基于生物信息系統(tǒng)的氣閥故障檢測方法研究

基于生物信息系統(tǒng)的氣閥故障檢測方法研究

0生物組成及在線自主故障檢測由于復(fù)頻電機的結(jié)構(gòu)復(fù)雜，激勵源很多，振動信號往往伴隨著周期信號、影響信號和隨機信號，因此很難檢測錯誤。雖然人們己對其開展了不少研究,但總的水平還很低,目前尚沒有一套成熟的故障檢測方法及檢測系統(tǒng)面世,這與其在生產(chǎn)中的應(yīng)用現(xiàn)狀是極不相符的,有必要加強這方面的研究,探索適于往復(fù)壓縮機故障檢測的新方法。生物免疫系統(tǒng)在缺乏先驗知識的情況下,能準(zhǔn)確地識別和記憶各種非己物質(zhì),在自主學(xué)習(xí)過程中不斷提高免疫功能,對機體進行在線自主故障檢測和健康監(jiān)控。近幾年來,一些學(xué)者在嘗試應(yīng)用免疫智能機理來解決設(shè)備故障診斷中常規(guī)方法難以解決的某些問題,取得了較好的應(yīng)用效果。模擬生物免疫系統(tǒng)的在線自主故障檢測機理,可望研究出適于設(shè)備在線故障檢測的人工免疫智能模型及算法,較好地解決故障樣本缺乏(或無故障樣本)設(shè)備的故障檢測問題。對此,首先從免疫系統(tǒng)自己—非己的概念出發(fā),對設(shè)備故障檢測問題進行了描述,引進了設(shè)備狀態(tài)空間、自己—非己空間及模糊空間的概念,進而研究了用于故障檢測的檢測器構(gòu)造方法及優(yōu)化方法,利用優(yōu)化的檢測器對往復(fù)壓縮機氣閥的常見故障進行了檢測研究,取得了較好的應(yīng)用效果。所提出的故障檢測方法,不需要對故障樣本進行學(xué)習(xí),它是在對正常樣本進行學(xué)習(xí)的基礎(chǔ)上實現(xiàn)設(shè)備故障檢測的方法,特別適合于故障樣本缺乏(或無故障樣本)設(shè)備的故障檢測。1t細胞技術(shù)的應(yīng)用免疫系統(tǒng)主要由兩類淋巴細胞組成,即B細胞和T細胞,都由骨髓產(chǎn)生。當(dāng)檢測到有抗原存在時,B細胞將在表面產(chǎn)生Y型抗體。在T細胞產(chǎn)生過程中,通過偽隨機基因重組過程在T細胞表面產(chǎn)生檢測器。然后T細胞進入胸腺進行檢查(稱為反面選擇),那些和機體自身蛋白質(zhì)反應(yīng)的T細胞被毀滅,只有那些不破壞自身組織的T細胞存活,這些成熟的T細胞在體內(nèi)循環(huán),它能檢測出任何非己物質(zhì),執(zhí)行免疫功能,保護機體免受抗原的侵襲。T細胞的檢測器能夠準(zhǔn)確的識別非己,這也稱為免疫系統(tǒng)的自己一非己識別。免疫系統(tǒng)能夠通過對自己的學(xué)習(xí),對非己產(chǎn)生記憶,并通過有限數(shù)量的檢測器,能夠準(zhǔn)確的識別和殺傷無限數(shù)量的非己,體現(xiàn)了免疫系統(tǒng)獨特的智能機理和極具魯棒性的處理問題方法。受生物免疫系統(tǒng)自己—非己識別機理的啟發(fā)下,Forrest等提出了適于檢測計算機病毒的編碼反面選擇算法。該算法與免疫系統(tǒng)的反面選擇過程類似,通過隨機的產(chǎn)生檢測器,并取消那些能檢測出自己的檢測器,以便保留的檢測器能檢測任何非己。為了使反面選擇算法更具有實用性,Gonzalez等對檢測器的概念進行了推廣,擴大了反面選擇算法的應(yīng)用范圍。2正常模式與非己空間的匹配和設(shè)置從免疫系統(tǒng)自己—非己識別的機理出發(fā),借鑒反面選擇算法的基本思想,首先對設(shè)備故障檢測問題進行描述。