（核能科学与工程专业论文）船用核动力装置数据融合的故障诊断方法研究.pdf

哈尔滨工程大学硕士学位论文 摘要 船用核动力装置结构复杂，对安全性要求较高，为保障其安全可靠的运 行，研究出能够对船用核动力装置的故障进行适时渗断的系统就显得十分必 要。目前，故障诊断技术发展较快，而对于船用核动力装置的故障诊断从公 开发表的论文来看对这方面的研究不是很多。本文将数据融合的思想引入船 用核动力装置的故障诊断采用神经网络与d s 证据理论相结合的方法，以 w i n d $ 9 8 为平台、v b 6 。0 为工具开发了船用核动力装置的数据融合诊断系 统。 在深入研究船用核动力装置故障机理、现象等的基础上，分别在饱和汽 轮机试验台架和潜艇模拟机上进行了故障设置及诊断。主要选择了几种常见 故障进行测试，通过对测试结果的分析表明，该渗断系统能够及时准确的诊 断出所设置的故障，且诊断精度较高。该诊断系统具有学习功能，在实际应 用中具有可扩充性。因此本诊断系统能够满足对安全性要求较高的复杂系统 如船用核动力装置的在线实时故障诊断，具有很重要的实用价值。 关键字：船用核动力装置：故障诊断：数据融合；神经网络；d s 证据理论 a b s t r a c t t h es t r u c t u r eo fm a r i n en u c l e a rp o w e rp l a n t si sv e r yc o m p l i c a t e d ，a n dt h e r e q u i r i n g t os a f e t yo fm a r i n en u c l e a rp o w e r p l a n t si sv e r yh i g h i no r d e r t oe n s u r e i tr u ns a f e l y ，i ti sn e c e s s a r yt or e s e a r c ht h ed i a g n o s t i cs y s t e mt h a tc a l ld i a g n o s et h e f a u l t so fm a r i n en u c l e a rp o w e rp l a n t si nt i m e n o w a d a y st h ed e v e l o p m e n to f d i a g n o s t i ct e c h n o l o g yi sv e r yf a s t ，b u tt h er e s e a r c ht of a u l td i a g n o s i so f m a r i n e n u c l e a rp o w e rp l a n t si sn o tt o om u c h i nt h i sp a p e rt h ed a t af u s i o nm e t h o di s i m p o r t e d t ot h ef a u l t d i a g n o s i s o fm a r i n en u c l e a rp o w e rp l a n t s t h ef u s i o n d i a g n o s i ss y s t e mi s b u i l tu pu s i n gt h ec o m b i n i n gm e t h o do fn e u r a ln e t w o r k sa n d d - se v i d e n c et h e o r ya n du s i n gt h et o o lo f v b 6 0i nw i n d o w s 9 8 t h es e v e r a lm a i nf a u l t so fg a st u r b i n er o t o ra n dt h ep r i m a r yl o o po f m a r i n e n u c l e a rp o w e rp l a n t sa r ed i a g n o s e db yt h es y s t e mo nt h et e s t e ra n ds i m u l a t o r r e s p e c t i v e l yb a s e do nt h er e s e a r c ho f t h ef a u l t sm e c h a n i s ma n dp h e n o m e n ao f m a r i n en u c l e a r p o w e rp l a n t s t h ea n a l y s e s o ft h er e s u l t si n d i c a t et h a tt h e d i a g n o s i ss y s t e mc a r ld i a g n o s et h ef a u l t se x a c t l yi nt i m e ，a n dt h ep r e c i s i o ni sv e r y h i g h i th a st h ec h a r a c t e ro f e x t e