蚁群算法在故障诊断中的应用.pdfVIP

学兔兔 第8卷第4期 中 国 工 程 机 械 学 报 V01．8No．4 2010年 12月 CHINESE JOURNAL OF CONSTRUCTION MACHINERY Dec．2010 蚁群算法在故障诊断中的应用 白士红，唐辉辉 (沈阳理工大学 机械工程学院，辽宁沈阳 110168) 摘要：对蚁群优化算法进行研究，并进一步将其应用于生产设备的故障诊断中，建立相应的故障诊断模型．根据 某化学反应器在生产过程中的实测数据，提取不同状态下反应器的状态特征值，并应用训练后的诊断模型进行 诊断．实验结果表明，诊断结果准确，是解决故障诊断问题的良好途径． 关键词：蚁群优化算法；故障诊断；化学反应器 中图分类号：TP 277 文献标识码：A 文章编号：1672—5581(2010)04～0466—04 Application of ant colony algorithm for fault diagnosis BA／Shi—hong，TANGHui—hui (College of Mechanical Engineering，Shenyang Ligong University，Shenyang 110168，China) Abstract：By investigating into the ant colony optimization algorithm and applying for fault diagnosis on production equipments，a fault diagnosis model is established．Based OD the testing data on production process from a specific chemical reactor，the state feature values of reactor are extracted under different conditions．whereas the trained model iS used for diagnosis．From experimental results。it iS found that the diagnosis results，which provide an effective approach，are accurate． Key words：ant colony optimization algorithm；fault diagnosis；chemical reactor 随着生产的工业化水平的提高，生产设备也在不断地向大型化、复杂化、自动化、连续化的方向发展， 设备的故障和失效所造成的经济和人身等损失也越来越大l1]．因此，必须进一步加强对设备的故障监测与 诊断方面的研究． 蚁群优化算法(Ant Colony Optimization，ACO)作为1种新兴的仿生优化算法已经成为人工智能领域 的1个研究热点，并且，目前对其研究已经渗透到了多个应用领域．它最初是有意大利学者Dorigo M于 1991年首次提出，其本质上是1个具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合的复 杂的智能系统 J． 1 蚁群算法的基本原理及其特点 生物学家通过对蚂蚁的长期观察研究发现，尽管蚂蚁个体比较简单，但整个蚂蚁群体却表现出高度的 机构化，在许多情况下能完成远远超过蚂蚁个体能力的复杂任务L3]．在觅食的过程中，蚂蚁会根据路径上 的信息素来决定其行动路径，若碰到1个从未走过的路口，则随机地挑选1条路径前