降雨量傳感器的故障診斷方法研究*

程 曦漆隨平李志乾崔天剛王 尼

(1.齊魯工業(yè)大學(xué)(山東省科學(xué)院)，山東省科學(xué)院海洋儀器儀表研究所，山東 青島266001；2.山東省海洋監(jiān)測(cè)儀器裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，山東 青島266001；3.國家海洋監(jiān)測(cè)設(shè)備工程技術(shù)研究中心，山東 青島266001；4.山東省海洋儀器儀表科技中心，山東 青島266001)

降雨量是氣象、水文、防汛等領(lǐng)域重要參數(shù)[1-2]，該參數(shù)主要通過降雨量傳感器來實(shí)時(shí)測(cè)量獲取。 降雨量傳感器是一種感知降雨量信息的氣象傳感器。 由于降雨量參數(shù)是氣象預(yù)報(bào)、防災(zāi)減災(zāi)及計(jì)算區(qū)域水資源的重要依據(jù)[3]，因此，降雨量傳感器在使用過程中發(fā)生故障時(shí)需及時(shí)快速修復(fù)。 目前在氣象領(lǐng)域中業(yè)務(wù)化應(yīng)用的翻斗式降雨量傳感器有著0.1 mm 的高分辨率，同時(shí)國內(nèi)已有研究人員研發(fā)出高精度的大小雙翻斗組合式降雨量傳感器，在監(jiān)測(cè)0.01～4.00 mm/min 雨強(qiáng)降雨時(shí)，測(cè)量誤差可控制在±2%以內(nèi)[4]。 但是此類型傳感器出現(xiàn)的故障類型多樣，需要專業(yè)人員進(jìn)行維修，而且對(duì)專業(yè)維修人員的專業(yè)知識(shí)以及維修經(jīng)驗(yàn)要求較高，當(dāng)前國內(nèi)外在此設(shè)備上主要依靠人工檢測(cè)與排查的手段對(duì)降雨量傳感器進(jìn)行故障診斷與維修[4-9]，故障診斷難度大、維修效率低。

為提高翻斗式降雨量傳感器的故障診斷效率，本文基于故障樹理論與灰色關(guān)聯(lián)法，利用該領(lǐng)域內(nèi)專家對(duì)其多年的維修經(jīng)驗(yàn)數(shù)據(jù)，引入故障樹理論及灰色關(guān)聯(lián)分析法，提出一種降雨量傳感器故障診斷專家系統(tǒng)的新方法，提高降雨量傳感器的故障診斷與維修的效率。 試驗(yàn)結(jié)果表明診斷方法實(shí)現(xiàn)了降雨量傳感器故障快速準(zhǔn)確診斷。

1 降雨量傳感器概述

1.1 翻斗式降雨量傳感器的組成

降雨量傳感器按照工作原理可分為:翻斗式、稱重式、超聲波式、紅外式、電容式等[10-13]。 目前氣象站業(yè)務(wù)化運(yùn)行的傳感器主要為翻斗式降雨量傳感器[14]，如圖1 所示。

圖1 翻斗式降雨量傳感器實(shí)物圖

翻斗式降雨量傳感器主要有傳感單元、測(cè)控單元以及電源模塊等部分組成，如圖2 所示。 其中傳感單元主要包括承水器、上翻斗、匯集漏斗、計(jì)量翻斗、計(jì)數(shù)翻斗；測(cè)控單元主要包括采集器、記錄器、數(shù)據(jù)處理。

圖2 翻斗式降雨量傳感器基本組成結(jié)構(gòu)

1.2 翻斗式降雨量傳感器的工作原理

雨水先通過承水器匯集，再經(jīng)過匯集漏斗依次流入上翻斗和計(jì)量翻斗。 當(dāng)計(jì)量翻斗內(nèi)的雨水積滿后便翻轉(zhuǎn)一次，將雨水倒進(jìn)計(jì)數(shù)翻斗。 計(jì)數(shù)翻斗每進(jìn)行一次翻轉(zhuǎn)，產(chǎn)生一個(gè)脈沖信號(hào)。 測(cè)控單元通過記錄器對(duì)脈沖信號(hào)進(jìn)行記錄，再通過采集器對(duì)記錄結(jié)果采集、數(shù)據(jù)處理，計(jì)算后得到分鐘、小時(shí)、天降雨量及降雨強(qiáng)度，并存儲(chǔ)、顯示及輸出數(shù)據(jù)。

