风力发电机组故障诊断方法、装置和电子设备
阅读说明：本技术 风力发电机组故障诊断方法、装置和电子设备 (Wind generating set fault diagnosis method and device and electronic equipment ) 是由 司伟涛 邓刚 于 2018-06-27 设计创作，主要内容包括：本申请实施例提供了一种风力发电机组故障诊断方法、装置和电子设备,该故障诊断方法包括：确定实时检测到的风力发电机组的当前故障模式；根据风力发电机组的故障模式影响危害性分析FMECA故障信息知识库,确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；基于各故障原因的先验概率、以及当前故障模式的条件概率,计算对应于当前故障模式的各故障原因的后验概率；根据各故障原因、以及各故障原因的后验概率生成当前故障模式的故障处理方案列表。通过本申请实施例的方案,可有效提高风力发电机组的故障诊断能力和诊断效果。(The embodiment of the application provides a wind generating set fault diagnosis method, a wind generating set fault diagnosis device and electronic equipment, wherein the fault diagnosis method comprises the following steps: determining a current fault mode of the wind generating set detected in real time; analyzing an FMECA fault information knowledge base according to the influence hazard of the fault mode of the wind generating set, and determining all possible fault reasons of the current fault mode, the prior probability of each fault reason and the conditional probability of the current fault mode corresponding to all fault reasons; calculating posterior probabilities of the fault reasons corresponding to the current fault mode based on the prior probabilities of the fault reasons and the conditional probability of the current fault mode; and generating a fault processing scheme list of the current fault mode according to each fault reason and the posterior probability of each fault reason. Through the scheme of the embodiment of the application, the fault diagnosis capability and the diagnosis effect of the wind generating set can be effectively improved.)
技术领域
本申请涉及风力发电技术领域，具体而言，本发明涉及一种风力发电机组故障诊断方法、装置和电子设备。
背景技术
风力发电作为一种绿色可再生能源的产生方式，已广泛应用于世界各地。随着风力发电机组数量的增加以及运行时间的累计，风力发电机组发生故障的概率也会相对增多。风力发电机组一旦发生故障就会导致机组性能的下降，甚至会导致风力发电的工作无法进行。因此，风力发电机组的故障诊断是风力发电必不可少的一个环节。
风力发电机组的各部件之间相互关联、紧密耦合，为其维护、维修等保障服务工作带来了极大挑战。目前，现有技术中对风力发电机组故障的预测诊断多是采用统计故障历史数据，依据故障历史数据建立故障树结构的信息库，在故障发生时，在该信息库的基础上检索得到相关故障树信息，得出故障原因集合。然而建立故障树需要以调查事故和分析事故为基础，工作量大且需要充分的数据支撑，属于事后分析，故障诊断效果不理想，需要现场维护人员对可能的故障原因一一进行排除，故障定位效率较低。
发明内容
本申请实施例提供了一种风力发电机组故障诊断方法、装置和电子设备，可以提高故障诊断的效果。本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种风力发电机组故障诊断方法，包括：
确定实时检测到的风力发电机组的当前故障模式；
根据预配置的风力发电机组的故障模式影响危害性分析(failure mode，effects,criticality analysis,FMECA)故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；
基于各故障原因的先验概率、以及当前故障模式的联合概率分布，计算对应于当前故障模式的各故障原因的后验概率；
根据各故障原因和各故障原因的后验概率生成当前故障模式的故障处理方案列表。
