基于案例推理的智能电源故障诊断算法研究.pdf

SEISMOLOGICAL AND GEOMAGNETICOBSERVATION AND RESEARCH第 44 卷 第 2 期2023 年 4 月Vol.44 No.2Apr.2023地 震 地 磁 观 测 与 研 究doi:10.3969/j.issn.1003-3246.2023.02.021第一作者简介：胡玉良（1981），男，硕士研究生，高级工程师，研究方向：前兆系统及仪器运行维护。E-mail：通讯作者：穆慧敏（1981），女，本科，高级工程师，研究方向：数据分析及处理。E-mail：基金项目：中国地震局地震科技星火计划项目（项目编号：XH21008Y）本文收到日期：2022-11-09基于案例推理的智能电源故障诊断算法研究胡玉良1），2），3）穆慧敏1），2）吴晓赢4）邓红霞4）李 颖1），2）1）中国山西 030025 太原大陆裂谷动力学国家野外科学观测研究站 2）中国太原 030021 山西省地震局 3）中国成都 610041 四川省地震局 4）中国山西 030024 太原理工大学摘要 为提升地震台站供电系统故障诊断的准确性和实时性，以山西地震监测站网智能电源故障为例，整理统计智能电源故障案例集，建立故障案例库，提取特征属性和故障类型；对于原始和经特征属性处理的故障数据集，采用邻近算法，计算分析源案例和目标案例的相似度，发现经特征属性处理的故障数据，案例检索的准确性较高。关键词 故障维修；案例推理；智能电源；邻近算法；相似度0 引言地震监测站供电系统是地震监测站网观测系统的重要组成部分，目前多数台站安装了智能电源，在电源出现故障及异常时，及时发现故障征兆，并进行快速分析和研判，已成为地震站网监测运维保障工作的重点内容之一。通过查阅相关文献（李强等，2013；李延峰等，2016；赵希磊等，2017；李晓东等，2018；张广莉等，2018；陈彦平等，2018；雷功明等，2018；李松华等，2019；杨世英等，2019；李颖等；2019；胡雪琪等，2019），可知各省地震局和台站针对观测系统的各种故障做了大量研究。然而，这些实例一般是对故障维修经验的总结，过度依赖废人经验和主观判断，在观测系统出现故障时，不能及时判断故障并准确提出解决方案，在故障诊断过程中具有准确率不高、实时性较差等问题，对地震监测站网运行造成了一定影响。近年来，人工智能技术迅速发展，基于案例推理的故障诊断技术已经成为国内外研究的热点（孔钦等，2016；王福忠等，2018），并在电力通信、轨道交通、航天测控、矿产开采等行业设备故障维修中得到广泛应用（王东等，2003；刘涌等，2017；张媛媛等，2018；陈则宇等，2019；刘芳，2019）。本文以山西地震监测站网为例，将案例推理技术引入地震监测设备故障诊断，根据地震监测设备特点设计案例匹配算法，精确匹配参考案例，实现故障设备的快速诊断，给出解决方案，以提升地震台网设备故障诊断的准确性和实时性。165第 2 期1 案例推理算法案例推理（case-based reasoning，CBR）是利用历史案例来解决当前问题的一种方法，与基于规则的推理不同（孔钦等，2016）。传统的专家系统是基于规则进行推理的，也就是要建立大量的知识规则，按照规则推理结果，而案例推理是一种较新的推理方法，具有较强的学习能力（王福忠等，2018），能在解决新问题的同时，不断丰富案例数据库，从而提高案例推理的准确性。案例推理包括案例的检索、复用、修正和保存 4 个过程。其基本思路是，在案例库中检索与目标案例类似的历史案例，若二者相似度高，则采用历史案例解决方案，若二者相似度低，不能解决新问题，则新增案例或者更新历史案例，并将新问题与对应解决方案存储至案例库（王福忠等，2018）。案例推理过程流程见图 1（李林琛等，2016）。2 算法设计以山西地震监测站网智能电源为例，进行设备故障诊断算法设计，主要包含故障案例库的构建、故障案例库的检索和匹配、故障案例的采用和优化、故障案例更新模块（图 2）。图 1 案例推理过程流程（李林琛等，2016）Fig.1 Flowchart of the case-based reasoning process(Li et al,2016)学习的案例问题描述表示为新案例案例检索检索到的案例案例重用历史案例库案例保存修正过的案例验证的解答建议的解答案例修正得到解答的案例图 2 地震监测设备故障诊断原理框图Fig.2 Fault diagnosis block diagram of seismic monitoring equipment更新故障案例故障案例收集整理故障案例表达故障案例库解决故障故障案例优化故障案例库检索故障案例重用故障案例匹配故障案例更新故障案例库构建故障案例库的检索和匹配故障案例的重用和优化不匹配匹配故障诊断流程如下：当设备发生故障时，根据特征进行案例检索和匹配，如果得到与目标案例相类似的源案例，即采用该源案例；如果该源案例无法排除故障，则重新分析故障原因并给出新的案例，并在故障案例数据库中予以更新，获得一个新的案例，进而不断提高模型的可靠性。