n d e di nt h ep r a c t i c ea p p l i c a t i o nb e c a u s ei tc a l l s t u d y s ot h ef a u l td i a g n o s i ss y s t e mc a ns a r i s f yt h ed i a g n o s t i cr e q u i r eo fm a r i n e n u c l e a rp o w e r p l a n t s ，i th a st h ei m p o r t a n ta p p l i c a t i o n v a l u e k e yw o r d s ： m a r i n en u c l e a rp o w e rp l a n t s ；f a u l t d i a g n o s i s ；d a t af u s i o n ； n e u r a ln e t w o r k ；d se v i d e n c et h e o r y 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下， 由作者本人独立完成的。有关观点、方法、数据和文献等的 引用已在文中指出，并与参考文献相对应。除文中已经注明 引用的内容外，本论文不包含任何其他个人或集体己公开发 表的作品成果。对本文的研究做出重要贡献的个人和集体， 均已在文中以明确方式标明。本人完全意识到本声明的法律 结果由本人承担。 作者( 签字) ： 谢裹函 a期：z 口眸侗日 第1 章绪论 1 1 本文研究工作的目的及意义 目前，故障诊断技术已成为一个十分活跃的研究领域。所谓故障，广义 的讲，可咀理解为任何系统的异常现象，使系统表现出所不期望的特性。故 障诊断技术主要包含三方面的内容：故障检测、故障隔离、故障辨识。所谓 故障检测是判断系统中是否发生了故障及检测出故障发生的时刻：故障隔离 就是在检测出故障后确定故障的位置和类型；故障辨识是指在分离出故障后 确定故障的大小和时变特性。从本质上讲，故障诊断技术是一个模式分类与 识别问题，即把系统的运行状态分为正常和异常两类，而异常的信号样本究 竟又属于哪种故障，这又属于一个模式识别的问题。近几十年来，故障诊断 技术得到了深入广泛的研究，提出了众多可行的方法。文献 1 ，2 ，3 给出了 故障诊断的较为详细的描述。 随着科学技术的发展，系统的结构越来越复杂，发生故障的形式和种类 也越来越多，相应的故障诊断技术越来越受到人们的重视，故障诊断技术正 朝着智能化和多学科交叉与集成的方向发展。而数据融合( d a t a f u s io r l ) 是 8 0 年代发展起来的一门新技术。数据融合技术以多学科理论为基础，应用计 算机技术、传感器技术以及数学工具和信号处理等技术对数据进行处理。将 数据融合技术应用到设备故障诊断领域，根据设各故障的内在特性，研究基 于数据融合的故障诊断方法是本文研究的主要内容。基于数据融合的故障诊 断方法是通过多传感器和数据源之间的协调与性能上互补的优势来提高整个 诊断系统的有效性。因为任何一种传感器获得的信息或人工观测到的信息都 或多或少地受到周围环境的干扰，但用于识别和估计设备工况状态的有用信 息在各个传感器之间却是相关的，而干扰一般不具有这种相关性。数据融合 能通过分析、估计等处理排除干扰获得准确的信息，此外，数据融合还具有 很强的对数据关联、分析和分类的能力。现代化大生产中，设备的结构越来 越复杂，自动化程度越来越高，影响设备的因素也越来越多，仅仅利用有限 的信息对设备进行故障诊断的方法已远远不能满足实际需要。因此，数据融 合技术有非常广泛的应用范围，特别适合大型复杂系统的故障诊断。如核电 站、核潜艇等。可见研究适合于复杂系统且具有较高可信度的故障渗断方法 对保障核动力系统安全可靠性具有非常重要的实际意义。 船用核动力装置作为舰船或潜艇的驱动装置，远离陆地，工作条件恶劣， 故障的发生概率较高，而且一旦发生重大事故，后果相当严重。因此有必要 对船用核动力装置的各运行状况进行适时监控，对核动力装置的各运行参数 进行监测、处理，一旦发现异常，能够进行及时的识别、判断及诊断。预防 故障的发生或发生故障时给出正确的处理方法。 本课题是“十五”计划重点科研项目“核动力装置实时故障诊断技术” 的一部分。目的在于针对船用核动力装置故障的表现形式，进行特征提取， 选用适合的数据融合方法，进行船用核动力装置的故障诊断，通过软件编程建 立起实时的融合诊断系统，并在模拟机上对诊断系统进行测试。 1 2 设备故障诊断技术的研究概况 1 2 1国内外故障诊断技术的研究概况 故障诊断技术是指监测设备的状态，判断其是否工作正常，预测、诊断、 消除故障，指导设备的管理和维修。它既要保证设备的安全可靠运行，又要 获取更大的经济效益和社会效益m 。 故障诊断技术最早产生于美国，美国于1 9 6 7 年在宇航局的倡导下，成立 了机械故障预防小组，其研究内容涉及故障的定义、轴承故障、现场监测、 油料光谱分析、故障预报系统、飞机燃汽轮机的故障、故障预防设计等多个 方面。至今已开发出大量的实用系统投入运行。如g e 公司的内燃机车故障诊 断系统d e l t a 。