1.3 翻斗式降雨量傳感器故障

根據(jù)工程應(yīng)用經(jīng)驗(yàn)對(duì)故障及原因整理如下:

①傳感器不計(jì)數(shù):進(jìn)水口堵住、翻斗被卡死、干簧管損壞、磁鋼失效、電路板損壞和數(shù)據(jù)線斷損等。②傳感器少計(jì)數(shù):翻斗部件底部不水平、翻斗破損、翻斗內(nèi)有污垢。 ③傳感器多計(jì)數(shù):干簧管粘連、電磁干擾、數(shù)據(jù)線短路。 ④記錄器故障:導(dǎo)線脫焊、繼電器觸點(diǎn)接觸不良、電磁鐵棘輪卡住、消火花電容或磁鐵線圈短路、同步齒形帶松緊不合適、筆架長槽不光滑、阻尼桿與阻尼管口不垂直。 ⑤采集器故障:主板損壞、電源板損壞、采集器連接電纜接觸不良以及液晶屏線路接觸不良。 ⑥階梯記錄線條的上升拖尾巴超過1mm 長度:履帶輪內(nèi)兩彈簧彈性不平衡、履帶變松。⑦無降水天氣現(xiàn)象出現(xiàn)降水記錄:雨量傳感器固定松動(dòng)、電纜接觸不良、清洗雨量器故障。 ⑧通信故障:天線損壞以及線路接觸不良。 ⑨無電壓:穩(wěn)壓電源損壞、電源接插件接觸不良。 ⑩電壓低:干電池失效。

2 降雨量傳感器故障診斷專家系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)組成與工作原理

專家系統(tǒng)具有啟發(fā)性、透明性以及靈活性的優(yōu)點(diǎn)，適用于復(fù)雜的故障原因分析[15-16]。 為此設(shè)計(jì)降雨量傳感器故障診斷專家系統(tǒng)，主要由人機(jī)交互界面、知識(shí)庫、推理機(jī)、解釋器等部分組成。 其基本工作原理:①根據(jù)降雨量傳感器所出現(xiàn)的故障征兆，用戶利用人機(jī)交互界面，將傳感器中有關(guān)的故障信息轉(zhuǎn)化成事實(shí)，使之形成一個(gè)故障的事實(shí)庫。 ②推理機(jī)根據(jù)與之相關(guān)的事實(shí)以及推理的策略，判斷獲取的事實(shí)是否和知識(shí)庫的相關(guān)規(guī)則相匹配。 若是匹配，便激活該規(guī)則，將被激活的事實(shí)存到動(dòng)態(tài)數(shù)據(jù)庫。 ③利用解釋器來執(zhí)行被激活的規(guī)則，并形成故障診斷的執(zhí)行結(jié)果。 ④執(zhí)行結(jié)果經(jīng)過人機(jī)交互界面將專家知識(shí)反饋給用戶。 本文的降雨量傳感器故障診斷專家系統(tǒng)結(jié)合了故障樹理論與灰色關(guān)聯(lián)分析法，利用故障樹梳理出故障現(xiàn)象與故障原因之間的邏輯關(guān)系，再通過灰色關(guān)聯(lián)分析法，分析出各個(gè)故障原因與最終故障現(xiàn)象之間的關(guān)聯(lián)程度，推理機(jī)根據(jù)關(guān)聯(lián)程度的大小依次推理，避免產(chǎn)生推理冗余。

