基于免疫算法的飛機(jī)機(jī)電系統(tǒng)故障診斷分析

1、基于免疫算法的飛機(jī)機(jī)電系統(tǒng)故障診斷分析飛機(jī)機(jī)電系統(tǒng)信息化程度正逐步進(jìn)步，系統(tǒng)在運(yùn)轉(zhuǎn)過程中有著大量的數(shù)據(jù)，因此可使用基于數(shù)據(jù)的故障診斷方法來判斷系統(tǒng)的運(yùn)行狀態(tài)，以決定系統(tǒng)當(dāng)前控制策略，保證飛機(jī)平安。免疫算法本身具有魯棒性，滿足飛機(jī)高可靠性要求，可用來處理機(jī)電系統(tǒng)數(shù)據(jù)以實(shí)現(xiàn)系統(tǒng)的故障診斷。但免疫算法復(fù)雜度高，運(yùn)行耗時長，難以滿足機(jī)電系統(tǒng)實(shí)時性，需進(jìn)展算法改進(jìn)以適應(yīng)飛機(jī)機(jī)電系統(tǒng)要求。1 經(jīng)典免疫算法機(jī)制免疫算法是生命科學(xué)中的免疫機(jī)制在工程理論領(lǐng)域的算法實(shí)現(xiàn)，具有使用方便、魯棒性強(qiáng)等特點(diǎn)。經(jīng)典免疫算法分為一般免疫算法、陰性選擇算法和克隆選擇算法。一般免疫算法流程是按照生物免疫系統(tǒng)處理抗原入侵機(jī)體的過程

2、實(shí)現(xiàn)的。一般免疫算法完全繼承了生物免疫系統(tǒng)的自適應(yīng)性，對抗原的入侵有完備的方案。以高突變方式處理新抗原，記憶新抗體，并增加抗體種群; 以繼承的方式獲取舊抗原的最優(yōu)處理方法。算法在經(jīng)歷多種類抗原學(xué)習(xí)后，抗體種群會隨著學(xué)習(xí)次數(shù)趨于完善。陰性選擇算法是生物免疫系統(tǒng)抗原識別過程的實(shí)現(xiàn)。陰性選擇算法是將檢測器與被保護(hù)的對象進(jìn)展匹配，并將成功匹配的檢測器做變異處理，直到與被保護(hù)對象不匹配為止。然后將檢測器與待檢查數(shù)據(jù)進(jìn)展匹配計算，假設(shè)匹配那么說明待檢查數(shù)據(jù)異常。陰性選擇算法的效果依賴于檢測器的質(zhì)量，檢測器審查越嚴(yán)格，算法效果越好。克隆選擇算法是卡斯特羅( Decastro) 基于免疫過程中克隆選擇原理提出

3、的一種算法，擅長形式識別等機(jī)器學(xué)習(xí)任務(wù)，在故障診斷上應(yīng)用較少，不再做詳細(xì)介紹。2 算法改進(jìn)設(shè)計機(jī)電系統(tǒng)故障診斷就是對機(jī)電系統(tǒng)數(shù)據(jù)的診斷，即斷定數(shù)據(jù)是否處于正常范圍。就此而言，陰性選擇算法較為適宜，相對應(yīng)的，系統(tǒng)數(shù)據(jù)即為待處理數(shù)據(jù)，待處理數(shù)據(jù)中的故障數(shù)據(jù)即為故障診斷的根據(jù)，但算法效果依賴于檢測器的質(zhì)量，檢測器無學(xué)習(xí)才能，實(shí)際檢測效果不如一般免疫算法; 一般免疫算法雖性能優(yōu)異但資源占用較大，不適宜嵌入式使用，由于故障數(shù)據(jù)在實(shí)際中無需要屢次識別，因此抗體增殖功能在故障診斷中也沒有使用價值。基于上述原因考慮，可將兩種算法優(yōu)勢進(jìn)展部分整合。改進(jìn)后算法采用適宜數(shù)據(jù)處理的陰性選擇算法作為根本架構(gòu)進(jìn)展檢測器初

