基于故障树和产生式规则的故障诊断专家系统设计.pdf

期刊网址：www.ship-引用格式：宋龙飞,陈玉清,金振俊.基于故障树和产生式规则的故障诊断专家系统设计 J.中国舰船研究,2024,19(增刊 1):8492.SONG L F,CHEN Y Q,JIN Z J.Design of fault diagnosis expert system based on fault tree and production rulesJ.Chinese Journal of Ship Research,2024,19(Supp 1):8492(in Chinese).基于故障树和产生式规则的故障诊断专家系统设计宋龙飞1,2，陈玉清*1，金振俊21 海军工程大学 核科学技术学院，湖北 武汉 4300332 中国人民解放军 92730 部队，海南 三亚 572000摘 要:目的目的为充分运用核动力装置的运行管理经验辅助核动力操纵人员进行故障诊断，设计一种船用核动力装置故障诊断专家系统。方法方法首先，根据故障树与产生式规则之间的逻辑一致性，提出一种将故障树知识转化为产生式规则的方法；然后，对采用正、反向混合推理方法的专家系统知识库和推理机进行优化设计，并依据故障树最小割集和重要度分析结果设计正向推理策略以简化推理流程；最后，根据人工对故障状态判断的思路设计状态监测模块，实时采集关键设备参数以转化为专家系统可识别的设备信息。结果结果结果显示，采用所提方法可解决专家系统知识获取困难的问题，能在保证推理准确度的前提下提升推理效率，实现了专家系统的在线故障诊断功能。结论结论研究表明采用所提方法可提升专家系统获取知识的能力和推理效率，对保障核动力装置的运行管理安全具有重要意义。关键词：核动力装置；故障树；专家系统；产生式规则；故障诊断中图分类号:U674.921文献标志码:ADOI：10.19693/j.issn.1673-3185.03608 Design of fault diagnosis expert system based on fault tree and production rulesSONG Longfei1,2,CHEN Yuqing*1,JIN Zhenjun21 College of Nuclear Science and Technology,Naval University of Engineering,Wuhan 430033,China2 The 92730 Unit of PLA,Sanya 572000,ChinaAbstract:ObjectiveTo fully utilize the experience of nuclear power plant operation and management toassist nuclear power operators in fault diagnosis,a marine nuclear power plant fault diagnosis expert system isdesigned.MethodFirst,based on the logical consistency between fault trees and production rules,a meth-od is proposed to transform fault tree knowledge into production rules.The knowledge base and inference ma-chine of the expert system are then optimized by using a mixed forward and backward inference method,and aforward inference strategy is designed to simplify the inference process based on the minimum cut set and im-portance analysis results of the fault tree.Finally,based on the idea of manually judging the fault status,astatus monitoring module is designed to collect key