舰船综合电力系统设备故障的贝叶斯-可拓诊断模型

王 丰，顾佼佼，王 蓉

(海军航空大学， 山东 烟台 264001)

船舶综合电力推进系统是随现代先进电力技术发展而来的一种新型船舶推进系统，是相关领域专家研究的热点方向。英、美等国家研究的下一代舰船都将采用全电推进方式。其有能源利用率高、机动性高、节能环保、运行噪音低等优点，更有利于电磁武器在舰船上的安装运用。其主要构成有变频器、推进电机、变压器、功率管理系统和操纵控制系统等核心设施设备。目前，常用的电力系统设备故障诊断方法[1～5]有：专家系统、红外测温技术、数据挖掘、模糊理论等。文献[6]利用贝叶斯判别方法和模糊综合评价对电力变压器的故障状态进行判别和预警。文献[7]利用贝叶斯判别方法研究了配电网故障的选线方法。贝叶斯判别方法是考虑了各故障损失总体出现的先验概率及误判损失的情况下，用待诊断设备的监测数据修正先验概率分布，进而判别故障的归属。但该方法没有考虑决定待诊断电力设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度。可拓识别方法[8]是利用可拓集的思想，在判别特征的基础上，通过关联函数计算出特征量值与判别特征之间的关联程度，并结合权重系数，得到待识别事物的综合优度，从而判断出事物的归属。该方法在装备故障诊断、管理、计算机等领域取得了较多的研究成果。文献[9]利用贝叶斯判别方法和可拓识别方法，结合变压器故障类型的产生概率，建立诊断故障的模型,分析判断出变压器的故障所属类型。该方法结合了贝叶斯判别方法和可拓识别方法的优点，是这两种方法在变压器故障诊断领域的全新尝试。本文在此基础上，利用贝叶斯判别方法和可拓识别方法[10]，并结合Matlab仿真，研究其在海军舰船综合电力推进系统设备故障损伤等级程度诊断中的应用。该方法在考虑各故障损伤等级总体的分布函数、先验概率及误判损失的基础上，既考虑了决定待诊断舰船电力推进系统设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度，又考虑了故障总体各判别特征指标的权系数。考虑问题更加全面，并对该方法的仿真结果进行验证，使故障诊断的准确度更高。

1 故障诊断的贝叶斯-可拓方法

1.1 诊断流程

舰船综合电力设备故障损伤程度的贝叶斯-可拓诊断的流程如图1。

1.2 具体步骤

1.2.1建立故障总体及待诊断电力设备的基元模型

通过电力设备监测系统，持续检查和分析电力设备运行状态，全面采集磁力线密度、局部放电量、频率、电压、突变信号等数据，利用可拓数据挖掘理论[11～12]，并结合电力设备形成的故障库挖掘出各类型故障及故障等级与各判别特征之间的关联程度，从而筛选出故障类型及其判别特征。篇幅限制，将另文研究。假设电力设备的某类型故障[13]分成m个损伤等级，故障总体Zi(i=1,2,…,m)，并用故障元描述为：

(1)

式(1)中，Ni为该故障的第i(i=1,2,…,m)个损失等级程度；ci(i=1,2,…,p)为刻画故障；Zi(i=1,2,…,m)的判别特征指标；Vi=〈aip,bip〉为故障Ni(i=1,2,…,m)。

图1 舰船综合电力设备故障损伤程度的贝叶斯-可拓诊断的流程

关于判别特征ci(i=1,2,…,p)所规定的量值域，即经典域[9]。经典域的量值范围根据数据挖掘、故障库，结合专家组经验、意见得出。

根据监测设备的诊断，得到待诊断设备X的故障状态数据，建立其基元模型为：

(2)

式(2)中，vi(i=1,2,…,p)为待诊断电力设备X关于判别特征ci(i=1,2,…,p)所监测到的量值。

1.2.2 确定分布函数及误判损失

C(l/j)≥0，l,j=1,2,…,r

C(l/l)=0，l=1,2,…,r

1.2.3 确定各判别特征指标的权系数

1.2.4 建立节域和经典域的可拓距

(3)

(4)

(5)

1.2.5 构建电力系统各故障的关联函数

根据权系数及公式(3)～(5)，构建待诊断设备关于舰船电力系统各故障总体Zi(i=1,2,…,m)的综合关联度函数为：

(6)