欧洲在6 0 年代末，英国机器保健监测中心首先开始了故障诊 断方面的研究，1 9 8 2 年创立了沃福森工业维修公司，开展有关的研究和咨询 工作。欧洲其它国家在设备诊断技术方面也有很大发展，如芬兰开发出新型 自动磨粒监测与诊断系统并已经在船用柴油机的液压系统中使用。日本机械 故障诊断技术在某些民用工业，如钢铁、化工、铁路等部门发展很快。日立 公司推出了核反应堆诊断管理系统，三菱公司研制了铁路机车诊断系统。 我国在八十年代也开始了故障诊断技术的研究。故障诊断技术主要应用 2 于石化、冶金和电力行业，进入9 0 年代后，这一技术迅速渗透到国民经济的 各个主要领域。目前，在理论研究方面，形成了具有我国特点的故障诊断理 论，出版了一系列相关论著，研制出了可与国际接轨的大型设备状态监测与 故障渗断系统。如上海发电设备成套设计研究所、哈尔滨工业大学等单位都 开发出了多种类型的故障诊断装置，山东电力科学研究院和清华大学等单位 在1 9 9 7 年共同开发了类似于美国西屋公司的a i d 系统的“人型汽轮发电机组 远程在线振动监测分析与渗断网络系统”。我国的故障诊断技术发展很快，但 与国外相比，仍存在一定的差距。主要表现在传感器的性能及可靠性较差， 珍断理论和机理的研究尚不很透彻，多参数综合分析诊断应用较少，故障诊 断系统自身的可靠性较低等几个方面”1 。 1 2 2 故障诊断方法的研究概况 原始的故障诊断方法是“手摸，耳听，眼看”。在设备故障诊断技术出现 以后，这种情况得到了根本的改善。现有的故障诊断方法，概括起来可分为 三火类：( 1 ) 基于信号处理的方法；( 2 ) 基于解析模型的方法；( 3 ) 基于知识的 渗断方法。所谓基于信号处理的方法，通常是利用信号模型，如相关函数、 频谱、白回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、 幅值、频率等特征值，从而检测出故障。所谓基于解析模型的方法，是在明 了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行处理诊断， 它可分为状态估计法、等价空间法和参数估计法。目前此种方法得到了深入 的研究；但在实际情况中，常常难以获得对象的精确数学模型，这就大大限 制了基于解析模型诊断方法的使用范围和效果。近年来，人工智能及计算机 技术的飞速发展，为故障诊断技术提供了新的理论基础，产生了基于知识的 故障诊断方法，此方法由于不需要对象的精确数学模型，而且具有某些“智 能”特性，因此是一种很有生命力的方法。基于知识的故障诊断方法主要可 以分为：专家系统故障诊断方法；模糊故障诊断方法：故障树故障诊断方法； 神经网络故障诊断方法和数据融合故障诊断方法等“”。 1 3 数据融合技术概述 1 3 1数据融合技术的发展历史与现状 数据融合( d a t af u s i o n ) 是在面向各种复杂应用背景的多传感器信息系统 大量涌现的背景下产生的。2 0 世纪7 0 年代初，美国在c 3 i 系统( c o m m a n d c o n t r o lc o r n m u n i c a t i o na n di n t e l l i g e n c e ) 中首次提出数据整合意义的融合一 词，于是数据融合技术在军事领域罩受到青睐。美国国防部于1 9 8 4 年成立了 数据融合专家组( d f s ) ，专门组织和指导相关的研究，并相继研究开发了几 十个军事信息融合系统，这些系统经使用后，证明了信息融合的有效性和实 用性。 除了在军事领域的应用外，数据融合技术引起了世界各国学者的广泛关 注。1 9 9 4 年i e e e 首次举办了多传感器融合和集成国际会议，称为m f t 9 4 ， 之后又相继举办了m f t 9 6 、m f t 9 9 和m f t 2 0 0 1 。从这些会议文献可以看出， 近年来，数据融合技术研究的发展速度很快，其研究成果除应用在军事领域 外已迅速扩展到自动控制、目标识别、交通管制、生产过程监控、故障渗断 等多种领域。从近年的研究成果和应用情况可以看出，数据融合技术具有十 分巨大的应用潜力和研究价值。 我国虽然在这方面的研究起步较晚，但发展较快，国家自然科学基金和 八六三计划已将其列入重点支持项目。国防科工委于1 9 9 5 年组织了我国第一 次数据融合的专门研讨会。近年来，参与研究的人不断增加，每年有上百篇 学术论文发表，并在一些领域应用此技术解决实际问题。但从总体上看，我 国在数据融合领域的研究还处于起步阶段，除军事领域外，具体应用大部分 还停留在模拟和仿真阶段。 1 32 数据融合技术在故障诊断中的应用 目前数据融合在军事领域中已有广泛的应用，但在设备故障诊断中的应 用还是近年来的事情。数据融合技术用于故障诊断的起因有三个方面”： i 多传感器形成了不同通道的信号 随着故障诊断系统的庞大化和复杂化，传感器的类型和数目急剧增多， 众多的传感器形成了传感器群，由于传感器的组合不同，提供了设备不同类 型，不同部位的信息，传统的故障诊断方法只是对机器状态信息中的一种或 几种信息进行分析，从中提取有关机器行为的特征信息。虽然利用一种信息 有时可以判断机器的故障，但在许多情况下得出的诊断结果并不可靠。