定義1設(shè)備狀態(tài)空間。設(shè)備的狀態(tài)空間T可通過一特征矢量xi表示,xi=(x1i,x2i,…,xni)∈n。xi,xi,…,xni表示設(shè)備的n個量綱一信息參數(shù);上標(biāo)i表示設(shè)備所有可能的狀態(tài)下參數(shù)的取值,即設(shè)備當(dāng)前和過去狀態(tài)下的量綱一信息參數(shù)的取值;信息參數(shù)可以是直接測量參數(shù),也可以是經(jīng)過預(yù)處理(如平滑等)、變換(如FFT變換或小波變換等)或特征提取后的結(jié)果。設(shè)備的狀態(tài)空間應(yīng)該由反映設(shè)備運行模式的幾個主要信息參數(shù)(可測量參數(shù))構(gòu)成,主要信息參數(shù)的選取應(yīng)根據(jù)具體的設(shè)備及測試手段而定。信息參數(shù)的整體盡可能反映設(shè)備運行模式的全貌。為了描述往復(fù)壓縮機氣閥的工作狀態(tài),可選取氣閥的振動信號和氣缸內(nèi)的壓力信號作為信息參數(shù)。以上定義反映了多參數(shù)信息融合的思想,下面的描述都是建立在該思想的基礎(chǔ)上。定義2自己—非己空間。設(shè)備的狀態(tài)空間T可通過某一閾值的限定被劃分成自己空間S和非己空間NS,且NS=T-S,用特征函數(shù)xS-NS表示自己—非己空間,通過特征函數(shù),產(chǎn)生映射:n→{0,1},即如下關(guān)系成立為了描述往復(fù)壓縮機氣閥的自己與非己空間,選取經(jīng)量綱一處理的振動信號時間序列V=(v1,V2,…,vm)和氣缸壓力信號時間序列P=(p1,p2,…,pm)為信息參數(shù)。充分收集氣閥正常工作模式(自己)下的振動信號和壓力信號,采用加窗并移動窗口的方法獲取正常模式矢量。如果窗寬為n,窗口移動步長為1,則提取的正常模式矩陣為當(dāng)然,窗口移動步長也可取其他整數(shù)值,窗口移動步長越小,對正常模式的描述越精確,但相應(yīng)的計算復(fù)雜性也會增加。窗口寬度的選擇決定了正常模式矢量的維數(shù),對于實際的問題,窗口寬度應(yīng)根據(jù)信號的特點及時間序列的個數(shù)進行選擇。對設(shè)備正常工作狀態(tài)數(shù)據(jù)收集得越充分,正常模式越具有代表性。設(shè)備正常工作狀態(tài)包括反映設(shè)備正常工作狀態(tài)的各種數(shù)據(jù)類型,包括各種歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)等。在已知正常模式矢量的基礎(chǔ)上,考慮到閾值的作用,可對自己空間與非己空間進行描述。設(shè)備狀態(tài)空間T為一超立方體,自己空間S是以各正常模式矢量點為中心,以閾值r為半徑所畫的超球體所覆蓋的區(qū)域,則非己空間NS=T-S。作為一個特例,圖1為狀態(tài)空間T是一正方形、自己空間有5個樣本情況下的自己與非己空間表達示意圖。圖1中以5個樣本點為中心,以r為半徑所畫的5個圓所決定的區(qū)域為自己空間,在正方形T內(nèi)除自己空間以外的區(qū)域為非己空間。對于超矩形體內(nèi)的非己空間,設(shè)法用盡量少的超矩形體覆蓋整個非己空間,每個超矩形體就是與非己空間匹配的檢測器。設(shè)非己空間的超矩形體檢測器集為D,則檢測器只與非己空間匹配,而與自己空間不匹配。如果某一模式矢量包含在某一檢測器內(nèi),則該模式為非己。在圖1中,用了8個矩形對非己空間進行了覆蓋。