摘要：文章分析了基于常识模子库的水机电组故障诊断融合推理方式，描写了常识模子的条理组成，基于旌旗灯号处置的人工神经网络诊断方式。要害词：故障诊断；常识模子库；神经网络；融合推理水机电组状态监测系统经由过程对机组各类参的实时检测和监视，综合装备历史状态，能对机组作出故障诊断和趋向预告，实时评估装备性能，利于水电厂制定合理的装备检修维护制度，从而到达延长检修周期，缩短检修时间的目的。1水机电组故障诊断特点水机电组故障诊断主要包括水轮机诊断和发机电诊断，两者互为联系关系。水轮机诊断包括：轴系、叶轮、叶片、导轴承、润滑系统、支持系统、控制系统等部位故障的诊断。主要故障特征包括：油箱油位的升高和下降、油温的升高、轴瓦平均温度升高、轴瓦温度上升率、摆度升高、轴承振动升高、振动和摆度随转速、负荷变化的趋向、有无负荷的振动情况。发机电诊断包括：定子线圈、定子磁心、转子、轴系等部位故障的诊断。定子线圈的诊断采用局部放电法（脉冲高频容）用于检测线圈、线棒、线棒支持的尽缘情况及线圈断路。定子铁芯和转子的诊断运用一组气隙丈传感器监测定子孔径和转子圆周、偏心所酿成的动态气隙情况。检测的参数一般有：机架振动、摆度、温度、电、气隙、尽缘监测、气蚀、压力脉动等。对于诊断导轴承、推力轴承和其它一些复杂的故障，诊断系统要综合斟酌分析各检测参数。2故障诊断系统结构机组故障诊断系统包括数据预处置和数据规范化、信息处置、故障诊断常识建模、故障检测、故障分手与估、故障分类评价和决议计划、常识模子库、数据库、智能决议计划支持系统、人机对话界面、监控中心等。　数据预处置和数据规范化模块对在线采样的可测变进步前辈行预处置以消除噪音，然后将其转化为规范数字旌旗灯号输进数据库中。信息处置、故障诊断常识建模模块将从机组录进的振摆、水压脉动等旌旗灯号进行再处置并建成常识模子库。常识模子库、数据库在故障检测、故障分手与估、故障分类评价和决议计划模块实时起支持性作用。智能决议计划支持系统模块负责对机组分歧的运行状态选择哪种或哪几种诊断方式，和各诊断方式之间的集成，给出响应的故障处置方案，和化运行决议计划与检修计划决议计划，并对常识模子库中的常识进行协调挪用。人机对话界面、监控中心划分负责机组信息的输进与输出，包括深层和浅层常识的录进、故障信息的输出，和在判定故障时启动庇护措施，经由过程执行机构往完成。另外还有数据的报表输出及打印等功能。3常识模子库若何具体实现故障诊断常识建模的功能，进行诊断常识模子的获取，形成常识模子库，从而实施在线故障检测、故障分手与估、故障分类评价和决议计划模块的功能是系统的难点。在文献［1］中，杨杰等提出了一种基于综合模子的故障诊断建模与推理的方式，即人工神经网、案例、划定规矩和对象模子，来有用地进行诊断常识模子的获取。水机电组的常识模子可由机组模子、诊断经验划定规矩、诊断神经网模子、诊断案例4种方式来暗示。诊断常识模子由一般到非凡分四层组织：层描写一般的诊断常识，由水轮机、发机电的机组模子组成。运行模子描写了机组正常工作时的形态，故障模子描写了机组在故障时的形态，它们被用于基于模子的诊断、真值维护息争释。第二层描写一般的诊断常识，由凭据水机电组的技术尺度、规程和家诊断经验回纳出的诊断划定规矩组成，用于基于划定规矩的诊断。第三层是凭据类似诊断事例经操练机关的人工神经网模子，用于基于神经网模子的诊断。第四层由案例－子案例品级框架暗示组成，它描写各电厂机组或电厂各机组间的非凡诊断案例常识，用于基于案例的诊断。3．1层机组定信息描写一般包括参数描写和状态描写两种。参数描写指由机组参数的显著变化来描写故障的发生如温怀抱、电等的值越阈或突变。状态描写指由机组开、停机进程及机组运行状态来描写所包括的故障信息。由机组定信息描写形成的运行模子和故障模子，组成机组模子子库，形成模子常识库的层。由该层支持的基于机组模子的故障诊断方式有：参数估诊断法和状态估诊断法。