舰船柴油主机滑油系统贝叶斯网络推理故障诊断方法

【后勤保障与装备管理】

舰船柴油主机滑油系统贝叶斯网络推理故障诊断方法

许伟1a，程刚1a，陈于涛1b，曾凡明1b，李睿2

(1.海军工程大学a.舰艇装备仿真技术研究室；b.舰艇动力装置及自动化教研室，

武汉430033; 2. 92132部队,山东 青岛266000)

摘要：以舰船动力装置中的柴油主机滑油管路系统为研究对象，针对滑油系统故障诊断问题，分析了常见故障机理，建立了滑油系统常见故障的故障树结构，在此基础上构建了用于故障状态推理的贝叶斯网络模型，分析了滑油系统典型故障状态下的贝叶斯状态推理过程，为滑油系统的快速故障诊断提供了一种新的方法。

关键词：贝叶斯网络推理；滑油系统；故障诊断

收稿日期：2014-11-06

作者简介：许伟(1987—)，男，博士，主要从事战损抢修决策与仿真研究。

doi:10.11809/scbgxb2015.03.023

中图分类号：U674;TJ83

文章编号：1006-0707(2015)03-0086-05

本文引用格式：许伟，程刚，陈于涛.等.舰船柴油主机滑油系统贝叶斯网络推理故障诊断方法[J].四川兵工学报，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

滑油系统的任务是将充足的滑油供给到动力装置各设备(如柴油主机轴承传动部件)的摩擦面上，使摩擦面上产生油膜，避免机械摩擦损伤。滑油不仅能够减少摩擦损伤，还具有气密、防腐蚀、冷却、减震、清洗等作用。针对滑油系统状态监测和故障诊断问题可采用多种方法，目前主要有故障树法、事故树法、画树法、多杈树法、决策树法和目标多杈树法等。其中故障树法与近年来备受关注的贝叶斯网络推理相结合，对于解决复杂系统不确定因素引起的故障具有很大的优势，被认为是目前不确定知识表达和推理领域最有效的理论模型之一。采用故障树可以大大提高贝叶斯网络模型建立的效率，避免主观性，具有较高的逻辑性、准确度及信任度，而且国内很多学者对故障树转换成贝叶斯网络的拓扑结构也有一定的研究，取得了丰富的研究成果,如文献[1]中王广彦对故障树转化为贝叶斯网络过程进行了研究[1]，文献[2]中周忠宝对存在房形事件的故障树向贝叶斯网络的转化进行了研究。

针对滑油系统在运行中的各种故障，建立用于故障状态推理的贝叶斯网络，深入分析滑油系统典型故障状态可以实时准确地对各种情况和数据进行处理和预测，有效减轻使用管理人员的工作强度，通过贝叶斯网络推理可以快速有效地对滑油系统进行状态监测和故障诊断，同时也解决了某些情况下处理人员经验不足和处理专家精力有限的问题[3-5]。

1贝叶斯网络推理

贝叶斯网络(bayesian network，BN)是Pearl在1988年提出，又称信度网络，是贝叶斯推理方法的扩展。BN图是一有向无环图(directed acyclic graph，DAG )及其相关参数的集合。

1.1贝叶斯网络结构

1.2联合树算法

贝叶斯概率推理是通过先验知识和观测变量，计算事件的后验概率进行推理，推理算法分为精确推理算法和近似推理算法，精确推理算法比较成熟的有多树传播算法，联结树算法和桶消元算法，近似推理算法主要有随机抽样算法，搜索算法和模型简化算法。精确推理算法以其容易理解，推理结果精确和高效的特点，得到了广泛应用。联结树算法在贝叶斯网络推理中比较常用。联结树算法把贝叶斯网络转变为一种二次机构(SS)，在贝叶斯网络上的推理变为在SS上的推理。SS是由联结树(JT)和信念势(BP)组成，在SS上推理需要建立联结树及利用信念势计算概率，用φ(·)表示势函数，如φ:(A,B)→P(A|B)。联结树的建立直接影响着贝叶斯推理算法，建立联结树可分为4步:

