19：DI节点发送信号错误;

p20：DI节点无询问应答;

p21：DI节点无定期信号返回;

p22：Profibus总线信号错误;

p23：无Profibus总线信号;

p24：DO节点脱离网络，基站就地显示;

p25：设备执行机构动作错误;

p26：控制器逻辑重新发送;

p27：DI节点脱离网络，基站就地显示;

p28：控制器逻辑停止;

p29：监控画面无信号。

根据图6的Petri网可以得出输入输出矩阵如下：

设置阈值为:

Λ=(0.5,0.2,0.3,0.4,0.6,0.5,0.4,0.3,0.3,0.6,0.6,0.2,0.2,0.2,0.2,0.1,0.4,0.3,0.2,0.1,0.1,0.2,0.1,0.1);

变迁置信度为:

U=diag(1,0.7,0.9,0.7,0.7,0.7,0.9,0.7,0.7,0.8,0.7,0.7,0.7,0.8,0.8,0.7,0.7,0.8,0.7,0.9,1,0.8,1,0.9);

初始状态为:

α0=(0.8,0,0.65,0.45,0.2,0,0.65,0.45,0,0.8,0.2,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0);

由3.3节的推理算法可以得到：

α1=(0.8,0,0.65,0.45,0.2,0,0.65,0.45,0,0.8,0.2,0,0,0,0,0.585,0.585,0.585,0.585,0.585,0.585,0.64,0,0,0,0,0,0,0,0);

α2=(0.8,0,0.65,0.45,0.2,0,0.65,0.45,0,0.8,0.2,0,0,0,0,0.585,0.585,0.585,0.585,0.585,0.585,0.64,0.526 5,0,0.409 5,0.409 5,0.585,0.512,0,0);

α3=(0.8,0,0.65,0.45,0.2,0,0.65,0.45,0,0.8,0.2,0,0,0,0,0.585,0.585,0.585,0.585,0.585,0.585,0.64,0.526 5,0,0.409 5,0.409 5,0.585,0.512,0.526 5,0);

α4=(0.8,0,0.65,0.45,0.2,0,0.65,0.45,0,0.8,0.2,0,0,0,0,0.585,0.585,0.585,0.585,0.585,0.585,0.64,0.526 5,0,0.409 5,0.409 5,0.585,0.512,0.526 5,0);

因为α4=α3，推理结束。所有库所的最终状态为(0.8, 0, 0.65, 0.45, 0.2, 0, 0.65, 0.45, 0, 0.8, 0.2, 0, 0, 0, 0, 0.585, 0.585, 0.585, 0.585, 0.585, 0.585, 0.64, 0.526 5, 0,0.409 5, 0.409 5, 0.585, 0.512, 0.526 5, 0)。

由此可得，DO节点脱离网络，基站就地显示的故障概率为0.409 5；设备执行机构动作错误的故障概率为0.409 5；控制器逻辑重新发送的故障概率为0.585；DI节点脱离网络，基站就地显示的故障概率为0.512；控制器逻辑停止的故障概率为0.526 5；监控画面无信号的故障概率为0。

根据推理结果，可以得到控制器逻辑重新发送的概率最大，这主要是由于无线传输具有不稳定性且易受干扰，因此，为了提高系统的可靠性，必须设计可靠的无线传输机制，并在控制器中设置相应的控制策略。

5 结束语

本文通过分析基于无线传感器网络的顺序控制系统，提出了相应的故障传播规则。针对模糊Petri网在故障诊断中的置信度模糊推理算法的不足，进行了添加阈值判断的改进。运用改进后的模糊Petri网推理算法对无线顺序控制系统进行故障诊断，得出控制器故障发生概率，其中控制逻辑重新发送概率最大，理论结果与现场实际测试结果基本一致。

本文推理过程中的初始条件是根据实际现象推理得出，不够精确，仍可进一步研究。对于最终结果显现的最大故障概率控制器逻辑重新发送可以从通信机制上对其进行改进，降低故障率。

[1] Wang Fu-lu, Fang Jun-long, Zhang Xi-hai. Research of environmental monitoring system for greenhouse based on wireless sensor network[J]. Journal of Northeast Agricultural University, 2011, 42(2):59-64. (in Chinese)

[2] Wang Chao-nan,Ding En-jie,Zhou Qiang,et al. An approach to fault location of mine distribution network using wireless sensor networks[J]. Journal of Computer-aided Design&Computer Graphics, 2007, 19(3):392-397. (in Chinese)

[3] He Yang. Research and implementation of control technology for air conditioning based on wireless sensor network[D]. Wuhan:Wuhan Institute of Technology, 2012.(in Chinese)