参数估诊断法在进行故障检测、故障分手与估、故障分类评价和决议计划时，诊断的进程参数为机组模子模拟与机组现实运行参数的比力值，所得残余误差为两者之间的相对变化值。在系列残余误差中包括有各类故障信息，连系机组模子库中响应模子对基本残差序列采用统计检验法，检测机组的故障部位和缘由，并进一步分手、估与决议计划。状态估诊断法由凭据水电生产进程的控制逻辑来判定机组是否有故障状态，可由机组监控系统直接支持。3．2第二层基于尺度和经验回纳出的诊断划定规矩，故障可分为肯定性故障和不肯定性故障两种。对于肯定性故障，也就是一般的发生式故障，可建立用于逻辑推理的常识模子库。而对于非肯定性故障，一般采用模糊发生式划定规矩来暗示故障诊断常识，即用模糊关系矩阵来暗示条件条件与结论之间的因果关系。此外，还可采用可信度方式、几率方式等来描写其不肯定性。可对这些方式进行充实收集，整理化后形成一个较完整的诊断推理机制。3．3第三层凭据类似故障诊断事例操练机关的人工神经网模子，其实是一个故障分类和识别进程。人工神经网络在此作为一个自顺应的模式识别技术，哄骗自身的学习机制，经由过程对案例样本的学习，自动形成相对应的决议计划区域。而且样本变化时，如案例增加时，神经网络操练所获得的映照关系可以自顺应，到达瞄准确诊断的进一步迫近。3．4第四层该层常识由案例－子案例品级框架暗示组成，形成了非凡常识的诊断案例子库。对机组在线状态的信息诊断同案例子库中的案例描写进行匹配，得出解策略。以上四条理常识模子子库既有其自力性又慎密联系关系。当机组的新类型故障被诊断出来后，可对其进行描写，添加到案例－子案例品级框架中。新类型故障同框架内的原有相似故障可用于机关和操练新的神经网模子，加进到第三层的人工神经网络模子子库中往。而以上三层的常识暗示如可以采用定信息暗示，又可建模加进到层的机组模子库中。4融合诊断推理对于复杂故障的诊断，不能简单地仅经由过程某一种方式诊断出来，有用的方式是将各检测信息有用连系判定的融合诊断法。文献［2］中，彭涛等提出一种基于旌旗灯号处置的人工神经网络诊断方式，即基于小波变换的特征提取、基于遗传算法的特征选择和基于神经网络的状态识别理论。该方式可将机组多个传感器旌旗灯号，如振摆、气蚀、水压脉动旌旗灯号等，用加权法实现信息的低级融合，按给定的小波函数进行小波变换，提取其特征成份，用遗传算法搜索选择输进参数中为重要的特征参数，与已知方针特征信息一起作为操练样本，送神经网络操练，实现状态识别和故障诊断。对某些复杂检测信息也采用小波变换法，如对于尽缘监测中所测局部放电数据的处置，针对其局放旌旗灯号微弱、噪声年夜的特点，采用小波变换进行分析，可充实哄骗小波分析秀的时频分析特征。理的策略，直至给出好处置方案，得出切确的猜想控制和诊断成效。5竣事语水机电组的设计、制造、安装和年夜修中，都对机组各状态参数提出划定和要求，但由于水机电组在运行进程中存在不划定规矩的水力干扰，不仅分歧机型分歧容分歧结构的机组，现实运行参数目值及其变化纪律纷歧样，而且统一电站统一机型的几台机组，运行参数现实也难一致。如一般机组瓦温带满负荷时比空载时高3～5℃，而有的机组带负荷后温度并没有上升，甚至略有下降。又若有些机组上机架振动达1mm而能持久运行，有的水导运行摆度到达0．8mm，瓦温却正常，运行也稳定。是以，要在故障诊断推理系统内制定一个统一的尺度，难度很年夜，而且到今朝为止，还没有有一个性的状态监测尺度。从现实的年夜修内容看，主要是因空蚀、磨损、侵蚀、老化、疲钝引发的零部件损坏和构件松动，但要直接丈，尤其象橡胶密封老化水平的在线丈是十分坚苦的，甚至是不成能的。所以在故障诊断推理系统的监控中心中设置人工干涉干与功能，当令弥补案例层常识，实现人机连系、智能互补是需要的。而把人融合到整个系统中往，还可以凭据各自机组的特点，对某些诊断进行重新设置或批改，形成针对机组特点的智能高效推理机制。以到达对各自机组故障的切确猜想和诊断。