基于本體和FTF的風力發電設備維護優化

周安美 于德介 劉 堅 李 蓉

湖南大學汽車車身先進設計制造國家重點實驗室，長沙，410082

0 引言

20世紀90年代以來，全球風力發電機組裝機容量年增長率超過了20%［1－2］。但伴隨而來的是風力發電機組故障的大量增加，設備維護水平成為影響風電場運作成本的重要因素。同時，風電設備大多分布分散、地處偏僻，維護工作需要較多的成本投入。因此，合理制定維護計劃對于有效提高風電設備維護效率、保障風電設備安全運行有著重要的應用價值。

故障模式影響及危害性分析（failure mode effects and criticality analysis，FMECA）是一種主要用于評估各種潛在故障對系統功能、可靠性、維修性及人員、環境安全影響的方法，能為制定維護計劃提供指導意見，廣泛應用于核能、航空航天、汽車、化工等領域［3－4］。在風電方面，Arabian－Hoseynabadi等［5］使用FMECA方法對比研究了多種風電設備，提出了提高設備可靠性的建議。但這些研究都基于單因素進行分析，即假定每個故障模式都是相互獨立的，不考慮各故障之間的相互影響，這在某些情景中與實際情況不符。解決該問題的思路之一是將故障樹分析（fault tree analysis，FTA）與FMECA 相結合，在FMECA分析的同時實現多故障因果關系的演繹，這種方法稱為FTF方法。Pickard等［6］將FMECA和FTA相結合，實現了多故障情況下的設備風險評估。Xiao等［7］在此基礎上對FMECA的風險順序數加權值，使之與實際情況有更好的匹配度。Wang等［8］將這種結合方法應用于化工領域，為制定維護計劃提供指導。上述研究中故障樹都是專家按照領域知識人工構建的，這在進行復雜設備FMECA研究時工作量巨大。同時，風電設備維護的FTF實施過程是一個邊設計、邊分析、邊改進的過程，需要團隊的密切合作，這要求不斷地進行知識重用和共享，而實施FTF的知識大多來自自然語言，難以重用；同時，若故障規則發生改變，故障樹往往需要重新構建，這個過程工作量也非常大。

近年來，本體技術發展迅速，在知識管理、語義網、電子商務等領域均有應用，為解決知識共享、重用困難以及知識推理欠缺等問題提供了新的解決方法［9－10］。為此，很多研究人員嘗試將本體引入工程應用領域。Chau［11］針對潮汐和水質建模問題構建了基于本體的知識管理系統，實現了專家經驗知識的共享。Yang等［12］使用OWL語言描述產品配置領域知識，實現了產品配置知識的重用。在FMECA描述方面，Guebitz等［13］嘗試使用本體建立醫藥領域的FMECA模型，闡述了其建模的各個步驟，但其研究只涉及FMECA本體的建模，并沒有研究領域規則的利用及故障樹的構建。

針對風電領域FTF制定維護計劃過程中對知識重用、共享、推理以及維護計劃優化的需求，本文提出了一種風電FMECA與FTA相結合的FTF方法。該方法使用本體對風電FMECA領域進行建模，利用領域規則進行推理獲得故障樹，最后根據故障樹的最小割集進行定性計算，分析得出優化維護計劃的建議。應用實例驗證了該方法的可行性和有效性。

1 FTF方法在風電設備維護中的應用

FTF方法是將FMECA和FTA結合進行安全分析的方法。其中，FMECA是用歸納邏輯對系統的可靠性與安全性等進行定性分析的方法，該方法通過對系統組成單元的各種潛在故障模式及其對系統功能的影響與后果的嚴重程度進行分析，提出可能采取的預防改進措施，提高系統可靠性。FTA是一種關于故障因果關系的演繹分析方法，該方法通過逐級分析，得到導致某種故障事件的各種可能原因，直到最基本的原因。FMECA只對單一故障模式進行孤立分析，且不能表示故障之間的邏輯關系，FTA能夠彌補這種不足，兩者結合可以分析風電設備故障的多種影響因素，并能增強分析結果的邏輯性和直觀性。

