大型风力发电机组故障诊断专家系统

刘秀丽，徐小力

（北京信息科技大学现代测控技术教育部重点实验室，北京 100192）

0 引言

风电作为应用最广泛和发展最快的新能源发电技术，已在全球范围内实现大规模开发应用。到2015年底，中国以全球份额33.6%的占比，成为世界最大的风电产业国。随着风电产业的发展，风电机组事故层出不穷，随之带来的经济损失也是相当可观。风电机组的故障发生的原因，除了具有一般大型旋转机械的共性之外，由于工作环境和结构的特殊性，决定了主要故障原因的特殊性。另外，风电机组齿轮箱大多为行星齿轮箱，不同形式的风力发电机组有不一样的要求，齿轮箱的布置形式及结构各异，使得整个传动系的动力匹配和扭转振动的因素总是集中反映在某个薄弱环节上。目前，世界各国在大力发展风电产业的同时，也不断加大在风机系统故障诊断方面的科研投入。随着计算机智能技术的快速发展，对机械故障诊断技术的自动化程度要求越来越高，专家系统日益成为风电机组故障诊断新的研究方向。从风电机组故障诊断专家系统的基本问题入手，提出系统的整体框架及知识库的设计方法。

专家系统（Expert System，ES）理论在1965年被首次提出，是机械设备故障诊断中的智能诊断技术方法之一。专家系统首先被应用到医疗诊断中，像医生那样根据生病情况确诊是某种疾病，后来发展到工程实践中，由此诞生了许多类型机械故障诊断专家系统。

故障诊断专家系统模拟人类专家的思维过程，将人类专家们具有的知识和经验总结为专家系统的知识库，通过有效地获取处理诊断信息，完成推理和判断，以巧妙的诊断方案对某个机械设备在工作运转中的健康情况实现智能评价分析。它能够自学习来满足多种机械设备诊断工作的需要。专家系统[1，2]一般如图1所示的6部分组成。

图1 专家系统基本结构

1 故障诊断专家系统的基本问题

1.1 知识获取

知识是专家系统与一些常用的大型软件系统的关键差别特征，并且专家系统诊断性能取决于知识的多少和好坏。所谓知识就是人们在生产生活实践中学习到的认知和经验，它是人类进行一切智能活动的基础。Hayes-Roth把知识概括为，知识=事实+信念+启发式[2]，并从范围、目的和有效性3个方面把知识进行概括表达。

大型风力发电机组故障诊断专家系统的诊断过程，是获取故障知识及使用获得的故障知识进行故障诊断的过程，因此专家系统性能的优劣主要取决于包含知识的多少和好坏。所以开发大型风力发电机组故障诊断专家系统的主要任务就是知识获取，即在诊断专家交流和参阅文献等资料过程中，把大型风力发电机组故障知识归纳总结出，然后用一个知识表示手段把它们储存到整个系统的知识库里。知识获取目前依旧为一个难度非常大的事情，为整个系统构建过程的瓶颈。知识获取的主要目的是给故障诊断专家系统归纳总结出故知识，并由此构建一个知识丰富高效的故障诊断知识库，进而实现故障诊断。

1.2 知识表示

保证大型风力发电机组故障诊断专家系统能够精确进行故障评价决策，该专家系统需要把此方面专家的经验作为整个系统工作的基础，知识表示就是要把大型风力发电机组归纳总结出的相关故障知识一种恰当的方法表达出来并储存到该专家系统的知识库里。

根据知识的确定性程度情况，知识表示方法分为确定性表示方法和不确定性表示方法。

1.3 推理

推理就是根据某些方案从明确的已知条件推断到结论的整个操作程序。推理过程需要的事实有诊断推理方面的原始事实和在诊断过程中推出的中间事实。推理方法和推理控制策略为故障诊断专家系统的完成整个推理的2个重要内容。推理方法用来完成求解在决策推理中已知事实和结果间的相互关系。推理控制策略主要是根据故障诊断专家系统知识库中所拥有的故障知识实现快速得出诊断结果的方法。

根据推理方向（推理控制策略）的异同能够分为正向推理、反向推理和混合推理3类[1-5]。

2 大型风力发电机组故障诊断专家系统总体功能

通过构建大型风力发电机组故障诊断专家系统对工作运行的发电机组的健康状况完成实时监测和故障智能诊断，使风力发电场根据故障需要有目的地安排维修，保证风力发电设备安全有效健康的运行，缩短故障维修所需的时间，同时降低风力发电场对人力和物力的需求，增加企业的效益。