只有 从多方面获得关于同一对象的多维信息，并加以综合利用，才能对设备进行 更可靠更准确的诊断。 2同一信号形成了不同的特征信息 在故障诊断中，故障形成的原因非常复杂，不同的故障可能以同一征兆 形式表现出来。例如，不平衡、不对中、轴承座松动、转子径向碰麽等都会 引起汽轮机转予的异常振动，因此，转子的振动信号包含了大量反映转子状 态的特征信息，只有综合利用这些特征信息才能诊断出转子的故障。 3故障渗断中的不确定性 在故障诊断系统中，由于诊断对象的不确定性、系统噪声以及传感器的 测量误差等原因，由传感器提供的信息一般是不完整、不精确和模糊的，甚 至可能是矛盾的，即包含了大量的不确定性。而数据融合的一些方法能较好 地处理故障诊断中的不确定性问题。 利用多传感器数据融合的故障诊断方法的定义可归纳为：用多个传感器 从多方面探测系统的多种物理量，对多源的信息和数据进行检测、关联、跟 踪探测、状念估计等多级处理，精确、及时地判断出系统的状态，并分析出 状态( 故障) 、现象( 征兆) 和原因之间的关系”1 。基于数据融合的故障诊断方 法是通过多传感器和数据源之间的协调与性能上互补的优势来提高整个诊断 系统的有效性的。数据融合能通过分析、估计等处理排除干扰获得准确的信 息，此外，数据融合还具有很强的对数据关联、分析和分类的能力。对于船 用核动力装置，其结构复杂，影响设备的因素较多，仅仅利用有限的信息对 设备进行故障珍断的方法已远远不能满足实际需要，因此将数据融合的故障 诊断技术用于船用核动力装置的状态监测和故障诊断具有很高的研究价值和 适用价值。 1 3 3 数据融合技术的基本知识 1 数据融合的定义 科学技术的发展使传感器的性能大大提高，在多传感器系统中信息表 现形式的多样性、信息容量以及信息处理速度等都已大大超出了传统信息处 理方法的能力，一种新的信息综合处理方法数据融合技术便产生了。数 据融合是针对一个系统中使用多个或多种传感器这一特定问题而进行的信息 处理方法，因此，数据融合又称作多传感器信息融合( m u l t i s e n s o r i n f o r m a t i o nf u s i o n ) ，本文将不加区分地使用数据融合和信息融合这两个术 ；垒坠堡鐾堡垒篁堡二一 语。目前，由于多传感器数据融合是一门新兴的学科，并且涉及的内容非常 广泛，因此很难给出多传感器数据融合的一般概念。目前数据融合比较通用 的定义为w ：数据融合足充分利用不同时间与空间的多传感器信息资源，采 用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分 析、综合、支配和使用，获得对被测对象的一致解释与描述。 2 数据融合的基本原理 多传感器信息融合是人类和其他生物系统中普遍存在的一种基本功能。 人类能非常自然地运用人体的各个感觉器官，如眼、口、耳、鼻、肢体等将 外部世界的信息包括图像、味道、声音、气昧、触觉组合起来，并使用先验 知识去分析、理解、推测和判定周围环境和正在发生的事件。由于人类感官 具有不同的度量特征，因而可测出不同空间范围内的各种物理现象，这一过 程说起来简单，其实是极为复杂的。人类对事物的综合认识、判断与处理过 程具有自适应性，但人类把各种信息或数据转换成对环境有价值的准确解释， 不仅需要大量不同的高智能化处理，而且需要足够丰富的适用于解释组合信 息含义的知识库，也称先验知识。因此，人的先验知识越丰富，综合信息处理 能力越强。 多传感器数据融合实际上是对人脑综合处理复杂问题的一种功能模拟。 在多传感器系统中，各种传感器提供的信息可能具有不同的特征：时变的或 者非时变的；实时的或者非实时的；快变的或者缓变的；模糊的或者确定的： 精确的或者不完整的；可靠的或者非可靠的；相互支持的或互补的；相互矛 盾的或冲突的。多传感器数据融合的基本原理就像人脑综合处理信息的过程 一样，它充分利用多个传感器资源，通过对这些传感器及其观测信息的合理 支配和使用，把多个传感器在时间或空间上的冗余或互补信息依据某种准则 来进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此而获 得比它的各组成部分的子集所构成的系统更优越的性能。 3 数据融合的结构形式 数据融合的结构形式可分为串联、并联、混合和网络融合形式四种n 。 由图1 1 可见，串联融合时，当前传感器要接收前一级传感器的输出结 果，每个传感器既有接收信息处理信息的功能，又有信息融合的功能。各传 感器的处理同前一级传感器输出的信息形式有很大关系。最后一个传感器综 合了所有前级传感器输出的信息，得到的输出将作为串联融合系统的结论。 一丝墅鎏墅兰型型鲨圣一 因此，串联融合时前级传感器的输出对后级传感器输出的影响大。 并联融合时，各个传感器直接将各自的输出信息传输到传感器融合中 心，传感器之间没有影响，融合中心对各信息按适当方法综合处理后，输出 最终结果。因此，并联融合时，各传感器的输出之问不存在影响。 混合融合方式是串联融合和并联融合两种融合方式的结合，或总体串 行，局部并行；或总体并行，局部串行。 