1.1 風電設備維護中的FMECA

FMECA可看作由故障模式影響分析（failure modes and effects analysis，FMEA）和危害性分析（criticality analysis，CA）兩部分組成，其中FMEA用于估計并記錄風電設備某一功能或者部件發生故障時對系統性能、人員和設備安全、維修等方面的影響；CA通過定性或定量分析的方式確定各種故障模式對系統的綜合影響。首先進行FMEA分析，具體步驟如下：①在資料收集的基礎上對系統進行定義；②根據風電設備的特征，確定其所有可能的硬件故障模式；③根據設備自身和外界因素，通過故障模式找出故障原因；④按層次劃分故障的影響和并確定其嚴重程度；⑤根據故障模式、原因、影響和嚴重程度等因素，分析故障檢測的方法、手段及其可行性；⑥設計改進和使用補償措施，以消除或減輕故障影響。

CA在FMEA的基礎上再增加一層任務，按照每個故障模式的嚴酷度、發生度和檢測度計算故障的風險順序數（risk priority number，RPN），評定故障的嚴重程度，RPN值計算公式為

其中，O為發生度，S為嚴酷度，D為檢測度，O、S、D三者取值范圍均為［1，10］之間的整數，通常由領域專家按照設備歷史資料和維護經驗進行評定。O、S、D均取值為1分別表示發生度極低、故障影響輕微、故障容易被檢測出來；O、S、D均取值為10分別表示發生度極高、故障為無警告的嚴重危害、幾乎不可能事先檢測出故障。

RPN用于評估風險的高低，通常依據RPN值的降序依次制定補償措施，即從設備最有可能出現故障的方面著手，來減少設備整體的故障率。

1.2 FTA在風電設備維護中的應用

風電設備的FTA作為一種圖形演繹法，可以對風電設備的故障進行層層追蹤分析，在清晰的圖形下表達故障事件的內在聯系，并指出單元故障與系統故障之間的邏輯關系，通過定性分析或定量分析計算設備的失效概率，為改進設備可靠性提供數據支持。

故障樹由頂事件、底事件、中間事件和邏輯門符號組成，其中頂事件表示風電設備的故障，底事件代表導致故障發生的原因，中間事件是位于頂事件和底事件之間的中間結果。將各種事件用邏輯門符號連接，形成倒立的樹狀邏輯因果關系圖即為故障樹。

故障樹的定性分析要求先獲得故障樹的所有最小割集，它包含了能使頂事件發生的最小數量的必需底事件的集合，顯示了處于故障狀態的設備必須修復的基本故障。在求出最小割集后，可以根據最小割集的階數對其進行比較分析，通常來說最小割集階數越低，重要性越高。

1.3 FTA與FMECA的結合

FMECA的不足之處為只考慮單個故障的影響，而現實中某個故障模式的出現常常是多個部件同時失效的結果，不同層次的故障可以通過“與”和“或”的邏輯來進行關聯，這些邏輯在FMECA的研究中無法體現，而故障樹正好可以彌補這一不足。

FTA與FMECA的結合方式可以分為正向FTF和逆向FTF兩種，其中正向FTF是先進行FMECA，然后進行FTA；逆向FTF是先進行FTA，再進行FMECA。相比而言，正向FTF能比較全面地分析設備每個功能故障模式及其影響，同時也考慮到硬件、軟件、人為等因素和多重故障的影響，更能滿足風電設備維護的要求，所以，本文采用正向FTF進行分析。

圖1 正向FTF步驟示意圖

正向FTF分析的步驟如圖1所示，首先需要定義風電設備維護系統，即進行設備功能分析和繪制設備可靠性框圖，描述設備的各項任務、各任務階段以及各工作方式的功能。以此為基礎依次進行FMEA研究和CA研究，將相應的研究結論填入指定表格。然后選取嚴酷度大的故障模式作為FTA的頂事件，從上到下逐級建樹，得到導致故障發生的底事件，通過定性分析，得到重要底事件的清單。最后根據重要底事件的清單，推導出需要加大維護力度的設備部件，并制定有針對性的改進措施。

多個故障模式結合對上層故障產生影響時，嚴酷度S與頂事件保持一致，檢測度D和發生度O這兩個概率值則需要做出調整。根據文獻［6－7］，兩個故障模式結合的發生度和檢測度評估取值如圖2所示。當需要對3個或更多故障模式進行綜合評估時，可將其拆分成多個雙故障模式結合的形式分步進行，如評估故障1、2、3的檢測度和發生度，可先評估故障1、2，再將兩者的評估結果與故障3結合進行評估。

