CN104331543A - 一种船舶电力推进系统故障诊断专家系统和建立方法 - Google Patents

Abstract

一种船舶电力推进系统故障诊断专家系统和建立方法，属于人工智能技术领域。本发明将人工神经网络技术引入到专家系统设计中，建立了船舶电力推进系统故障诊断专家系统，其主要由人机接口模块、神经网络模块、知识维护模块、数据管理模块、数据获取模块及数据库组成。根据电力推进系统各设备的运行原理和典型故障机理，提出了电力推进系统故障诊断知识库的设计方法。本发明的优点是：应用人工神经网络构造的专家系统，克服了传统专家系统知识获取“瓶颈”、知识维护困难、推理速度慢等问题，提高了故障诊断专家系统的实用性。

Description

一种船舶电力推进系统故障诊断专家系统和建立方法

技术领域

本发明属于人工智能技术领域，特别涉及一种船舶电力推进系统故障诊断专家系统和建立方法。

背景技术

随着电力电子技术、变频电机制造技术、电机控制理论和计算机控制技术的迅速发展，国际上船舶电力推进方式迅速发展，电力推进系统的装船率也逐年上升，己经成为国内外船舶动力发展的主要方向。由于船舶电力推进系统是一个高阶、非线性、强耦合、时变的复杂系统，要保证其工作的持续性、可靠性，提高稳定运行时间，减少故障维修时间，需要对船舶电力推进系统进行故障诊断，及时的发现和排除故障，实现全船自动化控制。基于知识的智能诊断方法是将人工智能的理论和方法用于故障诊断，是故障诊断的一条全新途径，不需要精确的数学模型，只需引入诊断对象的状态信息，因而比较适合实际工程的应用，具备很好的应用前景，特别是专家系统在诊断技术中的应用，为故障诊断的智能化提供了可能性。

目前，虽然有部分关于故障诊断专家系统，但没有关于船舶电力推进系统故障诊断专家系统。船舶电力推进系统是一个高阶、非线性、强耦合、时变的运动控制系统，其设备众多，结构复杂，对其建立传统的故障诊断专家系统有如下几点困难：

a．知识获取困难：由于电力推进系统的运行参数多，且各参数间有些是耦合的，其运行状态是一个整体，所以故障诊断知识难以表示成规则的形式。

b．模糊知识处理困难：电力推进系统发生故障是一个渐变的过程，这对某些参数而言，存在一个正常状态和故障状态之间的模糊状态，而传统专家系统不易处理此类知识。

c．故障推理速度慢且难以实现在线性：电力推进系统的故障诊断应在线进行，以及时的发现和排除故障，而传统专家系统推理速度慢，难以实现在线故障诊断。

针对传统专家系统在电力推进系统故障诊断中的局限性，需要设计并建立一种船舶电力推进系统故障诊断专家系统。

发明内容

本发明的目的是针对现有技术存在的问题，克服目前船舶电力推进系统故障诊断中传统专家系统知识获取难，模糊知识处理困难及推理速度慢等问题，提供一种船舶电力推进系统故障诊断专家系统和建立方法。

为了实现上述目的，本发明的技术方案是：

一种船舶电力推进系统故障诊断专家系统，包括人机接口模块、神经网络模块、知识维护模块、数据管理模块、数据获取模块及数据库，所述人机接口模块分别与所述神经网络模块、知识维护模块、数据管理模块、数据获取模块连接；所述数据库模块分别与所述神经网络模块、知识维护模块、数据管理模块、数据获取模块连接。

以下是本发明进一步的技术方案：

优选的，所述的神经网络模块包括知识获取模块、推理机以及解释器；所述数据库模块包括样本库、知识库和动态数据库；所述样本库分别与知识获取模块和数据管理模块连接；所述知识库分别与知识获取模块、推理机模块、解释器模块以及知识维护模块连接；所述动态数据库模块分别与知识获取模块、推理机模块、解释器模块、知识维护模块以及数据获取模块连接；所述样本库用于存储神经网络的学习样本；所述知识库用于存储训练好的神经网络；所述动态数据库用于存储电力推进系统各设备的实时运行数据和历史数据。

优选的，所述知识获取模块用于确定神经网络结构、从所述动态数据库模块中选择训练样本形成样本库、训练神经网络和存储连接权值和阈值，形成知识库；所述推理机用于根据推理策略从所述知识库中选择知识，输入各项参数和计算神经网络输出，对用户提供的证据进行推理，得出结论；所述解释器用于告诉用户本系统是如何得出结论的。

