【后勤保障与装备管理 】
舰船综合电力系统设备故障的 贝叶斯 -可拓诊断模型
王 丰，顾佼佼，王 蓉
(海军航空大学， 山东 烟台 264001)
摘要 ：为了对舰船电力推进系统设备发生的故障进行分析与诊断，利用可拓识别方法和贝叶斯判别方法，并结合Matlab仿真，提出了一种舰船综合电力推进系统设备故障损伤程度的贝叶斯-可拓诊断方法。该方法在考虑各故障总体的分布函数、先验概率及误判损失的基础上，既考虑了决定待诊断舰船电力推进系统设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度，又考虑了故障总体各判别特征指标的权系数。通过对算例的分析，表明该方法集合了可拓识别方法和贝叶斯方法的优点，实用性和优越性较强，在舰船综合电力系统设备故障诊断中有较好的应用推广前景。
关键词 ：可拓识别；电力推进；故障；贝叶斯判别
船舶综合电力推进系统是随现代先进电力技术发展而来的一种新型船舶推进系统，是相关领域专家研究的热点方向。英、美等国家研究的下一代舰船都将采用全电推进方式。其有能源利用率高、机动性高、节能环保、运行噪音低等优点，更有利于电磁武器在舰船上的安装运用。其主要构成有变频器、推进电机、变压器、功率管理系统和操纵控制系统等核心设施设备。目前，常用的电力系统设备故障诊断方法[1～5]有：专家系统、红外测温技术、数据挖掘、模糊理论等。文献[6]利用贝叶斯判别方法和模糊综合评价对电力变压器的故障状态进行判别和预警。文献[7]利用贝叶斯判别方法研究了配电网故障的选线方法。贝叶斯判别方法是考虑了各故障损失总体出现的先验概率及误判损失的情况下，用待诊断设备的监测数据修正先验概率分布，进而判别故障的归属。但该方法没有考虑决定待诊断电力设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度。可拓识别方法[8]是利用可拓集的思想，在判别特征的基础上，通过关联函数计算出特征量值与判别特征之间的关联程度，并结合权重系数，得到待识别事物的综合优度，从而判断出事物的归属。该方法在装备故障诊断、管理、计算机等领域取得了较多的研究成果。文献[9]利用贝叶斯判别方法和可拓识别方法，结合变压器故障类型的产生概率，建立诊断故障的模型,分析判断出变压器的故障所属类型。该方法结合了贝叶斯判别方法和可拓识别方法的优点，是这两种方法在变压器故障诊断领域的全新尝试。本文在此基础上，利用贝叶斯判别方法和可拓识别方法[10]，并结合Matlab仿真，研究其在海军舰船综合电力推进系统设备故障损伤等级程度诊断中的应用。该方法在考虑各故障损伤等级总体的分布函数、先验概率及误判损失的基础上，既考虑了决定待诊断舰船电力推进系统设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度，又考虑了故障总体各判别特征指标的权系数。考虑问题更加全面，并对该方法的仿真结果进行验证，使故障诊断的准确度更高。
1 故障诊断的贝叶斯-可拓方法
1.1 诊断流程
舰船综合电力设备故障损伤程度的贝叶斯-可拓诊断的流程如图1。
1．5 统计学方法 采用SPSS 15．0进行统计学处理，率的比较用χ2检验，在屈光异常检出率的影响因素分析时，单因素分析采用χ2检验、趋势χ2检验或Fisher＇s确切概率法、多因素分析采用logistic逐步回归方法，以P＜0．05为差异有统计学意义。
1.2 具体步骤
1 .2 .1 建立故障总体及待诊断电力设备的基元模型
通过电力设备监测系统，持续检查和分析电力设备运行状态，全面采集磁力线密度、局部放电量、频率、电压、突变信号等数据，利用可拓数据挖掘理论[11～12]，并结合电力设备形成的故障库挖掘出各类型故障及故障等级与各判别特征之间的关联程度，从而筛选出故障类型及其判别特征。篇幅限制，将另文研究。假设电力设备的某类型故障[13]分成m 个损伤等级，故障总体Z i (i =1,2,…,m )，并用故障元描述为：
(1)