equipment parameters in real time and convert them intoequipment information that can be recognized by expert systems.ResultsThe results show that the pro-posed method solves the problem of difficult knowledge acquisition in expert systems and improves inferenceefficiency while ensuring inference accuracy,thereby achieving the online fault diagnosis function of expertsystems.ConclusionUsing the proposed method can enhance the knowledge acquisition ability and infer-ence efficiency of expert systems,which is of great significance for ensuring the operational managementsafety of nuclear power plants.Key words:nuclear power plant；fault tree；expert system；production rule；fault diagnosis 收稿日期:20231022 修回日期:20231115作者简介:宋龙飞，1993 年生，男，硕士生，工程师。研究方向：核能与核技术工程。E-mail：陈玉清，1980 年生，男，博士，教授。研究方向：舰船核反应堆安全分析相关研究。E-mail：C*通信作者:陈玉清 第 19 卷 增刊 1中 国 舰 船 研 究Vol.19 Supp 12024 年 1 月Chinese Journal of Ship ResearchJan.20240 引言船用核动力装置设备工作环境恶劣、故障模式多样，并且专项安全设施受空间布局的限制，其安全裕度设计相对较小。由于平台远离岸基，缺乏技术支持，故海上核动力装置故障是对艇员应急处置能力的严峻考验。设计一个故障诊断专家系统，对于辅助艇员及时定位故障、排除故障以及维护核动力装置安全具有重要意义。当前，故障诊断方法大致可以分为定性分析法和定量分析法 2 大类。定性分析法主要包括图论法、专家系统和定性仿真等；定量分析法大致可以划分为基于解析模型的方法以及基于数据驱动的方法1。其中，基于解析模型的诊断方法在核电、航天等领域中基于传感器信号的部件级设备故障诊断2，以及基于传感器和执行器自身故障诊断3-5方面取得了良好的成效，但在实际应用中受精确模型和传感器布设要求的限制，难以展开实践。而基于数据驱动的诊断方法则因数据不依赖精确故障机制模型并具有普适性而得到广泛研究6-10。但在实际中，核动力装置的故障样本很少，训练数据难以获取。此外，基于数据驱动的方法还存在一些固有的缺陷，实际应用仍存在较大难度。定性分析法可以利用积累的故障诊断经验以及装置特性等相关研究知识，对已发生的故障进行优化诊断，对未发生的故障进行预测诊断11-16，其中基于专家系统的故障诊断方法因具有可充分利用专家知识、推理逻辑清晰、解释能力强、准确度高等优点而得到广泛研究，应用成功的案例较多。专家系统的主要优势在于可以充分利用专家知识，模拟专家决策，对生产和设备运行过程中的异常情况有较好的推理和解释能力；缺点在于知识库构建困难，在目前的研究中，知识获取仍是公认的难题，限制了专家系统的发展17。为解决这一难题，研究人员引入了其他故障诊断方法，并在提高专家系统获取知识的能力和故障诊断精度方面已经取得一定的成果。Nabeshima 等18提出了一种利用神经网络和基于规则的实时专家系统核反应堆混合监测系统，并通过在线压水堆模拟器验证了该系统的检测和诊断功能。彭俏等19将模糊 Petri 网应用到专家系统中，以提高推理效率并优化知识库的一致性检验。刘震20将符号有向图与专家系统相结合用于核动力装置故障诊断，其根据符号有向图模型提取专家系统规则，解决了专家系统知识获取的问题。张强等21构建了基于规则与案例推理的专家系统推理机制，解决了依靠单一推理方式的故障诊断系统无法识别全部故障的缺陷问题。