优选的，所述神经网络包括推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络；其中所述合成网络将各子网络的诊断结果结合起来形成电力推进系统的故障诊断结果。

本发明另外一个技术方案是：

一种船舶电力推进系统故障诊断专家系统建立方法，包括以下步骤：

（1）确定神经网络模块各子网络结构步骤；

（2）获取训练样本并训练神经网络步骤；

（3）测试神经网络步骤；

（4）设计样本库和知识库步骤；

（5）神经网络编程实现步骤。

优选的，所述步骤（1）中确定神经网络模块各子网络结构分别为推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络，各子网络设计为三层神经网络，对于设备而言，若有                                                个运行参数，种故障和种正常模式，则其输入层神经元个数为个，输出层神经元个数为+个；对于合成网络，其输入为各设备的工作模式，输出为电力推进系统的故障诊断结果。

优选的，所述步骤（2）中获取训练样本方法包括专家统计法、现场采集法和理论分析法；所述训练神经网络步骤中，若训练曲线不收敛，则还包括修改神经网络结构或重新选取训练样本，直到训练曲线收敛子步骤。

优选的，所述步骤（3）中测试神经网络步骤，若神经网络达不到精度要求或速度要求，则返回步骤（1）。

优选的，所述步骤（5）神经网络编程实现步骤还包括推理机设计子步骤和解释器设计子步骤。

优选的，所述推理机设计子步骤为应用MATLAB神经网络工具箱结合其它开发软件混合编程；推理过程就是根据输入进行计算的过程。

优选的，所述解释器设计子步骤为利用网络中的各项数据及输入神经元、输出神经元的物理含义并结合知识库中的连接权值来形成解释规则，所述解释规则生成步骤包括：

11-1：将输出结果为1或接近1的输出层神经元找出，对其中的每一个神经元进行如下操作；

11-2：找出与输出层神经元具有正的带权输入值的隐含层神经元，将这些神经元按连接权绝对值大小进行降序排列成表；

11-3：找出与输出层神经元具有负的带权输入值的隐含层神经元，计算这些隐含层神经元的权值绝对值；

11-4：取出表第一项，将其从表删除，放入表中，并计算权值，判断，其中为输出层神经元的阈值，如成立则进入下一步，否则返回步骤11-4；

11-5：生成规则1，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的表述形式为某隐含神经元的输出为1，结论的具体表述形式为诊断对象具有故障原因；

11-6：对表中的每个隐含层神经元仿照11-2、11-3及11-4步骤生成规则2，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的表述形式为某个输入神经元输入值为1，结论的具体表述形式为某个隐含层神经元的输出为1；

11-7：将规则1和规则2作为解释语句输出，规则2放在规则1前面。

优选的，所述步骤（1）之前还包括人机接口模块设计步骤；所述步骤（5）之后还包括知识库维护模块、数据管理模块、数据获取模式设计步骤。

优选的，还包括确定维修策略步骤，所述确定维修策略为：

设某个神经网络的输出层神经元个数为+个，为故障模式，为正常模式，神经网络的输出结果为，且满足

则维修策略为：

若某个，则可认为系统发生对应的故障，应立即检修；

若某个或，则可认为系统运行正常，不必进行检修；

若，则可认为系统运行不正常，应尽快检修；

若，则可认为系统运行正常，但应注意系统运行状态，可能发生故障，不必进行检修。

本发明的有益效果主要有：

本发明在对故障诊断技术深入研究的基础上，将人工神经网络技术引入到专家系统设计中，建立了船舶电力推进系统故障诊断专家系统。应用人工神经网络构造的专家系统，克服了传统专家系统知识获取“瓶颈”、知识维护困难、推理速度慢等问题，提高了故障诊断专家系统的实用性。神经网络专家系统具有知识获取容易、能处理模糊知识、推理速度快等优点。本发明提出的船舶电力推进系统故障诊断专家系统具有一定的理论先进性和诊断准确性，对船舶电力推进系统故障诊断专家系统的建立具有指导意义。

