论文部分内容阅读
摘 要：在大型复杂设备运转可靠性分析中，多种因素的制约和影响导致多传感器系统收集到的信息具有很大的不确定性，本文对不确定性产生的原因、不确定性信息的描述及不确定性推理方法进行梳理总结，为分析其可靠性及故障诊断提供依据。
一、不确定性产生的原因
在通常情况下，大型设备运转过程中的不确定性主要表现在对象的复杂性导致的不确定性、工作环境导致的不确定性、多传感器系统导致的不确定性、故障现象和故障原因对应关系导致的不确定性以及先验知识的差异导致的不确定性。（1）对象的复杂性导致的不确定性
现代大型不断朝着精密化、集成化、自动化、系统化的方向发展，大型设备往往由机、电、气、液等子系统构成，系统之间相互耦合、相互作用，使得设备的结构、功能以及工作原理变得异常复杂，运用传统的定性或定量方法难以对其建立完备、精确的解析模型，正是这种复杂性导致诊断对象本身具有较大的不确定性。
（2）工作环境导致的不确定性
大型设备的运行状况时刻受到工作环境的影响，工作环境的不确定性直接导致设备的故障类型各异，突发故障、组合故障频发。而且有些环境十分恶劣，温差、载荷、疲劳等都会对设备带来不同程度的损伤，使得设备运行极不稳定，从而表现出的状态信息具有不确定性。
（3）多传感器监测系统导致的不确定性
在大型设备故障诊断过程中，为了能够准确反映设备的运行状态，常常在不同测点安装大量传感器以获取更多的状态信息，造成监测过程中传感器数量增加;而对于同一状态变量，为了能全面收集信息，往往采用不同类型的传感器对同一变量进行反复测量，造成了传感器类型的增多。由大量传感器采集到的数据存在一定的不确定性，甚至相互冲突。
（4）故障现象和故障原因对应关系导致的不确定性
在大型设备运行过程中，故障现象和故障原因之间存在一定的对应关系，故障诊断的目的就是根据这种对应关系进行演绎推理得出诊断结论。但是对于复杂设备而言，故障现象和故障原因之间的对应关系十分复杂。任何一个部件工作异常，通过部件之间的相互影响和传递都会造成其它故障的发生，这种情况下很难实现由故障现象到故障原因的定位。有时表现出的某一故障现象，有可能正处于某一故障状态向另一故障状态的过渡，同样很难判断出真正导致故障发生的原因。一个故障可能是多种因素综合作用的结果，即表现为故障现象和故障原因对应关系的复杂性而导致不确定性。
（5）经验知识的差异导致的不确定性
对于复杂大型设备的故障诊断，领域专家的经验往往起到重要的作用。但由于设备的复杂性、故障的多样性以及工作环境的差异性等因素的影响，专家获得的故障信息往往是不精确的，信息量也有限，这就造成专家的判断具有一定的差异。不同专家对同一故障可能会产生不同的认识偏差，对于设备整体运行状态因认识和经验不同，也会产生不同的诊断偏好，从而导致对于同一个诊断对象，各领域专家的诊断结论存在较大的差异，即表现为经验知识的差异导致的不确定性。
二、不确定性信息的描述
在不确定性推理中，需要解决不确定性的表示、不确定性的计算、不确定性的语义等问题。将不确定性问题用确定的数学公式表示出来，是不确定性推理的基础。
（1）表示问题
表示问题是指用什么方法描述信息的不确定性，这是解决不确定性推理的第一步。通常有数值表示和非數值表示，概率属于数值表示，“很可能”则属于非数值表示。表示问题决定了采用什么方法描述、表达不确定性，问题表达不了，或表达不清晰、不明确、不完整就不可能进行推理或难以得出合理的推理结果。
（2）计算问题
计算问题是指不确定性的传播和更新，即获得新信息的过程。例如：已知证据 A 的确定性度量为 P（A），规则 A→B，其可信度度量为 P（B | A），如何第计算结论的可信度度量 P（B）;从一个规则得到证据 A 的可信度度量 P1（A），从另一个规则得到 A 的另一个可信度度量 P2（A），如何计算两个规则合成后的综合可信度度量 P（A）;如何由两个证据 A1和 A2 的可信度度量 P（A1）和 P（A2），计算“与”、“或”等逻辑计算结果的可信度度量 P（A1∧A2）和 P（A1∨A2）等。