2.2 知識(shí)獲取

本故障診斷專家系統(tǒng)中的知識(shí)通過如下兩種方式來獲取。 ①通過工程經(jīng)驗(yàn)整理、調(diào)研資料、文獻(xiàn)研究中總結(jié)出相關(guān)的領(lǐng)域知識(shí)。 ②從降雨量傳感器的結(jié)構(gòu)圖、電路圖中分析獲得故障的知識(shí)。

2.3 故障樹建立與簡(jiǎn)化

2.3.1 故障樹建立

故障樹分析法(Fault Tree Analysis，F(xiàn)TA)是專家系統(tǒng)中進(jìn)行故障快速識(shí)別的常用方法，具有邏輯清晰、層次鮮明等優(yōu)點(diǎn)，可以清晰的分析出故障機(jī)理以及其發(fā)生的邏輯[17-18]。 將翻斗式降雨量傳感器中故障事件作為頂事件，尋找出直接致使該事件發(fā)生的所有原因作為中間事件，其中包括軟硬件因素、環(huán)境因素以及人為因素等等；接著再向下尋找導(dǎo)致該層中每一個(gè)中間事件發(fā)生的所有的直接原因，以此類推，直至尋找到導(dǎo)致事故發(fā)生的基本原因，基本原因即為故障樹中的底事件。 最后利用邏輯圖來表示出所有事件之間的邏輯關(guān)系。

根據(jù)上面所述的方法，建立降雨量傳感器的故障樹圖。 其中降雨量傳感器故障T 對(duì)應(yīng)的各節(jié)點(diǎn)編號(hào)所對(duì)應(yīng)的事件名稱如表1 所示。

表1 事件名稱

2.3.2 故障樹簡(jiǎn)化

采用最小割集方法利用式(1)求解出降雨量傳感器故障樹的最小割集，從而得到簡(jiǎn)化的降雨量傳感器故障樹。

由上式得出最小割集為:

根據(jù)所求結(jié)果可知降雨量傳感器故障樹的最小割集為34 個(gè)。 簡(jiǎn)化后的故障樹如圖3 所示。

圖3 降雨量傳感器故障樹圖

2.4 灰色關(guān)聯(lián)度獲取

簡(jiǎn)化后的故障樹并不能反映出每個(gè)故障原因與頂事件之間的關(guān)聯(lián)程度，若推理機(jī)在推理時(shí)不按照一定的順序而隨機(jī)匹配故障原因，則會(huì)產(chǎn)生不必要的推理，浪費(fèi)推理時(shí)間降低診斷效率。 通過灰色關(guān)聯(lián)分析法并結(jié)合故障樹理論可以直觀的反映出各個(gè)故障原因產(chǎn)生的影響程度大小，推理機(jī)根據(jù)影響程度由大到小的順序依次匹配降雨量傳感器的故障原因，可有效的減少推理機(jī)的推理時(shí)間，提高效率。 灰色關(guān)聯(lián)分析法的實(shí)質(zhì)就是先確定一個(gè)參考數(shù)列(即待檢測(cè)模式向量)，再計(jì)算出參考數(shù)列與比較數(shù)列(即特征矩陣)之間的灰色關(guān)聯(lián)度的數(shù)值關(guān)系，根據(jù)灰色關(guān)聯(lián)度的數(shù)值關(guān)系判斷出故障原因?qū)斒录绊懗潭鹊拇笮19]。

2.4.1 待檢模式向量及特征矩陣

①待檢模式向量

首先確定一個(gè)參考數(shù)列，即待檢模式向量。 待檢模式向量由n 個(gè)底事件的重要度構(gòu)成。 其中，重要度是指某個(gè)故障原因?qū)τ谡麄€(gè)系統(tǒng)發(fā)生故障所產(chǎn)生影響程度[19]。 關(guān)鍵重要度計(jì)算如下式所示。

于是，由n個(gè)底事件的關(guān)鍵重要度便可得到待檢模式向量:

式中:yj(j＝1，2，…，n)為底事件相對(duì)應(yīng)的關(guān)鍵重要度。 根據(jù)式(2)并結(jié)合該領(lǐng)域內(nèi)專家及維修人員的工程經(jīng)驗(yàn)總結(jié)統(tǒng)計(jì)，可得出各底事件的重要度如表2所示。

