[發明專利]基于知識petri網的船用電站故障診斷方法

有效

• 申請號: 201410457480.4
• 申請日: 2014-09-10
• 公開（公告）號: CN104268375B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 馬良荔;王燕平;孫煜飛;蘇凱;覃基偉
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G01R31/08
• 代理公司: 武漢開元知識產權代理有限公司42104
• 代理人: 黃行軍,李滿

1.一種基于知識petri網的船用電站故障診斷方法，其特征在于，它包括如下步驟：

步驟1：在現有的船用電站故障Petri網模型Σ中獲取船用電站各單元的實際故障與所對應的故障征兆的集合；

步驟2：對上述船用電站各單元的實際故障與所對應的故障征兆的集合通過以下步驟201～步驟205所述的改進的Apriori算法，進行強關聯規則挖掘，即將船用電站各單元的故障征兆和實際故障間的強關聯規則挖掘出來；

步驟201：設船用電站各單元的實際故障與所對應的故障征兆的集合為I＝{i₁,i₂,…,i_n}，設船用電站故障Petri網模型Σ中所有實際故障集合為I_F，設船用電站故障Petri網模型Σ中所有實際故障的故障征兆集合為I_N，且有I＝I_N+I_F，然后按照故障征兆不同的類型，將上述故障征兆集合I_N分為若干項故障征兆子集的組合，即設故障征兆類型共有m類，則有：

其中，I_Nj和I_Nl指的是I_N中的第j及第l類故障征兆子集，m為故障征兆類型的數目，也就是故障征兆子集的數目；

另外，設從船用電站故障Petri網模型Σ中獲取的船用電站各單元的實際故障與所對應的故障征兆的所有對應記錄為集合D，這些實際故障和故障征兆稱為集合D的項，集合D內的每一個元素R都是一條故障征兆與實際故障的對應記錄，元素R是一個同時包含若干個故障征兆和一個對應的實際故障的集合，并且這些若干個故障征兆是分別屬于不同類的故障征兆子集的；上述船用電站各單元的實際故障與所對應的故障征兆的集合I為所述集合D的所有項的集合，集合D內的每一個元素R都是集合D的一個項集；

對于集合D中的元素R而言，由R中的若干元素組成的項集稱為R的子項集，這些子項集也是D的項集；對于屬于集合D的任意一個項集V有：

V＝{i_e,i_f,....,i_g,i_h}(i_e,i_f,....,i_g∈I_N,i_h∈I_F)

如果屬于集合D的任意一個項集V有k個元素，那么稱項集V為k項集(k≥1)；規定項集V必須滿足的條件為：項集V的前k-1個元素i_e,i_f,....,i_g分別屬于k-1個不同類的故障征兆子集，第k個元素i_h是一個實際故障；

項集V在集合D中的支持度是指項集V在集合D中出現的概率，即集合D中的元素包含項集V的概率，也就是說集合D中包含項集V的元素數量與集合D的元素數量的比值，即：

Support(V)＝P(V)

其中，Support(V)為項集V的支持度，P(V)為項集V在集合D中出現的概率，如果項集V滿足：

Support(V)≥min_sup

其中min_sup為設定的最小支持度閾值；那么項集V是一個頻繁項集，稱為頻繁k項集；

由項集V的所有元素組成的蘊含式{i_e,i_f,....,i_g}→{i_h}稱為一條關聯規則，即如果存在項集V的前k-1個元素{i_e,i_f,....,i_g}，那么也存在第k個元素{i_h}；顯然集合和集合是項集V的子項集，也是集合D的項集；關聯規則X→Y的支持度是指集合D中的記錄同時包含X和Y的概率，也就是項集V的支持度，即：

Support(X→Y)＝Support(V)

關聯規則X→Y的置信度為集合D中的記錄如果包含所述集合X那么也包含所述集合Y的概率，也就是集合D中同時包含集合X和集合Y的元素數量與包含集合X的元素數量的比值，即：

Confidence(X→Y)＝P(Y/X)

其中Confidence(X→Y)是指關聯規則的置信度，P(Y/X)是指Y關于X的條件概率；

如果所述關聯規則X→Y滿足：

Support(X→Y)≥min_supConfidence(X→Y)≥min_conf]]>

其中min_conf為設定的最小置信度閾值；那么稱關聯規則X→Y是強關聯規則；

設集合L是集合D的所有頻繁項集的集合；集合L_k是集合D的所有頻繁k項集的集合；

步驟202：由集合D獲取集合L₁的候選集合C₁，其中，集合L₁為頻繁1項集的集合，候選集合C₁是集合D所有頻繁1項集的集合；按照步驟201中頻繁項集的定義篩選集合C₁中的元素，即對C₁中的任意一個元素r，如果滿足Support(r)≥min_sup，就把r存入L₁，如果集合L₁為空集，即結束運行，否則設計數器k＝1；