1) BN转成Moral图：将BN中同一节点的父节点用线段连接，去掉有向边的方向，使其成为无向边。

2) 将Moral图三角化：经过上一步的转换，BN中会形成若干个环，对于含有4个节点以上(包括4个)的环，添加一条线段将不相邻的2个节点连接形成环中的弦。若图中没有4个节点以上的环，则不必进行三角化。

3) 确定图中所有团节点：在三角化图中确定团节点，团节点是图中最大的全连通子图。

4) 连接团节点建立联合树：建立的团树必须包含所有团节点，2个团节点相交，用一条边连接它们，最后形成联合树[6]。

图1即是联合树的建立过程。

图1　建立联结树流程

2研究对象

本文以舰用柴油机动力装置中的滑油系统为研究对象，采用贝叶斯网络推理的方法对滑油系统压力降低的故障现象进行推理。

图2是某型柴油主机滑油系统：P为压力表，T为温度表，LPA为低压报警，HTA为高温报警，LLPS为过低压报警开关，HHTS为过高位报警开关。主机为干式润滑，滑油系统由机带泵通过磁性滤器从滑油循环舱吸油，并经过滑油冷却器和滑油滤清器，进入主机润滑各运动件后再回流到滑油循环舱。滑油冷却器前设一只自动调温阀，使所供滑油温度保持在45～55℃的正常范围。前后主机舱内各设置一台备用电动滑油泵作为机带滑油泵的备用。前后主机舱内各设有二台主机滑油预供泵。主机起动前应至少进行10～15 min的预润滑，主机停机后，至少应继续保持供油15 min，手动停泵。柴油机在运行中，当柴油机滑油压力低于0.25 MPa时，滑油预供泵自动起动，当柴油机滑油压力高于0.42 MPa时,滑油预供泵自动停泵。滑油预供泵在主机集控台上可遥控起停。

图2　某型主机滑油系统布置简图

3滑油系统贝叶斯网络推理模型

从推理过程和对系统状态的描述过程看，贝叶斯网络中的结点与故障树中的事件是一一对应的，故障树中的事件正是建立贝叶斯网络所需结点的完整集合。然而贝叶斯网络对系统故障状态的描述能力要优于故障树。由于故障树假定所有事件均只有正常和故障2种状态，所以底事件的状态可用如下变量来描述，当底事件

顶事件T的状态用结构函数φ表示，则φ是底事件状态xi的函数，记作

式中

从上述分析中可以看到，故障树假定事件都只有二态行(正常、故障)。贝叶斯网络却能描述事件的多态性，可以将故障树中的事件看作是贝叶斯网络节点概念的特例。节点的状态可以采用如下变量描述

顶事件T的结构函数φ表示为

在实际分析过程中，可以将故障树中的事件直接映射为贝叶斯网络中的节点，二者在拓扑结构上具有相似性。

滑油系统常见的故障有滑油压力偏低、滑油压力偏高、滑油中含水、滑油温度高、滑油温度低等。

图3即是综合滑油系统各种故障状态和相互间的逻辑关系绘制的滑油系统故障树分析图。根据图3，整理确定底事件的贝叶斯网络节点以及编号与概率值，如表1所示。

图3　滑油系统故障树分析

利用故障树分析时，比如传感器节点H1(滑油压力下降)，其子节点D1(管路堵塞)，D2(调压阀故障)，D3(滤器堵塞)以及H4(滑油温度下降)全部不发生时，传感节点H1肯定会不发生。但实际上，即使真的出现上述工作状况时，也难以保证滑油压力不下降，因此需要将网络参数进行修正。按照故障树分析基本逻辑关系得到滑油系统的贝叶斯网络，将重复故障变量融合为一个BN节点。