表2 關(guān)鍵重要度

根據(jù)表2 可得到降雨量傳感器待檢模式向量。

②特征矩陣

假設(shè)故障系統(tǒng)具有m個(gè)最小割集，其中每一個(gè)最小割集又能夠由其包含的底事件所對(duì)應(yīng)的特征參數(shù)組成一個(gè)特征向量，這m個(gè)特征向量便可構(gòu)成特征矩陣。 令Xi(i＝1，2，……，m)表示最小割集，xj(j＝1，2，……，n)表示底事件，每一個(gè)將最小割集中所發(fā)生的底事件記作1，其余記為0，那么m個(gè)最小割集便能夠形成一個(gè)標(biāo)準(zhǔn)的故障模式特征矩陣。

根據(jù)前文所分析的降雨量傳感器的最小割集特點(diǎn)，即34 個(gè)最小割集對(duì)應(yīng)34 個(gè)底事件，可知m＝34，n＝34，將最小割集中包含的底事件為1，其他取0，則根據(jù)式(4)求得特征向量如下所示。

2.4.2 關(guān)聯(lián)度計(jì)算

①無量剛化處理

降雨量傳感器故障診斷系統(tǒng)中各個(gè)數(shù)據(jù)的量綱不同，因此需要先對(duì)數(shù)據(jù)進(jìn)行無量剛化處理，采用最大值化處理方法，其公式為:

因此，可得到:

②差序列的計(jì)算與兩級(jí)最大差和兩級(jí)最小差

差序列是指參考數(shù)列(待檢模式向量)與比較數(shù)列(每個(gè)最小割集對(duì)應(yīng)的特征向量)之間差值的大小，其中求得的最大值為兩級(jí)最大差，最小值為兩級(jí)最小差，公式分別為:

③灰色關(guān)聯(lián)度

灰色關(guān)聯(lián)度是表示兩個(gè)不同灰色系統(tǒng)的相似性程度的指標(biāo)，在范圍[0，1]內(nèi)變化。 先求出待檢模式向量Z和特征向量X在k點(diǎn)處的關(guān)聯(lián)系數(shù)δij(k)。利用平均值法對(duì)灰色關(guān)聯(lián)度系數(shù)進(jìn)行處理，得到灰色關(guān)聯(lián)度δi。 公式如下:

式中:ρ是分辨系數(shù)，取值為0.5。

通過式(11)可以得出表3 所示的關(guān)聯(lián)系數(shù)表。

表3 關(guān)聯(lián)系數(shù)表

根據(jù)式(12)可求得每個(gè)底事件的關(guān)聯(lián)度:

由此可以看出δ21即底事件B21電源板損壞對(duì)降雨量傳感器故障影響最大。

2.5 知識(shí)庫構(gòu)建

利用產(chǎn)生式規(guī)則來表示出故障信息，從而構(gòu)建知識(shí)庫，采用SQL Server 2016 來設(shè)計(jì)數(shù)據(jù)庫。

2.5.1 基于產(chǎn)生式規(guī)則的知識(shí)表示

將選取的知識(shí)轉(zhuǎn)換成產(chǎn)生式規(guī)則的知識(shí)表示方法，如下式所示。

IF(P)(前提部分) THEN(Q)(結(jié)論部分)式中:P為產(chǎn)生式規(guī)則的前提，即降雨量傳感器產(chǎn)生故障的原因。Q是產(chǎn)生式規(guī)則的后件，由前件引起的故障現(xiàn)象。 以故障樹中A2 節(jié)點(diǎn)為例:

2.5.2 知識(shí)庫建立

利用事實(shí)庫存儲(chǔ)故障樹模型中的節(jié)點(diǎn)編號(hào)以及相應(yīng)的事件名稱，建立知識(shí)庫的事實(shí)庫，如表4 所示。 將產(chǎn)生式規(guī)則的條件以及結(jié)論部分分開成兩個(gè)獨(dú)立的表，分別存儲(chǔ)相應(yīng)的內(nèi)容如表5 和表6 所示。