步驟203：使用連接步獲取集合L_k+1的候選集合C_k+1，連接步是指由L_k的元素進行自連接，自連接的規則是將集合L_k中具有相同前k-2項的元素兩兩組合，每一個組合在去除相同項后得到一個k+1項集，如果這個k+1項集是集合D的一個k+1項集而且沒有在集合C_k+1出現過，就把這個k+1項集存入集合C_k+1，集合C_k+1的元素必須都不相同并且是集合D的k+1項集；

步驟204：使用剪枝步篩選集合C_k+1中的元素，剪枝步的規則是集合C_k+1保留的元素必須是步驟201中所定義的頻繁項集，由集合C_k+1中的所有保留的元素組成集合L_k+1，將L_k+1加入到集合L中，即L＝L∪L_k+1；

步驟205：如果集合L_k+1不是空集，即則令計數器自增1，即k＝k+1，返回步驟203繼續執行，否則對于集合L中的每一個元素按照步驟201中關聯規則的定義產生關聯規則，即對于集合L的任意一個元素v，假設v＝{i_a,i_b,....,i_c,i_d}(i_a,i_b,....,i_c∈I_N,i_d∈I_F)，那么關聯規則就是{i_a,i_b,....,i_c}→{i_d}，并使用步驟201中的強關聯規則的定義對關聯規則{i_a,i_b,....,i_c}→{i_d}進行篩選，即如果Support({ia,ib,....,ic}→{id})≥min_supConfidence({ia,ib,....,ic}→{id})≥min_conf,]]>那么{i_a,i_b,....,i_c}→{i_d}是一個強關聯規則，保留該關聯規則，所有強關聯規則組成強關聯規則集合；

步驟3：通過人機對話，用戶輸入故障征兆特征量和置信度，系統根據上述強關聯規則集合使用模糊推理進行故障征兆識別以確定實際故障；

步驟4：以故障征兆識別確定的實際故障為根庫所從船用電站故障Petri網模型Σ中抽取出子故障Petri網，使用故障Petri網正向運行和逆向推理的方法進行故障原因診斷，并根據診斷結果給出故障原因、故障路徑圖和相應的故障維修方法。

2.根據權利要求1所述的基于知識petri網的船用電站故障診斷方法，其特征在于：所述步驟4中，以故障征兆識別確定的實際故障為根庫所從船用電站故障Petri網模型Σ中抽取出子故障Petri網通過以下步驟401～步驟408，使用故障Petri網正向運行和逆向推理的方法進行故障原因診斷，并根據診斷結果給出故障原因、故障路徑圖和相應的故障維修方法；

步驟401：船用電站故障Petri網模型Σ是一個自下而上的分層的Petri網，對于船用電站故障Petri網模型Σ中的庫所p_a，規定如果庫所p_a是葉子庫所，則庫所p_a包含了對應部件的累積故障時間函數f_a(τ)和失效閾值λ_a；如果在τ時刻，f_a(τ)≥λ_a則表示船用電站的部件在τ時刻發生了故障，庫所p_a產生一個托肯；

步驟402：以步驟3中故障征兆識別所確定的實際故障所對應的庫所p₀為根庫所從船用電站故障Petri網模型Σ中抽取出子故障Petri網Σ_sub作為本次診斷用的故障Petri網，設故障發生的時間點為t₀；

步驟403：計算子故障Petri網Σ_sub的初始狀態標識M₀，根據故障發送的時間點t₀和葉子庫所的累積故障分布函數，計算Σ_sub中所有葉子庫所的托肯數目，其它非葉子庫所的托肯數為0，令計數器k＝0；

步驟404：判斷子故障Petri網Σ_sub的當前狀態標識M_k中根庫所p₀的托肯數，如果為1則表示故障已經傳播到根庫所p₀，故障原因找到，更新狀態標識M_k中所有托肯數為1的葉子庫所的累積故障分布函數，本系統設定如果上一次對該葉子庫所進行累積故障分布函數更新時該葉子庫所對應的實際故障共發生了x次，那么當該實際故障總共發生次數達到x的1.2倍時再次對累積故障分布函數進行更新，更新方法是使用統計學知識人工調整，轉到步驟407；如果托肯數為0則表示故障原因未找到，根據當前狀態標識M_k求點火序列U_k，進入步驟405；