附图说明

图1为本发明第一实施方式系统结构图；；

图2为本发明第一实施方式中神经网络结构图；

图3为本发明第二实施方式中建立步骤流程图；

图4为本发明第二实施方式中专家系统推理步骤流程图；

图5为本发明第二实施方式中解释规则生成步骤流程图；

图6为本发明第二实施方式中知识库设计步骤流程图。

具体实施方式

结合附图和实施例对本发明作进一步说明如下：

本发明的第一实施方式涉及一种船舶电力推进系统故障诊断专家系统，包括人机接口模块、神经网络模块、知识维护模块、数据管理模块、数据获取模块及数据库，人机接口模块分别与神经网络模块、知识维护模块、数据管理模块、数据获取模块连接；数据库模块分别与神经网络模块、知识维护模块、数据管理模块、数据获取模块连接。

如图1所示，神经网络模块是本专家系统的核心，神经网络模块包括知识获取模块、推理机以及解释器；数据库模块包括样本库、知识库和动态数据库；样本库分别与知识获取模块和数据管理模块连接；知识库分别与知识获取模块、推理机模块、解释器模块以及知识维护模块连接；动态数据库模块分别与知识获取模块、推理机模块、解释器模块、知识维护模块以及数据获取模块连接；样本库用于存储神经网络的学习样本，样本是领域专家的知识、经验的总结，或是领域专家从动态数据库中选择生成；知识库用于存储训练好的神经网络，主要是神经网络的各项连接权值和阈值；动态数据库用于存储电力推进系统各设备的实时运行数据和历史数据。其中人机接口是用户与专家系统、领域专家与专家系统之间的交互接口，其向用户和领域专家提供操作界面，将用户和领域专家对专家系统的操作传递给专家系统，并将诊断结果和过程等显示给用户和领域专家。

本实施方式中，知识获取模块用于确定神经网络结构、从动态数据库模块中选择训练样本形成样本库、训练神经网络和存储连接权值和阈值，形成知识库；知识获取可以看作是一类专业知识从知识源到知识库的转移过程。推理机用于根据推理策略从知识库中选择知识，输入各项参数和计算神经网络输出，对用户提供的证据进行推理，得出结论；对于神经网络来说，推理过程就是神经网络的计算过程。解释器用于告诉用户本系统是如何得出结论的，根据是什么，由于神经网络的知识是数字表示的，而不是规则表示的，所以其解释器的设计不如传统专家系统方便，需要通过转换生成解释规则。

如图2所示，本实施方式神经网络包括推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络；其中合成网络将各子网络的诊断结果结合起来形成电力推进系统的故障诊断结果。

本实施方式中知识维护模块提供对专家系统知识库的操作接口。数据管理模块提供对样本库和动态数据库的操作接口。数据获取模块将电力推进系统各设备的实时运行数据存储在动态数据库中。

如图3所示，本发明的第二实施方式涉及一种船舶电力推进系统故障诊断专家系统建立方法，包括以下步骤：

step1：人机接口模块设计步骤。人机接口是用户与专家系统、领域专家与专家系统之间的交互接口，也是唯一的接口，所以在进行专家系统设计时，首先要进行人机接口的设计，以确定专家系统的功能、界面等。

step2：确定神经网络模块各子网络结构步骤。由图2所示，子网络可分为两种，各设备的子网络和合成网络，其中各设备的子网络在本实施方式中分别为推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络。对于各子网络，设计三层神经网络。对于设备而言，若有个运行参数，种故障和种正常模式，则其输入层神经元个数为个，输出层神经元个数为+个，隐含层个数要根据经验试凑。对于合成网络，其输入为各设备的工作模式，输出为电力推进系统的故障诊断结果。

step3：获取训练样本，并训练神经网络。训练样本的获取方法有专家统计法、现场采集法和理论分析法，每种方法各有其特点，在实际应用中，应综合应用各方法，取长补短，才能得到精确、全面的训练样本。本实施方式中采用现场采集法。在训练神经网络时，若训练曲线不收敛，则修改神经网络结构或重新选取训练样本，直到训练曲线收敛。

step4：测试神经网络，若神经网络达不到精度要求或速度要求，则转回step2。

step5：设计样本库和知识库，将选好的样本存入样本库，将训练好的神经网络参数存入知识库。

step6：神经网络编程实现，该步骤还包括推理机设计子步骤和解释器设计子步骤。

对于推理机比较简单的方法是应用MATLAB神经网络工具箱结合其它开发软件进行混合编程，神经网络的推理过程就是根据输入进行计算的过程，其与传统的专家系统相比提高了推理速度，并避免了规则冲突，本实施方式中具体推理步骤如图4所示：首先调入故障诊断知识库，然后计算各项参数，最后计算神经网络输出。