對于大多數(shù)設(shè)備的故障檢測問題,自己與非己不會存在嚴(yán)格的界限,為此給出以下定義。定義3模糊空間。通過模糊隸屬度函數(shù)μA將設(shè)備的狀態(tài)空間T映射到模糊空間A(A的取值為),即μA:n→。0表示設(shè)備正常,1表示設(shè)備異常,0～1之間的取值表示設(shè)備的異常度。為了實現(xiàn)模糊故障檢測問題,需要對非己空間進行異常等級劃分。以正常模式樣本為中心,分別再以r1,r2,…,rn為半徑作出一系列的超球,其中,r<r1<r2≤…≤rn,最好等比例增加。對于每類超球,都可以采用優(yōu)化算法優(yōu)化出相應(yīng)的檢測器集,相鄰檢測器集所覆蓋區(qū)域之差可清楚地反映出不同的異常區(qū)域。圖2顯示了在二維空間上兩級異常分類的示意圖。在圖2中,有右剖面線的區(qū)域為超球半徑為r時的檢測器集所覆蓋區(qū)域與超球半徑為r1時的檢測器集所覆蓋區(qū)域之差,該區(qū)域為一級異常區(qū)域。有左剖面線的區(qū)域為超球半徑為r時的檢測器集所覆蓋區(qū)域與超球半徑為r1時的檢測器集所覆蓋區(qū)域之交,該區(qū)域為二級異常區(qū)域。對于多級異常檢測問題,設(shè)對應(yīng)不同超球半徑的檢測器數(shù)量分別為i,j,k,…。如果令,其中(x1,x2,…,xn)為模式矢量;表示在檢測器dj中模式矢量元素xi的取值范圍。每個檢測器都是n空間的超矩形體。有了以上檢測器集D={d1,d2,…,dn},則存在以下判斷準(zhǔn)則很容易看出,一級異常檢測器所覆蓋區(qū)域包括二級異常檢測器所覆蓋區(qū)域,二級異常檢測器所覆蓋區(qū)域包括三級異常檢測器所覆蓋區(qū)域,依此類推。設(shè)備的異常等級應(yīng)取最大值,因此有以下異常檢測準(zhǔn)則式中l(wèi)(dj)—檢測器dj的異常等級在實際的設(shè)備故障檢測過程中,不僅要知道設(shè)備的異常度,經(jīng)常要求當(dāng)設(shè)備的異常度超過某閾值t時,需要發(fā)出報警,實際上設(shè)備故障檢測又變成了0、1決策問題。自己—非己可通過以下截集公式判別,0表示自己(正常),1表示非己(有故障)3定義適應(yīng)值函數(shù)在優(yōu)化超矩形體檢測器時,適應(yīng)值的選擇應(yīng)重點考慮兩方面的因素:①超矩形體檢測器不能覆蓋自己空間。②減少超矩形體檢測器數(shù)量,即保證超矩形體檢測器的體積盡量取最大值。為了實現(xiàn)以上目的,引進以下兩個函數(shù)。函數(shù)之一由以下公式定義式中ne(d)—切割檢測器d的定義自己空間的超球體數(shù)量,也可以說是代表超球中心的自己模式矢量的數(shù)量xi∈d——以xi為中心的超球能夠切割檢測器d函數(shù)之二是檢測器的體積V(d)函數(shù)在優(yōu)化檢測器過程中,希望ne(d）的值小,而V(d)的值大。為此,定義適應(yīng)值函數(shù)如下式中F——懲罰系數(shù),系數(shù)越大,檢測器覆蓋自己空間得到的懲罰值越高常規(guī)的遺傳算法優(yōu)化方法需要對個體進行編碼和譯碼過程,使運算速度變慢。由Castro等所開發(fā)的基于aiNet網(wǎng)絡(luò)的優(yōu)化方法直接采用實值矢量作為個體,具有優(yōu)化速度快和效果好的特點,特別適合于超矩形體檢測器的優(yōu)化,所以,采用該方法優(yōu)化超矩形體檢測器。相應(yīng)的優(yōu)化軟件可從Castro的個人主頁下載。