第二方面，本申请实施例提供了一种风力发电机组故障诊断装置，该装置包括：
故障模式确定模块，用于确定实时检测到的风力发电机组的当前故障模式；
故障原因及概率确定模块，用于根据预配置的风力发电机组的故障模式影响危害性分析FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；
故障原因后验概率确定模块，用于基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率；
故障处理方案生成模块，用于根据各故障原因和各故障原因的后验概率生成当前故障模式的故障处理方案列表。
第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器；
存储器，被配置用于存储机器可读指令；
处理器，用于通过调用可读指令，执行本申请任一实施例中所示的风力发电机组故障诊断方法。
本申请实施例提供的技术方案带来的有益效果是：本申请实施例提供的风力发电机组故障诊断方法、装置和电子设备，充分利用了在风力发电机组的产品设计阶段建立的FMECA知识实现了对风力发电机组故障发生时故障原因的诊断，可以得到了包括各故障原因和各故障原因的后验概率的故障处理方案列表。由于FMECA是在产品研发阶段就生成的故障分析数据，随着认知的加深可不断迭代优化，因此，利用该知识进行故障诊断可进行事前分析，对故障原因的定位更加有效，尤其是对于一些新的故障模式的故障原因的定位，提高了风力发电机组的故障诊断能力以及故障诊断效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1示出了本申请一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；
图2示出了本申请另一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；
图3示出了本申请又一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；
图4示出了本申请具体实施例中一种风力发电机组故障诊断方法的流程示意图；
图5示出了本申请具体实施例中一种贝叶斯网络的结构示意图；
图6示出了本申请具体实施例中另一种贝叶斯网络的结构示意图；
图7示出了本申请具体实施例中包括左偏航反馈丢失时各故障原因的后验概率的贝叶斯网络的结构示意图；
图8示出了本申请具体实施例中包括左偏航丢失且右偏航反馈正常时各故障原因的后验概率的贝叶斯网络的结构示意图；
图9示出了本申请一个实施例中提供的一种风力发电机组故障诊断装置的结构示意图；
图10示出了本申请另一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；
图11示出了本申请又一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；
图12示出了本申请再一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；
图13示出了本申请实施例中一种电子设备的结构示意图；
附图中的附图标记说明：
900-故障诊断装置；910-FMECA知识库创建模块；
920-故障模式确定模块；930-故障原因及概率确定模块；
940-故障检测事件确定模块；950-故障原因后验概率确定模块；
960-故障处理方案生成模块；970-故障原因定位模块。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释：
FMECA：是针对产品所有可能的故障，并根据对故障模式的分析，确定每种故障模式对产品工作的影响，找出单点故障，并按故障模式的严重度及其发生概率确定其危害性，是产品研发阶段生成的故障分析模型。
风力发电机组的FMECA表：基于风力发电机组FMECA的数据表或文档，其中记载了可以包括但不限于风力发电机组中产品或功能标志、产品或功能的功能说明、风力发电机组中的各故障模式、导致各故障模式的各故障原因、各故障原因的先验概率、对应于每个故障原因的故障模式的条件概率即一个故障原因发生条件下该故障模式出现的概率(也可以称为故障模式影响概率)、各故障原因的先验概率的来源、还可以包括各故障模式的严酷度即对风力发电机组的影响程度。
概率表：概率表中记载了对于FMECA表中的每个故障模式的条件概率。
故障处理措施表：概率表中记载了FMECA表中的每个故障原因的故障检测方法(即故障原因排查方案)。
风力发电机组的FMECA故障信息知识库：基于FMECA表所建立的数据库，其中至少记载有风力发电机组中的各故障模式、各故障原因、各故障原因的先验概率和各故障模式的条件概率等信息，知识库中还可以包括FMECA表中的其它数据、故障处理措施表中的数据、基于FMECA表中的数据计算或推导出的数据、根据故障分析需求增加的数据等。
贝叶斯网络(Bayesian Network，BN)：是将图像理论和概率论结合起来的概率网络，一种有向无环图模型，一般而言，贝叶斯网络的有向无环图中的节点表示随机变量，连接两个节点的箭头代表此两个随机变量是具有因果关系或是非条件独立的。
故障诊断贝叶斯网络模型(failure diagnosis Bayesian network，FDBN)：用网络结构表达与系统故障预测有关的各种信息及其相互关系的一种推理模型。本申请实施例中，FDBN是根据FMECA知识逐步建立的基于BN的风力发电机组故障模式诊断模型，可以用一个三元组<X,A,P>表达，其中：
X＝{X1,X2,X3,...,Xn}是BN网络中的所有节点的集合，表示了实际故障预测问题中的相关变量；
