[发明专利]基于知识petri网的船用电站故障诊断方法

摘要

本发明公开了基于知识petri网的船用电站故障诊断方法，包括1根据船用电站故障Petri网模型获取并筛选船用电站各单元的故障征兆集合；2利用改进的Apriori算法对上述故障征兆集合和故障单元进行强关联规则挖掘；3通过人机对话，用户输入故障征兆特征量和置信度，系统使用上述强关联规则通过模糊推理进行故障征兆识别以确定故障单元；4以故障单元为根库所从故障Petri网模型中抽取出子故障Petri网使用正向运行和逆向推理的方法进行故障原因诊断，并根据诊断结果给出故障原因、故障路径图和相应的故障维修方法。本发明能避免故障原因漏判，同时生成故障传播路径，提高了船用电站故障诊断的准确性和高效性。

主权项

一种基于知识petri网的船用电站故障诊断方法，其特征在于，它包括如下步骤：步骤1：在现有的船用电站故障Petri网模型∑中获取船用电站各单元的实际故障与所对应的故障征兆的集合；步骤2：对上述船用电站各单元的实际故障与所对应的故障征兆的集合通过以下步骤201～步骤205所述的改进的Apriori算法，进行强关联规则挖掘，即将船用电站各单元的故障征兆和实际故障间的强关联规则挖掘出来；步骤201：设船用电站各单元的实际故障与所对应的故障征兆的集合为I＝{i1,i2,…,in}，设船用电站故障Petri网模型∑中所有实际故障集合为IF，设船用电站故障Petri网模型∑中所有实际故障的故障征兆集合为IN，且有I＝IN+IF，然后按照故障征兆不同的类型，将上述故障征兆集合IN分为若干项故障征兆子集的组合，即设故障征兆类型共有m类，则有：其中，INj和INl指的是IN中的第j及第l类故障征兆子集，m为故障征兆类型的数目，也就是故障征兆子集的数目；另外，设从船用电站故障Petri网模型∑中获取的船用电站各单元的实际故障与所对应的故障征兆的所有对应记录为集合D，这些实际故障和故障征兆称为集合D的项，集合D内的每一个元素R都是一条故障征兆与实际故障的对应记录，元素R是一个同时包含若干个故障征兆和一个对应的实际故障的集合，并且这些若干个故障征兆是分别属于不同类的故障征兆子集的；上述船用电站各单元的实际故障与所对应的故障征兆的集合I为所述集合D的所有项的集合，集合D内的每一个元素R都是集合D的一个项集；对于集合D中的元素R而言，由R中的若干元素组成的项集称为R的子项集，这些子项集也是D的项集；对于属于集合D的任意一个项集V有：V＝{ie,if,....,ig,ih}，ie,if,....,ig∈IN,ih∈IF如果属于集合D的任意一个项集V有k个元素，那么称项集V为k项集，k≥1；规定项集V必须满足的条件为：项集V的前k‑1个元素ie,if,....,ig分别属于k‑1个不同类的故障征兆子集，第k个元素ih是一个实际故障；项集V在集合D中的支持度是指项集V在集合D中出现的概率，即集合D中的元素包含项集V的概率，也就是说集合D中包含项集V的元素数量与集合D的元素数量的比值，即：Support(V)＝P(V)其中，Support(V)为项集V的支持度，P(V)为项集V在集合D中出现的概率，如果项集V满足：Support(V)≥min_sup其中min_sup为设定的最小支持度阈值；那么项集V是一个频繁项集，称为频繁k项集；由项集V的所有元素组成的蕴含式{ie,if,....,ig}→{ih}称为一条关联规则，即如果存在项集V的前k‑1个元素{ie,if,....,ig}，那么也存在第k个元素{ih}；显然集合X＝{ie,if,....,ig}，和集合Y＝{ih}，是项集V的子项集，也是集合D的项集；关联规则X→Y的支持度是指集合D中的记录同时包含X和Y的概率，也就是项集V的支持度，即：Support(X→Y)＝Support(V)关联规则X→Y的置信度为集合D中的记录如果包含所述集合X那么也包含所述集合Y的概率，也就是集合D中同时包含集合X和集合Y的元素数量与包含集合X的元素数量的比值，即：Confidence(X→Y)＝P(Y/X)其中Confidence(X→Y)是指关联规则的置信度，P(Y/X)是指Y关于X的条件概率；如果所述关联规则X→Y满足：Support(X→Y)≥min_supConfidence(X→Y)≥min_conf]]>其中min_conf为设定的最小置信度阈值；那么称关联规则X→Y是强关联规则；设集合L是集合D的所有频繁项集的集合；集合Lk是集合D的所有频繁k项集的集合；步骤202：由集合D获取集合L1的候选集合C1，其中，集合L1为频繁1项集的集合，候选集合C1是集合D所有频繁1项集的集合；按照步骤201中频繁项集的定义筛选集合C1中的元素，即对C1中的任意一个元素r，如果满足Support(r)≥min_sup，就把r存入L1，如果集合L1为空集，即结束运行，否则设计数器k＝1；步骤203：使用连接步获取集合Lk+1的候选集合Ck+1，连接步是指由Lk的元素进行自连接，自连接的规则是将集合Lk中具有相同前k‑2项的元素两两组合，每一个组合在去除相同项后得到一个k+1项集，如果这个k+1项集是集合D的一个k+1项集而且没有在集合Ck+1出现过，就把这个k+1项集存入集合Ck+1，集合Ck+1的元素必须都不相同并且是集合D的k+1项集；步骤204：使用剪枝步筛选集合Ck+1中的元素，剪枝步的规则是集合Ck+1保留的元素必须是步骤201中所定义的频繁项集，由集合Ck+1中的所有保留的元素组成集合Lk+1，将Lk+1加入到集合L中，即L＝L∪Lk+1；步骤205：如果集合Lk+1不是空集，即则令计数器自增1，即k＝k+1，返回步骤203继续执行，否则对于集合L中的每一个元素按照步骤201中关联规则的定义产生关联规则，即对于集合L的任意一个元素v，假设v＝{ia,ib,....,ic,id}，ia,ib,....,ic∈IN,id∈IF，那么关联规则就是{ia,ib,....,ic}→{id}，并使用步骤201中的强关联规则的定义对关联规则{ia,ib,....,ic}→{id}进行筛选，即如果那么{ia,ib,....,ic}→{id}是一个强关联规则，保留该关联规则，所有强关联规则组成强关联规则集合；步骤3：通过人机对话，用户输入故障征兆特征量和置信度，系统根据上述强关联规则集合使用模糊推理进行故障征兆识别以确定实际故障；步骤4：以故障征兆识别确定的实际故障为根库所从船用电站故障Petri网模型∑中抽取出子故障Petri网，使用故障Petri网正向运行和逆向推理的方法进行故障原因诊断，并根据诊断结果给出故障原因、故障路径图和相应的故障维修方法。