该系统的总体功能结构如图2所示，主要实现风力发电机组的故障诊断，并实现对系统的修改完善和日常工作管理[6-10]。

图2 专家系统总体功能结构

根据系统所要实现的各种功能，设计该大型风力发电机组故障诊断专家系统基本包括故障诊断模块、知识库管理模块和系统管理模块。

3 系统框架设计

该大型风力发电机组故障诊断专家系统运用C#语言，基于ASP.NET平台，系统数据库运用SQL Server数据库，通过ADO.NET读取专家系统数据库。为了使这个系统拥有良好的扩展性和移植性，构建的系统框架主要有4个层次：采集层、数据层、中间层、用户表示层[7-10]，如图3所示，系统这样的设计有利于系统模块化设计，每个层次各司其职，提高系统的工作效率。

4 系统知识库设计

在故障诊断专家系统的知识库中，故障知识通过知识的表示方法实现存储，一般要能全面的体现出大型风力发电机组故障情况，并能够由系统管理员对其不断修改完善。为使大型风力发电机组故障知识结构清楚便于维护，将其根据彼此的逻辑关系构成树状形式，在此结构树每个结点代表某种故障其中包含一些故障属性。

故障结构树是表示诊断系统层次结构和故障因果关系的模型，所以大型风力发电机组故障诊断结构树描述系统的结构关系和风力发电系统顶故障事件和其各子系统或各组成结构件故障事件子结点间的逻辑关系。

根据以上4个大型风力发电机组齿轮箱、发电机、叶片和塔筒等的故障情况总结表，按照大型风力发电机组的组成层次结构，并根据故障结构树建立大型风力发电机组的故障树结构如图4所示。

图3 风力发电机组故障诊断专家系统框架

图4 大型风力发电机组故障结构树

根据故障结构树就能对大型风力发电机组故障进行分析，从故障故顶端出发即最不愿意出现的故障情况开始分析，接着搜索到造成这个故障情况出现的所有原因，然后搜索到出现其下一层故障事实的所有原因，以此类推逐步向下推理，直到搜索到不能再追究的情况，这样就构成了递推层次分明的故障结构树，经过故障树的层层搜索，然后推断出故障缘由。

5 系统数据库设计

数据库的设计主要建立5张数据表，即用户数据表、故障现象表、故障原因表、规则表和故障信息表。其中用户数据表主要寄存用户的基本数据资料，故障现象表主要寄存故障现象事实的基本数据，故障原因表主要寄存故障原因的数据，规则表主要寄存故障推理的规则数据，故障信息表主要寄存故障日志数据。其中数据库中故障现象表、故障原因表和规则表所涉及的事实现象、事实结论和规则之间的关系如图5所示。

图5 事实和规则的属性及其联系

6 结论

通过对专家系统的基本结构和基本问题进行研究，为设计构建大型风力发电机组故障诊断专家系统提供理论基础，通过对大型风力发电机组常见故障进行总结构建故障结构树，利用ASP.NET开发平台和SQL Serve数据库，设计构建风力发电机组故障诊断专家系统，实现了大型风力发电机组故障的在线智能诊断。

[1]钟秉林，黄仁.机械故障诊断学[M].北京：机械工业出版社，2003.

[2]沈庆根，郑水英.设备故障诊断[M].北京：化学工业出版社，2006.

[3]刘峰，杨晓萍，刘晓黎，等.基于神经网络的水轮发电机组振动故障诊断专家系统的研究[J].西安理工大学学报，2003（4）：372-376.

[4]张彦南，张礼达.风力机机舱故障诊断专家系统方法研究[J].能源与环境，2009（2）：25-26.

[5]周娟娟，张广明，袁宇浩.基于免疫Agent的风力发电机组故障自愈系统的研究[J].机械设计与制造，2012（3）：136-138.

[6]张晓东，许宝杰，吴国新，等.风力发电机组故障诊断专家系统研究[J].制造业自动化，2014（21）：21-25.

[7]梅杰.基于人工神经网络的旋转机械故障诊断专家系统[D].武汉理工大学，2011.

[8]李效龙.大型风力发电机组机械故障诊断信息系统研究[D].燕山大学，2011.

[9]陈波.分布式远程故障诊断专家系统的框架及若干关键技术的研究[D].大连理工大学，2002.

[10]梁亮.风机旋转机械设备故障诊断专家系统的设计与实现[D].北京化工大学，2008.