Xu 等22提出了一种新的基于置信规则的船用柴油机故障诊断专家系统，并将该系统与人工神经网络模型、支持向量机模型和二元逻辑回归模型进行了对比分析，肯定了置信规则专家系统的准确性和稳定性。综合国内外专家系统的研究成果可知，目前的故障诊断专家系统主要是采用混合诊断方法，即将不同的诊断方法相结合以优势互补，从而提高故障诊断的精度与效率。故障树具有因果关系明确、知识表示简洁的特点，通过故障树分析法可以有效约简知识库内容并深层次地挖掘专家知识，可见将故障树与专家系统的诊断知识库建立联系，有助于解决传统专家系统知识获取的难题。蔡猛等23引入故障树分析法设计了核动力装置专家系统，其根据事件结构重要度、概率重要度和模糊重要度设计了综合重要度，并进行了推理机设计。宗群等24设计了电梯故障诊断专家系统，即将故障征兆与顶事件进行匹配并生成顶事件故障树来进行故障推理。彭华亮等25设计了发射车故障诊断专家系统，其利用规则对故障模式进行推理并由此进行了故障树的定性分析、可信度计算等推理步骤。上述文献均在传统专家系统的基础上引入故障树分析法，有效解决了知识获取的问题。但上述专家系统在设计时均需进行基于故障树结构的知识库和推理机设计，并且在故障诊断过程中还需采用将事实与中间事件按照故障树结构逐层匹配的方式进行推理，求解过程复杂，与规则推理相比推理效率较低。针对专家系统知识获取困难以及推理效率低下的问题，本文将设计一种基于故障树和产生式规则的核动力装置故障诊断专家系统，将故障树知识通过故障树分析技术预先处理转化为产生式规则并存储到知识库，在进行故障诊断时，只需进行规则推理即可兼顾故障树知识获取方便和规则推理效率高的优点。同时，根据最小割集和底事件重要度对采用正、反向混合推理方法的专家系统知识库和推理机进行优化设计，以进一步提高推理效率。此外，还将设置状态监测模块进行关键参数的实时数据处理，实现专家系统的在线诊断功能。故障诊断专家系统的设计可以充分运用核动力装置的运行管理经验，帮助减轻事故工况下核动力操纵人员的故障诊断压力，降低误判机率，这对保障核动力装置运行的安全具有重要意义。增刊 1宋龙飞等：基于故障树和产生式规则的故障诊断专家系统设计851 专家系统结构核动力装置故障诊断专家系统是以基于规则的专家系统为核心，通过引入故障树分析法来提升知识获取能力，并设置状态监测模块来对实时数据进行信息处理以拓展在线监测诊断功能。该系统通过人机对话输入事实和状态监测模块输出事实这 2 种方式接收设备信息，通过结合知识库中的规则知识，对经过推理机的逻辑推理进行故障诊断。在线故障诊断系统主要由人机交互界面、知识获取模块、知识库、状态监测模块、数据库、推理机和解释模块共 7 个模块组成，结构如图 1 所示26。知识工程师用户人机交互界面解释模块专家系统推理机知识库及其管理系统数据库及其管理系统核动力装置系统状态监测模块故障树规则转化故障树建模分析知识获取模块图 1船用核动力装置故障诊断专家系统结构26Fig.1 Structure of fault diagnosis expert system for marine nucle-ar power plant26 知识工程师和用户通过人机交互界面与专家系统进行信息交互来完成对知识库和数据库的数据管理以及故障诊断。知识获取模块采用故障树分析法对核动力装置系统建立故障树并进行底事件重要度分析，然后将专家经验通过故障树分析转化为产生式规则并存储至知识库中。在线故障诊断系统通过状态监测模块进行信息预处理，根据用户思维和诊断经验将采集的传感器数据转化为可以被专家系统识别的事实信息并存储至数据库中。推理机模拟人类专家进行故障诊断时的思维逻辑，将知识库中的规则和数据库中的事实进行匹配，然后按照设定的推理策略得出诊断结论27。2 专家系统知识库的构建 2.1 核动力装置故障树建模及分析故障树是以系统最不希望发生的事件作为顶事件，从上至下逐层分析各事件发生的直接原因，把事件之间的因果关系通过逻辑“与”门和“或”门连接，从而形成一种倒立状的逻辑因果关系图。故障树分析法可以综合评价底事件对顶事件的影响程度，是指导系统最优化设计和薄弱环节分析的有效手段，包括定性分析和定量分析2 个方面28。1）定性分析。定性分析是在底事件中找出导致顶事件发生的最小割集，然后根据最小割集对底事件的结构重要度进行计算，得出底事件的结构重要度排序。采用“下行法”对最小割集进行求解。