2 風電設備FTF的本體建模

在使用FTF對風電設備進行維護優化的過程中，需要綜合大量的信息，而在風電運營企業中，這些信息大多以自然語言的形式分散保存，集成這些信息需要大量的人工參與，同時這些集成的信息很難共享和重用，在調用上一次FTF保存的信息時仍然需要維護人員做大量的工作。為了解決這一問題，本文將信息技術領域內的本體技術引入風電維護的FTF中，使計算機能夠理解維護知識，增強維護知識的共享和重用能力。

圖2 兩故障綜合評估矩陣

2.1 FTF的領域知識建模

目前，本體構造方法的選擇沒有一個確定的標準，每個工程都可以采用獨立的構造方法。Fernández等［14］提 出 的 METHONTOLOGY 法獲得眾多研究人員的認可，本文也采用此構建方法，將本體開發過程分為規范說明（specification）、概 念 化 （conceptualization）、形 式 化 （formalization）、實現（implementation）等步驟。

2.1.1 風電設備FMECA本體的規范說明

本體的規范說明是用自然語言或某種規定的格式描述本體，通常包括以下內容：本體的領域和目標、本體設計準則、先驗領域知識、潛在用戶和使用案例等。風電設備FMECA本體的領域為風電設備的FMECA活動；涉及范圍包括風電設備硬件、維護活動、故障模式等方面；面向對象主要為風電設備的維護規劃人員，通過FMECA活動來查找當前計劃中的缺陷；知識來源為設備結構說明書、維護記錄、FMECA指導標準等。

2.1.2 風電設備FMECA本體的概念化

本體的概念化是使用概念模型來構建領域知識，其使用的術語來自前一步的本體規范說明。本體通常被認為由類、關系、個體和規則組成，其中類是具有相同屬性的事物的概括，關系是指類之間的聯系，個體是類的具體實例，規則是領域內的知識邏輯，可用于發現蘊含知識。完成此步驟首先需要建立完整的術語集合，包括本體的類、屬性、個體等，從風電設備FMECA知識中提取的部分類和屬性見表1，由于目前本體編輯軟件中某些插件對中文的支持并不完善，所以本文的相關術語全部用英文表示，具體應用時通過讀取其注釋屬性中的中文標記與中文用戶進行信息交互。

表1 風電設備FEMCA術語表

本文用一系列FMECA能力問題（competency question）建立各類之間的聯系。能力問題是設想用戶針對系統提出查詢問題，如圖3所示的FEMCA石川圖（Ishikawa diagram）。如“故障發生的原因是什么”的問題涉及故障模式和故障原因，兩者的表示術語分別為“FailureMode”和“FailureCause”，兩者之間可以使用對象屬性“becauseOf”聯系在一起。同理，“針對故障的檢測方法是什么”的問題涉及補償措施和故障模式，分別表 示 為 “IndemnifyingMeasure”和 “Failure－Mode”，兩者可以通過“indemnifyFor”屬性聯系起來。通過對一系列能力問題的處理，可以建立圖4所示的本體基礎知識構架。

圖3 FMECA能力問題的石川圖

圖4 本體中各類之間的聯系

2.1.3 風電設備FMECA本體的形式化

在本體的形式化過程中，需要詳細描述本體的各組成部件及其限制，完成對知識的嚴格定義。在這個過程中，本文借鑒軟件工程中面向對象建模的方法，完成對本體中各個類的屬性描述，如“WindTurbineEquipmentComponent”類需要添加“hasEquipmentSerialNumber”設備編號屬性、“hasInstallDate”安裝日期屬性等，來完善對知識的描述。同時，需要增加對屬性的約束，如“has－InstallDate”的值為日期型，“becauseOf”的主語對象 是 “FailureMode”，取 值 范 圍 為 “Failure－Cause”。

2.1.4 風電設備FMECA本體的實現

本體的實現是用正式的計算機語言完成本體的編碼，本文采用的編碼語言為互聯網標準組織推薦的 OWL（web ontology language）［15］，使用Protégé軟件進行編輯［16］；同時，本體的查詢可以通過 SPARQL語言實現［17］。

本體的編碼完成后，需要對其進行驗證，這需要從本體的語義沖突和與領域知識相符兩方面進行，前者可以通過RacerPro等推理軟件實現；后者則需要人工檢查，確保本體中知識表示的正確性。