网络型多传感器数据融合的结构比较复杂，各子数据融合中心作为网络 的一个节点，其输入既有其它节点的输出信息，又可能有传感器的数据流， 最终的输出可以是一个数据融合中心的输出，也可以是几个数据融合中心的 输出，最后的结论是所有输出的组合。 传感器2 输入 传感器n 输 晟终结果 传感器1 输入传感器2 输入传感器n 输入 数据融合中心 最终结果 b ) 传感器l 输入传感器2 输入传感器n 输入 最终结果 c ) 图1 1 多传感器数据融合的结构形式 a ) 串联融合方式b ) 并联融台方式c ) 混合融合方式 4 故障诊断数据融合系统的功能模型 数据融合系统主要由多传感器、校准、相关、识别、估计等部分组成。 其中校准与相关是为识别和估计做准备的，实际融合在识别和估计中进行。 数据融合过程分两步完成，第一步是低层处理，对应于像素级融合和特征级 融合，主要进行的是校准、关联、特征提取等；第二步是高层处理，对应的是 决策级融合，进行征兆分类、故障分类、故障识别及故障位置确定等。其基 本数据融合系统框图如图1 2 所示”1 。 传感器组 振动( x ，y ，z 温度( n ) 雎力( n 2 ) 流量 润滑油成分 分析仪 超声探测 其它数掘 气味 声音 颜色 光 检测 时间 数值有效性 传感器管理 有效性检验 跟踪观测 一级融台处理 臣圃 n 磊面订 篙瀚掌卜洲瞄 二级融台处理 征兆分类 确定参与估计 的兀素 故障分类 故障识别 位置判断 知识库( k b ) 设计说明 经验知识 设备特性 数据席 ( e c d b ) 簇特s c d 陛b 川 数豁r c d b ，h 。d 蝴b & k b 感嚼 数据库() l l 数据库() f i () 检验、维护 图1 2 多传感器数据融合系统功能模型 5 数据融合的过程 数据融合过程主要包括多传感器信号获取、数据预处理、数据融合中心 ( 特征提取、数据融合计算) 和结果输出等环节，其过程如图1 3 所示。由于 被测对象多半为具有不同特征的非电量，如压力、温度、流量等，因此首先 要将它们转换成电信号，然后经过a d 转换将它们转换为能由计算机处理的 数字量。数字化后的电信号由于环境等随机因素的影响，不可避免地存在一 丝堡垒圣耋坠堂堂圣一 些于扰和噪音信号，通过预处理滤除数据采集过程中的干扰和噪音，以便得 到有用信号。预处理后的有用信号经过特征提取，并对某一特征量进行数据 融合计算，最后输出融合结果”1 。 谥；i f j 图1 3 数据融合过程 6 多传感器数据融合技术的优点 多传感器数据融合与单传感器处理相比，多传感器系统的复杂性大大增 加。多传感器数据融合在解决探测、跟踪和识别等问题方面，具有以下优点 吐 ( 1 ) 生存能力强。在有若干传感器不能被利用或受干扰，或某个目标事 件不在覆盖范围内时，总有一种传感器可以提供信息。 ( 2 ) 扩展了空间覆盖范围。通过多个交叠覆盖的传感器作用区域，扩展了 空间的覆盖范围，总有一种传感器可以探测到其它传感器探测不到的地方。 ( 3 ) 扩展了时间的覆盖范围。可以在更多的时间采样点上采集目标的探测 数据，用多传感器的协同作用提高了检测概率，某个传感器可以探测其它传 感器不能顾及的目标事件。 ( 4 ) 提高了精确度和可信度。一种或多种传感器对同一目标事件加以确 认。 ( 5 ) 降低了信息的模糊度。多传感器的联合信息降低了目标事件的不确 定性。 ( 6 ) 改进了探测性能。对目标事件的多种测量的有效融合，提高了探测 的有效性。 ( 7 ) 提高了空间分辨率。多传感器孔径可以获得比任何单一传感器更高的 分辨率。 ( 8 ) 增加了测量维数。系统不易受到破坏。 ( 9 ) 改善了系统的可靠性。多传感器相互配合使用具有内在的冗余性。 哈尔滨工程人学硕士学位论文 可见，多传感器数据融合系统的优点突出地表现在信息的冗余性、容错 性、互补性、实时性和低成本性。 7 数据融合技术的缺陷和未来发展趋势 多传感器融合技术经过多年的发展，尽管在各个方面取得了一定的成果， 但还缺乏一套成熟、完整的理论与方法。目前，在多传感器融合的研究中还 存在许多有待解决的问题”“。 ( 1 ) 、融合过程的误差：在冗余信息的处理过程中，要确定来自多个传 感器的信息，所参照的对象是环境中的同一个特征。这个问题解决的好坏， 直接影响后面融合的结果。 ( 2 ) 、传感信息的误差：误差通常用高斯自噪声柬表示，但在实际应用 中，这个假设难以满足。另外，传感信息中也会存在一些错误的信息。为了 利用已有的融合方法，必需解决这两个问题。 ( 3 ) 、系统运行误差：由于假设各传感器的测量相互独立，当传感器问 的耦合给系统带来误差时，系统无法处理这样的误差。另一个问题是在未知 环境下，很难对传感器进行标定。解决的方法是为每种类型的传感器建立 个详细的知识库，以便实现自主标定。 此外，由于对象和处理过程的复杂性，目前还没有一套系统的方法可以 很好地解决多传感器融合中出现的所有问题。尽管已有许多方法，但各种方 法都有自己的应用范围。比较理想的解决方案是多种融合方法的综合使用， 并根据具体问题合理的选择和组织这些方法。 今后，多传感器集成与融合技术将会以运行在未知、动态环境下的多传 感器系统为研究对象。在此方面，不确定性信息的数学处理工具将发挥重要 作用。人工智能和神经网络方法将成为研究的热点。