基于本體的風(fēng)電設(shè)備多源異構(gòu)知識(shí)管理及應(yīng)用研究.pdf

1、設(shè)備維護(hù)和故障診斷是保證風(fēng)電設(shè)備正常運(yùn)行，降低企業(yè)運(yùn)營(yíng)成本的關(guān)鍵因素。提升風(fēng)電設(shè)備的維護(hù)和故障診斷水平不僅有助于企業(yè)實(shí)現(xiàn)其經(jīng)營(yíng)目標(biāo)，提高企業(yè)效益，也將推動(dòng)環(huán)境與社會(huì)的和諧發(fā)展。隨著現(xiàn)代技術(shù)的發(fā)展，設(shè)備維護(hù)和故障診斷的技術(shù)和理念不斷更新，對(duì)設(shè)備現(xiàn)有知識(shí)的利用成為實(shí)現(xiàn)設(shè)備維護(hù)優(yōu)化和故障智能診斷的重要途徑?；谥R(shí)的設(shè)備維護(hù)通過(guò)維護(hù)知識(shí)集成和維護(hù)流程優(yōu)化，減少設(shè)備維護(hù)工作的復(fù)雜性，實(shí)現(xiàn)維護(hù)效益的最大化；基于知識(shí)的故障診斷可以在融合不同企業(yè)診斷

2、經(jīng)驗(yàn)知識(shí)的同時(shí)，利用知識(shí)的推理功能，以智能生成診斷策略的形式來(lái)輔助維護(hù)人員的診斷工作。
　　知識(shí)管理是實(shí)現(xiàn)基于知識(shí)的設(shè)備維護(hù)和故障診斷的基礎(chǔ)，而風(fēng)電設(shè)備的知識(shí)分布在不同企業(yè)和部門(mén)內(nèi)，具有多源異構(gòu)的特點(diǎn)，傳統(tǒng)方法難以實(shí)現(xiàn)知識(shí)的高效融合。為了有效提升風(fēng)電設(shè)備的知識(shí)管理水平，使其能為設(shè)備維護(hù)優(yōu)化和故障智能診斷研究提供知識(shí)保障，本文在國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目“大型風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)控與故障診斷技術(shù)研究”(項(xiàng)目編號(hào)：2009

3、AA04Z414)的資助下，將本體引入到風(fēng)電設(shè)備知識(shí)的表示與檢索中，對(duì)風(fēng)電設(shè)備多源異構(gòu)知識(shí)的管理和應(yīng)用進(jìn)行了深入系統(tǒng)的研究。
　　本文主要的研究工作和創(chuàng)新性成果有
　　（1）結(jié)合風(fēng)電設(shè)備知識(shí)管理的需求，提出了基于本體的風(fēng)電設(shè)備多源異構(gòu)知識(shí)管理模型。該模型采用本體實(shí)現(xiàn)各領(lǐng)域知識(shí)的描述，通過(guò)全局本體和局部本體的映射實(shí)現(xiàn)全局知識(shí)融合，在此基礎(chǔ)上進(jìn)行風(fēng)電設(shè)備的維護(hù)優(yōu)化和故障智能診斷，實(shí)現(xiàn)了對(duì)現(xiàn)有設(shè)備知識(shí)的高效利用。
　?。?）

4、在多源知識(shí)融合的基礎(chǔ)上，針對(duì)傳統(tǒng)FMECA（Failure Mode, Effects and Criticality Analysis）在故障評(píng)估時(shí)風(fēng)險(xiǎn)屬性賦值模糊且不考慮風(fēng)險(xiǎn)因素權(quán)重的問(wèn)題，采用本體描述模糊知識(shí)，并提出了模糊多準(zhǔn)則決策方法，由此實(shí)現(xiàn)了故障危害的量化評(píng)估；針對(duì)風(fēng)險(xiǎn)屬性精確賦值時(shí)不同故障具有相同RPN（Risk Priority Number）值的問(wèn)題，提出數(shù)據(jù)包絡(luò)分析的方法進(jìn)行評(píng)估模式改進(jìn)，以增強(qiáng)FMECA對(duì)故障模式危

5、害度的分辨能力，為優(yōu)化設(shè)備維護(hù)計(jì)劃提供決策依據(jù)。
　?。?）針對(duì)風(fēng)電設(shè)備維護(hù)計(jì)劃優(yōu)化的需求，提出了FMECA本體與故障樹(shù)本體結(jié)合的FTF（Fault Tree Failure）方法。該方法在相關(guān)領(lǐng)域知識(shí)采用本體表示的基礎(chǔ)上，將故障樹(shù)分析與FMECA結(jié)合，依據(jù)故障樹(shù)最小割集的綜合風(fēng)險(xiǎn)順序數(shù)實(shí)現(xiàn)維護(hù)計(jì)劃的優(yōu)化，解決了FMECA不能研究多故障的問(wèn)題，有效提高了風(fēng)電設(shè)備維護(hù)效率。
　?。?）針對(duì)目前風(fēng)電設(shè)備故障診斷方法多、理論復(fù)雜、

6、維護(hù)人員難以掌握的問(wèn)題，提出了基于知識(shí)檢索的風(fēng)電設(shè)備故障智能診斷方法。該方法在各領(lǐng)域知識(shí)以本體表示的基礎(chǔ)上，建立診斷方法推理所需的規(guī)則集，通過(guò)知識(shí)推理輔助維護(hù)人員選擇合適的故障診斷方法。
　　（5）提出了基于FMECA本體的故障智能診斷方法。該方法以風(fēng)電設(shè)備FMECA本體為知識(shí)庫(kù)，通過(guò)JESS（Java Expert System Shell）規(guī)則引擎對(duì)知識(shí)庫(kù)進(jìn)行推理，以輔助維護(hù)人員快速查找定位故障原因，選擇合適的診斷方法。該方法