式(1)中，N i 为该故障的第i (i =1,2,…,m )个损失等级程度；c i (i =1,2,…,p )为刻画故障；Z i (i =1,2,…,m )的判别特征指标；V i =〈a ip ,b ip 〉为故障N i (i =1,2,…,m )。
图1 舰船综合电力设备故障损伤程度的贝叶斯-可拓诊断的流程
经过计算，三比值编码为 022，即判别特征c 1的量值为022。同时根据表2中c 2，c 3，c 4，c 54个判别特征的量值，用故障元构建该变压器的故障基元为：
根据监测设备的诊断，得到待诊断设备X 的故障状态数据，建立其基元模型为：
社区大学承担着社区文化建设和社区公共参与的职能，因此社区大学教师除了具备教学知识与技能外，还需要有整合社区资源的能力。通过地方特色课程认识社区所在地的知识，了解社区资源，重视地方的多元性，形成对地方的认同感，充分挖掘和调动社区当地的各类资源，发动社区的大、中、小学生成为社区大学的课程助教。能够开发具有地方特色的课程，开发适合社区学员的课程、教材，寻找多样化的授课方式，形成社区互帮互助的文化氛围［3］。
综上所述，中医护理干预应用于妇产科手术患者术后腹胀的护理工作中，能够显著改善患者的腹胀症状，提高患者的满意度，有较高的临床应用价值。
(2)
式(2)中，v i (i =1,2,…,p )为待诊断电力设备X 关于判别特征c i (i =1,2,…,p )所监测到的量值。
组织创伤的修复包括再生和纤维性修复，后者导致瘢痕的形成。组织损伤后2～3 d即可出现肉芽组织，随后纤维结缔组织增生，并逐渐转化为老化阶段的瘢痕组织[4]。瘢痕是组织修复中必然出现的病理生理过程。创面大小、炎症反应、细胞因子的作用等多种因素都与瘢痕形成的程度相关。瘢痕的形成有助于创伤的愈合，保持组织完整性并加固修复的坚固性，但瘢痕也容易造成粘连和挛缩，影响组织的正常功能。因此，如何控制瘢痕修复的程度，减轻其不利的一面，这是创伤愈合研究中的重要一环。
1.2.2 确定分布函数及误判损失
确定舰船电力系统故障Z i (i =1,2,…,m )的分布函数为f i (X )，先验概率分别为q 1,q 2,…,q m ，且
若对待诊断设备故障的诊断结果发生误判时，会造成设备维修方案的错误制定等严重后果，将误判损失记为C (l /j )，且
C (l /j )≥0，l ,j =1,2,…,r
C (l /l )=0，l =1,2,…,r
确定该故障总体Z i (i =1,2,…,m )关于p 个判别特征c j (j =1,2,…,p )容许的量值域，即节
用基元刻画为：
1.2.3 确定各判别特征指标的权系数
如何才能激发学生学习的愿望，教师在设计练习时要充分考虑儿童的心理特点，教师结合学生已有知识尽量使练习设计新颖，生动有趣，只有有趣的练习，才能调动学生做练习的积极性。
各判别特征指标对故障确定的影响程度不同，本文根据层次分析方法(AHP方法)确定各特征指标的权重系数。记为δ r (r =1,2,…,p )，δ r 〉0，其中
1.2.5 构建电力系统各故障的关联函数
建立值v r (r =1,2,…,p )到节域
和经典域V i =〈a ip ,b ip 〉的可拓距公式为
和ρ (v r ,V i )。建立待诊断舰船电力系统设备故障关于各特征指标的关联函数[14]为K i (v r )，其中，
(3)
(4)
(5)
1.2.4 建立节域和经典域的可拓距
根据权系数及公式(3)～(5)，构建待诊断设备关于舰船电力系统各故障总体Z i (i =1,2,…,m )的综合关联度函数为：
(6)
将待诊断设备的故障监测数据代入式(6)，计算出相应的关联函数度。
图1中,设定输入光场为Ein,输出光场为Eout,谐振腔内耦合区域前后的光场分别为E1和E2,耦合区域的耦合系数和透射系数分别为k和t。k与t满足k2+t2=1。输出端的光功率为Iout=|Eout|2,输出端的光功率为Iin=|Ein|2。φ代表谐振器的往返相位,L是谐振器周长,β是传播常数,φ=βL。那么反射式光波导谐振腔的传递函数表示为