首先，将故障树转化为与其等效的布尔方程，然后，依次运用分配律、幂等律和吸收律对布尔方程运算进行处理，从而求得最小割集29。结构重要度计算公式为30I(i)=12n1(1i,X)(0i,X)(1)(1i,X)(0i,X)Xi式中：为在其他事件状态不变的情况下，底事件的状态从 0 变为 1 时，顶事件发生次数的变化情况；n 为底事件数量。以余热排出系统发生排热减少故障为例构建故障树并进行故障树分析，系统结构原理如图 2所示。余热排出系统通过余热排出冷却器使用海水作为冷源来给系统中的高温冷却剂降温，从而实现导出回路热量、降低回路温度的功能。若余热排出系统出现排热能力减少的故障问题，就意味着余热排出冷却器不能有效导出主回路的热量，即冷却器一次侧输出至主回路的低温冷却剂参数不达标，该故障可以从余热排出冷却器一次侧冷却剂流量减少和二次侧冷却能力不足这 2 个方面进行分析。一次侧冷却剂流量减少问题对应的是余热排出系统设备状态异常，二次侧冷却能力不足问题对应的是冷却器自身以及海水系统设备状态异常。结合各系统中设备之间的“串联”或“并联”关系，可通过逻辑“与”门或“或”门连接对应事件，构建出如图 3 所示的故障树，为节省文章篇幅，故障树中的各事件编号已在图 3 相应位置进行了标注。根据故障树模型采用“下行法”进行最小割集，求解得出故障树的最小割集为：X1，X 2，X3，X4，X9，X10，X11，X12，X13，X5，X7，X5，X8，X6，X7，X6，X8。由式（1），水泵 A1水泵 A2水泵 B止回阀 A2止回阀 A1止回阀 B控制阀 A2控制阀 B1控制阀 B2控制阀 A1冷却剂系统海水系统图 2余热排出系统原理图Fig.2 Schematic diagram of residual heat removal system86中 国 舰 船 研 究第 19 卷I(1)I(2)I(3)I(4)I(9)I(10)I(11)I(12)I(13)I(5)I(6)I(7)I(8)求得底事件结构重要度数据结果，其重要度排序为：=。2）定量分析。定量分析是在定性分析求出最小割集的基础上，根据底事件发生概率，对顶事件发生概率以及概率重要度和关键重要度进行求解，最后综合分析得出重要度最高的底事件，即系统在当前状态下的薄弱环节，然后据此指导系统进行优化设计或是故障诊断。核动力装置结构复杂，故障对应的底事件较多，为避免求解时发生“组合爆炸”，采用近似方法求解顶事件的发生概率。由于顶事件概率公式第 2 项以后的项与前两项间的数值量级相差太大，可以忽略不计，因此取前两项的计算结果作为顶事件发生概率的近似解。记顶事件发生概率的计算公式31为P(T)ni=1P(Mi)nij2P(MiMj)(2)Mi式中：n 为最小割集数；为第 i 个最小割集。qi对第 i 个底事件的发生概率求偏导，可得概率重要度为IPr(xi)=P(T)qi(3)底事件概率重要度的大小与事件本身的概率无关，故难以从本质上反映底事件对顶事件的影响程度，因此需要对关键重要度进行计算。公式如下：ICr(xi)=qiP(T)IPr(xi)(4)由于船用核动力装置设备可靠性的数据难以获取，故本文的数据处理采用中国核电厂设备可靠性数据报告（2022 版）32中提供的数据进行运算，查得底事件相关设备功能失效率数据如表 1所示。表中，“/h”指连续运行设备每小时运行的失效率，“/d”指间断运行或者动作的设备每次启动时的失效率。表 1 底事件相关设备功能失效率Table 1 Failure rate of equipment functions related to bottomevents事件编号事件名称参数值X1冷却器管程堵塞1.81108/hX2控制阀A1故障2.56104/dX3控制阀A2故障2.56104/dX4冷却器外漏3.60107/hX5水泵A1故障4.25106/hX6止回阀A1故障2.17105/dX7水泵A2故障4.25106/hX8止回阀A2故障2.17105/dX9水泵B故障4.25106/hX10止回阀B故障2.17105/dX11控制阀B1故障2.56104/dX12控制阀B2故障2.56104/dX13冷却器壳程堵塞8.18108/h 任务时间取 100 h，根据式（2），求得顶事件发生的概率为 0.001 5。根据式（3）和式（4）求得底事件重要度结果（按关键重要度降序排列）如表 2所示。为了直观地表示数据间的关系，将表 2 中数据转化为了如图 4 所示的柱状图。