艦船柴油主機滑油系統貝葉斯網絡推理故障診斷方法

【后勤保障與裝備管理】

艦船柴油主機滑油系統貝葉斯網絡推理故障診斷方法

許偉1a，程剛1a，陳于濤1b，曾凡明1b，李睿2

(1.海軍工程大學a.艦艇裝備仿真技術研究室；b.艦艇動力裝置及自動化教研室，

武漢430033; 2. 92132部隊,山東 青島266000)

摘要：以艦船動力裝置中的柴油主機滑油管路系統為研究對象，針對滑油系統故障診斷問題，分析了常見故障機理，建立了滑油系統常見故障的故障樹結構，在此基礎上構建了用于故障狀態推理的貝葉斯網絡模型，分析了滑油系統典型故障狀態下的貝葉斯狀態推理過程，為滑油系統的快速故障診斷提供了一種新的方法。

關鍵詞：貝葉斯網絡推理；滑油系統；故障診斷

收稿日期：2014-11-06

作者簡介：許偉(1987—)，男，博士，主要從事戰損搶修決策與仿真研究。

doi:10.11809/scbgxb2015.03.023

中圖分類號：U674;TJ83

文章編號：1006-0707(2015)03-0086-05

本文引用格式：許偉，程剛，陳于濤.等.艦船柴油主機滑油系統貝葉斯網絡推理故障診斷方法[J].四川兵工學報，2015(3):86-90.

Citation format:XU Wei, CHENG Gang, CHEN Yu-tao,et al.Method for Fault Diagnosis of Bayesian Network Inference in Marine Lube Oil System[J].Journal of Sichuan Ordnance,2015(3):86-90.

Method for Fault Diagnosis of Bayesian Network

Inference in Marine Lube Oil System

XU Wei1a, CHENG Gang1a, CHEN Yu-tao1b, ZENG Fan-ming1b, LI Rui2

(1. a. Research Institute of Equipment Simulation Technology; b. Marine Power Plant and

Automation Teaching and Research Section, Naval University of Engineering, PLA,

Wuhan 430033, China; 2. The No. 92132ndTroop of PLA, Qingdao 266000, China)

Abstract:Aiming at dealing with the fault status of lube system in power plant, common faults of the tree structure in the lube system was established, meanwhile, the Bayesian network model for fault state reasoning was constructed and the procedure of Bayesian reasoning was analyzed deeply in typical state of lube system，through which a new method was provided to the fast fault diagnosis.

Key words: Bayesian network inference; lube oil system; fault diagnosis

滑油系統的任務是將充足的滑油供給到動力裝置各設備(如柴油主機軸承傳動部件)的摩擦面上，使摩擦面上產生油膜，避免機械摩擦損傷。滑油不僅能夠減少摩擦損傷，還具有氣密、防腐蝕、冷卻、減震、清洗等作用。針對滑油系統狀態監測和故障診斷問題可采用多種方法，目前主要有故障樹法、事故樹法、畫樹法、多杈樹法、決策樹法和目標多杈樹法等。其中故障樹法與近年來備受關注的貝葉斯網絡推理相結合，對于解決復雜系統不確定因素引起的故障具有很大的優勢，被認為是目前不確定知識表達和推理領域最有效的理論模型之一。采用故障樹可以大大提高貝葉斯網絡模型建立的效率，避免主觀性，具有較高的邏輯性、準確度及信任度，而且國內很多學者對故障樹轉換成貝葉斯網絡的拓撲結構也有一定的研究，取得了豐富的研究成果,如文獻[1]中王廣彥對故障樹轉化為貝葉斯網絡過程進行了研究[1]，文獻[2]中周忠寶對存在房形事件的故障樹向貝葉斯網絡的轉化進行了研究。

針對滑油系統在運行中的各種故障，建立用于故障狀態推理的貝葉斯網絡，深入分析滑油系統典型故障狀態可以實時準確地對各種情況和數據進行處理和預測，有效減輕使用管理人員的工作強度，通過貝葉斯網絡推理可以快速有效地對滑油系統進行狀態監測和故障診斷，同時也解決了某些情況下處理人員經驗不足和處理專家精力有限的問題[3-5]。

1貝葉斯網絡推理

貝葉斯網絡(bayesian network，BN)是Pearl在1988年提出，又稱信度網絡，是貝葉斯推理方法的擴展。BN圖是一有向無環圖(directed acyclic graph，DAG )及其相關參數的集合。