2017年9月6日，教育部发布明确“取缔校园贷款业务，任何网络贷款机构都不允许向在校大学生发放贷款。”的要求。在强大的监管之下，许多校园借贷平台开始退出大学生借贷市场。经过行业的调整，目前大学生主要使用的网络借贷平台主要有以下三类：
1.2.6 计算舰船电力系统设备的故障度
如果可能的话，在病人住院前采集基本的信息，这给社会工作者提供在更加自然状态下了解病人的状况，访谈那些陪伴患者的家庭成员，或是患者朋友的机会。这有助于早期发现病人的社会问题，并且有利于确认病人朋友和亲属的地址。
则该设备的故障损伤程度归属为第e 个故障总体。
若不考虑系统设备故障的先验概率及误判损失，
考虑舰船电力系统设备故障发生的先验概率及误判损失的情况，构建待诊断设备的故障度计算公式为：
l ,j =1,2,…,r
(7)
将通过式(3)～(6)得到的值代入式(7)，计算出待诊断电力设备的故障度[15～19]。若
则该设备的故障损伤程度归属为第c 个故障总体。
2 算例分析
本文以推进系统的变压器故障诊断为例，说明该方法的分析与研究过程。假设某型舰艇电力推进系统某次日常维护保养中诊断出变压器SFSZ8-5000/111发生的故障为铁芯多点接地(记为X )。由于该型变压器结构的复杂性，涉及到机、油、电、控制等多方面的组成结构。根据舰船领域专家的经验、建议，提取出5个故障判别特征指标，分别为三比值编码(记为c 1)，铁芯多点接地电流(记为c 2)，φ (CO )/φ (CO 2)(记为c 3)，变压器油中含水量(记为c 4)，局部放电量(记为c 5)。通过监测系统收集的数据显示，运行中油色谱分析气体的组成成分如表1所示。经过监测设备持续的监测、采集和分析变压器状态数据，得到该变压器关于c 2，c 3，c 4，c 5等5个判别特征指标的量值如表2所示。
(2)指导委员会从宏观角度进行评估，重点关注以下几个方面：①大型仪器设备的科学研究潜力；②能否以最佳的方式通过该仪器设备获得知识；③能否促进相关科学领域的长远发展；④技术上是否可靠及工程上能否实现；⑤促进科学技术发展宏观政策的可实现性。经过上述综合评估，最后由联邦政府在评估结论的基础上做出决定。
铁芯多点接地故障分成4个损伤等级程度，用故障经典域基元Z i (i =1,2,3,4)分别刻画为：
(8)
(9)
(10)
表1 测得的变压器特征气体浓度
表2 该变压器关于这5个判别特征指标的量值
(11)
式(8)～(11)中，N 1表示一级故障；N 2表示二级故障;N 3表示三级故障；N 4表示四级故障。
根据4个经典域基元，构建相应的节域基元模型为：
鼓板那个一响哟，大伙儿歇歇脚。听我说说大别山，那是个英雄窝。高山铺子清水河，八斗丘里望南坡。卖油货郎送情报，锦囊妙计捣敌窠。打了土豪分田地，黄麻起义震山河。铜锣一响当红军，万里长征过黄河。小女子哟坐楼阁，怀抱琵琶赴战火。荆王街上百里香，来往敌营快如梭。炸掉碉楼杀鬼子，抗日英雄何其多……
(12)
式(12)中，O b 为铁芯多点接地。
通过对表1数据进行分析，各特征气体的比值有：
φ (CH4)/φ (H2)=2.64
φ (C2H2)/φ (C2H4)=0.002
φ (C2H4)/φ (C2H6)=5.32
关于判别特征c i (i =1,2,…,p )所规定的量值域，即经典域[9]。经典域的量值范围根据数据挖掘、故障库，结合专家组经验、意见得出。
根据层次分析方法确定各判别特征指标的权系数分别为：
δ 1=0.2，δ 2=0.26，δ 3=0.16，δ 4=0.18，δ 5=0.2
将判别特征量值及权重系数依次代入式(3)～(6)，计算出该各故障总体Z i (i =1,2,3,4)的综合关联度，有：
(12)
(13)
(14)
(15)
如果考虑该故障产生的误判损失以及故障总体出现的先验概率和分布函数，假 设该故障的分布函数为协方差阵为
的三元正态总体，先验概率q 1=0.196 1，q 2=0.154 6，q 3=0.296 9，q 4=0.357 5，误判损失分别为:
C (1/2)=2，C (1/3)=12，C (1/4)=6，