底事件重要度包括结构重要度、概率重要度和关键重要度 3 种。结构重要度反映事件发生位置的重要度，而不考虑其发生概率；概率重要度 表 2 底事件重要度结果Table 2 Importance results of bottom event事件编号事件名称关键重要度 概率重要度 结构重要度X9水泵B故障2.8010111.95103X2控制阀A1故障1.7110111.95103X3控制阀A2故障1.7110111.95103X11控制阀B1故障1.7110111.95103X12控制阀B2故障1.7110111.95103X4冷却器外漏2.4010211.95103X10止回阀B故障1.4510211.95103X13冷却器壳程堵塞5.4510311.95103X1冷却器管程堵塞1.2110311.95103X5水泵A1故障1.271044.471044.88104X7水泵A2故障1.271044.471044.88104X6止回阀A1故障6.461064.471044.88104X8止回阀A2故障6.461064.471044.88104 余热排出系统排热能力减少故障一次侧流量减少二次侧冷却不足冷却器外漏海水流量减少水泵支路流量减少冷却器管程堵塞A1 水泵支路流量减少A2 水泵支路流量减少水泵 B故障止回阀 B故障冷却器壳程堵塞TM1M2X1M3X2X3X4M4M5M6X5X6X7X8X9X10X11X12X13控制阀A2 故障控制阀A1 故障止回阀A1 故障止回阀A2 故障水泵 A2故障水泵 A1故障控制阀B1 故障控制阀B2 故障图 3余热排出系统排热能力减少故障故障树Fig.3 Fault tree for reducing heat removal capacity of residualheat removal system增刊 1宋龙飞等：基于故障树和产生式规则的故障诊断专家系统设计87反映由底部事件的故障状态变化引起的系统故障概率变化的幅度；关键重要度从事件发生概率和敏感性的双重角度反映事件对顶事件失败概率的影响33。从图 4 所示的柱状图可以直观地看出，结构重要度和概率重要度只能笼统地区分各底事件间的相对重要性，而关键重要度则可以细致地区分不同底事件的重要度，也能更准确地衡量和反映关键部件故障对系统故障的不同影响。本文以关键重要度为依据，针对故障树知识的转化规则设定推理优先级。表 2 中，“水泵 B故障”的关键重要度系数是“冷却器管程堵塞”关键重要度系数的 231 倍，说明前者对顶事件“余热排出系统排热能力减少故障”的贡献远大于后者，即由前者引起顶事件发生的概率远大于后者。由此可知，规则中“水泵 B 故障”引发“余热排出系统排热能力减少故障”的可信度应高于“冷却器管程堵塞”的可信度，并且在推理过程中应优先对“水泵 B 故障”规则进行排查，也即该规则的优先级更高。2.2 基于产生式规则的知识库建立 2.2.1 基于产生式规则的知识表示专家知识表示方法通常有一阶谓词表示法、产生式规则表示法、框架表示法、语义网络表示法等34。其中，产生式规则具有能够将因果关系直观表示并且符合逻辑推理需求的特点，这使其成为决策规则中最为常用的表示形式。本专家系统选择产生式规则进行知识表示，其基本表示形式为 IFTHEN。此外，产生式规则还可以用“与或树”（AND-OR tree）来表示，通过分支之间的与或关系对应产生式规则的逻辑合取和析取关系进行表达35。将产生式规则示例用与或树表示，如图 5 所示。ABCFDE(b)与或树BCA(DE)FB(a)产生式规则示例图 5产生式与或树Fig.5 Production AND-OR tree对比图 3 和图 5 所示的 2 种树状图可以看出，故障树各事件间的因果关系与产生式规则的前提和结论间的逻辑关系基本对应，因此将故障树知识转化为规则具备可行性。故障树是领域专家进行系统故障诊断时对其思路和经验的一种图形演绎，在诊断逻辑上与专家系统有相通之处。将顶事件与专家系统要诊断的故障事实对应，将底事件与专家系统的故障诊断结果对应，将事件间的因果关系与专家系统的推理过程对应，即可实现故障树知识与专家系统知识的转化36。用故障树生成产生式规则有 2 种方式：根据故障树各事件之间的因果关系转化为规则；根据最小割集与顶事件的关系转化为规则37。转化原则如下38：1）当子节点事件通过“与”门连接时，父节点事件为规则前提，将各子节点事件通过“AND”组合作为规则结论。