三、不确定性推理的常用方法
不确定性推理是建立在不确定性信息基础上，通过一定的推理方法得到存在一定程度不确定性又近似合理的结论的过程。这一过程要求减小不确定性。不确定性推理可以分为符号推理和数值推理。其中，符号推理的特点是推理过程中信息损失较少，但计算量较大，如认可理论;数值推理的特点是推理过程易于实现，但有一定的信息损失，如贝叶斯推理、证据推理等。目前，数值推理应用更为普遍。
收集到的信息常常具有不确定性，如何利用这些不确定性信息进行推理以获得较为确定性的结论，为诊断和决策提供依据，是故障诊断亟待解决的问题。在工程领域常用的不确定性推理方法主要有：
（1）基于故障树的推理方法
美国的 Rasmussen 教授领导的研究小组首次对现有大型核电站的事故分析使用故障树方法提出完整的分析报告。故障树推理是一种定性的不确定性推理方法，在推理时先指定系统中一个不希望发生的故障，然后在一定的环境和工作条件下对系统进行分析，找出导致不希望事件发生的确定原因。故障树本身就是一些故障的各种并联和顺序组合的图示模型，这些故障将导致预先设定的不希望事件的发生，它们可能是与元件故障、人为失误以及能导致不希望事件发生的其它任何有关事件相联系的事件。故障树推理就是寻找导致不希望事件发生的基本事件的过程。
（2）基于贝叶斯网络的推理方法
20 世纪 80 年代，贝叶斯网络成功应用于专家系统，成为表示不确定性专家知识和推理的一种流行方法。基于贝叶斯方法的贝叶斯网络是一种适应性很广的手段和工具，具有坚实的数学基础。在综合先验信息和数据样本信息的前提下，可以避免只使用先验信息可能带来的主观偏见。虽然很多贝叶斯网络涉及的学习问题极为复杂，但由于已经有了一些成熟的近似解法，加上一些限制后计算大大简化，很多问题可以利用近似解法求解。贝叶斯网络推理方法的不确定性表示基本上保持了概率的表示方式，可信度计算也以概率方法计算。只是在实际使用中，各具体系统应根据应用背景的需要采用各种各样的近似计算方法，其推理过程称为概率推理。
一、不确定性产生的原因
在通常情况下，大型设备运转过程中的不确定性主要表现在对象的复杂性导致的不确定性、工作环境导致的不确定性、多传感器系统导致的不确定性、故障现象和故障原因对应关系导致的不确定性以及先验知识的差异导致的不确定性。（1）对象的复杂性导致的不确定性
现代大型不断朝着精密化、集成化、自动化、系统化的方向发展，大型设备往往由机、电、气、液等子系统构成，系统之间相互耦合、相互作用，使得设备的结构、功能以及工作原理变得异常复杂，运用传统的定性或定量方法难以对其建立完备、精确的解析模型，正是这种复杂性导致诊断对象本身具有较大的不确定性。
（2）工作环境导致的不确定性
大型设备的运行状况时刻受到工作环境的影响，工作环境的不确定性直接导致设备的故障类型各异，突发故障、组合故障频发。而且有些环境十分恶劣，温差、载荷、疲劳等都会对设备带来不同程度的损伤，使得设备运行极不稳定，从而表现出的状态信息具有不确定性。
（3）多传感器监测系统导致的不确定性
在大型设备故障诊断过程中，为了能够准确反映设备的运行状态，常常在不同测点安装大量传感器以获取更多的状态信息，造成监测过程中传感器数量增加;而对于同一状态变量，为了能全面收集信息，往往采用不同类型的传感器对同一变量进行反复测量，造成了传感器类型的增多。由大量传感器采集到的数据存在一定的不确定性，甚至相互冲突。
（4）故障现象和故障原因对应关系导致的不确定性
在大型设备运行过程中，故障现象和故障原因之间存在一定的对应关系，故障诊断的目的就是根据这种对应关系进行演绎推理得出诊断结论。但是对于复杂设备而言，故障现象和故障原因之间的对应关系十分复杂。任何一个部件工作异常，通过部件之间的相互影响和传递都会造成其它故障的发生，这种情况下很难实现由故障现象到故障原因的定位。有时表现出的某一故障现象，有可能正处于某一故障状态向另一故障状态的过渡，同样很难判断出真正导致故障发生的原因。一个故障可能是多种因素综合作用的结果，即表现为故障现象和故障原因对应关系的复杂性而导致不确定性。