2.2 風電設備故障樹的構建

故障樹中組成元素的頂事件、底事件和中間事件在本體領域知識建模中定義完成，然后需要用邏輯門將其連接起來，構建成完整的故障樹，這可以通過使用本體規則來實現。

風電設備故障樹中邏輯門主要由與門和或門組成，與門表示多個故障原因同時發生時，上層故障才會發生；或門表示任意一個故障原因發生都會導致上層故障發生。本文嘗試根據FMECA本體知識推導出故障樹，設定故障原因“Failure－Cause”是故障模式的一種，在故障樹中是“FailureMode”的下層故障，用傳遞屬性“becauseOf”相連，在推理機的輔助下，可以直接查詢到產生頂事件的所有底事件故障原因。但這樣處理忽略了邏輯門，不能體現多故障之間的邏輯關系，因此，本文在本體中加入邏輯門“LogicGate”類，對故障模式增加“hasLogicGate”對象屬性和“isBottom－Event”數據屬性。以此為基礎，采用圖5所示的推導流程，可以獲得完整的故障樹，同時，流程中包含了Fussel－Vesely最小割集算法［18］，可以計算出故障樹的最小割集。

圖5 故障樹及最小割集推導流程

3 實用實例

為了驗證本文提出的利用本體和FTF優化風力發電設備維護計劃的可行性，選取某型風電設備現行的維護計劃為研究對象，通過正向FTF分析，尋找其維護計劃的不足之處。

風電設備維護優化的流程如圖6所示。首先，知識管理人員通過本體管理界面建立風電FMECA本體模型，構建風電設備維護知識庫，這個知識庫可以通過RacerPro等推理軟件驗證其正確性；然后通過SPARQL檢索引擎查詢知識庫，獲取FMECA各項數據；最后對這些數據進行FTF分析，并將分析結果提供給設備維護人員，完成整個分析流程。

圖6 風電設備維護優化流程圖

本文選取某風電場1500系列風力發電機組為研究對象，首先使用Protégé軟件建立風電設備的FMECA本體模型，如圖7所示，圖7中，從左到右依次表示在Protégé中實現的本體主要類、對象屬性、數據屬性以及實例個體。同時，在Protégé軟件中采用 SWRL（semantic web rule language）語言描述FMECA領域邏輯，如圖8所示，輔助構建故障樹。在Java平臺通過Jena提供的應用程序接口訪問該本體文件，實現本體的推理、知識檢索和重用等功能。

通過使用SPARQL查詢語句檢索，從本體知識模型中獲取各部件的FMECA要素，如故障模式、故障原因、故障影響、嚴酷度S、檢測度D和發生度O等，選取其中RPN值較高的主軸系統故障作為構建故障樹對象。

將主軸系統工作異常作為頂事件，通過本體規則進行推理分析，獲得圖9所示的故障樹。其中頂事件T為主軸系統工作異常，中間事件有主軸軸承失效G1、雙排調心輥子軸承失效G2、軸承座裂紋G3、主軸振動G4，底事件有軸承振動x1、潤滑不良x2、軸承及潤滑脂溫度監控失效x3、軸承座沖擊x4、軸承座鑄造缺陷x5、變速箱故障x6、裝配不對中x7、連接松動x8。

檢索FMECA本體中故障樹各底事件的嚴酷度S、檢測度D和發生度O，得到具體數值，見表2。

對圖9中故障樹采用Fussel－Vesely最小割集算法，得到最小割集｛x2，x3｝，｛x1｝，｛x4｝，｛x5｝，｛x6｝，｛x7｝，｛x8｝，割集中如果有多個故障，則按照圖2的評估矩陣將發生度O和檢測度D合并，可以獲得新的FMECA報告，見表3。

按照現行維護手冊，主軸及其附件的維護計劃見表4，表4中打√處表示需要以相應的頻度進行設備維護。

圖7 Protégé中的風電FMECA本體設計界面

圖8 本體SWRL規則設計

圖9 主軸系統故障樹示例

表2 底事件的FMECA分析

表3 最小割集的FMECA分析

表4 主軸及其附件維護計劃

將表2和表3進行對比，可以分析得出維護計劃表4存在的不足之處：

（1）故障x7的RPN值偏高，需要提高檢查頻度，故障x8的RPN值偏低，可以適當降低檢查頻度。

（2）經過故障樹最小割集分析，故障x2和x3存在冗余保護，兩者結合使故障發生率降低，檢測度數值升高，整體RPN值顯著降低，因此，可以適當降低主軸承潤滑的檢查頻度。

由此可以對現有維護計劃進行優化，得到表5所示的維護修正計劃，表5中打√處表示需要以相應的頻度進行設備維護。

4 結論

（1）FMECA和FTA均對優化風電設備維護計劃具有指導作用，兩者結合的FTF方法能發揮兩者的長處，實現多故障模式的綜合分析。

表5 主軸及其附件維護修正計劃

（2）通過本體實現FMECA的知識建模，可以滿足FMECA研究過程中對知識共享和重用的要求。

（3）利用風電FMECA領域知識進行推理獲取故障樹，能有效重用領域知識，減少工作量。

［1］ Amirat Y，Benbouzid M E H，Al－Ahmar E，et al.A Brief Status on Condition Monitoring and Fault Diagnosis in Wind Energy Conversion Systems［J］.Renewable and Sustainable Energy Reviews，2009，13（9）：2629－2636.