2）当子节点事件通过“或”门连接时，父节点事件为规则前提，将各子节点事件单独作为规则结论分别构建规则。3）根据最小割集转化规则，顶事件为规则前提，每个最小割集对应一条规则结论，根据各底事件关键重要度排序对最小割集转化规则设置推理顺序。针对上述 3 类转化原则，以本文研究的余热排出系统排热能力减少故障为例，由故障树转化为产生式规则的示例如下。1）“与”门连接类。图 6 所示的故障树分支可转化为以下规则：IF 水泵支路流量减少 THEN水泵A1 支路流量减少AND 水泵A2 支路流量减少。水泵支路流量减少水泵 A1 支路流量减少水泵 A2 支路流量减少图 6由“与”门连接的故障树分支Fig.6 Fault tree branches connected by AND gate 2）“或”门连接类。图 7 所示的故障树分支可转化为以下规则：IF 一次侧流量减少 THEN 控制阀 A1 故障；IF 一次侧冷却剂流量减少 THEN控制阀 A2 故障；IF 一次侧冷却剂流量减少 THEN冷却器管程堵塞；IF 海水流量减少 THEN 水泵支路流量减少。3）最小割集类。系统排热能力减少故障的故障树最小割集为：X1，X2，X3，X4，X9，X10，X11，X12，X13，X5，X7，X5，X8，X6，X7，X6，X8。可将以上最小割集转化为以 关键重要度结构重要度概率重要度重要度数据(对数处理值)1100110111021103110411051106X9 X2X11X4X5X6X3X12X7X8X10 X13 X1图 4底事件重要度柱状图Fig.4 Bar chart of importance of bottom events88中 国 舰 船 研 究第 19 卷下规则：IF 系统排热减少 THEN 水泵 B 故障，顺序 1；IF 系统排热减少THEN 控制阀A1 故障，顺序2；IF 系统排热减少 THEN 止回阀 A1 故障 AND止回阀 A2 故障，顺序 13。2.2.2 知识库的构建知识库是从领域专家、技术手册、管理规程以及终端用户等知识源中提取归纳的用于完成故障诊断的知识集合，反映设备故障相关的原理性知识以及技术条件要求，其获取途径主要有 2 种方式：一是基于技术手册、管理规程等资料的规则梳理；二是基于专家经验、故障汇编的总结归纳39。知识库的丰富程度影响着专家系统故障诊断的准确度和推理速度。通过故障树建模和故障树分析完成对故障诊断专家知识的获取，根据最小割集和故障树模型构建专家知识库，并对传统知识库进行规则简化，以提高推理效率。针对余热排出系统的排热能力减少故障，根据故障树模型及转化规则，可构建知识库如表 3 所示。表 3 知识库结构Table 3 Structure of knowledge base规则号规则条件规则结论推理顺序101排热能力减少水泵B故障1102排热能力减少控制阀A1故障2112排热能力减少止回阀A1故障AND水泵A2故障12113排热能力减少 止回阀A1故障AND止回阀A2故障13201排热能力减少一次侧流量减少AND二次侧冷却不足301一次侧流量减少控制阀A1故障302一次侧流量减少控制阀A2故障303一次侧流量减少冷却器管程堵塞304一次侧流量减少水泵支路流量减少401二次侧冷却不足冷却器外漏402二次侧冷却不足海水流量减小501知识库规则分为基于故障树最小割集和基于故障树结构 2 个部分，这 2 个部分规则的结构一致，只对规则序号进行了区分。其中，最小割集规则由最小割集转化得来，按底事件重要度大小综合排序，作为规则推理时的假设顺序，序号为1011XX；结构规则由故障树结构转化得来，将不同条件的规则按故障树结构分解顺序进行排序，相同条件的规则按底事件重要度排序，排序仅作为规则标号无其他用途，序号为 2012XX，3013XX，n01nXX。3 状态监测模块状态监测系统对系统关键参数的实时数据进行监测，分析和验证设备的运行状态，确保设备安全可靠运行。为降低因系统运行中的暂态状态引起的虚警率，同时兼顾专家系统的在线诊断能力，根据用户设定的设备异常状态标准，设置状态监测模块，对经由通信接口传输的核动力装置参数进行故障可信度计算，对高于故障阈值 且越限时长超过时限阈值 的认定为系统或设备故障，然后输出事实至数据库并触发专家系统工作条件，使其进入故障诊断流程。数据采集装置采集的核动力装置参数主要有开关量和模拟量 2 种类型。