基于本体故障树的关键机组诊断决策研究

本资料包含pdf文件1个，下载需要1积分

Research on the Diagnosis Decision-making of KeyUnits Based on Ontology and Fault TreeYU De-jie ，ZHAO Dan。ZH0U An-mei(State Key Laboratory of Advanced Design and Manufactu ring for Vehicle Body-Hunan Univ，Changsha。Hunan 410082。China)Abstract：In order to meet the requirements of locating fault causes of continuous work equipments orunits in petrochemical enterprise quickly，an ontology based fault tree construction method was proposed。

In the proposed method，the fault tree is generated from domain ontology，and then the ratio of efficiencyto time for fault diagnosis is obtained through the quantitative analysis of the fault tree.At last，the opti-real fault diagnosis path can be obtained according to the descending order of the ratio of efficiency to timefor fault diagnosis.This method combines the advantages of ontology and fault tree，and it realizes rapidfault causes locating based on knowledge sharing and reuse.Application example shows that the efficiencyof fault diagnosis can be increased and the costs of enterprise S maintenance can be reduced by using theproposed method。

Key words：ontology；knowledge representation；fault tree；fault diagnosis石化作为-种过程工业，生产活动具有连续性的特点，因而压缩机、风机等关键设备在生产流程中有着举足轻重的地位.压缩机、风机等关键设备价格普遍比较昂贵且缺乏备机，-旦停车容易造成整条.生产线停产；另-方面，这些设备相当复杂，对其实际运行状态的准确把握需要借助丰富的经验和先进的技术手段.因此，有必要研究快速有效的故障诊断技术，使这些设备在发生故障后能以最短的时间和收稿 日期 ：2012-I1-3O基金项目：国家高技术研究发展计划(863计划)资助项目(2009AA04Z414)作者简介：于德介(1957-)，男，湖南长沙人，湖南大学教授，博士生导师十通讯联系人，E-mail：djyu###hnu.edu.cn第 8期 于德介等：基于本体故障树的关键机组诊断决策研究 47最少的成本恢复正常工作。

随着理论体系的形成及动态故障树的发展，故障树分析已成为故障诊断技术中的-种有效方法，具有直观、快速的特点[1].倪绍徐等[2 提出了-种基于故障树的故障诊断方法，通过对故障判明效时比的计算，能够快速确定系统故障诊断的最优顺序，证明了其具有代价小且可实现快速诊断的特点。

Zhang等[3 将蒙特卡洛动态故障树运用到广域监视系统的可靠性评估中，可以准确描述基本元件与系统之间复杂的动态关系.Siontorou等 将故障树与基于模糊规则决策机制的推理相结合，构建了完备的知识库.上述方法都存在故障树数据收集困难的缺点，且没有考虑知识的可重用性与共享性，换- 个领域则要重新定义新知识，增大了工作量，且知识的规范性与可靠性也有待改进。

近年来，在计算机科学中关于本体的研究越来越多.所谓本体，最著名并被广泛引用的定义是由GruberC钉提出的本体是概念模型的明确的规范说明”.本体在对知识进行结构化表示方面优势明显，并且能够很好地进行知识重用和共享.Chen-6 用本体 0wL结构化语言表示隐性的专家经验知识，使知识结构更加清晰且易于理解.Simperl7 对本体在语义网中的可重用性进行了研究，并对现行的本体重用方法和工具进行了对比和归纳，证明了其可行性.同时，本体可以实现对领域知识中规则的表示，支持蕴含知识推理.Beimel等[8 构建了基于 Web本体语言 0WL和语义网规则语言 SWRL的情景访问控制知识框架，用于保障知识的机密性.Liu Bo等[9]提出-种非标准的推理算法用于获取符合实际情况的答案，解决了本体知识推理的不确定性问题.故障树的构建思想-般为结构化的分级构建，这与本体模型的构建思想是-致的。

本文将本体先进的知识表示方法引入到成熟的故障树研究中，提出了基于本体的故障树诊断决策方法，实现了两者优势的结合，从而在知识共享、重用的基础上，实现对故障的快速诊断定位.对某石化企业 GM35L-25离心式鼓风机的故障诊断实例表明，本文方法能有效提高石化企业关键机组故障诊断的效率，减少企业的设备维护成本。

1 基于本体故障树的诊断决策体系结构石化企业设备和机组种类繁多，每台设备或机组的故障信息存在差异，难以直接共享和集成.为了降低故障信息提取的复杂度，需要对这些信息进行规范性处理，以便于知识的共享与重用，而本体在知识共享和重用方面具有明显的优势[7]，因此本文采用本体对设备故障信息进行描述。

本文首先用本体来表示故障诊断中的故障知识，构建出故障本体，以此为知识基础构建故障树，并利用故障树对设备故障进行诊断定位，形成以本体语义为基础的故障树诊断决策.其体系结构如图1所示。

