- 相關(guān)推薦
基于免疫算法的飛機機電系統故障診斷分析論文
飛機機電系統信息化水平正逐步提高，系統在運轉過(guò)程中有著(zhù)大量的數據，因而可使用基于數據的故障診斷方法來(lái)判斷系統的運行狀態(tài)，以決定系統當前控制策略，保證飛機安全。免疫算法本身具有魯棒性，滿(mǎn)足飛機高可靠性要求，可用來(lái)處理機電系統數據以實(shí)現系統的故障診斷。但免疫算法復雜度高，運行耗時(shí)長(cháng)，難以滿(mǎn)足機電系統實(shí)時(shí)性，需進(jìn)行算法改進(jìn)以適應飛機機電系統要求。
1 經(jīng)典免疫算法機制
免疫算法是生命科學(xué)中的免疫機制在工程實(shí)踐領(lǐng)域的算法實(shí)現，具有使用方便、魯棒性強等特點(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處理抗原入侵機體的過(guò)程實(shí)現的。一般免疫算法完全繼承了生物免疫系統的自適應性，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(lèi)抗原學(xué)習后，抗體種群會(huì )隨著(zhù)學(xué)習次數趨于完善。
陰性選擇算法是生物免疫系統抗原識別過(guò)程的實(shí)現。陰性選擇算法是將檢測器與被保護的對象進(jìn)行匹配，并將成功匹配的檢測器做變異處理，直到與被保護對象不匹配為止。然后將檢測器與待檢查數據進(jìn)行匹配計算，若匹配則說(shuō)明待檢查數據異常。陰性選擇算法的效果依賴(lài)于檢測器的質(zhì)量，檢測器審查越嚴格，算法效果越好。
克隆選擇算法是卡斯特羅( Decastro) 基于免疫過(guò)程中克隆選擇原理提出的一種算法，擅長(cháng)模式識別等機器學(xué)習任務(wù)，在故障診斷上應用較少，不再做具體介紹。
2 算法改進(jìn)設計
機電系統故障診斷就是對機電系統數據的診斷，即判定數據是否處于正常范圍。就此而言，陰性選擇算法較為合適，相對應的，系統數據即為待處理數據，待處理數據中的故障數據即為故障診斷的依據，但算法效果依賴(lài)于檢測器的質(zhì)量，檢測器無(wú)學(xué)習能力，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，不適合嵌入式使用，由于故障數據在實(shí)際中無(wú)需要多次識別，因而抗體增殖功能在故障診斷中也沒(méi)有使用價(jià)值�；谏鲜鲈蚩紤]，可將兩種算法優(yōu)勢進(jìn)行部分整合。
改進(jìn)后算法采用適合數據處理的陰性選擇算法作為基本架構進(jìn)行檢測器初始化和檢測器審查，其次計算每個(gè)檢測器的作用域，為已審查檢測器增加故障數據學(xué)習環(huán)節以保證算法性能，提高檢測器質(zhì)量，接著(zhù)增加檢測器優(yōu)化環(huán)節以滿(mǎn)足算法實(shí)時(shí)性要求，再計算優(yōu)化后檢測器作用域，最終進(jìn)行待測數據匹配，匹配數據即為故障數據。
檢測器C( i) 初始化。改進(jìn)算法首先進(jìn)行檢測器初始化，檢測器在實(shí)際應用中為n 個(gè)長(cháng)度為x 的一維數組，檢測器的每個(gè)元素是位于待診斷量傳感器量程之內的隨機值，檢測器定義為C( i) ，0≤i < n。