4、始化和檢測器審查，其次計算每個檢測器的作用域，為已審查檢測器增加故障數(shù)據(jù)學(xué)習(xí)環(huán)節(jié)以保證算法性能，進(jìn)步檢測器質(zhì)量，接著增加檢測器優(yōu)化環(huán)節(jié)以滿足算法實(shí)時性要求，再計算優(yōu)化后檢測器作用域，最終進(jìn)展待測數(shù)據(jù)匹配，匹配數(shù)據(jù)即為故障數(shù)據(jù)。檢測器C( i) 初始化。改進(jìn)算法首先進(jìn)展檢測器初始化，檢測器在實(shí)際應(yīng)用中為n 個長度為x 的一維數(shù)組，檢測器的每個元素是位于待診斷量傳感器量程之內(nèi)的隨機(jī)值，檢測器定義為C( i) ，0 n。檢測器審查。初始化的檢測器需進(jìn)展合格性審查，將含有正常數(shù)據(jù)元素的檢測器執(zhí)行分段函數(shù)變異處理，使其滿足檢測器條件，分段函數(shù)只需保證用不合格檢測器處理后能合格即可。作用域計算。在進(jìn)展數(shù)據(jù)

5、匹配前需計算每個檢測器的作用域，使用正常數(shù)據(jù)產(chǎn)生m 個長度為x 的一維數(shù)組D( j) ，0 m，定義檢測器C( i) 與所有D( j) 向量差的二范數(shù)的最小值r( i) 為檢測器C( i) 的作用域，在作用域計算時使用的D( j) 要盡量多，否那么檢測器作用域會變大，后期會造成誤診斷情況。故障數(shù)據(jù)學(xué)習(xí)。此時生成的檢測器會因?yàn)殡S機(jī)性有檢測盲區(qū)，需進(jìn)展學(xué)習(xí)來彌補(bǔ)。使用系統(tǒng)異常時待診斷量傳感器數(shù)據(jù)產(chǎn)生l 個長度為x 的一維隨機(jī)數(shù)組F( k) ，0 l，查看檢測器C( i) 與F( k) 的二范數(shù)是否 C( i) 的作用域，假設(shè)某個數(shù)組F( e) ，0 l 不在任何檢測器作用域之內(nèi)，那么將F( e)

6、增加為檢測器，重新計算其作用域，在進(jìn)展故障學(xué)習(xí)時，大量的學(xué)習(xí)數(shù)據(jù)能保證檢測器的完好性，進(jìn)步檢測器的質(zhì)量。檢測器優(yōu)化: 學(xué)習(xí)后的檢測器存在作用域重復(fù)和檢測時間期望值較小的問題。計算任兩個檢測器向量差二范數(shù)是否小于兩個檢測器作用域的較小值，假設(shè)存在那么將作用域較小的檢測器剔除，來解決作用域的重復(fù)問題; 針對檢測時間期望值較小可在進(jìn)展故障學(xué)習(xí)時，將每個檢測器匹配次數(shù)進(jìn)展記錄，匹配次數(shù)反映了故障的概率，按照匹配次數(shù)由大到小的順序?qū)z測器進(jìn)展重新排序。數(shù)據(jù)匹配。將待檢測數(shù)據(jù)進(jìn)展向量化處理，將待檢測數(shù)據(jù)轉(zhuǎn)化為多個長度為x 的一維數(shù)組S( r) ，0 x，且同一個待檢測數(shù)據(jù)可屢次出如今S( r) 中，以進(jìn)步

7、算法可靠性，但次數(shù)會影響檢測時間，需權(quán)衡處理。d0 d7為待檢測數(shù)據(jù)，S( 0) 、S( 1) 和S( 2) 為處理后的向量。3 故障診斷應(yīng)用使用飛機(jī)機(jī)電系統(tǒng)燃油子系統(tǒng)供油泵出口壓力和供電系統(tǒng)地面電源電壓對改進(jìn)算法進(jìn)展驗(yàn)證。改進(jìn)算法產(chǎn)生供油泵出口壓力檢測器52 個，地面電源電壓檢測器46 個，每個檢測器都是長度為4 的一維向量。使用檢測器處理各自80 個待檢測數(shù)據(jù)。供油泵出口壓力診斷成功率由93. 75% 進(jìn)步至97. 50%，供油泵出口壓力診斷成功率由93. 75%進(jìn)步至98. 75%。說明改進(jìn)算法進(jìn)步了診斷成功率，由于改進(jìn)算法具有學(xué)習(xí)才能，其也可應(yīng)用在未明確量化判據(jù)的數(shù)據(jù)診斷上。4 完畢語改進(jìn)后的算法比一般免疫算法進(jìn)步了診斷成功率，也能滿足機(jī)電系統(tǒng)實(shí)時性的要求，并在使用時只需將產(chǎn)生的檢測器存儲在機(jī)電系統(tǒng)計算機(jī)內(nèi)，檢測簡單易實(shí)現(xiàn)。但機(jī)電系統(tǒng)待診斷數(shù)據(jù)