应用层逻辑层数据层故障本体库图1 基于本体故障树的诊断决策体 系结构Fig.1 The diagnosis decision-making systemstructure based on 0nto-Faulttree图1中的体系结构由数据层、逻辑层和应用层构成.数据层主要是由故障诊断信息所创建的故障本体，本体数据适配器用来实现本体库和数据集之间的交互.逻辑层中本体管理接口将数据传给本体生成拈以生成指定的本体结构，推理机负责异构本体的推理与-致性检测，本体接口为用户提供可访问本体库的方法，以实现下-步的故障树生成，故障树诊断流程主要是对故障树进行定量计算，求得各底事件的故障判明效时比，并对其从大到小排序，以此为依据找到效率最优的故障诊断路径，实现故障的快速定位.应用层中本体开发人员通过特定的本体开发软件设计所需要的本体，用户可以对故障树进行管理，并用其对设备进行故障诊断。

基于本体故障树的故障诊断流程为：首先对故障领域知识进行本体建模，然后根据本体规则和公理，按照给定的逻辑构建故障树，在此基础上进行故障树分析，得出故障诊断的最优决策，确定故障诊断程序.图 2为基于本体故障树的故障诊断流程。

I使用故障本l I依据本体与lI体表示故障l-l规则构建故Il树知识 I l障树 Il求出系统最小割集、顶- l事件概率、元件关键重l要度与故障判明效时比图2 基于本体故障树的故障诊断流程Fig.2 The fault diagnosis process based on Onto-Faulttree48 湖南大学学报(自然科学版)2 基于本体的故障树构建2.1 基于本体的故障知识表示本体最初起源于哲学，在哲学中将本体定义为对世界上客观存在物的系统的描述，即存在论”。

1993年Gruber将本体解释为本体是概念模型的明确的规范说明” ]，核心是在把握事物本质的基础上，通过抽象事物类型及其关系约束的明确定义，实现复杂认知知识 的规范描述 ，由此可以达到准确、规范和结构清晰地表达知识的 目的。

本体的基本结构是-个三元组，即 onto：：-(c，A，R).其中，C为概念集合，或者称之为对象集合；A为属性集合；R为各概念之间的关系集合.可见，本体的基本特征为：领域由概念组成，概念具有属性，各个概念之间存在联系，在图形上可以表示为- 个由节点和有向边组成的网络。

在实际工程应用中，这个最基础的本体结构不能满足复杂的知识领域的表示，因此，本文以此三元组为基础，扩展出新的故障本体(FaultOnto).故障本体的代数结构可以表述成 FaultOnto：：.其中，C为概念集合，在此表示设备故障模式或现象集合；A为固有属性集合，在此表示故障症状表现集合；R为关系集合；S为状态集合，在此表示故障状态集合；Ax为公理集合；Bel为状态取值的可信度，取值范围为正常”故障”故障征兆”等。

2.2 基于本体的故障树构建思路将领域知识以 FaultOnto本体模型方式描述后，应依据其中的公理、规则等内容构建故障树.由于故障树的构建思想-般都是结构化的分级构建，这与本体模型的构建思想是-致的，因此，可以基于本体来构建故障树.故障树中组成元素的顶事件、底事件和中间事件在本体领域知识建模中定义完成。

在设定各故障模式的属性，确定其在故障树中所处的位置后，需要用逻辑门将其连接起来，构建成完整的故障树，这在本体中通过使用规则来实现。

这里以鼓风机中变速机的故障为例，阐述基于本体故障树构建过程。

现知识领域中有如下 3条规则：规则 1 if变速机异常 then变速机轴承温度高于 75℃ or变速机轴振动大于 69.2 m。

规则 2 if变速机轴承温度高于 75℃ then润滑系统故障 or变速机轴承故障。

规则3 if变速机轴振动大于 69.2 m then轴不对中 or轴不平衡。

这些规则涉及到的本体类、属性和个体如表 1所示.由于目前本体编辑软件中某些插件对中文的支持并不完善，所以本文的术语全部以英文表示，具体应用时通过读取其注释属性中的中文标记与中文用户进行信息交互。

表 1 FaultOnto本体 术语表Tab.1 FaultOnto glossary规则 1是-种偏 自然语言的表示方式，用本体表示如下，本文在描述本体时采用 Turtle语法。

：VariatorFault rdf：type：FailureMode：VariaBearingTempHigh rdf：type：FailureMode：VariaShaftVibraBig rdf：type：FailureMode：VariatorFault：beeauseOf：VariaBearingTempHigh：VariatorFault：becauseOf：VariatorFault：VariatorFault：hasLogicGate：OrGate由上述代码可知，故障 VariatorFault有 2个故障原 因：VariaBearingTempHigh和 VariaShaftvi-braBig；同时 ，VariatorFault与 逻 辑 或 f-1 OrGate相联。

在程序代码中，通过如下步骤形成-个故障树：1)查找与故障相联的逻辑f-I；2)查找与故障相联的故障原因；3)将故障、故障原因用逻辑门相联。

如此便可形成-个故障树，同时，它也是完整故障树的组成部分.由上述代码可以获得的故障树如图 3所示。

图 3 故障树示例 1Fig.3 Fault tree example 1第 8期 于德介等：基于本体故障树的关键机组诊断决策研究 49继续查找图3中2个底事件有无相对应的故障原因和逻辑门，重复前-步骤，最终可以得到由此 3条规则构建的故障树，如图4所示。