A＝{[aij],1≤i≤n,1≤j≤n}是连接各节点的有向边集合，代表了各变量间的关联关系，aij表示一条从节点Xi到节点Xj的有向边；
P＝{P(Xi|π(Xi)),Xi∈X}是网络中与节点Xi有关的概率分布，表达变量之间的连接强度，
现有的风力发电机组故障诊断方案多是基于历史统计数据实现的，需要大量数据支撑，属于事后分析，故障诊断效果不佳，得出的故障原因诊断集合，需要现场人员一条一条去排除，故障定位效率较差。
本申请提供的风力发电机组故障诊断方法、装置和电子设备，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种风力发电机组故障诊断方法的流程示意图。如图1所示，该故障诊断方法主要可以包括以下步骤：
步骤S102：确定实时检测到的风力发电机组的当前故障模式；
故障模式即故障的表现形式，一般是对产品所发生的、能被观察或测量到的故障现象的规范描述。对于风力发电机组，可以根据实际需求对风力发电机组的各设备、组件等进行实时故障检测，以得到检测出的当前故障模式。例如，对于风力发电机组的偏航控制回路而言，故障模式通常包括但不限于左偏航反馈丢失、右偏航反馈丢失、偏航控制接触器触点无法闭合等。
需要说明的是，对于故障模式的检测，可以是通过已有单独的风力发电机组的故障检测系统来完成，也可以是将故障检测系统与本申请实施例的故障诊断装置集成的同时具有故障检测和故障诊断功能的系统。也就是说，当前故障模式的确定可以通过获取单独的故障检测系统的实时检测结果来实现，也可以是同时具有故障检测和故障诊断功能的系统本身来检测确定，本申请实施例中对当前故障模式的确定方式不设限定。
步骤S103：根据风力发电机组的FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；
其中，FMECA故障信息知识库为基于风力发电机组的FMECA表创建的包括风力发电机组的各故障模式、各故障原因、各故障原因的先验概率、各故障模式的条件概率的对应关系数据库。在确定出当前故障模式后，即可基于该当前故障模式，在FMECA故障信息知识库中查找到其所有可能的故障原因，并进一步确定出各故障原因的先验概率和当前故障模式的条件概率。
本申请实施例中，对于某一故障原因，故障原因的先验概率即为故障原因的故障率，产品的故障率表示被分析产品在其任务阶段内的实际故障率。故障模式的条件概率是指对应于该故障模式的所有直接原因(也就是故障模式的所有父节点)的条件概率，在故障模式对应的直接原因有多个时，故障模式的条件概率即为多个直接原因联合分布下的条件概率，在故障模式的直接原因只有一个时，故障模式的条件概率即为该一个直接原因发生条件下，该故障模式的条件概率。
步骤S104：基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率；
由前文描述可知，当前故障模式的条件概率为该故障模式的所有故障原因联合分布下的条件概率。对应于当前故障模式的各故障原因的后验概率是指当前故障模式已经发生时，各故障原因发生的概率。对于当前故障模式的一故障原因，在当前故障模式的各故障原因的先验概率以及当前故障模式的条件概率已知时，对应于该当前故障模式的各该故障原因的后验概率即可分别根据贝叶斯公式计算得到。
某一故障原因的先验概率即该故障原因的实际故障率，例如，左偏航接线松动是左偏航丢失反馈故障模式的一个故障原因，左偏航接线松动的故障率为1.20E-2即为其先验概率。
步骤S105：根据各故障原因、以及各故障原因的后验概率得到当前故障模式的故障处理方案列表。
本申请实施例提供的风力发电机组故障诊断方法，充分利用了在风力发电机组的产品设计阶段建立的FMECA知识实现了对风力发电机组故障发生时故障原因的诊断，可以得到了包括各故障原因和各故障原因的后验概率的故障处理方案列表。由于FMECA是在产品研发阶段就生成的故障分析数据，随着认知的加深可不断迭代优化，因此，利用该知识进行故障诊断可进行事前分析，对故障原因的定位更加有效，尤其是对于一些新的故障模式的故障原因的定位，提高了风力发电机组的故障诊断能力以及故障诊断效果。
本申请实施例中，当前故障模式所有可能的故障原因可以为当前故障模式所有可能的直接原因，或者可以为当前故障模式所有可能的最底层原因。
其中，直接原因是指直接导致当前故障模式发生的故障原因。最底层故障原因即最底层的故障原因，是指作为故障模式时不存在导致其发生的其它故障原因的故障原因，最底层故障原因也是最底层的故障模式，除其本身发生故障外，不存在引起其发生的故障原因。
也就是说，本申请实施例中，故障诊断的深度可以定位到导致故障模式出现的直接原因，也可以定位到导致故障模式出现的最底层原因。当故障原因是直接原因时，则故障处理方案列表中包括的为各直接原因和各直接原因的后验概率，当故障原因为最底层原因时，则故障处理方案列表中包括的为各最底层原因和各最底层原因的后验概率。
由前文的描述可知，最底层原因是指导致故障模式的最底层的故障原因，该最底层的故障原因可能是导致故障模式发生的直接原因，也可能是导致直接原因出现的进一步底层的故障原因。可见，故障原因既可以是导致某一故障模式出现的原因，也可以是由其它故障原因导致的故障模式。
例如，对于故障模式左偏航反馈丢失，导致其发生的直接原因可能是左偏航接线松动、左偏航控制接触器失效等多个原因。其中，由于不存在导致左偏航接线松动的故障原因，因此，左偏航接线松动即是最底层故障原因。而对于左偏航控制接触器失效，导致其发生的故障原因可能是左偏航控制接触器的主触点无法吸合，也可能是辅助触点无法吸合，也就是说，左偏航控制接触器失效既是左偏航反馈丢失的直接原因，也是由主触点无法吸合或辅助触点无法吸合导致的故障模式，此时，左偏航控制接触器失效就不是左偏航反馈丢失的最底层原因，由于主触点无法吸合或辅助触点无法吸合不存在导致其出现的故障原因，因此，主触点无法吸合和辅助触点无法吸合既是左偏航反馈丢失的最底层原因，也是左偏航控制接触器失效的最底层故障原因。