基于神经网络的故障诊断专家系统知识库中存放的是用数字形式隐式表示的连接权值和阈值，而不是直接的规则，所以其解释器的设计比传统专家系统的复杂，总体来说是利用网络中的各项数据及输入神经元、输出神经元的物理含义并结合知识库中的连接权值来形成规则，其过程相当于神经网络训练的逆过程。本实施方式中具体的解释规则生成步骤如图5所示：

将输出结果为1或接近1的输出层神经元找出，对其中的每一个神经元进行如下操作。

找出与输出层神经元具有正的带权输入值的隐含层神经元，这些隐含层神经元满足：

其中，为隐含层神经元的输出，将这些神经元按连接权绝对值大小进行降序排列成表。

找出与输出层神经元具有负的带权输入值的隐含层神经元，这些隐含层神经元满足：

计算这些隐含层神经元的权值绝对值和。

从表中取出排在最前面的隐含层神经元，并经这个神经元从表中删除，将其放入表中，计算，其中的初始值为0，判断，其中为输出层神经元的阈值，如成立则进入下一步，否则重复此步骤。

生成规则1，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的具体表述形式为某隐含神经元的输出为1，结论的具体表述形式为诊断对象具有故障原因。

对表中的每个隐含层神经元仿照2、3、4步生成规则2，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的具体表述形式为某个输入神经元输入值为1，结论的具体表述形式为某个隐含层神经元的输出为1。

将规则1和规则2作为解释语句输出，规则2放在规则1前面。

step7：根据对专家系统的具体要求，进行专家系统的知识库管理模块、数据管理模块和数据获取模块的设计。

step8：确定维修策略。设某个神经网络的输出层神经元个数为+个，为故障模式，为正常模式，神经网络的输出结果为，且满足

则维修策略为：

a.若某个，则可认为系统发生对应的故障，应立即检修；

b.若某个或，则可认为系统运行正常，不必进行检修；

c.若，则可认为系统运行不正常，应尽快检修；

d.若，则可认为系统运行正常，但应注意系统运行状态，可能发生故障，不必进行检修。

step9：故障诊断专家系统调试，找出系统中的不足之处加以改进，进一步完善系统。

本实施方式中知识库的设计步骤如图6所示：

a．确定神经网络结构

对于一般的系统，建立一个简单的三层神经网络即可构造故障诊断专家系统，而电力推进系统的组成设备多，如果对其也建立三层神经网络，会出现两个问题：一是由于连接权数目较多，学习样本的组合巨大，导致神经网络的学习效率低；二是此神经网络不能反映诊断对象的结构，增加了诊断的难度且降低了诊断的精度，并为解释器的设计带来很大的困难。因此，结合电力推进系统的组成结构，本实施方式建立了包含5个子网络的神经网络故障诊断专家系统，5个子网络分别是推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络，如图2所示，其中各设备的子网络负责各设备的故障诊断，合成网络将各子网络的诊断结果结合起来形成电力推进系统的故障诊断结果。

b.选择训练样本。

对电力推进系统的某设备，设有个运行参数，种故障

，种正常模式，则对故障诊断的某一样本必然对应一种故障

或正常模式，所以训练样本的格式为：

式中，为训练样本的个数，，，表示一个训练样本对于一种故障或一种正常模式。

整个训练样本集为：

c.训练神经网络。

神经网络的训练就是将学训练样本输入到神经网络进行学习的过程，训练的结果是神经网络的连接权值和阈值。

d.存储连接权值和阈值，形成数据库。

将神经网络的连接权值和阈值存储在知识库中，并以此为基础进行故障诊断。

上述实施例仅例示性说明本发明的原理及其功效，以及部分运用的实施例，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (13)

1.一种船舶电力推进系统故障诊断专家系统，其特征在于，包括人机接口模块、神经网络模块、知识维护模块、数据管理模块、数据获取模块及数据库，所述人机接口模块分别与所述神经网络模块、知识维护模块、数据管理模块、数据获取模块连接；所述数据库模块分别与所述神经网络模块、知识维护模块、数据管理模块、数据获取模块连接。

2.根据权利要求1所述的船舶电力推进系统故障诊断专家系统，其特征在于，所述的神经网络模块包括知识获取模块、推理机以及解释器；所述数据库模块包括样本库、知识库和动态数据库；所述样本库分别与知识获取模块和数据管理模块连接；所述知识库分别与知识获取模块、推理机模块、解释器模块以及知识维护模块连接；所述动态数据库模块分别与知识获取模块、推理机模块、解释器模块、知识维护模块以及数据获取模块连接；所述样本库用于存储神经网络的学习样本；所述知识库用于存储训练好的神经网络；所述动态数据库用于存储电力推进系统各设备的实时运行数据和历史数据。

