1 概 述
随着工业的日益发展，大型机组的功率越来越大，工作转还越赤越高，许多大型的机组需要在超临界转速下运行，而由于种种原因国内外大型机组的故障时有发生，造成世大的经济损失。例如1987年山西大同发电厂200mw机组转子断裂，1988年秦岭电厂5号机组主轴断裂，两次事故经济损失均达亿元以上。研究并应用先进的状态监测与故障诊断技术不仅可以早期发现故障，避免恶性事故的发生，还可以从根本上解决目前设备定期维修中维修不足和维修过剩的问题。据文献[1]介绍，如果我国电力部门全面推广设备诊断技术，仅维修费用每年可节约3.5亿元。为了避免和减少大型机组故障的发生，各国都投入大量的人力物力进行故障机理和故障诊断技术的研究。在这些研究成果的基础上，各研究单位针对不同的应用开发了一些故障诊断系统，有些诊断系统已经推广应用于工业生产并取得了很好的经济效益，如美国的bently nevada公司的3300系统、tdm、ddm系统，westinghouse electric corporation的turbinaid、genaid、chemaid系统[2]，国内的哈尔滨工业大学，清华大学、西安交通大学、浙江大学、华中理工大学等单位分别研制的故障诊断系统。这些系统在工业现场的应用成为工业企业有效地减少和避免大型机组故障发生的主要手段。
机械故障诊断有两个方面的要求：一是发现故障，即判定故障发生与否；二是识别故障发生的部位、类型、性质、严重程度。因此，故障诊断系统相对这两面三刀个要求也应具备状态监测与故障诊断两个方面的功能，是这两个功能的有机结合体。目前国内外研究开发的故障诊断系统（包括已推向市场的产品）从功能来分，可以分为以基于信号处理和数据分析为主的监测型系统，如bently nevada公司的3300系统、atlanta公司的m6000，和基于知识的智能诊断型系统，如westinghouse electric corporation的turbinaid、genaid、chemaid系统和ird公司的501系统。但目前对故障诊断系统的开发过程进行较为全面的分析，并建立模型的文献并不多见，因此针对故障诊断系统的这两个方面的要求，充分考虑监测与诊断两个功能，采用面向对象技术，对故障诊断系统进行充分系统的分析，建立故障诊断系统的信息模型、动态模型和功能模型，为大型机组故障诊断系统的开发提供理论依据。
2 面向对象分析法
面向对象分析方法(object-oriented analysis，简称ooa)综合了功能分解方法、数据流分析法和信息造型法三种方法的一些优点，并用面向对象概念统一了这些优点之后发展起来的一种新的分析方法。是人们将面向对象方法应用于系统分析而产生的一种新的方法论。ooa的概念是shlaer, s.和mellor, s.于1988年提出[4]，目前正处于研究和发展阶段[5,6]。
面向对象分析方法是建立在人类自己的思维组织模式之上的一种分析方法。在传统的分析方法中，从问题空间到分析结果(即系统模型)的映射是间接的，原因之一就是分析人员所采用的思维模式与设计人员所采用的思维模式存在一定的距离。从根本上统一思维模式的方法就是在系统开发的各个环节中都采用人类原有的思维组织模式。面向对象分析方法是建立在人类自己思维模式的基础上，客观地、自然地应用客观世界本来的规律来开发应用系统的一种分析方法。
面向对象分析方法可以用下面式子表示：
面向对象分析方法＝对象＋分类＋继承性＋基于消息的通信
其中，对象是被封装的一组属性和专有服务，它是问题空间中某种事物的一个抽象，同时也包含问题空间中这种事物的若干实例。
面向对象分析方法在80年代末被提出后，得到了快速的发展。现在面向对象分析方法主要有两种，一是shlaer和mellor提出的面向对象分析方法[4]，这种方法主要是构造三个形式化模型，即信息模型(information model)、动态模型(state model)和功能模型(process model)。另一种是coad和yourdon提出的面向对象分析方法[3]，组合了传统的分析方法和面向对象的特征，主要由5个步骤组成：对象的认定；结构的认定；主题的认定；属性和实例关联的定义；服务和消息关联的定义。
3 故障诊断系统的面向对象分析与建模