本申请实施例中，如图2所示，该风力发电机组故障诊断方法还可以包括：
步骤S101：创建风力发电机组的FMECA故障信息知识库。
本申请实施例中，创建风力发电机组的FMECA故障信息知识库具体可以包括：
统计FMECA表中各故障模式的条件概率；
根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、以及统计的各故障模式的条件概率的对应关系，创建FMECA故障信息知识库。
本申请实施例中，上述创建风力发电机组的FMECA故障信息知识库时，还可以包括：
确定风力发电机组的FMECA表中的各故障原因的故障排查方案。
相应的，上述根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、以及统计的各故障模式的条件概率的对应关系，创建FMECA故障信息知识库，具体可以包括：
根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、统计的各故障模式的条件概率、以及所确定的各故障原因的故障排查方案的对应关系，创建FMECA故障信息知识库。
其中，故障原因的故障排查方案即故障原因的检测方法/诊断排查措施。相应的，故障处理方案列表中也可以包括当前故障模式的各故障原因的故障排查方案，以便于现场人员能够基于列表中的故障排查方案快速进行故障原因的排查。
在实际应用中，在建立FMECA故障信息知识库时，可以根据风力发电机组的FMECA表，确定FMECA表中各故障原因对应检测工具及检测方法即故障排查方案，生成故障处理措施表，通过统计FMECA表中的各故障模式的条件概率生成概率表，再将FMECA表、故障处理措施表和概率表汇总，得到风力发电机组的FMECA故障信息知识库。
可以理解的是，FMECA故障信息知识库的创建只需要在初始阶段创建一次，在后续的应用过程中，可以随着认知的加深、通过对运行数据的学习、以及专家修正等多种方式对知识库中的数据进行不断的优化。
本申请实施例中，确定当前故障模式所有可能的故障原因之后，还可以包括：
根据FMECA故障信息知识库，确定各故障原因对应的故障检测事件；
若故障原因对应的故障检测事件存在，上述基于各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率，具体可以包括：
确定故障原因对应的故障检测事件的状态；
根据故障原因所对应的故障检测事件的检测状态，各故障原因的先验概率、当前故障模式的条件概率，以及故障检测事件的条件概率，计算各故障原因的后验概率。
其中，故障检测事件是指由故障原因引起的除当前故障模式之外的最上层故障模式，最上层故障模式是指不会导致其它故障模式出现的故障模式，即最上层故障模式不会是其它故障模式的故障原因。例如，对于故障模式左偏航反馈丢失的故障原因可编程逻辑控制器(Programmable Logic Controller，PLC)模块140DI9(PLC模块的编号)失效，该故障原因也是导致右偏航反馈失效的可能原因之一，而右偏航反馈丢失不存在由其导致的上一层故障模式，因此，右偏航反馈失效为最上层故障模式，右偏航反馈失效即是故障原因PLC模块140DI9失效对应的故障检测事件。
在计算各故障原因的后验概率时，可以进一步考虑与故障原因对应的故障检测事件，由于可以通过检测确定故障检测事件的状态，因此，故障检测事件的状态是确定的，基于故障检测事件的状态计算各故障原因的后验概率，可提高故障原因的后验概率计算的准确性。其中，故障检测事件的状态是指该事件发生或者未发生。
图3示出了本申请另一实施例中提供的一种风力发电机组故障诊断方法的流程示意图。由图3中可以看出，图3所示的故障诊断方法在图1中所示的故障诊断方法的基础上，在得到当前故障模式的故障处理方案列表之后，还可以进一步包括：
步骤S106：根据故障处理方案列表对各故障原因依次进行故障排查，直至定位出当前故障模式的实际故障原因。
其中，若故障处理方案列表中包括各故障原因的故障排查方案，现场维护人员可以直接根据列表中的排查方案进行排查。若列表中没有相应的故障排查方案，现场人员可以依据经验进行故障原因的排查。
本申请实施例中，根据故障处理方案列表对各故障原因依次进行故障排查，具体可以包括：
对故障处理方案列表中的一个故障原因进行故障排查，确定该一个故障原因的状态；
若一个故障原因的状态为故障发生，则确定一个故障原因是否为当前故障模式的实际故障原因；
若一个故障原因的状态为故障未发生，则确定一个故障原因的后验概率为零，更新故障处理方案列表，根据更新后的故障处理方案列表对其它故障原因继续进行故障排查。
具体的，在一个故障原因的状态为故障未发生时，可以将故障处理方案列表中该一个故障原因的后验概率直接更新为0，并基于该更新后的后验概率重新计算列表中其它各故障原因的后验概率，根据重新计算的结果更新故障处理方案列表，再基于更新后的故障处理方案列表对另一个故障原因进行排查。通过每排查完一个故障原因，便可以根据排查结果重新计算各故障原因的后验概率完成故障处理方案列表的列表，实现对故障处理方案列表的不断更新优化，从而为现场维护人员提供更加准确的故障处理方案列表，通过该方式使现场维护人员能够更加快速准确的定位出实际故障原因，提高了实际故障定位的效率。
本申请实施例中，根据各故障原因、以及各故障原因的后验概率生成当前故障模式的故障处理方案列表，具体可以包括：