其中，开关量不作为报警参数，直接将开关量的状态事实传输给数据库用于系统状态判断；对于模拟量，则需要将其转化为数字量，并进行故障可信度计算和故障阈值比较，在满足条件后将故障事实输出至数据库。对故障限值、故障阈值 和时限阈值 的设置，应当以技术条件要求、历史运行数据或专家诊断经验为依据进行。当标准值为固定值，检测值超过标准值的倍且越限时长超过时限阈值时，认定系统、设备属于完全故障状态。同理，当标准值为范围值，检测值超过正常范围最大值或最小值的 倍且越限时长超过时限阈值 时，属于完全故障状态40。A=ai|i=1，2，3，.，naiCF(ai)把模拟量实时数据放入数据集 A（）中，把数据集中单个检测值偏离标准值 S 的程度定义为，用于表示检测值的故障可信度，检测值偏离程度越大，设备发生故障的可信度越大。当故障可信度大于故障阈值 时，认为系统或设备已处于故障状态。故障可信度的计算公式为：CF(ai)=|aiS|S(5)假设余热排出系统冷却剂的流量标准值为 一次侧流量减少水泵支路流量减少控制阀A1 故障控制阀A2 故障冷却器管程堵塞图 7由“或”门连接的故障树分支Fig.7 Fault tree branches connected by OR gate增刊 1宋龙飞等：基于故障树和产生式规则的故障诊断专家系统设计89CFCF S=100 t/h，故障限值设定为 =0.8，故障阈值设定为 =0.25，时限阈值设定为 =30 s。当冷却剂流量降低至 a=79 t/h 且越限时长 t=31 s 时，可计算得出=0.262 5，此时，故障可信度，且越限时长 t ，检测值 a S，则状态监测模块判定余热排出系统冷却剂流量异常故障，并将事实输出至数据库：“一次侧流量异常，减少”。4 推理机设计采用确定性的正、反向混合推理方法作为专家系统推理策略。先根据事实进行正向推理，得出可能成立的结论，随后以此为假设进行反向推理，并将与假设相关的规则激活条件与事实进行匹配，若匹配成功，则推理正确41。推理流程如图 8 所示。首先，将用户输入的或者系统自动获取的故障事实存储至数据库，随后将其与知识库中的最小割集规则进行匹配，相关的规则结论存入规则集中，并按规则推理顺序依次提出假设结论。接着，从知识库中选取与假设结论相关的其他规则，并将其与数据库中的故障事实进行匹配。若匹配一致，则假设成立，并将假设结论输出为故障诊断结果，否则，按推理顺序提出下一个假设并进行事实匹配，直至得出诊断结果或者规则集中没有可用规则为止，而若最终匹配失败，则输出更新系统知识库的文字提醒42。开始结束是否还有其他假设规则?否是将故障事实存储至数据库与数据库事实是否匹配?假设成立,输出故障诊断结果暂无故障诊断结果,输出更新知识库提示是否由知识库最小割集规则建立规则集,按推理顺序提出假设结论取出与假设结论相关的其他规则图 8推理流程图Fig.8 Flow chart of reasoning 5 结论为充分运用核动力装置的运行管理经验，提高核动力装置操纵人员的事故处置能力，本文以船用核动力装置为对象，提出了基于故障树和产生式规则的核动力装置故障诊断系统设计方案，主要结论如下：1）根据故障树与产生式规则之间逻辑关系的一致性，提出了基于故障树的分析法，通过采取将故障树知识转化为产生式规则的方法，有效解决了传统产生式规则专家系统知识获取难的问题，使知识库知识完备，逻辑性强。2）对采用正、反向混合推理方法的专家系统知识库和推理机进行了优化设计，依据故障树最小割集和底事件重要度，设计了正向推理策略，简化了推理流程，在保证推理准确度的前提下大幅提升了推理效率。3）根据人工故障状态判断思路设计了状态监测模块，有效地将装置状态参数转化成专家系统可以识别的故障事实，实现了专家系统在线诊断的功能，取代了通过人机对话方式获取信息的繁琐流程。参考文献：周东华,胡艳艳.动态系统的故障诊断技术 J.自动化学报,2009,35(6):748758.ZHOU D H,HU Y Y.Fault diagnosis techniques fordynamic systemsJ.Acta Automatica Sinica,2009,35(6):748758(in Chinese).1 刘才学,罗能,何攀,等.反应堆关键设备健康监测与故障诊断技术研究进展 J.