C (2/1)=3，C (2/3)=2，C (2/4)=10，
C (3/1)=2，C (3/2)=4，C (3/4)=2，
C (4/1)=2，C (4/2)=6，C (4/3)=10，
C (w /w )=0，w =1,2,3,4。
在式(8)～(11)的基础上，根据式(3)～(11)，通过Matllab仿真，得到该故障关于4个损伤等级的归属度λ c ,c =(1,2,3,4)，如图2所示。
生产商品的具体劳动的这种二重性只有在现实交易中才能得以呈现。上面已论述到，一方面要生产出一个有用物来满足他人或社会的某种需要；另一方面这个有用物必须是能够用来交换的，通过市场交换这一环节来满足生产者本人的多种需要。生产商品的具体劳动过程中的有用性决定了商品使用价值的自然属性这一最基本的属性，而在生产商品的具体劳动过程中的社会交换性则决定了商品的使用价值具有特殊的社会属性。因此，正是由于生产商品的具体劳动的二重属性才决定了商品使用价值的二重属性。
3）在课堂上引导学生掌握读题干、找关键词、预测问题、做笔记等基本的听力技巧的基础上，为所教学生开通专门的微信学习平台，上传精选的听力学习资料，供学生训练，并及时反馈掌握情况。
图2 该变压器故障关于4个损伤等级的归属仿真
根据上述分析：
1) 如按照可拓识别方法，有综合关联度的大小排序：
K 3(X )>K 2(X )>K 1(X )>K 4(X )
即应将该变压器故障划归为λ 3损伤程度。
洪泽湖现状汛限水位为12.50 m（废黄河高程，下同），警戒水位13.50 m，设计洪水位 16.0 m，校核洪水位17.0 m。其洪水调度按照2008年国家防汛抗旱总指挥部批复的淮河洪水调度方案（国汛〔2008〕8号）执行，在汛期预报淮河上中游发生较大洪水时洪泽湖应提前预泄，尽可能降低湖水位；根据不同洪泽湖水位，相应利用淮河入江水道、入海水道、分淮入沂、苏北灌溉总渠及废黄河行洪。
2) 如按照本文方法，根据图2仿真结果，显然有λ 4<λ 1<λ 3<λ 2，应将该变压器故障划归为λ 2损伤程度。
本方法即考虑了待诊断电力设备故障损伤的各判别特征指标与各故障总体相应特征指标的“关联”程度，又考虑了可能产生的误判损失以及故障总体出现的先验概率和分布，并结合Matlab仿真，为舰船电力系统设备故障诊断提供了一个全面的新方法和新途径。
3 结束语
本文将可拓识别方法和贝叶斯方法相结合，并结合Matlab仿真，得到一种舰船电力推进系统设备故障诊断的可拓-贝叶斯判别方法。该方法集合了这两种方法的优点，使舰船电力系统设备故障诊断考虑的问题更全面，故障损伤等级程度判别的结果更准确，为舰船机电部门专家及保障人员确定最后的维修方案提供重要的理论依据。限于篇幅，提取的判别特征指标不够细化、节域及经典域的确定缺乏足够多的故障样本支撑，实现计算机的辅助故障诊断都是下一步需要重点研究解决的问题。
参考文献：
[1] 芦竹茂,王天正,俞华,等.基于红外图像分析的电力设备热故障检测技术研究[J].现代电子技术,2017,40(11):123-126.
[2] JAGTAP H P,BEWOOR K.Development of an Algorithm for Identification and Confirmation of Fault in Thermal Power Plant Equipment Using Condition Monitoring Technique [J].Procedia Engineering,2017,181：690-697.
[3] 王丰,顾佼佼,曹倩,等.马尔可夫过程的传导转移概率及工程研究应用[J].华中师范大学学报(自然科学版),2018,52(6):773-777.
[4] 李曜,胡祎.潮流计算在舰船电力系统稳定性分析的应用[J].舰船科学技术,2017,39(18)：109-111.
[5] 尚安利,夏立,王征.舰船电力系统一体化系统模型和故障恢复研究[J].电工技术学报,2016,31(2):163-170.