按照各故障原因的后验概率由大到小的顺序，创建包括各故障原因、以及各故障原因的后验概率的故障处理方案列表。
相应的，根据故障处理方案列表对各故障原因依次进行故障排查，具体可以包括：
按照各故障原因的后验概率由大到小的顺序，对各故障原因依次进行故障排查。
通过按照各故障原因的后验概率由大到小的顺序生成故障处理方案列表，使现场人员能够方便的从列表中的第一条故障原因即概率最大的故障原因开始进行排查，快速找到最可能导致故障出现的原因。
本申请实施例中，若当前故障模式的所有可能的故障原因为直接原因，上述根据FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率，具体可以包括：
在FMECA故障信息知识库中查找当前故障模式的所有可能的直接原因；
以当前故障模式为故障模式节点、查找到的各直接原因为故障原因节点、根据故障因果关系，建立有向边由故障原因指向故障模式的贝叶斯网络；
根据FMECA故障信息知识库，确定贝叶斯网络中各故障原因节点的先验概率和故障模式节点的条件概率；
此时，相应的，基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率，具体可以包括：
根据各故障原因节点的先验概率和故障模式节点的条件概率，计算对应于故障模式节点的各故障原因节点的后验概率。
可以理解的是，上述故障原因节点的先验概率和故障模式节点的条件概率即为对应的故障原因的先验概率和故障模式的条件概率。
本申请实施例中，若当前故障模式的所有可能的故障原因为当前故障模式所有可能的最底层原因，根据风力发电机组的FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率，具体可以包括：
在FMECA故障信息知识库中查找当前故障模式的所有可能的直接原因；
确定直接原因是否为当前故障模式的最底层原因；
若直接原因节不是最底层原因，则以直接原因为故障模式，在FMECA故障信息知识库中进一步查找对应的最底层原因；
以当前故障模式为故障模式节点、查找到的所有最底层原因(包括是最底层原因的直接原因和根据不是最底层原因的直接原因进一步查找到的最底层原因)为故障原因节点、查找到的除最底层原因外的故障原因为中间节点，根据故障因果关系，建立有向边由故障原因指向故障模式的贝叶斯网络；
根据FMECA故障信息知识库，确定贝叶斯网络中各故障原因节点的先验概率、各中间节点的先验概率、各中间节点的条件概率、以及故障模式节点的条件概率；相应的，基于各故障原因节点的先验概率和故障模式节点的条件概率，计算对应于故障模式节点的各故障原因节点的后验概率，具体可以包括：
基于贝叶斯网络中各故障原因节点的先验概率、各中间节点的先验概率、各中间节点的条件概率、以及故障模式节点的条件概率，计算对应于故障模式节点的各故障原因节点的后验概率。
本申请实施例，可以通过建立贝叶斯网络的方式，得到一种包含了当前故障模式和当前故障模式的各故障原因(直接原因或最底层原因)之间对应关系的FDBN模型，基于该模型，现场维护人员或者故障分析能够直观的看到当前故障模式的各种相关信息的因果关系，还可以在模型中直接显示出各故障原因的后验概率。
本申请实施例中，若最底层原因存在对应的故障检测事件，贝叶斯网络还可以包括故障检测节点，以及由故障检测节点指向对应的故障原因节点的有向边，该故障检测节点为最底层原因对应的故障检测事件。
由前文描述可知，故障检测事件为由故障原因引起的除当前故障模式之外的最上层故障模式，因此，故障检测节点即为由故障原因引起的除当前故障模式之外的最上层故障模式对应的节点。
通过在贝叶斯网络中增加故障检测节点，更加完善了贝叶斯网络，得到了更加完成的FDBN模型，且由前文的描述可知，故障检测节点的增加，能够进一步提高故障原因定位的准确性，提高故障原因定位效率。
由前文描述可知，存在故障检测节点时，计算各故障原因的后验概率时，还需要根据FMECA故障信息知识库，确定故障检测事件的条件概率。
为了更好的说明及理解本申请提供的风力发电机组故障诊断方法，下面结合一个具体实施例对该方法进行进一步详细的说明。
本具体实施例中，当前故障模式以风力发电机组的偏航控制回路中的左偏航反馈丢失为例进行说明，本具体实施例中故障原因的定位深度是最底层原因。图4示出了本具体实施例中风力发电机组故障诊断方法的流程示意图，具体包括：
首先建立FMECA故障信息知识库，如图4所示，本具体实施例中建立该知识库的方式为：确定FMECA表中各故障原因对应的检测工具及检测方法(故障排查方案)，生成故障处理措施表；统计FMECA表中各故障模式的条件概率，得到概率表；汇总故障处理措施表、FMECA表和概率表得到FMECA故障信息知识库。
表1中示出了本具体实施例中FMECA表和故障处理措施表汇总后的偏航控制回路部分的部分数据。表1中所示的左偏航控制继电器110K10、左偏航控制接触器110K6、PLC模块140DI9、左偏航控制继电器110K12、左偏航控制接触器110K8均是本具体实施例中风力发电机组的偏航控制回路中的设备，其中，110K10、110K6、140DI9、110K12和110K8是各设备的编号。
表1
表2中示出了本具体实施例中概率表中偏航控制回路部分的部分数据。其中，故障原因一列示出了故障模式的所有直接原因，条件概率一列示出了各故障模式的条件概率。例如，p(M|C1C2C3C4)＝1表示左偏航控制继电器110K10失效、左偏航接线松动、左偏航控制接触器110K6失效和PLC模块140DI9失效这四个故障原因同时发生的条件下，左偏航反馈丢失该故障模式的条件概率，则表示左偏航控制继电器110K10失效、左偏航接线松动和左偏航控制接触器110K6失效发生，且PLC模块140DI9失效未发生的条件下，左偏航反馈丢失的条件概率。