核动力工程,2023,44(3):820.LIU C X,LUO N,HE P,et al.Research progress ofhearth monitoring and fault diagnosis for reactor criticalequipmentJ.Nuclear Power Engineering,2023,44(3):820(in Chinese).2 MANDAL S,SANTHI B,SRIDHAR S,et al.Nuclearpower plant thermocouple sensor-fault detection andclassification using deep learning and generalized likeli-hood ratio testJ.IEEE Transactions on Nuclear Science,2017,64(6):15261534.3 GAUTAM S,TAMBOLI P K,ROY K,et al.Sensorsincipient fault detection and isolation of nuclear powerplant using extended Kalman filter and KullbackLeiblerdivergenceJ.ISA Transactions,2019,92:180190.4 ZHANG X,DENG Z G,JIAN Y F,et al.Reliabilityanalysis of nuclear safety-class DCS based on T-S fuzzyfault tree and Bayesian networkJ.Nuclear Engineeringand Technology,2023,55(5):19011910.5 YATSUGI K,PANDARAKONE S E,MIZUNO Y,etal.Common diagnosis approach to three-class inductionmotor faults using stator current feature and supportvector machineJ.IEEE Access,2023,11:2494524952.6 CHOI J,LEE S J.Consistency index-based sensor faultdetection system for nuclear power plant emergency790中 国 舰 船 研 究第 19 卷situations using an LSTM networkJ.Sensors,2020,20(6):1651.WANG H,PENG M J,WESLEY HINES J,et al.Ahybrid fault diagnosis methodology with support vectormachine and improved particle swarm optimization fornuclear power plantsJ.ISA Transactions,2019,95:358371.8 YIN W Z,XIA H,HUANG X Y,et al.A fault dia-gnosis method for nuclear power plant rotating ma-chinery based on adaptive deep feature extraction andmultiple support vector machinesJ.Progress in NuclearEnergy,2023,164:104862.9 马杰,张龙飞,余刃,等.基于 PCA 与 SDG 的反应堆一回路系统故障诊断方法研究 J.核动力工程,2021,42(3):197202.MA J,ZHANG L F,YU R,et al.Research on accidentdiagnosis method for reactor primary circuit systembased on SDG and PCAJ.Nuclear Power Engineering,2021,42(3):197202(in Chinese).10 SMAILI R,EL HARABI R,ABDELKRIM M N.Design of fault monitoring framework for multi-energysystems using signed directed graphJ.IFAC-PapersOn-Lin