小波包特征免疫检测器在设备异常状态检测中的应用.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 29卷 第 6期 2005年 12月 JOURNALOFDAQING PETROIEUM INSTITUTE VoI．29 No．6 Dec． 2005 小波包特征免疫检测器在设备 异常状态检测 中的应用 刘树林 ，丛 蕊，冷建成 ，王金东，孟庆武 (大庆石油学院 机械科学与工程学 院，黑龙江 大庆 163318) 摘 要：旋转机械设备工作机理复杂，故障样本缺乏，难以应用传统的方法对其进行有效的异常状态检测．结合小波 包分析技术及人工免疫系统理论 ，构造了小波包特征免疫检测器 ．给 出了小波包特征免疫检测器 的产生算法、异常状态 检测方法．小波包特征免疫检测器是在对正常样本学 习的基础上产生的，不需要设备运行的故障数据，适合对故障数据 缺乏的设备进行有效的异常状态检测．活塞压缩机气阀的异常状态检测结果表 明，小波包特征免疫检测器检测效果 良 好 、准确率高． 关 键 词 ：小渡包 ；免疫 ；检测器 ；反面选择算法 ；状态检测 中图分类号 ：TP339 文献标识码 ：A 文章编号 ：1000—1891(2005)06—0101—03 0 引言 生物免疫系统是具有 自主性 、自组织 、非线性 、分布式并行处理 、鲁棒性及知识表达明确等特点的复杂 智能系统 ]．生物免疫系统在缺乏对非己(如病毒 、癌细胞等致病 因子)先验知识 的情况下 ，通过反面及正 面选择过程 ，完成对机体进行在线 自主异常状态检测、故障诊断及故障消除的过程．在借鉴生物免疫系统 的在线 自主异常状态检测、故障诊断机理以及人工免疫系统研究成果的基础上，探索适于机械设备异常状 态检测及故障诊断的人工免疫系统模型及算法 ，是设备异常状态检测及故障诊断领域 的崭新研究方向． 最早借鉴免疫系统 自己一；己识别机理开展异常状态检测研究工作 的有 ForrestS及 DasguptaD等学 者 ]，在开展基于免疫系统机理 的异常状态检测方面取得 了较多的研究成果 ，针对二进制反面选择算法 在异常状态检测中的缺点与不足 ，提出了实值反面选择算法并开展了初步 的应用研究[_l ．国内学者在 基于人工免疫系统的异常状态检测及故障诊断研究方面也取得了较好 的研究成果 ．将人工免疫系统 检测器应用于设备的异常状态检测时 ，只需设备运行 的正常数据 ，尤其适合于对故障样本缺乏的设备进行 异常状态检测． 以上研究成果大多局限于对时间序列的异常检测 ，在机械设备异常状态检测中，其信号 的时间序列具 有较大的随机性 ，通过时间序列信号直接对设备进行异常状态检测的误检率较高 ，鲁棒性较差．为了提高 对机械设备异常状态检测的准确性 ，应首先从时间序列信号中有效提取设备的状态特征信息 ，继而通过所 训练 的人工免疫系统检测器对其进行异常状态检测，以得到更好 的异常状态检测效果．拟结合小波包分 析技术及人工免疫系统理论，构造小波包特征免疫检测器 ，给出小波包特征免疫检测器的产生算法和异常 状态检测方法． 1 提取方法 小波包分析能够为信号提供一种更加精细的时频分析方法．它将频带进行多层次划分 ，对多分辨分 收稿 日期 ：2005一O8—30；审稿人 ：贾光政 ；编辑 ：任志平 基金项 目：国家 自然科学基金资助项 目；黑龙江省教育厅科学技术研究项 目 作者简介 ：刘树林 (1963一)。博士。教授 ，博士生导师，主要从事设备故障诊断技术方面的研究． 维普资讯 大 庆 石 油 学 院 学 报 第 29卷 2005年 析没有细分的高频部分进一步分解 ，并能够根据被分析信号的特征 ，自适应地选择相应频带 ，使之与信号 频谱相适应 ，从而提高时频分辨率 ，使故障特征提取能在更加精细的频带 内进行 ． 设 X 为消噪处理后的原始信号s再经过小波包分解后的第 i层的第J个节点的小波包分解系数 ，