表2
由表1和表2可以看出，在本具体实施例中FMECA故障信息知识库中，数据包括但不限于风力发电机组的产品或功能标志，功能说明(表中功能一列所示)，故障模式、故障模式的故障原因、故障原因的严酷度(严酷度越高，说明故障原因对风力发电机组的影响越大)、故障检测方法(即故障原因的排查方案)、故障原因的先验概率(故障率一列所示)、各故障模式的条件概率。
需要说明的是，本具体实施例中的FMECA故障信息知识库中各表是以列表的形式呈现的，在实际应用中，FMECA故障信息知识库的具体形式是可以根据实际需要制定的，可以包括但不限于本具体实施例中所示的形式，FMECA故障信息知识库中的所包含的数据的内容也是可以根据需要进行调整的。FMECA表故障处理措施表和概率表可以汇总到一个表中，也可以是三个独立的表。
FMECA表(可以是FMECA表与故障处理措施表汇总后的表，也可以是未汇总故障处理措施表的FMECA表)中的任意一行记录可以称为一个FMECA信息单元。FMECA信息单元表示了关于某故障模式与故障原因、故障影响及故障检测方法等多方面相关信息，是故障诊断的信息基础。例如，表1中的第1行的记录即为一个信息单元，其中记载了左偏航丢失反馈这一故障模式的多个关联信息，该信息单元中的故障模式概率为0.8，表示了左偏航控制继电器110K10失效这一单个故障原因出现时，会导致左偏航反馈丢失的概率为80％。
完成FMECA故障信息知识库的创建后，即可基于该知识库进行故障诊断。基于风力发电机组的故障检测系统，对风力发电机组进行实时检测，当故障触发时，载入故障特征信息(当前故障模式)，基于实时检测的故障特性信息和FMECA故障信息知识库实现故障诊断。
本具体实施例中，故障特性信息为左偏航反馈丢失，在确定出左偏航反馈丢失的故障模式发生时，以左偏航反馈丢失为故障模式事件即故障模式节点M在FMECA故障信息知识库中搜索以左偏航反馈丢失为故障模式的所有故障原因即该故障模式的直接原因，根据搜索到的所有直接原因，进一步搜索FMECA故障信息知识库中以该直接故障原因为故障模式的下一层故障原因，依次向下搜索，直到搜索到的故障原因为最底层原因。将搜索到的最底层原因作为故障原因事件(本具体实施例中的故障原因节点C)，其余故障原因作为中间事件(本具体实施例中的中间节点D)。
基于表1中所示的数据中，搜索到的以左偏航反馈丢失为故障模式的所有直接原因包括左偏航控制继电器110K10失效、左偏航线路接线松动、左偏航控制接触器110K6失效和PLC模块140DI9失效四个故障原因。根据这四个故障原因，进一步在表1中所示的数据中搜索以这四个故障原因为故障模式的下一层故障原因，此时可以搜索到表1中第21行和第22行的故障原因主触点失效和辅助触点失效两个故障原因，这两个故障原因是以左偏航控制接触器110K6失效为故障模式的下一层故障原因。采用上述方式，按层次依次向下搜索，直到搜索到的故障原因为最底层原因。
基于图1中所示的数据，最底层原因为左偏航控制继电器110K10失效、左偏航接线松动、PLC模块140DI9失效、主触点无法吸合和辅助触点无法吸合。将这五个最底层原因作为故障原因节点C，左偏航控制接触器110K6失效作为中间节点D，从故障原因向故障模式发出有向边以标明因果关系，建立贝叶斯网络，如图5所示。图5中，M即表示故障模式节点，D1对应中间节点，C1至C5分别对应上述五个故障原因节点，其中，C1为左偏航控制继电器110K10失效、C2为左偏航接线松动、C5为PLC模块140DI9失效、C3为主触点失效，C4为辅助触点失效。
在完成上述各最底层原因的搜索后，以所有故障原因节点为基础，在FMECA故障信息知识库中进一步搜索各最底层原因对应的故障检测事件，即进一步向上层搜索所有以其为故障原因、且尚未在被搜索到的故障模式，依次向上层搜索，直到搜索到的故障模式再无其它信息单元的故障原因与其匹配即搜索到的故障模式为最上层故障模式，将搜索到的故障检测事件作为故障检测节点E添加到图5所示的贝叶斯网络中，然后从故障原因节点向故障检测节点发出有向边以标明因果关系，得到进一步完善的贝叶斯网络。
本具体实施例中，以检测到的故障原因节点左偏航控制继电器110K10失效、左偏航接线松动、PLC模块140DI9失效、主触点失效和辅助触点失效为基础，在表1所示的FMECA故障信息知识库进一步向上层搜索，可以搜索到故障模式右偏航反馈丢失是以PLC模块140DI9失效为故障原因，则将右偏航反馈丢失作为故障检测节点E，添加到图5中的贝叶斯网络中，得到如图6所示的贝叶斯网络，将该贝叶斯网络作为本具体实施例的FDBN。
可以理解的是，图5和图6中的节点标识C1-C5与上述表2中故障原因标识C1-C4并非完全对应的。表2中每一行的各故障原因标识表示的是该行的故障模式的各故障原因。
完成FDBN的建立后，基于FMECA故障信息知识库，确定所建立的FDBN中对应故障原因节点、中间节点的先验概率、中间节点的条件概率，和故障模式节点的条件概率，在此基础上，基于贝叶斯公式，根据故障模式节点的状态推理计算各故障原因节点的后验概率。
具体的，若不考虑故障检测节点E，对于节点C1、C2和C5，根据各节点的先验概率和节点M的条件概率(表2中第1行的条件概率)，通过贝叶斯公式，计算各节点的后验概率即可。对于节点C3和C4，可以首先根据节点D的先验概率和节点M的条件概率，通过贝叶斯公式计算出节点D的后验概率，再根据节点D的后验概率、节点C3和C4的先验概率、以及节点D的条件概率(表2中第2行的条件概率)，分别计算出节点C3和C4的后验概率。