结合表1的节点及编号绘制出滑油系统BN结构模型，如图4所示。

表1　底事件的BN节点及概率值

图4　滑油系统 BN结构模型

4算例

以滑油系统压力降低的故障故障诊断问题为例。动力装置运行时，滑油系统完全失效对装置的工作会产生致命性影响，所以对滑油系统需要进行故障影响因素分析，进而找到滑油系统的薄弱之处。设置节点H(滑油系统)为完全损坏，利用联合树算法进行概率计算得到底事件的结果，如表2所示

详细的概率变化情况如图5所示，其更新前的概率点连线为贝叶斯网络模型节点的初始概率情况，更新后的概率点连线为贝叶斯网络模型节点概率更新后的概率情况。由图5可以看出，当节点H1(滑油系统故障)状态更新时，所有底事件节点的状态都发生了变化，其中概率值最高的以及变化最大的就是节点D10(滑油滤渣堵塞)，这一推理结果说明在底事件中滤渣堵塞这一故障对滑油系统正常运行危害性最大。滤渣堵塞不仅会影响滑油在管路中的流动，导致油泵发生故障，滑油压力降低，柴油机设备的摩擦面润滑不良，产生接触性摩擦，金属表面热损伤。更为严重的情况是，滤网被滤渣损伤，继而产生滤网碎屑，导致滑油泵叶片因滤渣及滤网碎屑堵塞完全不能工作，滑油系统失去动力源，整套滑油系统失去工作能力。所以，在中间节点状态更新之后，节点Z5(泵出口至滤器油道)发生的概率最大，同时也是变化最大的；相同的影响下，在传感器节点状态更新后，节点Z5的父节点H2(滑油压力过低)也是概率值最高，概率变化大大的。

此外，经过设置节点H(滑油系统故障)为完全发生的情况下，在底事件状态更新中，除了节点D10概率值较高，变化最大，其他一些节点概率变化幅度同样相对较高。如节点D9(垫片损坏进气漏油)概率差值4.70%、节点D34(冷却器泄漏)概率差值4.90%、节点D11(进出口垫片坏进气漏油)概率差值3.73%、节点D16(曲轴油道漏油)概率差值3.73%、节点D22(燃油进入滑油混合)等，对于滑油系统的正常运行同样存在较大的影响，在滑油系统运行时，应加以注意。

表2　底事件节点更新前后概率变化

图5　底事件更新前后概率变化曲线

5结论

针对舰用柴油机滑油系统故障诊断问题，通过故障机理分析建立了滑油系统故障树，根据贝叶斯网络节点以及编号与概率值对故障树进行了贝叶斯网络的转换，确定了滑油系统BN结构模型，通过算例对模型进了深入分析，得出了相应的故障诊断结果,其结果可用于故障诊断和状态预测，为滑油系统的快速状态感知提供了良好的基础。

参考文献：

[1]王广彦,马志军,胡起伟.基于贝叶斯网络的故障树分析[J].系统工程理论与实践，2004(6):79-83.

[2]周忠宝,董豆豆,冯静,等.存在房形事件的故障树向贝叶斯网络的转化[J].哈尔滨工业大学学报,2008,40(6):1001-1003.

[3]饶泓，扶名福，谢明祥，等.基于决策级信息融合的设备故障诊断方法研究[J].中国机械工程，2009,20(4)：433-437.

[4]苏艳琴,徐廷学,张文娟.粗糙集和贝叶斯网络融合故障诊断方法[J].舰船科学技术，2013,35(3)；91-92.

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

[6]李曼，冯新喜，姬伟峰，等.基于图的邻接点优先的联合树算法的研究与实现[J].通信技术，2010，43(12)：82-84.

[7]陈东宁，姚成玉，王斌，等. 基于贝叶斯网络和灰关联法的多态液压系统故障诊断[J].润滑与密封，2013(1)：78-83.

(责任编辑杨继森)