胡玉良等：基于案例推理的智能电源故障诊断算法研究地震地磁观测与研究44 卷 1662.1 故障案例库构建2.1.1 故障案例的收集和整理。收集山西地震监测站网智能电源故障处置记录，对处置记录进行整理，提炼并补充关键词，建立一套信息完整、数据完备的地震台网设备典型故障案例库。2.1.2 故障案例的表达。案例表示是指将问题记录转化为故障案例的过程，是构建案例库的基础。案例表示方法较多，采用故障“信息规范描述+特征属性集+属性字典”三元组合结构表示法。2.1.3 故障案例库的创建。案例表示完成后，创建故障规范描述表、故障特征属性表和属性字典表等数据库表，以进行案例存储和管理。2.2 故障案例的检索和匹配利用初步检索缩小案例集的范围，按照邻近算法进行案例相似度匹配，即：基于目标故障案例的设备型号属性，对案例库进行初步检索，采用邻近算法，计算目标案例和初步检索后故障案例集之间的相似度，选取相似度最大案例作为最佳案例，采用最佳案例的成功维修策略，对目标故障进行诊断和维修。检索过程见图 3。邻近算法的核心是，若一个样本在特征空间中 k 个邻近样本中的大多数为一个类型别，则该样本属于这个类别，并具有该类别上样本的特征。该方法在确定分类决策上，只依据最邻近的一个或者几个样本的类别来决定待分样本所属类别。计算流程如下：step.1：初始化距离为最大值；step.2：计算未知样本和每个训练样本的距离；step.3：得到目前 K 个邻近样本中的最大距离；step.4：若小于最大距离，则将训练样本作为K-最邻近样本；step.5：重复步骤2、3、4，直至计算完成未知样本和所有训练样本的距离；step.6：统计邻近样本中每个类标号出现的次数；step.7：出现频率最大的类标号作为未知样本的类标号。在邻近算法中，计算对象间距离，作为各个对象之间的非相似性指标，避免对象之间的匹配问题，距离一般使用欧式或者曼哈顿距离。文中采用基于欧式距离的相似度计算方法，假设源案例 X=x1,x3,xn，xi为其第 i 特征值，wi为其权重，目标案例 Y=y1,y2,yn，则 X、Y 之间的距离为 =niiiiyxwYX12)(),(DIST（1）计算源案例与目标案例之间的相似度，公式如下 =niiiiyxwYX12)(1),(SIM（2）2.3 故障案例的优化和更新通过案例的检索和匹配，若得到一个相似度较低的案例，则需要对案例进行适当调整图 3 检索过程Fig.3 Retrieval process故障案例初步检索二次检索故障案例库故障案例1故障案例2故障案例n最佳案例167第 2 期（调整过程包括对目标案例的规范化描述、目标案例属性集的完善，以及对源案例属性集的进一步完善和对案例描述的修改），基于故障的实际解决情况，确定是否将该目标案例作为新案例添加到案例库中，完成案例的学习过程。3 算法实现及验证山西地震监测站网许多台站安装了智能电源，在对电源故障的维修过程中积累了大量历史案例，统计发现共有 12 种故障类型。建立山西地震监测站网智能电源故障案例库，字段包含特征属性和故障类型，特征属性 E1 E11 分别代表市电电压、太阳能板电压、市电状态、太阳能板状态、蓄电池电压、充电电流、第一路输出电压、第二路输出电压、第三路输出电压、第四路输出电压、第五路输出电压，故障类型 012 分别代表正常、市电无输出、太阳能板无输出、市电和太阳能均无输出、无法充电、输出端1稳压模块故障、输出端 2 稳压模块故障、输出端 3 稳压模块故障、输出端 4 稳压模块故障、输出端 5 稳压模块故障、市电输入线路断开、太阳能输入线路断开、无蓄电池或线路断开，原始数据样本集见表 1。表 1 智能电源故障原始数据样本集Table 1 Sample set of original data of intelligent power fault源案例E1E2E3E4E5E6E7E8E9E10E11故障类型1234.538.71114.64621212.512.212.112.302036.50113.371812.112.412.312.41213237.201014.483512.112.512.412.112.524000011.2012.312.312.212.412.535225.8371111.4012.11212.412.5124623636.71114.1656012.112.312.212.457237.538.31113.338612.2012.312.412.168220.933.61114.470912.312.3012.112.179235.539.61113.58981212.512012.1810237.937.11114.547612.31212.312.20911227.6400114.114212.512.212.51212.11012229.237.81014.574912.512.41212.412.21113229.237.810000000012目标案例2104010146001212.812.312.112.4基于邻近算法，计算原始目标案例和源案例库中各个案例的相似度，结果见表 2，可知目标案例与源案例6的相似度为1.00。