基于信息融合技术的设备故障数据诊断决策系统

张师玮，张彦蕊

（甘肃省景泰川电力提灌水资源利用中心 甘肃 白银 730499）

0 引言

信息融合技术因其具有较高的准确性、实时性，在故障数据诊断过程中应用非常广泛［1-2］。 故障诊断信息的收集是决策系统的重要环节，涉及决策方案的可行性和有效性［3-5］。 因此，将故障诊断数据收集成重要信息，并利用计算机进行分析，对决策系统的应用起到了非常重要的作用。 国内外相关专家对故障诊断信息分析系统进行了诸多研究［6-7］。 例如，将信号以及振动数据作为信息特征参数，并研发了专门的故障检测数据系统；还有学者在诊断数据中引入了小波分析及向量机，通过电压伺服系统对不同工作状态下的振动信息进行分解，以便获得特征参数，构建决策分析系统。 上述研究成果只是针对单一故障数据进行预警和分析。 但是实际运行过程中，设备受各种条件影响，出现的故障信息往往是多方面协同作用的结果，单一的方法不能有效对数据进行全面的解读。 因此，本文结合信息融合技术对设备故障数据加以采集和诊断，融入信息决策机制，通过仿真验证系统可信性。

1 常见故障信息分析

水渠设备信息分为4 种，分别为控制信息、执行信息、承载信息以及辅助信息。 其中，执行和控制2 个模块的信息容易出现故障。 在实际诊断数据分析中，这2 个模块的故障信息获得可分为3 个等级：第一级，通过原始数据获得；第二级，通过数据特征量提取获得；第三级，通过综合数据分析获得。

针对3 个级别的信息获得方式，本文提出了基于多动态量数据的三级信息融合方案，以便可靠、全面地对设备故障数据诊断进行分析和决策。

2 三级信息融合诊断、决策系统

首先，故障诊断信息融合是将每台设备上的6 个行程传感器、6 个流量传感器以及4 个压力传感器所采集的数据进行综合分析，并获得第一级故障诊断信息结果，即数据层融合。 其次，提取收集来的原始数据特征量，综合分析后获得第二级故障诊断信息结果，即特征层融合。 最后，整合整个作业环境数据层和特征层融合结果，综合判断第一、二级结果的可靠性，推断出第三级故障诊断信息结果，即决策层融合。

如图1 所示，三级信息融合故障诊断系统包含3 个单元：动态信息采集单元、数据层融合单元、特征层及决策层分析单元。 3 个单元的核心设备信息分别为：原始数据信息、硬件数据信息以及企业信息门户（enterprise information portal， EIP）工业计算机信息。

图1 三级数据融合故障诊断、决策系统结构

（1）动态信息采集单元。 该单元以安装在设备信息采集单元为核心，对设备行程、流量、进出口压力信息进行全面的数据采集，并对采集信息进行硬件隔离或滤波，以便得到更加可靠的设备原始数据。

（2）数据层融合单元。 该单元以硬件数据信息为核心，其单元程序流程如图2 所示。 主要功能有：将特征量和数据层融合结果传至EIP 工业计算机；提取包括设备变化信息、速率信息、压力变化信息以及行程最大值、流量最大值、压力最大值等特征量信息；利用信息层融合技术，将采集到的原始数据和设备所处环境的其他设备信息的采集数据相对比，以判断动态数据或阈值是否异常。

图2 数据层融合单元程序流程

（3）特征层及决策层分析单元。 该单元以EIP 工业计算机为核心，主要功能有：根据设备状态对最终判断故障信息、类型以人机交互方式进行显示；对数据层融合及特征层信息融合结果进行最终决策，并判断其可靠性，得到最终故障信息；提取设备所处环境数据信息特征量，并进行融合。

3 三级信息融合技术的实现

本文提出的三级信息融合技术是利用了故障状态信息集合、判断函数、融合函数、最大值函数以及状态函数等，实现对数据层融合、特征层融合以及决策层融合的一项技术。

3.1 数据层融合

数据层融合是实现第一级故障信息的判断，是对采集来的设备位移、流量、压力等原始信息进行直接处理的。由此得到设备的工作状态数据为式（1）所示：

式中，f1为设备工作状态的判断函数，R ＝［r1，r2，…，rx1］为流量信息，P ＝［p1，p2，…，px2］为压力信息，D ＝［d1，d2，…，dx3］为位移信息。

设备第一级故障信息可表示为式（2）所示：

式（2）中，F为故障类型，p为F中各种故障信息概率的集合，H为常见故障状态集合（根据实际经验总结的特征状态信息），f2为故障判断函数。 故障判断函数可将设备常见故障信息数据和当前工作数据进行对比，并确定相似度。