将待诊断设备的故障监测数据代入式(6)，计算出相应的关联函数度。

若不考虑系统设备故障的先验概率及误判损失，

则该设备的故障损伤程度归属为第e个故障总体。

1.2.6 计算舰船电力系统设备的故障度

考虑舰船电力系统设备故障发生的先验概率及误判损失的情况，构建待诊断设备的故障度计算公式为：

l,j=1,2,…,r

(7)

2 算例分析

本文以推进系统的变压器故障诊断为例，说明该方法的分析与研究过程。假设某型舰艇电力推进系统某次日常维护保养中诊断出变压器SFSZ8-5000/111发生的故障为铁芯多点接地(记为X)。由于该型变压器结构的复杂性，涉及到机、油、电、控制等多方面的组成结构。根据舰船领域专家的经验、建议，提取出5个故障判别特征指标，分别为三比值编码(记为c1)，铁芯多点接地电流(记为c2)，φ(CO)/φ(CO2)(记为c3)，变压器油中含水量(记为c4)，局部放电量(记为c5)。通过监测系统收集的数据显示，运行中油色谱分析气体的组成成分如表1所示。经过监测设备持续的监测、采集和分析变压器状态数据，得到该变压器关于c2，c3，c4，c5等5个判别特征指标的量值如表2所示。

铁芯多点接地故障分成4个损伤等级程度，用故障经典域基元Zi(i=1,2,3,4)分别刻画为：

(8)

(9)

(10)

表1 测得的变压器特征气体浓度

表2 该变压器关于这5个判别特征指标的量值

(11)

式(8)～(11)中，N1表示一级故障；N2表示二级故障;N3表示三级故障；N4表示四级故障。

根据4个经典域基元，构建相应的节域基元模型为：

(12)

式(12)中，Ob为铁芯多点接地。

通过对表1数据进行分析，各特征气体的比值有：

φ(CH4)/φ(H2)=2.64

φ(C2H2)/φ(C2H4)=0.002

φ(C2H4)/φ(C2H6)=5.32

经过计算，三比值编码为 022，即判别特征c1的量值为022。同时根据表2中c2，c3，c4，c54个判别特征的量值，用故障元构建该变压器的故障基元为：

根据层次分析方法确定各判别特征指标的权系数分别为：

δ1=0.2，δ2=0.26，δ3=0.16，δ4=0.18，δ5=0.2

将判别特征量值及权重系数依次代入式(3)～(6)，计算出该各故障总体Zi(i=1,2,3,4)的综合关联度，有：

(12)

(13)

(14)

(15)

如果考虑该故障产生的误判损失以及故障总体出现的先验概率和分布函数，假 设该故障的分布函数为协方差阵为

的三元正态总体，先验概率q1=0.196 1，q2=0.154 6，q3=0.296 9，q4=0.357 5，误判损失分别为:

C(1/2)=2，C(1/3)=12，C(1/4)=6，

C(2/1)=3，C(2/3)=2，C(2/4)=10，

C(3/1)=2，C(3/2)=4，C(3/4)=2，

C(4/1)=2，C(4/2)=6，C(4/3)=10，

C(w/w)=0，w=1,2,3,4。

在式(8)～(11)的基础上，根据式(3)～(11)，通过Matllab仿真，得到该故障关于4个损伤等级的归属度λc,c=(1,2,3,4)，如图2所示。

图2 该变压器故障关于4个损伤等级的归属仿真

根据上述分析：

1) 如按照可拓识别方法，有综合关联度的大小排序：

K3(X)>K2(X)>K1(X)>K4(X)

即应将该变压器故障划归为λ3损伤程度。

2) 如按照本文方法，根据图2仿真结果，显然有λ4<λ1<λ3<λ2，应将该变压器故障划归为λ2损伤程度。

本方法即考虑了待诊断电力设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度，又考虑了可能产生的误判损失以及故障总体出现的先验概率和分布，并结合Matlab仿真，为舰船电力系统设备故障诊断提供了一个全面的新方法和新途径。

3 结束语

本文将可拓识别方法和贝叶斯方法相结合，并结合Matlab仿真，得到一种舰船电力推进系统设备故障诊断的可拓-贝叶斯判别方法。该方法集合了这两种方法的优点，使舰船电力系统设备故障诊断考虑的问题更全面，故障损伤等级程度判别的结果更准确，为舰船机电部门专家及保障人员确定最后的维修方案提供重要的理论依据。限于篇幅，提取的判别特征指标不够细化、节域及经典域的确定缺乏足够多的故障样本支撑，实现计算机的辅助故障诊断都是下一步需要重点研究解决的问题。