[4] Wang Ren-shu, Bai Yan, Wang Feng-zhu, et al. Application of wireless monitoring system for ultra-filtration system of chemical water treatment in power plants[J]. Electric Power, 2012, 45(7):84-88.(in Chinese)

[5] Zong Qun, Wang Bo, Ya Shu-hong. Application of fuzzy Petri net to elevator fault diagnosis[J]. Hoisting and Conveying Machinery, 2004(4):44-48.(in Chinese)

[6] Gao Mei-mei, Wu Zhi-ming. Fuzzy reasoning Petri net and its application to fault diagnosis[J]. ACTA Automatica SINICA, 2000, 26(5):677-680.(in Chinese)

[7] Lu Jun. GA-BP adaptive weighted fuzzy Petri net for fault diagnosis[J]. Computer Simulation, 2012, 29(1):188-191.(in Chinese)

[8] Zhao Xi-lin, Liu Hui. Research of Petri net models for fault diagnosis based on rough set theory[J]. Microcomputer Information, 2008, 24(1):148-150.(in Chinese)

[9] Witold P, Fernanado G. A generalized fuzzy Petri net model[J]. IEEE Transactions on Fuzzy System, 1994, 2(4):295-301.

[10]TzafestasS,CapkovicF.Petrinet-basedapproachtosynthesisofintelligentcontrolsystemsforDEDS[M]∥Computer-AssistedManagementandControlofManufacturingSystems, 1997:523-531.

附中文参考文献：

[1] 王福禄，房俊龙，张喜海. 基于无线传感器网络的温室环境监测系统研究[J]. 东北农业大学学报, 2011, 42(2):59-64.

[2] 王超楠，丁恩杰，周强,等. 应用无线传感器网络快速定位矿井配电网故障的方法[J]. 计算机辅助设计与图形学学报, 2007, 19(3):392-397.

[3] 何杨. 基于无线传感器网络的空调控制技术研究与实现[D]. 武汉：武汉工程大学, 2012.

[4] 王仁书，白焰，汪凤珠,等. 无线监控系统在电站化学水处理超滤系统中的应用[J]. 中国电力, 2012, 45(7):84-88.

[5] 宗群，王波，牙淑红. 模糊Petri网在电梯故障诊断中的应用[J]. 起重运输机械, 2004(4):44-48.

[6] 高梅梅，吴智铭. 模糊推理Petri网及其在故障诊断中的应用[J]. 自动化学报, 2000, 26(5):677-680.

[7] 卢军. 遗传神经网络故障诊断自适应Petri网模型[J]. 计算机仿真, 2012,29(1):188-191.

[8] 赵熙临，刘辉. 基于粗糙集的Petri网故障诊断模型研究[J]. 微计算机信息(测控自动化), 2008,24(1):148-150.

XUCheng-yan,born in 1989,MS,her research interests include wireless sensor network, and automation.

白焰(1954-),男，辽宁沈阳人，博士，教授，博士生导师，研究方向为自动化。E-mail:By1@ncepu.edu.cn

BAIYan,born in 1954,PhD,professor,PhD supervisor,his research interest includes automation.

王仁书(1986-),男，福建福州人，博士生，研究方向为无线传感器网络和自动化。E-mail:Wangrenshu_1@126.com

WANGRen-shu,born in 1986,PhD candidate,his research interests include wireless sensor network, and automation.

ThefaultdiagnosisofthewirelesssequencecontrolsystembasedonfuzzyPetrinets

XU Cheng-yan,BAI Yan,WANG Ren-shu

(School of Control and Computer Engineering,North China Electric Power University,Beijing 102206,China)

In order to diagnose faults in the wireless sequence control system which is based on the wireless sensor network and the traditional sequence control, the system structure is analyzed and its faults transmission rules are proposed. A fuzzy reasoning mechanism with an improvement of adding threshold judgment is proposed to make up the weakness of the confidence degree method of fuzzy Petri net in faults diagnosis. The improved fuzzy petri net diagnosis method is applied on the wireless sequence control system to diagnose the controller’s fault occurrence probability. It is concluded that the control logic has the largest fault occurrence probability, which is in line with the field test result.

fuzzy Petri nets;wireless sensor network;sequence control;faults diagnosis

1007-130X(2014)08-1512-07

2012-12-11;

：2013-03-07

北京市教育委员会共建资助项目

TP212.9;TP277

：A

10.3969/j.issn.1007-130X.2014.08.015

许呈嫣(1989-),女，安徽绩溪人，硕士，研究方向为无线传感器网络和自动化。E-mail:xuchengyandoudou@163.com

通信地址：320100 江苏省南京市栖霞区尧新大道336号艾欧史密斯(中国)热水器有限公司

Address:AO. Smith Company Limited,336 Yaoxin Avenue,Qixia District,Nanjing 320100,Jiangsu,P.R.China