1.1貝葉斯網絡結構

1.2聯合樹算法

貝葉斯概率推理是通過先驗知識和觀測變量，計算事件的后驗概率進行推理，推理算法分為精確推理算法和近似推理算法，精確推理算法比較成熟的有多樹傳播算法，聯結樹算法和桶消元算法，近似推理算法主要有隨機抽樣算法，搜索算法和模型簡化算法。精確推理算法以其容易理解，推理結果精確和高效的特點，得到了廣泛應用。聯結樹算法在貝葉斯網絡推理中比較常用。聯結樹算法把貝葉斯網絡轉變為一種二次機構(SS)，在貝葉斯網絡上的推理變為在SS上的推理。SS是由聯結樹(JT)和信念勢(BP)組成，在SS上推理需要建立聯結樹及利用信念勢計算概率，用φ(·)表示勢函數，如φ:(A,B)→P(A|B)。聯結樹的建立直接影響著貝葉斯推理算法，建立聯結樹可分為4步:

1) BN轉成Moral圖：將BN中同一節點的父節點用線段連接，去掉有向邊的方向，使其成為無向邊。

2) 將Moral圖三角化：經過上一步的轉換，BN中會形成若干個環，對于含有4個節點以上(包括4個)的環，添加一條線段將不相鄰的2個節點連接形成環中的弦。若圖中沒有4個節點以上的環，則不必進行三角化。

3) 確定圖中所有團節點：在三角化圖中確定團節點，團節點是圖中最大的全連通子圖。

4) 連接團節點建立聯合樹：建立的團樹必須包含所有團節點，2個團節點相交，用一條邊連接它們，最后形成聯合樹[6]。

圖1即是聯合樹的建立過程。

圖1　建立聯結樹流程

2研究對象

本文以艦用柴油機動力裝置中的滑油系統為研究對象，采用貝葉斯網絡推理的方法對滑油系統壓力降低的故障現象進行推理。

圖2是某型柴油主機滑油系統：P為壓力表，T為溫度表，LPA為低壓報警，HTA為高溫報警，LLPS為過低壓報警開關，HHTS為過高位報警開關。主機為干式潤滑，滑油系統由機帶泵通過磁性濾器從滑油循環艙吸油，并經過滑油冷卻器和滑油濾清器，進入主機潤滑各運動件后再回流到滑油循環艙。滑油冷卻器前設一只自動調溫閥，使所供滑油溫度保持在45～55℃的正常范圍。前后主機艙內各設置一臺備用電動滑油泵作為機帶滑油泵的備用。前后主機艙內各設有二臺主機滑油預供泵。主機起動前應至少進行10～15 min的預潤滑，主機停機后，至少應繼續保持供油15 min，手動停泵。柴油機在運行中，當柴油機滑油壓力低于0.25 MPa時，滑油預供泵自動起動，當柴油機滑油壓力高于0.42 MPa時,滑油預供泵自動停泵。滑油預供泵在主機集控臺上可遙控起停。

圖2　某型主機滑油系統布置簡圖

3滑油系統貝葉斯網絡推理模型

從推理過程和對系統狀態的描述過程看，貝葉斯網絡中的結點與故障樹中的事件是一一對應的，故障樹中的事件正是建立貝葉斯網絡所需結點的完整集合。然而貝葉斯網絡對系統故障狀態的描述能力要優于故障樹。由于故障樹假定所有事件均只有正常和故障2種狀態，所以底事件的狀態可用如下變量來描述，當底事件

頂事件T的狀態用結構函數φ表示，則φ是底事件狀態xi的函數，記作

式中

從上述分析中可以看到，故障樹假定事件都只有二態行(正常、故障)。貝葉斯網絡卻能描述事件的多態性，可以將故障樹中的事件看作是貝葉斯網絡節點概念的特例。節點的狀態可以采用如下變量描述

頂事件T的結構函數φ表示為

在實際分析過程中，可以將故障樹中的事件直接映射為貝葉斯網絡中的節點，二者在拓撲結構上具有相似性。

滑油系統常見的故障有滑油壓力偏低、滑油壓力偏高、滑油中含水、滑油溫度高、滑油溫度低等。

圖3即是綜合滑油系統各種故障狀態和相互間的邏輯關系繪制的滑油系統故障樹分析圖。根據圖3，整理確定底事件的貝葉斯網絡節點以及編號與概率值，如表1所示。

圖3　滑油系統故障樹分析

利用故障樹分析時，比如傳感器節點H1(滑油壓力下降)，其子節點D1(管路堵塞)，D2(調壓閥故障)，D3(濾器堵塞)以及H4(滑油溫度下降)全部不發生時，傳感節點H1肯定會不發生。但實際上，即使真的出現上述工作狀況時，也難以保證滑油壓力不下降，因此需要將網絡參數進行修正。按照故障樹分析基本邏輯關系得到滑油系統的貝葉斯網絡，將重復故障變量融合為一個BN節點。

