基于本体的汽轮机组振动故障知识语义性表达

基于本体的汽轮机组振动故障知识语义性表达

张润芝

中电神头发电有限责任公司 山西省朔州市 036000

摘要：首先，构建汽轮机组设备结构、边界工况、故障知识的本体语义网，保留更丰富的语义信息，提高了对知识的重用和管理效率；其次，讨论了基于本体公理的知识一致性检验，避免知识的冲突和冗余，并采用本体查询语言提高故障知识检索的灵活性与效率。

关键词：汽轮机组；故障知识；本体；语义性表达；知识图谱；

1振动故障知识表达研究框架

对汽轮机振动故障知识表达研究分为故障知识分析、故障知识结构化表示2部分内容。研究框架如图1所示。

图1研究框架

首先，基于系统论的观点，采取系统内功能相关、属性相近、系统间相互独立、便于故障分析及维修的原则，按照"设备-系统-子系统-零部件"的层次进行系统划分，形成一棵倒置的设备树，采用故障模式及影响分析（faultmodeandeffectanalysis，FMEA）和故障树分析（faulttreeanalysis，FTA）获得机组振动故障知识。其次，抽取出故障诊断领域本体概念和层次结构，建立以下故障诊断领域核心本体∶表示机组设备层次结构、运行阶段的边界条件本体，涉及故障模式和征兆等的故障知识本体，定义故障诊断领域本体概念间的对象属性和数据属性，建立故障知识间的语义关联模型，以表达故障诊断领域本体概念间的复杂关联关系。最后，将获取的具体故障知识填充到本体模型中，实现故障知识间的拓扑融合和多粒度建模，形成机组故障知识图谱。

2振动故障知识结构化表达

2.1本体基本理论

本体通过概念间的关系或逻辑公理描述，具备了强大的语义表达的能力。本体的语义性方便人机间的交流，消除知识整合和数据集成过程中的歧义，避免知识的冲突和冗余。本体的语义性依托于本体描述语言实现，通过逻辑形式对领域内知识进行声明性表达。常用的是由万维网联盟（W3C）于2004年发布的语义网标准语言（ontologyweblanguage，OWL），用以描述语义网中概念、概念集合以及概念间关系等。OWL是在资源描述框架（resourcedescriptionframework，RDF）和RDFS（RDFSchema）等互联网语言基础上发展而来，利用类、属性、个体等概念表达领域知识。

本体建模是用本体语言形式化表示领域知识的过程。在获取研究对象的领域知识后，建立本体中类及层次关系，确立属性及属性关系，随后将领域知识中的实例个体归属到所属类下面，并利用属性关系关联个体，最后进行本体一致性检验，确保本体的语法和语义不存在冲突。

2.2基于本体的振动故障知识表达

汽轮机组振动故障知识包括边界工况信息、故障因果演变知识等。因此，进行了边界工况和故障知识2类本体的构建。

2.2.1边界工况本体

故障发生与设备位置、工况条件紧密关联，汽轮机组故障知识的边界工况可以分为设备结构和运行工况2类。边界工况本体的类及属性关系逻辑如图2所示。

图2边界工况本体类及属性关系

设备结构反映了故障发生位于的实体，也是维护工作的对象单元。设备、系统、子系统、零部件为平行类，它们又都是设备结构的子类，通过"是子类"（subClassOf）属性表达父类和子类之间的关系。对于汽轮机组而言，设备类下面的个体只有汽轮机组；系统类下面的个体有汽轮机本体（高、中、低压缸等）、基础、主再热蒸汽系统、油系统、凝汽系统、回热系统、轴封系统、调节保安系统等；子系统类下面的典型个体有转子、轴承座和轴承、汽缸、联轴器、滑销系统等；零部件类下的典型个体有转轴、动叶、缸体、螺栓等。通过引入"是部分"（isPartOf）和"包含"（consistOf）2个属性，建立设备部件间的层次关系。

运行工况指汽轮机组从启机到停机运行过程中不同的工作阶段，某些故障的发生同运行工况关系密切，例如汽流激振一般发生在带大负荷运行阶段。根据转速和功率的变化特点，运行工况类下的典型个体有任意工况、启停机、带负荷运行等。

2.2.2故障知识本体

故障知识本体是对故障演变因果链的知识进行语义性表示，分为故障模式、故障征兆、故障原因、故障影响和维护措施5类。

复杂系统内的故障具有传递性的特征，部件上发生的故障原因可以进一步造成系统层面故障模式的发生。根据故障原因发生条件的不同，将原因类本体分为设计和制造、安装和维修、运行和调整3类。故障原因分析中得到的故障树的全部最小割集，形成了故障原因查找知识库中的故障原因集，是引起故障模式发生的故障原因的集合。

故障征兆是故障发生后的表现特征，也是诊断的依据。因为诊断问题的复杂性，征兆具有表现形式和检测手段多样的特点。有关振动类征兆可以分为频谱类、趋势类、相关类、不同转速振动特征、其他振动特征5类；非振动征兆可以分为变形、负荷、压力、温度、效率、流量、位移、阀门位置、人为感知9类。

结论

本体理论用于故障知识的表达和建模仍有许多问题有待进一步研究∶1）本文所研究的故障知识建模主要涉及的是静态知识，构建监测数据、特征参数、传感器等本体模型，实现静态故障知识和动态监测数据相融合的故障诊断大数据平台值得进一步研究；2）故障知识往往具有不确定性，如何利用本体对不确定性知识建模，实现故障的科学诊断有待进一步研究；3）当故障知识体量特别大时，如何通过自然语言处理、人工智能等技术自动构建本体有待进一步探索。

参考文献

[1]钱伟,郑捷,林贤良.基于高频信号传输理论的汽轮机本体振动干扰分析[J].湖州师范学院学报,2010,32(S1):26-28.

[2]卢绪祥,李录平,张晓玲,黄竹青.基于相对劣化度模型的大型汽轮机状态综合评价[J].动力工程,2006(04):507-510.