3.1 故障诊断系统需求
分析的故障诊断系统是一个面向化工行业高速大型旋转机械的在线状态监测和故障诊断系统(简称m&d)。该系统需要对汽压机组的12路振动信号及其峰峰值、17路轴瓦温度信号、17路压力及流量等工艺参数和24路开关量信号进行在线实时采集、存贮、显示、分析并进行故障诊断。为了提高故障诊断的准确性，还特别要求系统能对12路振动信号实现动态信号的整周期采样并进行实时频谱；为了实现系统的事故追忆功能，系统还须具有“黑匣子”功能。为了实现这些功能，系统采用上下位计算机机同步工作的方式进行工作。下位计算机主要负责机组信号的采集、静态信号的显示和一部分报警功能（监测）；上位计算机则负责故障诊断系统的数据的存贮、信号分析、故障诊断等工作。上、下位计算机通过网络进行消息通讯和数据传输。我们用shlaer和mellor提出的面向对象分析方法[4]对上位机的故障诊断系统进行分析，建立系统的信息模型、动态模型和功能模型。
3.2 系统的信息模型
信息模型描述了系统中对象的表态结构及对象间的关系。信息模型以图表形式提供一个研究问题概念实体的全局概况(视图)。图形表达中每一个方框都与一个对象相关联。对象用研究领域的名词命名，并给以任意的标号。每个对象属性用一个星号或其它类似的区别符号标识。对象之间的关系在模型图中用线来描述。每一个关系用一个动词短语表示，为了便于记录每一个关系也用一个标号来标。对象模型因为对象的层次关系也具有一定的层次关系。随着对象分类程度的不同，对象模型所表达的信息也不一样。本文中仅给出系统的元对象模型，这是系统的主要核心。随着对象层次的逐渐分解，对象信息含量逐渐丰富，系统的象模型也越来越具体，直到一个可以计算机语言实现的系统对象模型为止。大型旋转机械状态监测与故障智能诊断系统的信息模型，如图1示。
图1 大型旋转机械在线状态监测与故障诊断系统信息模型
无论静态数据，还是动态数据，都是表征大型旋转机械运行状态的物理量，按时间顺序存放在数据库内，便于分析和诊断故障成因。数据库分日库、周库、月库、黑匣子数据库、趋势文件库和特征数据库6个子库。由于厂方的特殊要求，在日库、周库、月库、黑匣子数据库中存放原始的波形数据，在趋势文件库和特征数据库中存放趋势数据和特征数据。日库、周库、月库中的数据按一定的原则进行稀化。数据稀化的原则为：日库中所有数据每4秒钟保存一组数据；周库中每2分钟保存一组数据；月库中则每15分保存一组数据。黑匣子库保存在故障发生时刻前后各100组数据。趋势文件库中存放所有静态信号和动态信号的特殊频率的趋势数据；而特征数据库存放主要频率的幅值和相位信息。
图1中常规信号分析的方法主要包括条形图、频谱图、级联图、瀑布图、波特图、极坐标图、轨迹图、时基图、轨迹图和趋势图。
状态报警是系统用多层感知器神经网络对机组在正常时候的所有静态和动态信号进行学习，然后网络利用学到的知识来判断当前时刻机组的运行状态是否正常。
常规故障诊断原理与状态报警基本上一样。这里典型故障是指多发的、常见的故障。根据厂里的情况，这类故障主要包括：不平衡、转子轴向碰摩、不对中、油膜涡动、亚谐共振、轴承与封瓦松动、推力轴承损坏、蒸汽涡动、轴承松动和不等轴承刚度等。神经网络对这些故障的实际数据和前人总结的诊断知识进行学习，将学习得到的诊断知识贮存在权矩阵中，并利用这些知识对机组的当前状态进行诊断。
智能故障诊断是利用知识库中的知识对机组的运行状态进行诊断。知识库中的诊断知识以对象的形式组织。知识对象中包含故障诊断所需要的知识(产生式规则、神经网络、基因码规则)、获取故障特征所必要的分析方法和推理控制及故障的处理方法。故障智能诊断从故障的根节点开始，根据对象中的推理控制一层一层向终节点(最终能细分的故障)进行。最终能到达的节点就是诊断出来的结论(故障)。
诊断系统必须具有诊断知识自动获取功能(机器学习)才能在实际应用中实现自我完善。本系统中诊断知识的自动获取主要由两个部分组成：一是通过神经网络对系统提供的样本进行学习，另一部分是利用基因算法对系统样本的学习。
3.3 系统的动态模型
系统的状态模型描述了不断变化的系统中的各种因素。状态模型用来指明和实现系统的控制因素。状态模型以状态图表示，如图2示。图中以结点表示状态，并以数字标识，以弧表示由事件触发的状态之间的变化，箭头方向表示事件触发的方向。