檢測器審查。初始化的檢測器需進(jìn)行合格性審查，將含有正常數據元素的檢測器執行分段函數變異處理，使其滿(mǎn)足檢測器條件，分段函數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)行數據匹配前需計算每個(gè)檢測器的作用域，使用正常數據產(chǎn)生m 個(gè)長(cháng)度為x 的一維數組D( j) ，0≤j < m，定義檢測器C( i) 與所有D( j) 向量差的二范數的最小值r( i) 為檢測器C( i) 的作用域，在作用域計算時(shí)使用的D( j) 要盡量多，否則檢測器作用域會(huì )變大，后期會(huì )造成誤診斷情況。
故障數據學(xué)習。此時(shí)生成的檢測器會(huì )因為隨機性有檢測盲區，需進(jìn)行學(xué)習來(lái)彌補。使用系統異常時(shí)待診斷量傳感器數據產(chǎn)生l 個(gè)長(cháng)度為x 的一維隨機數組F( k) ，0≤k < l，查看檢測器C( i) 與F( k) 的二范數是否< C( i) 的作用域，如果某個(gè)數組F( e) ，0≤e < l 不在任何檢測器作用域之內，則將F( e) 增加為檢測器，重新計算其作用域，在進(jìn)行故障學(xué)習時(shí)，大量的學(xué)習數據能保證檢測器的完整性，提高檢測器的質(zhì)量。
檢測器優(yōu)化: 學(xué)習后的檢測器存在作用域重復和檢測時(shí)間期望值較小的問(wèn)題。計算任兩個(gè)檢測器向量差二范數是否小于兩個(gè)檢測器作用域的較小值，若存在則將作用域較小的檢測器剔除，來(lái)解決作用域的重復問(wèn)題; 針對檢測時(shí)間期望值較小可在進(jìn)行故障學(xué)習時(shí)，將每個(gè)檢測器匹配次數進(jìn)行記錄，匹配次數反映了故障的概率，按照匹配次數由大到小的順序將檢測器進(jìn)行重新排序。
數據匹配。將待檢測數據進(jìn)行向量化處理，將待檢測數據轉化為多個(gè)長(cháng)度為x 的一維數組S( r) ，0≤r < x，且同一個(gè)待檢測數據可多次出現在S( r) 中，以提高算法可靠性，但次數會(huì )影響檢測時(shí)間，需權衡處理。d0 ～ d7為待檢測數據，S( 0) 、S( 1) 和S( 2) 為處理后的向量。
3 故障診斷應用
使用飛機機電系統燃油子系統供油泵出口壓力和供電系統地面電源電壓對改進(jìn)算法進(jìn)行驗證。改進(jìn)算法產(chǎn)生供油泵出口壓力檢測器52 個(gè)，地面電源電壓檢測器46 個(gè)，每個(gè)檢測器都是長(cháng)度為4 的一維向量。使用檢測器處理各自80 個(gè)待檢測數據。
供油泵出口壓力診斷成功率由93. 75% 提高至97. 50%，供油泵出口壓力診斷成功率由93. 75%提高至98. 75%。表明改進(jìn)算法提高了診斷成功率，由于改進(jìn)算法具有學(xué)習能力，其也可應用在未明確量化判據的數據診斷上。
4 結束語(yǔ)
改進(jìn)后的算法比一般免疫算法提高了診斷成功率，也能滿(mǎn)足機電系統實(shí)時(shí)性的要求，并在使用時(shí)只需將產(chǎn)生的檢測器存儲在機電系統計算機內，檢測簡(jiǎn)單易實(shí)現。但機電系統待診斷數據種類(lèi)龐大，都使用此算法進(jìn)行診斷時(shí)，會(huì )受到計算機存儲和計算資源的限制，還有可能引起系統周期超時(shí)，因而需權衡資源和降額設計進(jìn)行使用。
【基于免疫算法的飛機機電系統故障診斷分析論文】相關(guān)文章：
基于GP算法的知識發(fā)現系統07-31
礦山機電設備管理與故障診斷分析論文09-03
綜采機電故障診斷方式與流程論文06-16
PLC機電故障診斷方式探究論文08-04
基于企業(yè)系統觀(guān)的本錢(qián)分析06-16
基于專(zhuān)家系統的雷達電源故障診斷系統的設計與實(shí)現08-30
基于數據挖掘的成績(jì)分析系統10-10