然而，由表1可知，目标案例与源案例12相似，可见该检索结果与实际情况不相符。由此可见，通过原始数据计算目标案例与源案例的相似度，与实际结果存在偏差。这是因为，原始数据既有开关量数据，又有模拟量数据，而且数值范围不一。为此，将表 1 中的原始数据样本按照表 3 对特征属性数据的说明进行预处理，所得结果见表 4。基于表 4 所示结果，根据邻近算法，重新计算目标案例和源案例库中各个案例的相似度，结果见表 5。由表 5 可知，目标案例与源案例 12 的相似度为 1.00，计算结果与实际情况相符。因此，目标案例 12 的决策方案可作为目标案例的参考方案。胡玉良等：基于案例推理的智能电源故障诊断算法研究地震地磁观测与研究44 卷 168表 2 原始目标案例与源案例相似度计算结果Table 2 Calculation results of similarity between original target cases and source cases案例 欧拉距离 归一化处理相似度案例欧拉距离 归一化处理相似度案例欧拉距离 归一化处理相似度1140.17 0.13 0.87 663.00 0.00 1.00 10127.74 0.11 0.89 2240.91 0.31 0.69 7216.15 0.27 0.73 11458.34 0.69 0.31 3239.93 0.31 0.69 8110.42 0.08 0.92 12150.25 0.15 0.85 4636.95 1.00 0.00 9299.34 0.41 0.59 13600.92 0.94 0.06 5600.22 0.94 0.06 表 3 特征属性数据处理说明Table 3 Description of data processing of featured attributes离散取值E1E2E3E4E5E6E7E8E9E10E110无市电输入有太阳能输入市电状态故障市电状态故障蓄电池电压低于 11 V无输出无输出无输出无输出无输出无输出1有市电输入无太阳能输入市电状态正常市电状态正常蓄电池电压高于 11 V有输出有输出有输出有输出有输出有输出表 4 经特征属性数值处理的智能电源故障数据样本集Table 4 The sample set of intelligent power faults after processing源案例E1E2E3E4E5E6E7E8E9E10E11故障类型11111111111102010111111111310101111111240000101111135111110111114611111101111571111111011168111111110117911111111101810111111111109111101111111110121110111111111131110000000012目标案例11101111111表 5 经特征属性数值处理的目标案例与源案例的相似度计算结果Table 5 Similarity calculation results between the processed target cases and the source cases案例欧拉距离 归一化处理相似度案例欧拉距离 归一化处理相似度案例欧拉距离 归一化处理相似度11.00 0.38 0.62 61.41 0.53 0.47 101.41 0.53 0.47 21.73 0.65 0.35 71.41 0.53 0.47 111.41 0.53 0.47 31.00 0.38 0.62 81.41 0.53 0.47 120.00 0.00 1.00 42.240.85 0.15 91.41 0.53 0.47 132.65 1.00 0.00 51.73 0.65 0.35 4 结束语针对山西地震监测站网智能电源的故障诊断问题，将邻近算法应用到故障分类和决策方案中。结果表明，通过将样本进行特征属性数值处理后，提高了案例检索的准确度。因此，基于案例推理的故障诊断算法在智能电源运维决策中具有较好的应用前景，下一步可考虑将该算法向地震专业设备的运维决策进行推广。169第 2 期参考文献陈彦平，醴武权.影响地电阻率观测系统的一般故障及处理方法 J.甘肃科技纵横，2018，47（9）：24-27.陈则宇，卢凡，王恒丁，等.基于案例推理的轨道交通信号设备故障诊断方法 J.城市公共交通，2019，（1）：32-35.胡雪琪，徐诚，李颖楠，等.