4氣閥的異常度檢測首先,對氣閥無故障工作狀態(tài)(正常工作狀態(tài)數(shù)據(jù))時的振動信號和壓力信號進行組合正常模式矢量的獲取,每個正常模式矢量都由4個振動數(shù)據(jù)和4個壓力數(shù)據(jù)(即窗寬取4)組成,構(gòu)成8維的正常模式矢量;窗口移動步長取2。通過對大量正常信號的模式獲取,可得到能夠反映正常工作狀態(tài)的模式矢量集(或稱正常模式矩陣),這些模式矢量構(gòu)成了對壓縮機正常工作狀態(tài)的自己空間表達。選取控制不同異常等級的超球半徑r1,r2,…,rl,超球半徑的選取與實際信號和設(shè)備的實際工況密切相關(guān),為了能夠覆蓋較小的異常和較大的異常,r1的值應(yīng)盡量小一些,rl的值應(yīng)盡量大一些,中間幾個半徑的取值可采用均布的方法或根據(jù)對實際信號的分析來選取。針對氣閥的故障檢測問題,選取了10個超球半徑r1,r2,…,r10,其值分別為0.0001、0.001、0.01、0.05、0.1、0.2、0.3、0.4、0.5、0.8,這10個超球半徑將非己空間劃分成的10個異常等級分別為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9和1.0。根據(jù)所選的超球半徑按所提出的方法優(yōu)化反映壓縮機氣閥10種異常等級的檢測器集D)。得到優(yōu)化后的檢測器集D)后,就可按照式(2)的準(zhǔn)則對所測量的壓力信號和振動信號進行檢測,能夠在線的分析出氣閥的異常度。圖3～5中的三條異常度曲線分別為在線檢測出的氣閥三種故障情況下的異常度,為了使曲線更為清晰,對曲線作了平滑處理。從圖中可以看出,所提出的方法能準(zhǔn)確的檢測出氣閥的三種故障狀況,分別以異常度曲線反映出來,工作人員可通過觀察具有實時性的異常度曲線了解氣閥的運行狀況。經(jīng)過對氣閥各種故障異常度曲線的分析,還可提出根據(jù)異常度進行報警的閾值。經(jīng)現(xiàn)場測試分析,如果異常度閾值設(shè)為0.2以上,故障檢測的準(zhǔn)確率達到100%;如果異常度閾值設(shè)為0.1,故障檢測的準(zhǔn)確率達到80%以上。另外還發(fā)現(xiàn),異常度數(shù)值越大,氣閥的故障程度越嚴(yán)重,在線檢測結(jié)果證實了這一點。為了分析誤報警情況,任意選取一段未經(jīng)學(xué)習(xí)訓(xùn)練的正常模式數(shù)據(jù),對其進行異常檢測,檢測結(jié)果表明異常度數(shù)值幾乎接近0,說明該方法具有較好的魯棒性。從圖3～5可以看出,對氣閥故障的檢測結(jié)果都出現(xiàn)周期性的異常度,這是由氣閥自身的工作機理決定的。對于每種故障,氣閥在不同的工作時刻對故障會有不同的反應(yīng)強度,出現(xiàn)周期性的波動。異常度曲線的波峰能夠真實地反映出氣閥的異常狀態(tài),可根據(jù)異常度的峰值設(shè)置報警閾值。異常度的時序波動能夠使診斷專家更能精細地認識故障的本質(zhì)。此外,可根據(jù)異常度時序曲線峰值出現(xiàn)時刻的差別,結(jié)合氣閥的工作機理,初步分析出氣閥的故障類型,使故障檢測和故障診斷過程同時進行,這是進一步準(zhǔn)備開展的研究工作。5設(shè)備異常度曲線從免疫系統(tǒng)自己—非己的概念出發(fā),對設(shè)備故障檢測問題進行了描述,引進了設(shè)備狀態(tài)空間、自己—非己空間及模糊空間的概念,研究了設(shè)備故障檢測的新方法。通過對氣閥的常見故障進行故障檢測的結(jié)果表明,異常度曲線能較好地反映出氣閥的各種故障,表