步驟405：如果根據當前狀態標識求的點火序列U_k存在則計算子故障Petri網Σ_sub下一個標識M_k+1，計算公式為現有的故障Petri網狀態方程其中C是關聯矩陣，運算符的運算規則是：對于兩個m×n的矩陣E和矩陣F，有G_ij＝max(E_ij,F_ij)(1≤i≤m,1≤j≤n)，即G中的元素是矩陣E和矩陣F中相同位置的元素中的較大者；計數器k自增1；轉到步驟404繼續運行；如果根據當前狀態標識求的點火序列U_k不存在，則需要根據可信度進行逆向推理，進入步驟406；

步驟406：根據可信度進行逆向推理查找故障原因，對于子故障Petri網Σ_sub中的庫所p_b和其下一層庫所中的某個庫所p_c，規定可信度w_bc指的是庫所p_b對應的實際故障發生是由庫所p_c對應的實際故障發生所引起的概率；

托肯數為1的葉子庫所表示對應的實際故障發生，按照步驟404中的更新方法進行累積故障分布函數更新；

將根庫所p₀的托肯數設為1，從根庫所p₀開始自上向下遞歸處理子故障Petri網的每一層庫所；

假設正在處理的庫所為p_d，判斷正在處理的庫所p_d的托肯數目，如果正在處理的庫所p_d的托肯數目為0表示對應故障沒有發生，正在處理的庫所p_d處理完畢；如果正在處理的庫所p_d的托肯數目為1則表示對應實際故障發生，如果p_d是葉子庫所則按照步驟404中的更新方法進行累積故障分布函數更新；如果不是葉子庫所則判斷正在處理的庫所p_d與正在處理的庫所p_d下一層庫所集合Z_d之間的變遷t的類型；

如果t是與變遷，那么集合Z_d中托肯數目為1的庫所表示故障已經傳遞到該庫所，無需對其進行遞歸處理；將為0的庫所的托肯數目設為1；

如果t是或變遷，則找出集合Z_d中可信度最高值對應的庫所p_q，將其托肯數目設為1，將正在處理的庫所p_d到可信度最高值對應的庫所p_q的可信度值w_dq加0.1，即w_dq＝w_dq+0.1，對集合Z_d中所有庫所的可信度歸一化處理，設集合Z_d有n個庫所，則歸一化公式為：

wdj′=wdj/1.1,(j≠q,pj∈Zd,pq∈Zd)1-Σln-1wdl′,(j=q,l≠q,pl∈Zd,pq∈Zd)]]>

其中w_dj是原始的可信度值，w′_dj是歸一化后新的可信度值，w′_dq是歸一化后正在處理的庫所p_d到可信度最高值對應的庫所p_q的可信度值，是除了w′_dq之外的n-1項新可信度值的和；

正在處理的庫所p_d處理完畢，如果正在處理的庫所p_d不是葉子庫所，那么判斷正在處理的庫所p_d與其下一層庫所集合Z_d之間的變遷t的類型，如果該變遷t是與變遷，就對集合Z_d中原來托肯值為0的庫所按照正在處理的庫所p_d的處理方式進行遞歸處理；如果變遷t是或變遷，就把集合Z_d中原來可信度最高值對應的庫所p_q按照正在處理的庫所p_d的處理方式進行遞歸處理；

對子故障Petri網Σ_sub的所有庫所遞歸處理完畢后，逆向推理結束；

步驟407：故障原因已經找到，進行主要故障原因和次要故障原因判斷，根據子故障Petri網Σ_sub當前標識M_k從根庫所開始自上而下遞歸拆分Petri網，假設正在處理的庫所為p_d，判斷正在處理的庫所p_d的托肯數目，如果正在處理的庫所p_d的托肯數目為0表示對應故障沒有發生，移除以正在處理的庫所p_d為根庫所的子故障Petri網；如果正在處理的庫所p_d的托肯數目為1表示故障發生，判斷正在處理的庫所p_d是否為葉子庫所，如果不是，則按照正在處理的庫所p_d的處理方法依次遞歸處理正在處理的庫所p_d的下一層庫所集合中的所有庫所，正在處理的庫所p_d處理結束；

子故障Petri網Σ_sub所有庫所均處理完畢后，遞歸拆分Petri網完成，子故障Petri網Σ_sub被拆分后的剩余部分結構就是本次故障的故障傳播路徑，剩余部分結構中的庫所如果在子故障Petri網Σ_sub中是葉子庫所，那它就是本次故障的主要故障原因，被移除部分中的托肯數目為1的庫所如果在子故障Petri網Σ_sub中是葉子庫所，那它就是本次故障的次要故障原因；

步驟408：根據診斷結果給出故障路徑傳播圖、主要故障原因、次要故障原因和故障維修專家指南，本次故障診斷結束。