表4 事實(shí)庫表(部分示例)

表5 條件庫表(部分示例)

表6 結(jié)論表(部分示例)

規(guī)則存放在規(guī)則庫表中，如表7 所示。 表中的規(guī)則號(hào)為自然編號(hào)，前提號(hào)與結(jié)論號(hào)為故障樹相應(yīng)的節(jié)點(diǎn)編號(hào)。

表7 規(guī)則庫表(部分示例)

2.6 推理機(jī)設(shè)計(jì)

推理機(jī)是專家系統(tǒng)中最為核心的部分，它的工作原理就是根據(jù)目前已經(jīng)知道的事實(shí)以及知識(shí)庫中的知識(shí)，按照規(guī)定的推理策略開始推理，最后得到結(jié)果[20-22]。 結(jié)合降雨量傳感器故障的特點(diǎn)，選用反向推理的方法進(jìn)行推理機(jī)的設(shè)計(jì)。 在推理前，提出假設(shè)目標(biāo)，根據(jù)該假設(shè)目標(biāo)從知識(shí)庫中調(diào)取規(guī)則來搜索出與之相對(duì)應(yīng)的故障知識(shí)。 在推理時(shí)，按照條件庫表中灰色關(guān)聯(lián)度由高到低的順序依此匹配故障原因。 推理流程如圖4 所示。

圖4 推理流程

3 試驗(yàn)驗(yàn)證

為了驗(yàn)證研制好的降雨量傳感器故障診斷方法的準(zhǔn)確性以及有效性，進(jìn)行試驗(yàn)驗(yàn)證。 在試驗(yàn)中，將搜集多個(gè)氣象站及傳感器生產(chǎn)廠商的有關(guān)故障記錄和維修歷史數(shù)據(jù)(共344 次)，利用基于故障樹理論與灰色關(guān)聯(lián)分析法的降雨量傳感器故障診斷方法進(jìn)行診斷，所得到的結(jié)果如表8 所示。

表8 傳感器故障診斷結(jié)果

從診斷結(jié)果表中看出，本文研制出的故障診斷方法可以準(zhǔn)確診斷出降雨量傳感器的故障，從而達(dá)到快速診斷的目的。 分析導(dǎo)致診斷產(chǎn)生錯(cuò)誤的主要原因，可能有:知識(shí)庫中所包含的知識(shí)不全面、某故障原因的數(shù)據(jù)與其他故障原因的數(shù)據(jù)十分接近從而導(dǎo)致匹配錯(cuò)誤等。 而每種故障現(xiàn)象診斷的準(zhǔn)確率不一致原因可能是因?yàn)椴煌墓收显蛩臄?shù)據(jù)個(gè)數(shù)不同，有的故障原因包含的數(shù)據(jù)個(gè)數(shù)較多因而更能夠被系統(tǒng)準(zhǔn)確的識(shí)別。

4 結(jié)束語

本文提出了一種基于故障樹理論與灰色關(guān)聯(lián)分析法的降雨量傳感器故障診斷新方法，利用故障樹理論更加清晰鮮明的表示出多種類型的故障原因及故障現(xiàn)象之間的邏輯關(guān)系，再通過灰色關(guān)聯(lián)分析法，解決了推理機(jī)產(chǎn)生不必要推理、浪費(fèi)推理時(shí)間的問題，從而提高診斷效率。 經(jīng)試驗(yàn)結(jié)果表明，所設(shè)計(jì)的故障診斷方法是切實(shí)可行的，使診斷方式由人工檢測(cè)與排查轉(zhuǎn)變?yōu)橄到y(tǒng)自動(dòng)診斷，準(zhǔn)確率均達(dá)到90%以上，實(shí)現(xiàn)了降水量傳感器故障的快速準(zhǔn)確診斷。 今后繼續(xù)走訪相關(guān)生產(chǎn)廠家及客戶搜集數(shù)據(jù)資料，擴(kuò)充專家?guī)欤M(jìn)一步提高故障識(shí)別率。