它们会在传感器选择、 误差检测、目标识别等领域发挥重要作用。 1 4 本文的主要工作 本文的主要工作是系统的研究船用核动力装置故障诊断数据融合方法。 船用核动力装置以核能为动力来源，系统结构复杂对安全性要求较高。对于 这样的复杂系统，本文提出充分利用多传感器的数据融合技术，获得更加可 靠的特征信息建立融合诊断系统来对其进行故障诊断，在船用核动力装置 发生故障时能够及时准确地诊断出故障并给出正确的处理方法。 哈尔滨工程大学硕士学位 仑文 ；i i i ；i i ； 在阅读了大量有关故障诊断及数据融合文献的基础上，本文要完成的具 体工作如下： ( 1 )对船用核动力装置各系统的组成及工作原理进行研究。掌握各系 统易发生的故障以及故障的机理及表现形式和发生故障刚各系统参数的变化 情况。要进行正确的故障诊断，确保船用核动力装置的可靠性，就必须对所 要诊断的对象和故障有比较深入的了解，因此首先研究诊断对象和故障枫理 是非常重要的工作。 ( 2 )系统地研究数据融合的原理、过程，对数据融合的各种方法进行 比较并针对船用核动力装置各故障特性选择合适的融合方法。数据融合技术 作为一门新兴技术，以其独有的优势正逐渐被各领域所接受，数据融合的方 法也非常多，如何将这一毅技术应用到船用核动力装置的故障诊断中来，选 择何种数据融合方法，能够充分发挥出数据融合在故障诊断中的优势，是本 文研究的重点。 ( 3 ) 建立融合诊断系统，对船用核动力装置的常见故障进行诊断。在 选取了合适的数据融合方法后，本文提出建立船用核动力装置的融合诊断系 统，并用船用核动力装置的一些常见故障来测试浚系统的可靠性和实时性。 ( 4 ) 为帮助运行人员直观地观察各参数的变化趋势，利用v b 6 0 画图 方法，对各参数进行适时信号分析。 ( 5 ) 诊断结果分析，将建立的该融合诊断系统分别对船用核动力装置 二回路饱和汽轮机转子故障和一回路几种常见故障进行诊断，得到诊断结果， 通过对这些结果的分析，证实了该诊断方法在船用核动力装置故障诊断中的 实用性。 本文的研究工作共分为五章论述。 第l 章绪论。首先分析了故障诊断技术和数据融合技术的研究现状， 分析了将数据融合技术应用于故障诊断领域的几点原因。详细综述了数据融 合技术的一些基本概念。提出了本文所要做的主要工作。 第2 章融合诊断系统及其结构模型。探讨了融合诊断系统及其定义， 并结合实际诊断对象给出了融合诊断系统的结构模型，在详细分析了故障诊 断中所采用的各种数据融合方法的基础上，确定了该诊断系统的组成，及所 采用的具体方法，并简要介绍了各珍断模块的功能。 第3 章证掘推理。从不确定推理的定义出发，简要介绍了不确定推理 哈尔滨工程大学硕士学位论文 的几种常用方法。详细论述了本诊断系统所采用的d s 证据理论的一些基本 概念及性质，并对这些基本性质进行了证明。最后介绍了d s 证据理论的合 成规则和决策的基本步骤。 第4 章神经网络与证据理论相结合的融合诊断方法。首先简要介绍了 神经网络技术，和基于神经网络的融合诊断方法。之后对本诊断系统所采用 的b p 神经网络的算法及计算过程进行了详细的说明，进而分析了神经网络与 ds 证据理论相结合的融合诊断方法。在对汽轮机转子的主要故障进行研究 的基础上，利用该理论方法建立了汽轮机转子故障诊断系统，在汽轮机试验 台架上进行了诊断测试，并对诊断结果进行了分析。 第5 章船用核动力装置的故障诊断研究。以船用核动力装置为对象， 在对船用核动力装罱一回路的几种常见故障的现象、原因和后果等进行详细 分析之后，进行了特征提取，建立了一回路的故障诊断系统。把该诊断系统 应用于船用核动力装置一回路的这几种故障的诊断，通过对诊断结果的分析， 证实了该诊断系统完全可以满足船用核动力装置这样复杂系统实时诊断的要 求。 1 2 哈尔滨工程大学硕士学位论文 第2 章融合诊断系统及其结构模型 2 1 融合诊断系统 2 1 1融合诊断系统的提出及定义 数据融合技术首先起源于军事领域并在该领域得到广泛的应用及发展， 在敌我识别、航迹跟踪、目标定位等方面已形成了比较成熟的理论和方法， 数据融合技术显示出其独有的优势，目前研究人员充分挖掘这些优点，并将 该技术应用于工业过程监视、工业机器人、空中交通管制等领域。数掘融合 技术伴随着不同的应用领域和对象的发展而发展，目前还没有将各个领域的 数据融合技术进行具体化、规范化的统一。将数据融合技术应用于故障诊断 方面的研究是近几年开始的，在这方面的研究工作处于起步阶段，还设有形 成完整的故障诊断融合体系和理论框架。对于船用核动力装置这样复杂的系 统，其对安全性的要求相当高，故将数据融合的思想应用于它的故障诊断， 充分利用多源信息来提高系统的可靠性。从本质上讲，故障诊断系统是对运 行的各种状态信息和已有的各种知识进行信息的综合处理，最终得到关于系 统运行状况和故障状况的综合评价。数据融合的过程实际上是信息的提纯过 程，在故障诊断中是按最大从属原则进行融合的，即因果程度高者定为诊断 结论。在这一点上，故障诊断与数据融合技术具有相同的目的和要求。本文 提出的数据融合故障诊断系统是充分利用多传感器系统所获得的诊断对象的 运行状况，将多方面的数据进行分层次的融合处理，最终得到关于诊断对象 故障与否及故障模式的判断。 