表3中示出了本具体实施例中不考虑节点E时的各故障原因节点的后验概率。图7中示出了与表3中的后验概率所对应的贝叶斯网络的示意图，图中所示的节点M对应的Y为100(100％)(相应的N为0)表示该当前故障模式发生，对于节点C1-C5，Y分别表示对应的故障原因发生时的后验概率，N表示未发生的概率，如C1的后验概率P(C1|M)为0.82％，即表示左偏航反馈丢失发生时，左偏航控制继电器110K10失效的概率为0.0082。
表3
后验概率
故障原因
诊断排查措施
p(C<sub>2</sub>|M)＝0.226
左偏航接线松动
手拉目视
p(C<sub>3</sub>|M)＝0.0383
左偏航控制接触器110K6主触点无法吸合
拿万用表测量
p(C<sub>4</sub>|M)＝0.0165
左偏航控制接触器110K6辅助触点无法吸合
拿万用表测量
p(C<sub>1</sub>|M)＝0.0082
左偏航控制继电器110K10失效
拿万用表测量
p(C<sub>5</sub>|M)＝0.0054
PLC模块140DI9失效
拿万用表测量
以表3中左偏航接线松动即节点C2为例对其后验概率P(C2|M)的计算过程进行说明。由贝叶斯公式可知：
其中：
上述公式中两个概率之间的符号·表示两个概率的相乘。以p(C1)为例，p(C1)表示左偏航控制继电器110K10失效发生的先验概率，
若考虑故障检测节点E时，则根据节点C1至C5的先验概率、节点D的先验概率、节点D的条件概率、节点M的条件概率以及节点E的条件概率，通过贝叶斯公式计算出在左偏航反馈丢失发生且右偏航反馈状态确定的状态下，节点C1至C5的后验概率。
本具体实施例中，通过进行右偏航操作确定E的状态，进行右偏航操作后，假设无右偏航反馈丢失，即节点E的状态为未发生，记为状态0。基于根据节点E的状态和节点M的状态计算节点C1至C5的后验概率。
表4中示出了根据节点E的状态和节点M状态计算的C1至C5的后后验概率。图8中示出了与表4中的后验概率所对应的贝叶斯网络的示意图。由表4和图8可以看出，此时计算出的后验概率为左偏航反馈丢失，且右偏航反馈正常模式下的各故障原因的后验概率，如节点C2的后验概率p(C2|ME)＝0.227，表示左偏航反馈丢失发生且右偏航反馈正常时，左偏航接线松动的后验概率为0.227，由于右偏航反馈的状态也是确定的，因此，表4中的后验概率与表3中的后验概率相比更准确。
表4
完成各故障原因节点的后验概率的计算后，将所有触发的底事件(最底层故障原因事件)以其后验概率由大到小的排序，并显示其诊断排查方法，形成故障处理方案列表。表3或表4示出了本具体实施例中的故障处理方案列表。
基于表4，现场维护人员即可按照表中所示的诊断排查措施去排查第1条故障原因，并将排查结果反馈给诊断系统，以使系统根据排查反馈结果重新计算各最底层原因的后验概率并更新故障处理方案列表，依次更新直至定位故障原因解决故障。具体的，根据生成的故障处理方案列表，首先去检查排除左偏航接线松动，假设接线没有松动，则可以根据排查结果将左偏航接线松动对应的后验概率更新为0，并在此基础上，更新其余故障原因的后验概率，得到更新的故障处理方案列表，现场维护人员基于新的故障处理方案列表，对新的了列表中的概率最高的故障原因进行排查，通过故障排查、排查后更新故障处理方案的操作，直至准确高效的定位出实际故障原因。
对应于图1中所示的风力发电机组故障诊断方法，本申请实施例还提供了一种风力发电机组故障诊断装置。如图9所示，该故障诊断装置900可以包括故障模式确定模块920、故障原因及概率确定模块930、故障原因后验概率确定模块950和故障处理方案生成模块960。其中：
故障模式确定模块920，用于确定实时检测到的风力发电机组的当前故障模式；
故障原因及概率确定模块930，用于根据预配置的风力发电机组的FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；
故障原因后验概率确定模块950，用于基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率；
故障处理方案生成模块960，用于根据各故障原因、以及各故障原因的后验概率生成当前故障模式的故障处理方案列表。
本申请实施例中，当前故障模式的所有可能的故障原因为当前故障模式的直接原因，或者为当前故障模式的最底层原因；其中，直接原因是指直接导致当前故障模式发生的故障原因，最底层故障原因是指作为故障模式时不存在导致其发生的故障原因的故障原因。
本申请实施例提供的风力发电机组故障诊断装置，利用了在风力发电机组的产品设计阶段建立的FMECA知识实现了对风力发电机组故障发生时故障原因的诊断，可以得到了包括各故障原因和各故障原因的后验概率的故障处理方案列表。由于FMECA是在产品研发阶段就生成的故障分析数据，利用该知识进行故障诊断可进行事前分析，对故障原因的定位更加有效，尤其是对于一些新的故障模式的故障原因的定位，提高了风力发电机组的故障诊断能力以及故障诊断效果。
可以理解的是，图9中所示的故障诊断装置900的各模块可以对应图1中所示的故障诊断方法的各步骤，具有执行对应方法步骤的功能。对于图9所示的故障诊断装置的详细功能描述具体可以参见上述对图1中所示的故障诊断方法的详细描述，在此不再赘述。
本申请实施例中，故障诊断装置900还可以包括故障检测事件确定模块940，如图10所示。
故障检测事件确定模块940，用于确定当前故障模式所有可能的故障原因之后，根据FMECA故障信息知识库，确定各故障原因对应的故障检测事件，故障检测事件是指由故障原因引起的除当前故障模式之外的最上层故障模式。
相应的，若故障原因对应的故障检测事件存在，故障原因后验概率确定模块950具体可以用于：
确定故障原因对应的故障检测事件的检测状态；