結合表1的節點及編號繪制出滑油系統BN結構模型，如圖4所示。

表1　底事件的BN節點及概率值

圖4　滑油系統 BN結構模型

4算例

以滑油系統壓力降低的故障故障診斷問題為例。動力裝置運行時，滑油系統完全失效對裝置的工作會產生致命性影響，所以對滑油系統需要進行故障影響因素分析，進而找到滑油系統的薄弱之處。設置節點H(滑油系統)為完全損壞，利用聯合樹算法進行概率計算得到底事件的結果，如表2所示

詳細的概率變化情況如圖5所示，其更新前的概率點連線為貝葉斯網絡模型節點的初始概率情況，更新后的概率點連線為貝葉斯網絡模型節點概率更新后的概率情況。由圖5可以看出，當節點H1(滑油系統故障)狀態更新時，所有底事件節點的狀態都發生了變化，其中概率值最高的以及變化最大的就是節點D10(滑油濾渣堵塞)，這一推理結果說明在底事件中濾渣堵塞這一故障對滑油系統正常運行危害性最大。濾渣堵塞不僅會影響滑油在管路中的流動，導致油泵發生故障，滑油壓力降低，柴油機設備的摩擦面潤滑不良，產生接觸性摩擦，金屬表面熱損傷。更為嚴重的情況是，濾網被濾渣損傷，繼而產生濾網碎屑，導致滑油泵葉片因濾渣及濾網碎屑堵塞完全不能工作，滑油系統失去動力源，整套滑油系統失去工作能力。所以，在中間節點狀態更新之后，節點Z5(泵出口至濾器油道)發生的概率最大，同時也是變化最大的；相同的影響下，在傳感器節點狀態更新后，節點Z5的父節點H2(滑油壓力過低)也是概率值最高，概率變化大大的。

此外，經過設置節點H(滑油系統故障)為完全發生的情況下，在底事件狀態更新中，除了節點D10概率值較高，變化最大，其他一些節點概率變化幅度同樣相對較高。如節點D9(墊片損壞進氣漏油)概率差值4.70%、節點D34(冷卻器泄漏)概率差值4.90%、節點D11(進出口墊片壞進氣漏油)概率差值3.73%、節點D16(曲軸油道漏油)概率差值3.73%、節點D22(燃油進入滑油混合)等，對于滑油系統的正常運行同樣存在較大的影響，在滑油系統運行時，應加以注意。

表2　底事件節點更新前后概率變化

圖5　底事件更新前后概率變化曲線

5結論

針對艦用柴油機滑油系統故障診斷問題，通過故障機理分析建立了滑油系統故障樹，根據貝葉斯網絡節點以及編號與概率值對故障樹進行了貝葉斯網絡的轉換，確定了滑油系統BN結構模型，通過算例對模型進了深入分析，得出了相應的故障診斷結果,其結果可用于故障診斷和狀態預測，為滑油系統的快速狀態感知提供了良好的基礎。

參考文獻：

[1]王廣彥,馬志軍,胡起偉.基于貝葉斯網絡的故障樹分析[J].系統工程理論與實踐，2004(6):79-83.

[2]周忠寶,董豆豆,馮靜,等.存在房形事件的故障樹向貝葉斯網絡的轉化[J].哈爾濱工業大學學報,2008,40(6):1001-1003.

[3]饒泓，扶名福，謝明祥，等.基于決策級信息融合的設備故障診斷方法研究[J].中國機械工程，2009,20(4)：433-437.

[4]蘇艷琴,徐廷學,張文娟.粗糙集和貝葉斯網絡融合故障診斷方法[J].艦船科學技術，2013,35(3)；91-92.

[5]LIUXing,Thetheory&techniqueforcomlexsystemmodeling[M].Beijing：Sciencepress，2008：197.

[6]李曼，馮新喜，姬偉峰，等.基于圖的鄰接點優先的聯合樹算法的研究與實現[J].通信技術，2010，43(12)：82-84.

[7]陳東寧，姚成玉，王斌，等. 基于貝葉斯網絡和灰關聯法的多態液壓系統故障診斷[J].潤滑與密封，2013(1)：78-83.

(責任編輯楊繼森)