2 1 2 融合诊断系统的模型 融合诊断系统是将数据融合技术应用于故障诊断领域，利用数据在不同 层次( 或级别) 上的融合来进行故障渗断。数据融合故障诊断系统的定义可 归纳为：用多个传感器从多方面探测系统的多种物理量，对多源的信息和数 据进行分级处理，精确、及时地判断出系统的状态，给出系统故障与否及故 我们把数据融合的故障诊断系统简称为融合诊断系统。融合诊断系统相对于 信息表征的层次可以分为三级：数据级融合( 像素级融合) 、特征级融合和决 策级融合。 本文的融合诊断系统，共分为三大模块：数据级融合模块、特征缴并行 神经网络局部诊断模块、d s 证据理论的决策级融合诊断模块。融合诊断系 统的结构如图2 ，1 所示。 图2 1融合诊断系统结构 l 、数据级融合模块 数据级融合模块主要是对多传感器采集的数据进行处理，提取出用于诊 断故障的特征量。本文对多传感器采集的数据进行分类，对同类传感器和异 类传感器分别进行融合处理，经过特征提取，将测量值变换为0 或1 的特征 信息作为神经网络的输入。 2 、特征级多神经网络局部诊断模块 本文采用三个并行b p 神经网络进行局部渗断，将数据级融合模块处理 后的三类不同的特征信息作为神经网络的输入。利用神经网络在特征级上进 行局部诊断，得到局部诊断结果作为决策级d s 证据理论的基本概率赋值。 3 、d s 证据理论的决策级融合诊断模块 啥尔滨工程大学硕士学何论文 ； ；i i i ；i i ；i ；i d s 证据理论是研究事物由不知道所引起的不确定性的数学理论，它是 b a y e s i a 。理论的推广，是数据融合诊断中决策级常用的一种方法。它采用信 任函数作为故障发生与否的判别。本文建立胪s 证据理论的识别框架为上述 待诊断的故障，将三组神经网络的输出作为基本概率赋值，假设各证据不相 关。计算的步骤为： ( 1 ) 将神经网络的实际输出作归一化处理 t 2 ) 将三个神经网络的证据进行融合处理得到最终的基本概率赋值 ( 3 ) 计算各故障信任函数及似然函数，给出诊断结果 2 2 数据融合的级别 2 21 数据级融合 数据级融合是直接在采集到的原始数据层上进行的融合，是最低层次上 的融合。数据级融合处理是对大量的测量数据、人工观测数据并结合传感器 自身信息，进行校准、关联、跟踪等局部融合处理过程，以达到对测量范围 内的物理现象及性质进行估计的目的。数据层融合的作用是消除测量数据中 大量的冗余，提取出有关现象( 征兆) 的信息或分析出可能出现的征兆信息， 形成数据层处理的输出，供在特征层的进一步融合处理使用。在数据层融合 方法中，匹配的传感器数据直接融合，而后对融合数据进行特征提取和状态 ( 属性) 说明。实现数据层融合的传感器必须是相同的或匹配的，在原始数据 上实现关联，且保证同一目标或状态的数据进行融合，传感器的原始数据融 合后识别的处理等价于对单传感器信息的处理。数据级融合所达到的精度 依赖于可得到的物理模型的精度。最简单、最直观的数据级融合方法是算术 平均法和加权平均法”1 。 数据级融合的优点是能保持尽可能多的现场数据，提供其他融台层次 所不能提供的细微信息：缺点是所要处理的传感器数据量大处理时间长， 导致实时性差，同时在原始信息不精确、不完整和不稳定时，要求在数据 融合时有较高的纠锚能力。 2 2 2 特征级融合 特征级状态属性融合就是特征层联合识别，它实际上是模式识别问题， 哈尔滨j 二程大学硕士学位论文 ；i ；i ；i i - ；i ；i ；= 属于中间层次融合。多传感器系统为识别提供了比单传感器更多的有关目标 ( 状态) 的特征信息，增大了特征空间维数。具体的融合方法仍是模式识别的 相应技术，只是在融合前，融合系统首先对传感器数据进行预处理以完成特 征提取及数据配准，即通过传感器信息变换，把各传感器输入数据变换成统 一的数据表达形式( 即具有相同的数据结构 ，在数据配准后，还必须对特征 进行关联处理，对目标( 状念) 进行的融合识别，就是基于关联后的联合特征 矢量。具体实现技术包括参量模板法、特征压缩和聚类分析、人工神经网络 及基于知识的技术等。 特征级融合的优点是实现了信息压缩，有利于实时处理，并且山于所提 取的特征直接与决策有关，因而融合结果能最大限度地给出决策分析所需要 的特征信息。目前大多数c 1 t 系统的数据融合研究都是在该层次上展开的。 2 2 3 决策级融合 决策级融合的基本概念是：不同类型的传感器监测同一个目标或状态， 每个传感器各自完成变换和处理，其中包括预处理、特征提取、识别或判决， 以建立对所监测目标或状态的初步结论。而后通过关联处理、决策层融合判 决，最终获得联合推断结果，是种高层次融合。决策层融合输出是一个联 合决策结果，所采用的主要方法有b a y e s i a n 推断、d e m p s t e r s h a r e r 证据理 论、模糊集理论、专家系统等。 决策级融合主要优点是数据量小，所以融合中心处理代价低，同时系统 对信息传输带宽要求也降低了；另外，对传感器的依赖性小，当一个或几个 传感器出现错误时，通过适当的融合，系统还能获得正确的结果，所以具有 容错性。决策级融合的缺点是要对原传感器信息进行预处理以获得各自的判 定结果。所以预处理代价高”。 2 。