根据故障原因对应的故障检测事件的检测状态、各故障原因的先验概率、当前故障模式的条件概率、以及故障检测事件的条件概率，计算各故障原因的后验概率。
本申请实施例中，故障诊断装置900还可以包括故障原因定位模块970，如图11所示。
故障原因定位模块970，用于根据故障处理方案列表对各故障原因依次进行故障排查，直至定位出当前故障模式的实际故障原因。
本申请实施例中，故障原因定位模块970根据故障处理方案列表对各故障原因依次进行故障排查时，具体可以用于：
对故障处理方案列表中的一个故障原因进行故障排查，确定一个故障原因的状态；
若一个故障原因的状态为故障发生，则确定一个故障原因是否为当前故障模式的实际故障原因；
若一个故障原因的状态为故障未发生，则确定一个故障原因的后验概率为零，更新故障处理方案列表，根据更新后的故障处理方案列表对其它故障原因继续进行故障排查。
本申请实施例中，故障处理方案生成模块960可以具体用于：
按照各故障原因的后验概率由大到小的顺序，创建包括各故障原因、以及各故障原因的后验概率的故障处理方案列表；
故障原因定位模块970在根据故障处理方案列表对各故障原因依次进行故障排查时，具体可以用于：
按照各故障原因的后验概率由大到小的顺序，对各故障原因依次进行故障排查。
本申请实施例中，若故障原因为当前故障模式的最底层原因，故障原因及概率确定模块930可以具体用于：
在FMECA故障信息知识库中查找当前故障模式的所有可能的直接原因；
确定直接原因是否为当前故障模式的最底层原因；
若直接原因节不是最底层原因，则以直接原因为故障模式，在FMECA故障信息知识库中进一步查找对应的最底层原因；
以当前故障模式为故障模式节点、查找到的所有最底层原因为故障原因节点、查找到的除最底层原因外的故障原因为中间节点，根据故障因果关系，建立有向边由故障原因指向故障模式的贝叶斯网络；
根据FMECA故障信息知识库，确定贝叶斯网络中各故障原因节点的先验概率、各中间节点的先验概率、各中间节点的条件概率、以及故障模式节点的条件概率。
相应的，故障原因后验概率确定模块950具体可以用于：基于贝叶斯网络中各故障原因节点的先验概率、各中间节点的先验概率、各中间节点的条件概率、以及故障模式节点的条件概率，计算对应于故障模式节点的各故障原因节点的后验概率。
本申请实施例中，若最底层原因存在对应的故障检测事件，贝叶斯网络还包括以故障检测事件为故障检测节点的节点，以及由故障检测节点指向对应的故障原因节点的有向边。
本申请实施例中，故障诊断装置900还可以包括FMECA知识库创建模块910，如图12所示。
FMECA知识库创建模块910，用于创建风力发电机组的FMECA故障信息知识库。
本申请实施例中，FMECA知识库创建模块910可以具体用于：
统计FMECA表中各故障模式的条件概率；
根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、以及统计的各故障模式的条件概率之间的对应关系，创建FMECA故障信息知识库。
本申请实施例中，FMECA知识库创建模块910还可以用于确定风力发电机组的FMECA表中的各故障原因的故障排查方案。
相应的，FMECA知识库创建模块910根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、以及统计的各故障模式的条件概率之间的对应关系，创建FMECA故障信息知识库时，可以具体用于：
根据FMECA表中的各故障模式、各故障原因、各故障原因的先验概率、统计的各故障模式的条件概率、以及各故障原因的故障排查方案之间的对应关系，创建FMECA故障信息知识库。
本申请实施例中，故障处理方案列表中还可以包括各故障原因的故障排查方案。
可以理解的是，上述图9以及基于图9的实施例中的风力发电机组故障诊断装置的各模块，可以具有实现上述图1或基于图1的实施例中的风力发电机组故障诊断方法的相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。上述各模块可以是软件和/或硬件，各模块可以单独实现，也可以多个模块集成实现。对于风力发电机组故障诊断装置的各模块的功能描述具体可以参见上述图1或基于图1的风力发电机组故障诊断方法中的相应描述，在此不再赘述。
本申请实施例还提供了一种电子设备，如图13所示，图13所示的电子设备2000包括：处理器2001和收发器2004。其中，处理器2001和收发器2004相连，如通过总线2002相连。可选的，电子设备2000还可以包括存储器2003。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。
其中，处理器2001应用于本申请实施例中，用于实现图9至图12所示的故障诊断装置900的功能。收发器2004包括接收机和发射机，收发器2004可以应用于本申请实施例中，用于实现本申请实施例的故障诊断装置900与风力风电机组中其它系统/装置/模块进行通信的功能。
处理器2001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI总线或EISA总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
可选的，存储器2003用于存储执行本申请方案的应用程序代码，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码，以实现本申请实施例的故障诊断装置900中各模块的动作。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种高性能风力发电机组