基于模糊贝叶斯网络的矿井排水系统故障诊断

研究背景

       矿井排水系统不断向自动化、智能化方向发展，系统结构和功能越来越复杂，不同部件之间互相关联、紧密耦合，单一部件的功能异常和故障问题经过系统放大后，可能会造成整个系统故障，因此对矿井排水系统的可靠性要求越来越高。研究矿井排水系统故障诊断，综合评估系统运行状态，及时修复潜在故障，可为矿井排水系统的可靠运行提供有力支持。贝 叶斯网络以其独特的不确定性知识表达形式、极强的概率表达能力、综合先验知识的增量学习特性，在故障诊断、数据挖掘等领域获得了成功应用。但贝叶斯网络在矿井排水系统故障诊断中的应用较少。针对现有矿井排水系统故障诊断方法实施难度较大、未考虑系统的整体性、故障诊断效率低等问题，提出一种基于模糊贝叶斯网络的矿井排水系统故障诊断方法。

       贝叶斯网络综合了概率理论和图论，对节点变量间不确定性关系的表达与推理比故障树等可靠性模型更加直观、清晰，且建模能力和分析能力更优。但对复杂系统直接进行贝叶斯网络建模难度大，在故障树基础上建立贝叶斯网络模型可以极大降低建模难度。矿井排水系统结构复杂，故障类型多，为降低故障诊断难度，清晰表达各故障之间的关系，本文先建立故障树，再将故障树转换为贝叶斯网络。

       通过故障树逻辑门转换得到的贝叶斯网络条件概率表逻辑关系是确定的，由于矿井排水系统系统较复杂，且运行过程中受随机因素影响，故障与征兆间的关联强度无法用确定的数学公式表达。因此，将模糊集合理论引入贝叶斯网络中。

       通过邀请相关领域的专家，采用模糊集合理论来评估故障节点与征兆节点之间的关联强度，确定模糊贝叶斯网络的条件概率。根据先验概率和求得的条件概率，利用模糊贝叶斯网络判断各根节点故障发生的概率。

   （1）通过构建矿井排水系统故障树与贝叶斯网络，可以清晰、直观地得出系统故障传播机理。

   （2）通过专家评估和模糊集理论相结合，将专家的主观评估结果转变为客观条件概率，可以增加故障诊断的可信度。

   （3）测试结果表明，基于模糊贝叶斯网络的矿井排水系统故障诊断方法各故障征兆的诊断准确率均在80%以上，平均准确率为82.7%。该方法能够快速准确地确定系统故障源位置和故障类型，提高故障诊断效率，而且可以确定系统的薄弱节点，通过针对性维护提升系统整体可靠性。

   （4）故障诊断误差产生的主要原因是模糊贝叶斯网络各节点的参数未优化。下一步将针对该问题进行研究，根据故障诊断结果调整参数，优化贝叶斯网络，提高故障诊断准确率。