（5）经验知识的差异导致的不确定性
对于复杂大型设备的故障诊断，领域专家的经验往往起到重要的作用。但由于设备的复杂性、故障的多样性以及工作环境的差异性等因素的影响，专家获得的故障信息往往是不精确的，信息量也有限，这就造成专家的判断具有一定的差异。不同专家对同一故障可能会产生不同的认识偏差，对于设备整体运行状态因认识和经验不同，也会产生不同的诊断偏好，从而导致对于同一个诊断对象，各领域专家的诊断结论存在较大的差异，即表现为经验知识的差异导致的不确定性。
二、不确定性信息的描述
在不确定性推理中，需要解决不确定性的表示、不确定性的计算、不确定性的语义等问题。将不确定性问题用确定的数学公式表示出来，是不确定性推理的基础。
（1）表示问题
表示问题是指用什么方法描述信息的不确定性，这是解决不确定性推理的第一步。通常有数值表示和非數值表示，概率属于数值表示，“很可能”则属于非数值表示。表示问题决定了采用什么方法描述、表达不确定性，问题表达不了，或表达不清晰、不明确、不完整就不可能进行推理或难以得出合理的推理结果。
（2）计算问题
计算问题是指不确定性的传播和更新，即获得新信息的过程。例如：已知证据 A 的确定性度量为 P（A），规则 A→B，其可信度度量为 P（B | A），如何第计算结论的可信度度量 P（B）;从一个规则得到证据 A 的可信度度量 P1（A），从另一个规则得到 A 的另一个可信度度量 P2（A），如何计算两个规则合成后的综合可信度度量 P（A）;如何由两个证据 A1和 A2 的可信度度量 P（A1）和 P（A2），计算“与”、“或”等逻辑计算结果的可信度度量 P（A1∧A2）和 P（A1∨A2）等。
三、不确定性推理的常用方法
不确定性推理是建立在不确定性信息基础上，通过一定的推理方法得到存在一定程度不确定性又近似合理的结论的过程。这一过程要求减小不确定性。不确定性推理可以分为符号推理和数值推理。其中，符号推理的特点是推理过程中信息损失较少，但计算量较大，如认可理论;数值推理的特点是推理过程易于实现，但有一定的信息损失，如贝叶斯推理、证据推理等。目前，数值推理应用更为普遍。
收集到的信息常常具有不确定性，如何利用这些不确定性信息进行推理以获得较为确定性的结论，为诊断和决策提供依据，是故障诊断亟待解决的问题。在工程领域常用的不确定性推理方法主要有：
（1）基于故障树的推理方法
美国的 Rasmussen 教授领导的研究小组首次对现有大型核电站的事故分析使用故障树方法提出完整的分析报告。故障树推理是一种定性的不确定性推理方法，在推理时先指定系统中一个不希望发生的故障，然后在一定的环境和工作条件下对系统进行分析，找出导致不希望事件发生的确定原因。故障树本身就是一些故障的各种并联和顺序组合的图示模型，这些故障将导致预先设定的不希望事件的发生，它们可能是与元件故障、人为失误以及能导致不希望事件发生的其它任何有关事件相联系的事件。故障树推理就是寻找导致不希望事件发生的基本事件的过程。
（2）基于贝叶斯网络的推理方法
20 世纪 80 年代，贝叶斯网络成功应用于专家系统，成为表示不确定性专家知识和推理的一种流行方法。基于贝叶斯方法的贝叶斯网络是一种适应性很广的手段和工具，具有坚实的数学基础。在综合先验信息和数据样本信息的前提下，可以避免只使用先验信息可能带来的主观偏见。虽然很多贝叶斯网络涉及的学习问题极为复杂，但由于已经有了一些成熟的近似解法，加上一些限制后计算大大简化，很多问题可以利用近似解法求解。贝叶斯网络推理方法的不确定性表示基本上保持了概率的表示方式，可信度计算也以概率方法计算。只是在实际使用中，各具体系统应根据应用背景的需要采用各种各样的近似计算方法，其推理过程称为概率推理。