3.2 特征层融合

特征层融合可以实现第二级故障信息的判断，将设备所有信息特征量进行融合，处理方法为：利用微分函数diff（x） 和最大值函数max（x） 对位移变化速率和最大值、流量以及压力特征量信息进行分别提取，即式（3）：

式（3）中，R'为采集的设备所处环境其他设备信息量最大值，R″为流量变化速率。 按照上述方法，可获得设备所处环境所有同类设备原始数据最大值、变化速率，以及位移最大值、变化速率，分别为P'、P″、D'、D″。 结合特征层融合函数f3，可获得整个环境中设备的工作状态信息集合为式（4）：

上述特征层融合函数与整个工作环境所有同类设备信息特征量进行对比，进行综合判断后获得其状态。 利用特征层故障匹配函数f4判断出第二级故障信息情况，即式（5）所示：

式（5）中，为第二级故障类型，为出现的概率。 由此，可将设备常见故障信息与特征层故障信息匹配函数对比，并确定相似度。

3.3 决策层融合

决策层融合可推断第三级故障信息，并验证每一级故障信息判断结果的可靠性，获得设备的最终故障信息结果。 输入特征层融合与数据层融合结果，利用故障判断函数f5对第三级故障信息进行判断，即式（6）所示：

表1 三级信息融合下的故障数据类型

4 计算机仿真验证

本节以水渠设备故障信息诊断和决策为例，在复杂系统建模仿真平台Swarm 中建立模型，并进行三级信息融合。 根据实际情况构建设备的计算机仿真模型。 泄露故障信息数据可分为外泄露数据和内泄露数据。 该模拟通过添加低压口信息和高压口数据来仿真外泄露数据，通过设置泄露参数来仿真内泄露数据。

如图3 所示，为模拟两个故障信息以及正常状态信息下的设备运动速率曲线。 由此看出，仿真2 s 时将产生切换信号。 通过和正常状态信息相比，外泄露故障信息和内泄露故障信息分析后，设备运动时间延长、速率变小。 通过上述两种故障所导致的设备速率变化特征，可推断故障信息类型。

图3 故障信息及正常状态信息下设备运动速率曲线

为了进一步验证故障诊断信息的准确性，如图4 所示，为出现故障信息时低压口信息变化曲线。 由此看出，仿真2 s 时故障情况下的低压口信息数值都迅速降低，按照实际经验，说明低压口出现了故障信息。 当仿真3.4 s后，内泄露故障下的模拟低压口信息数据变得更低，而外泄露故障情况下的低压口数据回归正常。 说明3.4 s 后外泄露故障下低压口没有出现故障信息，而内泄露信息仍有大量特征数据出现。

图4 故障信息变化曲线

根据三级信息融合技术可知，该故障信息与常见该信号水渠故障信息特征具有一致性，最终诊断函数判断结果为泄露故障代码，即在其他特征量和运行状态量无变化的情况下，该故障信息出现概率最高。 在设备实际运行中，压力信息不超过电磁阀开闭信息阈值等问题都会导致设备故障信息的出现。 因此，在决策层融合中还需判断压力信息是否正常后，才能确定最终是否为故障信息的类型。如果呈现开闭异常故障信息，该系统可在数据层融合中体现出流量信息异常，通过EIP 工业计算机利用诊断函数可确定是哪一信息类型。 这两种故障都具有一定的概率，再经由特征层融合对其他部件原始数据进行分析。 如果只呈现一种故障信息类型，则会使开闭故障信息出现的概率最大；如果压力信息异常，则数据层融合会判断为泄露故障信息类型和压力故障信息，而且两种故障信息的出现都存在一定概率。 由此，需要决策层对比整个设备所在环境的相似信息特征，如果所有同类设备均出现类似故障信息，则说明该类型故障概率最大。

上述计算机仿真实验及结果说明，本文提出的三级信息融合故障诊断决策系统具有一定的有效性。 以此类推，可验证该系统在其他故障信息诊断中的应用情况。

5 结论

综上所述，本文提出的三级数据信息融合技术故障诊断决策系统是将数据层融合、特征层融合以及决策层融合进行有机结合。 该技术能够对诊断信息进行充分利用和深度挖掘，最终对诊断进行确定及可靠性验证。 通过该技术构建了故障诊断决策系统，为水渠设备动态信息监测及故障数据排除提供了可靠保障。 计算仿真结果表明，三级信息融合故障诊断决策系统具有判断准确、实时性强、可靠性高等特点。