天津蓟县 DSQ 水管倾斜仪故障诊断与排除 J.华北地震科学，2019，37（1）：52-56.孔钦，叶长青.基于案例推理的故障诊断算法 J.计算机系统应用，2016，25（1）：181-186.雷功明，张立红，胡建军，等.数字地震观测系统常见故障及解决方案 J.甘肃科技，2018，34（4）：51-52.李林琛，张春芝，杨德亮.基于案例推理的矿井风机故障诊断系统的研究 J.中国煤炭，2016，42（6）：71-75.李强，陈敏，陈雷，等.SZW 系列数字温度计维护 J.地震地磁观测与研究，2013，34（3/4）：134-139.李松华，瞿旻，陆德铭，等.江苏省测震台站故障特征分析 J.国际地震动态，2019，（6）：20-26.李晓东，韩静，高守全，等.VP 型宽频带倾斜仪常见故障诊断及维修 J.内陆地震，2018，32（1）：70-75.李延峰，吴哲，崔煜，等.青海省地震前兆观测仪器故障原因及影响分析 J.高原地震，2016，28（1）：55-60.李颖，张蕙，程冬焱，等.数字化地下流体观测仪器故障分析 J.山西地震，2019，29（2）：42-45.刘芳.基于案例库的电力通信故障诊断算法研究 J.河北电力技术，2019，38（4）：38-41.刘涌，李海潮，弓喜忠，等.基于案例推理的航天测控设备故障诊断 J.电讯技术，2017，57（2）：236-242.王东，刘怀亮，徐国华.案例推理在故障诊断系统中的应用 J.计算机工程，2003，29（12）：10-12.王福忠，李媛媛.基于案例推理的电机故障诊断方法研究 J.制造业自动化，2018，40（12）：11-14.杨世英，孟彩菊，靳玉贞，等.地震台站仪器设备开关电源的维修 J.山西地震，2019，（1）：9-10.张广莉，王莉森，马佳.浅析河北地震台网大地电场观测仪器故障特征 J.山西地震，2018，（3）：30-33.张媛媛，原思聪，郭田奇.案例推理方法在水泵故障诊断中的应用 J.机械设计与制造，2018，（11）：63-66.赵希磊，周志，周冬瑞.安徽前兆台网仪器故障研究 J.中国科技信息，2017，（15）：44-46.Research on fault diagnosis algorithm of intelligent power supply based on case-based reasoningHU Yuliang1),2),3)，MU Huimin1),2)，WU Xiaoying4)，DENG Hongxia4)and LI Ying1),2)1)National Continental Rift Valley Dynamics Observatory of Taiyuan,Shanxi Province 030025,China2)Shanxi Earthquake Agency,Taiyuan 030021,China3)Sichuan Earthquake Agency,Chengdu 610041,China4)Taiyuan University of Technology,Shanxi Province 030024,ChinaAbstractIn order to improve the accuracy and real-time performance of fault diagnosis in the power supply system of seismic stations,taking the intelligent power supply faults of the Shanxi Seismic Monitoring Station Network as an example,the intelligent power fault case set is sorted out,the fault case database is established,and the characteristic attributes and fault types are extracted.For the original and feature attribute processed fault datasets,the proximity algorithm is used to calculate and analyze the similarity between the source case and the target case,and it is found that the latter is more accurate.Keywords：fault maintenance，case-based reasoning，intelligent power supply，proximity algorithm，similarity胡玉良等：基于案例推理的智能电源故障诊断算法研究