[發(fā)明專利]基于知識petri網(wǎng)的船用電站故障診斷方法

有效

• 申請?zhí)枺?/td>: 201410457480.4
• 申請日: 2014-09-10
• 公開（公告）號: CN104268375B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計）人: 馬良荔;王燕平;孫煜飛;蘇凱;覃基偉
• 申請（專利權(quán)）人: 中國人民解放軍海軍工程大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00;G01R31/08
• 代理公司: 武漢開元知識產(chǎn)權(quán)代理有限公司42104
• 代理人: 黃行軍,李滿

技術(shù)領(lǐng)域

本發(fā)明涉及船用電站故障診斷技術(shù)領(lǐng)域，具體地指一種基于知識的petri(Petri網(wǎng)是對離散并行系統(tǒng)的數(shù)學(xué)表示)網(wǎng)的船用電站故障診斷方法。

背景技術(shù)

船用電站設(shè)備多，涉及的技術(shù)復(fù)雜，其維修保障工作十分繁重。雖然通過長期的資料積累和維修人員維修經(jīng)驗的不斷增長，電站故障診斷的效率在不斷地提高，但是故障資料多是以紙張形式保存，沒有形成故障知識，同時維修人員的經(jīng)驗水平的參差不齊也影響了故障診斷的效率。

目前的計算機故障診斷技術(shù)主要采用小波變換、最小二乘法、專家系統(tǒng)、故障樹和Petri網(wǎng)等方法。

1.基于小波變換：小波變換故障診斷方法先對信號進(jìn)行多級小波分解，得到各子帶數(shù)據(jù)。通過對小波變換系數(shù)模極大值的檢測來實現(xiàn)對信號奇異性的檢測，從而確定故障發(fā)生的時間，并推導(dǎo)出故障發(fā)生的地點。這種方法實時性好，但不能很好的處理潛在故障。

2.基于最小二乘法的方法：根據(jù)模型參數(shù)及相應(yīng)的物理參數(shù)的歷史數(shù)據(jù)對參數(shù)進(jìn)行估計形成一次估計值序列并用該序列進(jìn)行估值診斷。該方法故障檢測快而準(zhǔn)，診斷的實時性強；但由于不易辨識非線性與時變系統(tǒng)的參數(shù)，應(yīng)用受到限制。

3.基于專家系統(tǒng)的方法：專家系統(tǒng)是典型的基于知識的方法，它通過獲取大量的專家診斷知識，利用專家的推理方法，解決故障診斷領(lǐng)域的問題。缺點是知識獲取困難、知識庫更新能力差、領(lǐng)域知識之間的矛盾難于處理、邏輯表達(dá)和處理能力局限性大。

4.基于故障樹的方法：故障樹分析法通過對可能造成系統(tǒng)失效的各種因素進(jìn)行分析，從而確定系統(tǒng)失效原因的各種可能組合方式或其發(fā)生概率，將系統(tǒng)故障形成原因按樹枝狀逐級細(xì)化，將其邏輯關(guān)系用與、或等邏輯符號表示出來，自上而下逐級分解，直到不能分解的底事件，形成故障樹。故障樹診斷方法直觀、形象，能夠?qū)崿F(xiàn)快速的診斷。缺點是不能診斷不可預(yù)知的故障；診斷結(jié)果嚴(yán)重依賴于故障樹信息的正確性和完整性。

5.基于Petri網(wǎng)的方法：Petri網(wǎng)是一種可用圖形表示并可使用數(shù)學(xué)方法進(jìn)行描述的組合模型，可以很好地表示系統(tǒng)狀態(tài)和行為的變化關(guān)系，準(zhǔn)確地描述系統(tǒng)的產(chǎn)生和傳播特性。Petri網(wǎng)的缺點是其節(jié)點數(shù)量隨著系統(tǒng)復(fù)雜度的提高而不斷增多，使模型分析帶來困難，容易造成狀態(tài)空間爆炸。對于大型復(fù)雜裝備故障診斷而言，系統(tǒng)的信息量非常大，而且具有較大的冗余性，這在一定程度上會影響Petri網(wǎng)建模的準(zhǔn)確性和高效性。

參考文獻(xiàn)：張煒.故障Petri網(wǎng)的狀態(tài)方程研究.蘭州工業(yè)高等專科學(xué)校學(xué)報，2007,17(2)。

發(fā)明內(nèi)容

本發(fā)明的目的就是要提供一種基于知識petri網(wǎng)的船用電站故障診斷方法，該方法能實現(xiàn)故障部位的快速準(zhǔn)確定位，并能利用船用電站故障Petri網(wǎng)模型實現(xiàn)故障診斷，區(qū)分主次故障原因，盡量避免故障原因漏判，提高船用電站故障診斷的準(zhǔn)確性和高效性。

為實現(xiàn)此目的，本發(fā)明所設(shè)計的基于知識petri網(wǎng)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(xiàn)有的船用電站故障Petri網(wǎng)模型Σ中獲取船用電站各單元的實際故障與所對應(yīng)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(yīng)的故障征兆的集合通過以下步驟201～步驟205所述的改進(jìn)的Apriori算法，進(jìn)行強關(guān)聯(lián)規(guī)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(guān)聯(lián)規(guī)則挖掘出來；

步驟201：設(shè)船用電站各單元的實際故障與所對應(yīng)的故障征兆的集合為I＝{i₁,i₂,…,i_n}，設(shè)船用電站故障Petri網(wǎng)模型Σ中所有實際故障集合為I_F，設(shè)船用電站故障Petri網(wǎng)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(shè)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(shù)目，也就是故障征兆子集的數(shù)目；