3.根据权利要求2所述的船舶电力推进系统故障诊断专家系统，其特征在于，所述知识获取模块用于确定神经网络结构、从所述动态数据库模块中选择训练样本形成样本库、训练神经网络和存储连接权值和阈值，形成知识库；所述推理机用于根据推理策略从所述知识库中选择知识，输入各项参数和计算神经网络输出，对用户提供的证据进行推理，得出结论；所述解释器用于告诉用户本系统是如何得出结论的。

4.根据权利要求2所述的船舶电力推进系统故障诊断专家系统，其特征在于，所述神经网络包括推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络；其中所述合成网络将各子网络的诊断结果结合起来形成电力推进系统的故障诊断结果。

5.根据权利要求1至4之一所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，包括以下步骤：

（1）确定神经网络模块各子网络结构步骤；

（2）获取训练样本并训练神经网络步骤；

（3）测试神经网络步骤；

（4）设计样本库和知识库步骤；

（5）神经网络编程实现步骤。

6.根据权利要求5所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述步骤（1）中确定神经网络模块各子网络结构分别为推进变压器子网络、推进变频器子网络、推进电动机子网络、辅机系统子网络和合成网络，各子网络设计为三层神经网络，对于设备而言，若有                                                个运行参数，种故障和种正常模式，则其输入层神经元个数为个，输出层神经元个数为+个；对于合成网络，其输入为各设备的工作模式，输出为电力推进系统的故障诊断结果。

7.根据权利要求5所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述步骤（2）中获取训练样本方法包括专家统计法、现场采集法和理论分析法；所述训练神经网络步骤中，若训练曲线不收敛，则还包括修改神经网络结构或重新选取训练样本，直到训练曲线收敛子步骤。

8.根据权利要求5所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述步骤（3）中测试神经网络步骤，若神经网络达不到精度要求或速度要求，则返回步骤（1）。

9.根据权利要求5所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述步骤（5）神经网络编程实现步骤还包括推理机设计子步骤和解释器设计子步骤。

10.根据权利要求9所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述推理机设计子步骤为应用MATLAB神经网络工具箱结合其它开发软件混合编程；推理过程就是根据输入进行计算的过程。

11.根据权利要求9所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述解释器设计子步骤为利用网络中的各项数据及输入神经元、输出神经元的物理含义并结合知识库中的连接权值来形成解释规则，所述解释规则生成步骤包括：

11-1：将输出结果为1或接近1的输出层神经元找出，对其中的每一个神经元进行如下操作；

11-2：找出与输出层神经元具有正的带权输入值的隐含层神经元，将这些神经元按连接权绝对值大小进行降序排列成表；

11-3：找出与输出层神经元具有负的带权输入值的隐含层神经元，计算这些隐含层神经元的权值绝对值；

11-4：取出表第一项，将其从表删除，放入表中，并计算权值，判断，其中为输出层神经元的阈值，如成立则进入下一步，否则返回步骤11-4；

11-5：生成规则1，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的表述形式为某隐含神经元的输出为1，结论的具体表述形式为诊断对象具有故障原因；

11-6：对表中的每个隐含层神经元仿照11-2、11-3及11-4步骤生成规则2，其表示形式为：

IF 表达式1 AND 表达式2 AND … AND 表达式n THEN 结论

式中，表达式n的表述形式为某个输入神经元输入值为1，结论的具体表述形式为某个隐含层神经元的输出为1；

11-7：将规则1和规则2作为解释语句输出，规则2放在规则1前面。

12.根据权利要求5所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，所述步骤（1）之前还包括人机接口模块设计步骤；所述步骤（5）之后还包括知识库维护模块、数据管理模块、数据获取模式设计步骤。

13.根据权利要求5至12之一所述的船舶电力推进系统故障诊断专家系统建立方法，其特征在于，还包括确定维修策略步骤，所述确定维修策略为：

设某个神经网络的输出层神经元个数为+个，为故障模式，为正常模式，神经网络的输出结果为，且满足

则维修策略为：

若某个，则可认为系统发生对应的故障，应立即检修；

若某个或，则可认为系统运行正常，不必进行检修；

若，则可认为系统运行不正常，应尽快检修；

若，则可认为系统运行正常，但应注意系统运行状态，可能发生故障，不必进行检修。