[6] 石少伟,王可,陈力等.基于模糊综合评价和贝叶斯判别的电力变压器状态判别和预警[J].电力自动化设备,2016,36(9):60-66.
[7] 谭杰.基于Bayes判别分析的配电网故障选线方法[J].电力学报,2016,31(3):217-223.
[8] 杨春燕，蔡文.可拓学[M].北京：科学出版社，2014：70-170.
[9] 高亚娴.电力变压器故障诊断及寿命预测方法的研究[D].西安：西安电子科技大学,2007.
[10] 李日华,毛凯,周刚.Bayes-可拓判别[J].系统工程理论与实践,2005(7):131-135.
[11] 王丰.导弹武器系统参数性能指标的可拓数据挖掘[J/OL].智能系统学报:1-8[2018-06-27].http:// kns.cnki.net/kcms/detail/23.1538.TP.20180503.1148.005.html.
[12] 叶志浩,肖晗,王刚,等.舰船电力系统短路保护性能量化评估方法[J].电机与控制学报,2015,19(12):1-6.
[13] 魏一,张跃文,李斌.基于DPC-GMM算法的船舶燃油系统故障诊断研究[J/OL].中国舰船研究:1-7[2018-07-16].https://doi.org/10.19693/j.issn.1673-3185.01262.
[14] 王丰,张磊,胡春万.基于多级优度评价方法的导弹武器系统效能评估[J].指挥控制与仿真，2017,39(3):74-77.
[15] 王丰，袁延昭，张新春,等.共轭分析与传导度在导弹武器系统作战效能研究中的应用[J].兵工自动化,2013 (11):24-26.
[16] 戚双斌.舰船电力系统电力品质指标选择与测试方法[J].船海工程,2017,46(4):69-71,76.
[17] 胡红钱,施伟锋,兰莹,等.基于以太网的船舶电力系统动态电能质量监测与故障诊断系统设计[J].中国舰船研究,2018,13(1):120-126.
[18] 王丰,张磊.可拓论的防空导弹武器系统效能的研究[J].现代防御技术,2018,46(3):9-17.
[19] 王丰,顾佼佼,林瑜.航空装备故障损伤等级的可拓精准评定研究[J].计算机测量与控制,2018(6):261-263,267.
Bayes -Extension Diagnosis Model for Fault Damage Degree of Integrated Power System of Ship
WANG Feng， GU Jiaojiao， WANG Rong
(Naval Aviation University, Yantai 264001, China)
Abstract : In order to accurately analyze and diagnose the damage degree of power equipment in ship electric propulsion system, it combined extension recognition method, bayed discriminant method and Matlab simulation, and put forward a Bayes-extension diagnosis method for damage degree of equipment in ship integrated electric propulsion system. The method was based on the fault distribution function, the prior probability and misclassification loss, and it not only consider the “correlation” degree between the distinguishing characteristic indexes and the corresponding characteristic indexes of the fault population, but also considered the weight coefficients of the distinguishing characteristic indexes of the fault population. Through the analysis of the example, it shows this method is more practical and superior, and has a good application and popularization prospect in equipment fault diagnosis of integrated power system.
Key words : extension recognition; power equipment; fault; Bayes discrimination
本文引用格式 ：王丰，顾佼佼，王蓉.舰船综合电力系统设备故障的贝叶斯-可拓诊断模型[J].兵器装备工程学报，2019,40(2):189-193.
Citation format :WANG Feng，GU Jiaojiao，WANG Rong.Bayes-Extension Diagnosis Model for Fault Damage Degree of Integrated Power System of Ship[J].Journal of Ordnance Equipment Engineering,2019,40(2):189-193.
中图分类号 ：TJ83
文献标识码： A
文章编号： 2096-2304(2019)02-0189-05
收稿日期 ：2018-10-20；
修回日期： 2018-11-09
作者简介 ：王丰(1985—)，男，工程师，硕士，主要从事系统仿真分析与计算机软件集成研究，E-mail：1055478110@qq.com；顾佼佼，男，讲师，博士，主要从事装备故障诊断分析与研究；王蓉，女，工程师，硕士，主要从事网络与计算机软件集成研究。
doi: 10.11809/bqzbgcxb2019.02.038
(责任编辑 唐定国)