图2 系统的状态模型
面向对象的分析假设所有的对象都有一个生命周期。一个生命周期由几个阶段组成。在特定的阶段都要指定对象实例行为的自然准则。生命周期包含对象在不同生命时期的不同状态。在开发的状态监测与故障诊断系统中，程序自动运行时的对象生命周期由下列几个阶段组成：1.采集状态数据；2.写入网络缓冲区；3.读取网络采集数据；4.进行数据常规分析；5.进行故障报警分析；6.进行典型故障诊断；7.显示分析结果；8.写入数据库。这是系统一般运行时监测功能的生命周期。
另外，由于windows环境下程序是一个多进程、多用户的系统，下列的对象可通过用户界面由用户手动激活或由系统根据状态分析诊断结果激活：数据库查询、事故追忆；趋势分析；升降速分析；进行智能故障诊断；知识库管理；诊断知识机器学习；系统声光报警；各种图表打印输出；人机交互界面。
上面所描述的对象的生命周期可以继续细分，直至不能再分为止。图2是根据上述的分析所建立起来的大型旋转机械状态监测与故障诊断系统的状态模型。该模型给出了系统中主要对象的生命周期。图中每个框图表示对象生命周期的一个阶段，而一条带箭头的弧线代表对象发出的一个事件及消息的传递途径。所谓的事件(event)是当一个对象的一个实例从一个阶段向另一个阶段发展时或向另外一个对象转移时发出的信号。
3.4 系统的功能模型
系统过程模型用来说明值是如何计算的，而并不考虑动作序列，策略或对象模型。过程模型表明了值之间的依赖关系及相关的函数(功能)。过程模型是在构造信息模型与状态模型之后才构造的。在面向对象分析建模中可以用数据流程图(dfd)来表示系统功能模型。数据流程图(dfd)有助于表示功能依赖关系。功能可以用各种方式来描述：如自然语言，数学式子和伪码等。
过程模型的构造按以下步骤执行：明确输入、输出值；建立体现函数依赖性的dfd图；描述函数；明确约束条件；确定优化标准。
数据流程图是用来说明输出值是怎样从输入值得来的。dfd通常按层次组织。最顶层可能由单个过程组成，也可能由收集输入、计算值、生成结果(输出)的一个综合过程构成。在各层的dfd层次中，可以从输出值递推出它的功能。如果对操作的输入也是整个图的输入，就可以实行递推法。否则，有些操作是中间值，必须反过来跟踪。
将顶层的dfd中的过程扩展成更低层次的dfd图。如果第二层次图中的过程仍包含一些可细化的过程，它们还可以递推扩展。图3表示了大型旋转机械在线状态监测与智能故障诊断系统的顶层数据流图，提供了系统的输入、输出值。根据图1的对象模型和图2的动态模型可以将顶层数据流图扩展为更低层次的dfd，因篇幅所限在此不作展开。
图3 系统的顶层数据流图
4 m&d系统实现
m&d系统是按三个面向对象模型建立起来的一个面向化工行业高速大型旋转机械的在线状态监测和诊断系统，除了计算机的正常配置外，下位机硬件还包括1块前置信号处理卡、1块智能鉴相卡、1块pcl-1800采集卡、2块pcl-813卡和1块开关信号监控卡；上位机还内置一块以美国texas公司tms320c25数字信号处理卡为核心的并行处理系统(atd-c25at-c)，该系统每秒能执行1千万条指令，可使ibm-pc/at达到超级小型机的运算速度。自行开发的智能鉴相板，根据鉴相信号的脉冲频率，经过32倍频后控制采样频率高达330k的pcl-1800高速采集板，对12路振动信号实现整周期采样；2块采样频率为25k的pcl-813采集板对12路振动信号的峰-峰值、17路温度信号和17路压力、流量等工艺参数进行采集；24路开关时量信号则由开关监控板(自行研制)进行监控。上位机中的数字信号处理系统负责诊断系统所需的数据分析。上、下位计算机通过nwlite点对点式的网络进行消息通讯和数据传输。下位机为了提高状态监测的实时性，利用pc机中断技术，采用在dos环境下的borland c++语言和turbo assembler汇编语言编写；上位机为了实现多任务处理，和分析图形显示的美观等要求，采用在windows环境下用visual c++语言进行编写，上位机中的数字信号处理板(dsp)接口程序由tms320c25汇编语言编写。 |
|
|