3 故障诊断中应用的数据融合方法 设备敞障珍断技术由于现代大生产的迫切需要正在迅猛发展，已成为 当今科技研究的热点之一。将数据融合技术应用于故障诊断是近几年发展起 来的。实际上，故障诊断的过程就是根据检测量得到故障特征，经过分析处 理，判断是否存在故障及查找故障源的过程。数据融合的过程实际上是信息 提纯的过程也就是一个故障诊断的过程。是按最大从属原则进行融合的即 哈尔滨工程大学硕士学位论文 = ；= ；i i ii l l i i ；i i i i ；j = 以因果关系程度最高者定为融合结论( 诊断结论) 中的成因1 。数据融合技术 应用于故障诊断，在提高故障的确诊率方面有其独特的优势。数据融合技术 也为解决故障诊断中的“瓶颈”问题漏报、虚警、误报等，带来了一线 希望。 2 3 1基于统计的融合诊断方法 基于统计的融合诊断方法有：权系数及模糊贴近度法、贝叶斯法和证据 理论( d s ) 法。 l 、权系数融合与模糊贴近度融合诊断方法 对于信息群进行融合的最原始方法当属采用所谓“权系数”的办法。权 系数融合算法又是较为成熟的一种融合方法，许多研究结果已经证明该算法 的最优性、无偏性、均方误差最小等特性，并给出了一些算法及其在各领域 中的应用实例 13 ，1 4 。文献 1 5 给出了对某四级模块串联网络故障进行诊 断时所采用的模型，其特征参数是：x 一第一模块输出误差、x ，一第二模块 输出误差、l 一第三模块输出误差、x 。一第四模块输出误差。如图2 2 所示， 其中五为f 模块的故障率。 臣 i 臣 玉臣 k 臣 k 图2 2四级模块串联网络故障诊断 当 = a 2 = 如：丑4 时，1 也 _ 。当旯l 兄2 如a 4 时，依据i , ，的 大小顺序取之大小顺序。然后实施加权平均后可以得到一个综合的诊断参数 4 y ： y = k o l( 2 1 ) 女= 】 其中k 为诊断闽值。应注意使用该方法时，调整和设定权系数九的工作量很 大，并具有一定的主观性。为解决这些问题又提出了自适应加权融合方法并 将这些算法应用于实际中 1 6 ，1 7 ，1 8 。 哈尔滨上程大学硕士学位论文 作为刘权系数法的改进和提高，可以采用模糊贴近度方法进行信息融合。 常用的表示贴近度的方法有：两模糊子集的内积( 外积) 、两模糊子集的距离( 如 加权海明距离1 、最大最小法、集函数法等。采用模糊贴近度法的最大特点是 不用为众多的特征参数人为地设定权系数，从而避免了融合过程中可能产生 的盲目性，对于模糊信息亦有识别作用。 应当注意的是权系数法与模糊贴近度法f 勺共同缺点是离不开对被渗断对 象的先验且完整的认识。如果事先得不到完备的标准信息样本群，这两种方 法都会搁浅。另外，当后者的融合结果在0 5 左右时也难以得出肯定的结论“。 2 、贝叶斯融合诊断方法“ 贝叶斯定理法是基于概率统计的推理方法。它以概率密度函数为基础， 综合设备的各种信息，来描述设备的运行状态，进行故障分类。具体步骤如 下： a ) 先验概率假设：设备运行过程是一个随机过程，各类故障出现的概率 一般是可以估计的。这种根据经验知识对故障所做出的概率估计称为先验概 率。记为户( w ) ，j = 】，2 ，p ( w o ) 表示正常工作的概率。对一故 障样本x ( 由多传感器对被诊断对象测试而得) ，p ( x w ) 表示输入模式为f 类 故障的条件概率密度函数，其中i = 1 ，2 ，h 。 b ) 后验概率计算：根据贝叶斯公式有： 尸( w f ) ：# 垡塑型唑! ( 2 - 2 ) p ( x w j ) p ( w ，) = 0 式中：z = 【z ，x ：，爿。】为输入模式样本：p ( w ，x ) 称为已知样本条件下 w ，( 某故障模式) 出现的概率。称为后验概率。 c ) 故障判定：根据极大后验概率判定逻辑p f m x ) 一m a x p ( wt x ) t 时爿w ，即x 属于故障模式w ，。 b a y e s 方法是最早用于不确定推理的方法，具有公理基础和易于理解的 数学性质，因此作为一种融合规则的方法被应用于诊断系统。b a y e s 方法要 ；丝璧錾鏊兰堡圭丝篁i 量；一一； 一一， 求给出先验概率和条件概率，并要求所有的概率都是独立的，这给实际系统 带来很大困难，有时甚歪是不可能的。b a y e s 方法要求有统一的汲别框架， 不能在不同层次上组合证据，当对不同层次的证据强行进行组合时，由于强 行分配先验概率等，有可能引起直观不合意的结论。b a y e s 方法不能区分不 确定和不知道。这些缺点使b a y e s 方法的应用受到了一定的限制“。 3 、d s 证据理论的融合诊断方法“ d e m p s t e r s h a f e r 证据理论特别适合于处理先验概率和条件概率不完全知 道甚至不知道的情况。它用信任测度和似然测度来描述和区分不知道和不确 定这两种情况。d e m p s t e r - s h a f e r 证据理论的主要特点是它能够随着证据的不 断积累而缩小假设的范围，在证据积累过程中需要不断评价证据体对假设的 支持程度；d e m p s t e r - s h a l e r 证据理论提供了证据合成的规则，因而可用柬对 不完整或冲突的证据进行推理决策。d s 证据理