图 4 故障树示例 2Fig.4 Fault tree example 2值得注意的是 ，本文将属性 becauseOf设定 为传递属性，因此，通过推理机的运算，可以直接获得导致顶事件发生的原因，但是如果没有逻辑门的辅助，则无法获得完整的故障树。

3 基于故障树的故障诊断方法在由本体构建故障树后，通过现有成熟的故障树分析方法，可以由演绎分析得出系统的故障部位及故障原因，清晰地表达与用户最关心的失效模式有重要关系的系统状态，为系统的可靠性分析提供依据。

从概率的角度来说，要快速定位故障原因，可以先从元件关键重要度大的故障原因开始依次排查，但是当元件平均故障检测时间太长时，平均单位检测时间确定的故障概率就较低，仍以此为顺序来排查显然是不合理的.这种情况下可以用故障判明效时比作为排序依据，并依照从大到小的顺序确定故障树诊断的先后次序。

故障树的故障定位分析需要首先算出最小割集，其计算方法如下。

设故障树的底事件集为 x ，X ，，X )，故障树的结构函数为 (X)，如果有-个子集为a- X。1，X。2，，X。 )， (1)且X。1，X 2， ，X ∈ X1，X2，，X 。

当满足条件 X ：X。 - ·-X -1时 ，定有(X)- 1成立，则定义 a为割集，即割集为故障树中-些底事件的集合，当这些底事件同时发生时，顶事件必然发生.如果 a- X。 ，X。， ，X。 )是-个割集，若再也找不到-个割集 ，使 n，但 ≠a，则称 a为最小割集，即将割集中所含的底事件任意去掉-个就不再成为割集 ，这样的割集就是最小割集。

再计算故障判明效时比，以获得故障诊断排序依据.故障判明效时比为元件关键重要度与元件平均故障检测时间的比值，其表达式为：R cr- I /MTTD . (2)式中：MTTD为元件平均故障检测时间；I7 为关键重要度，代表由元件的失效概率变化率而引起的系统失效概率的变化率，其计算方法见文献E23，此处不再赘述。

采用上述方法可以快速有效地对导致故障树顶事件的故障原因进行定位，缩短故障诊断的时间。

4 诊断实例以某石化企业生化车间的 GM35L-25离心式鼓风机的故障诊断为例，来验证基于本体故障树的关键机组诊断决策的可行性.作为-种过程工业，该车间的鼓风机机组要保证 24 h连续工作，-旦机组发生故障，则要快速对故障原因进行定位，做到及时修复.该车间之前的做法是现场值班人员每隔 1 h记录-次机组各种运行指标 的状态 ，这里 的各种指标对应于故障树的各底层事件，这种方法的缺点是记录的数据量庞大 ，花费人力较多。

通过查 阅该 GM35L-25离心式鼓 风机 的运 行记录资料，发现 2012-08-03T15：00机组故障报警，停机后经现场人员的检修，最终发现油路系统有泄漏，但是检修时有-定盲目性，采用的是逐-排查的方法，效率不高。

下面 采 用 本 文 方 法 进 行 分 析，通 过 查 阅该GM35L-25离心鼓风机的故障历史资料，总结出常见的故障如下：油过滤器故障、润滑油故障、变速机故障和电机故障等.使用 OWL[1叩语言作为这些故障知识的表达语言，通过 Prot6g6[1 软件进行编辑，建立其本体模型如图5所示.在 Java平台通过 Jena提供的应用程序接口访问此本体文件，实现本体的推理、知识检索和重用等功能.接着以该机组故障报警为顶事件，通过 Java程序进行本体推理，依据其第 8期 于德介等：基于本体故障树的关键机组诊断决策研究 51表 2 各底事件故障数据Tab.2 Fault data of botom events对各底事件的故障判明效时比Rcr从大到小排序，找到最优的诊断顺序为：油系统泄漏或堵塞-油冷器故障-电机电压过高-油泵故障-电机定子绕组故障-油过滤器故障-变速机轴承故障-变速机轴不对中-电机轴不对中-电机轴不平衡-变速机轴不平衡.与实际检修结果进行对比，可见采用本文方法可以减少故障排查的步骤，从而实现了故障原因的快速定位。

5 结束语1)本文采用本体表示设备故障领域知识，并提出本体故障树的构建方法，利用其生成的故障树可以实现不同设备或机组之间故障树知识的共享与重用，方便企业的设备维护。

2)故障树是以本体知识为基础，由用户触发后构建的，能够及时反映领域知识的变更，实现了故障树的动态构建，避免了大量重复工作。

3)通过对本体故障树进行定量分析，计算出各底事件的故障判明效时比，对其从大到续行排序，以此为依据找到最优的故障诊断路径，可以快速定位故障原因，减少现场设备维护人员的工作量。