［2］ 張希良.風能開發利用［M］.北京：化學工業出版社，2005.

［3］ Li Jun，Xu Huibin.Reliability Analysis of Aircraft Equipment Based on FMECA Method［J］.Physics Procedia，2012，25：1816－1822.

［4］ Eti M C，Ogaji S O T，Probert S D.Strategic Maintenance－management in Nigerian Industries［J］.Applied Energy，2006，83（3）：211－227.

［5］ Arabian－Hoseynabadi H，Oraee H，Tavner P J.Failure Modes and Effects Analysis（FMEA）for Wind Turbines［J］.International Journal of Electrical Power ＆ Energy Systems，2010，32（7）：817－824.

［6］ Pickard K，Muller P，Bertsche B.Multiple Failure Mode and Effects Analysis－an Approach to Risk Assessment of Multiple Failures with FMEA［C］//Proceedings of Reliability and Maintainability Symposium.Piscataway，2005：457－462.

［7］ Xiao Ningcong，Huang Hongzhong，Li Yanfeng，et al.Multiple Failure Modes Analysis and Weighted Risk Priority Number Evaluation in FMEA［J］.Engineering Failure Analysis，2011，18（4）：1162－1170.

［8］ Wang Yuqiao，Cheng Guangxu，Hu Haijun，et al.Development of a Risk－based Maintenance Strategy Using FMEA for a Continuous Catalytic Reforming Plant［J］.Journal of Loss Prevention in the Process Industries，2012，25（6）：958－965.

［9］ 姜亮，孫鐵兵，屈福政.基于本體的技術創新研究［J］.中國機械工程，2008，19（15）：1853－1857.Jiang Liang，Sun Tiebing，Qu Fuzheng.Study on Ontology Based Technical Innovation［J］.China Mechanical Engineering，2008，19（15）：1853－1857.

［10］ 黃衛東，王有遠，謝強，等.基于本體的設計知識檢索研究［J］.中國機械工程，2007，18（21）：2566－2569.Huang Weidong，Wang Youyuan，Xie Qiang，et al.Research on Management of Design Knowledge Based on Ontology in the Integrated Product Development［J］.China Mechanical Engineering，2007，18（21）：2566－2569.

［11］ Chau K W.An Ontology－based Knowledge Management System for Flow and Water Quality Modeling［J］.Advances in Engineering Software，2007，38（3）：172－181.

［12］ Yang Dong，Miao Rui，Wu Hongwei，et al.Product Configuration Knowledge Modeling Using Ontology Web Language［J］.Expert Systems with Applications，2009，36（3）：4399－4411.

［13］ Guebitz B，Schnedl H，Khinast J G.A Risk Management Ontology for Quality－by－design Based on a New Development Approach According GAMP 5.0［J］.Expert Systems with Applications，2012，39（8）：7291－7301.

［14］ Fernández M，Gómez－Pérez A，Natalia J.Methontology：From Ontological Art Towards Ontological Engineering［C］//Proceedings of the Ontological Engineering AAAI－97Spring Symposium Series.Stanford，1997：33－40.

［15］ Grau B C，Horrocks I，Motik B，et al.OWL 2：The Next Step for OWL［J］.Web Semantics：Science，Services and Agents on the World Wide Web，2008，6（4）：309－322.

［16］ Fernández N，Fuentes D，Sánchez L，et al.The News Ontology：Design and Applications［J］.Expert Systems with Applications，2010，37（12）：8694－8704.

［17］ Alkhateeb F，Baget J F，Euzenat J.Extending SPARQL with Regular Expression Patterns（for Querying RDF）［J］.Web Semantics：Science，Services and Agents on the World Wide Web，2009，7（2）：57－73.

［18］ 謝里陽，王正，周金宇，等.機械可靠性基本理論與方法［M］.北京：科學出版社，2009.