基于生物信息系统的气阀故障检测方法研究.docxVIP

基于生物信息系统的气阀故障检测方法研究 0 生物组成及在线自主故障检测 由于复频电机的结构复杂，激励源很多，振动信号往往伴随着周期信号、影响信号和随机信号，因此很难检测错误。虽然人们己对其开展了不少研究,但总的水平还很低,目前尚没有一套成熟的故障检测方法及检测系统面世,这与其在生产中的应用现状是极不相符的,有必要加强这方面的研究,探索适于往复压缩机故障检测的新方法。 生物免疫系统在缺乏先验知识的情况下,能准确地识别和记忆各种非己物质,在自主学习过程中不断提高免疫功能,对机体进行在线自主故障检测和健康监控。近几年来,一些学者在尝试应用免疫智能机理来解决设备故障诊断中常规方法难以解决的某些问题,取得了较好的应用效果。模拟生物免疫系统的在线自主故障检测机理,可望研究出适于设备在线故障检测的人工免疫智能模型及算法,较好地解决故障样本缺乏(或无故障样本)设备的故障检测问题。对此,首先从免疫系统自己—非己的概念出发,对设备故障检测问题进行了描述,引进了设备状态空间、自己—非己空间及模糊空间的概念,进而研究了用于故障检测的检测器构造方法及优化方法,利用优化的检测器对往复压缩机气阀的常见故障进行了检测研究,取得了较好的应用效果。所提出的故障检测方法,不需要对故障样本进行学习,它是在对正常样本进行学习的基础上实现设备故障检测的方法,特别适合于故障样本缺乏(或无故障样本)设备的故障检测。 1 t细胞技术的应用 免疫系统主要由两类淋巴细胞组成,即B细胞和T细胞,都由骨髓产生。当检测到有抗原存在时,B细胞将在表面产生Y型抗体。在T细胞产生过程中,通过伪随机基因重组过程在T细胞表面产生检测器。然后T细胞进入胸腺进行检查(称为反面选择),那些和机体自身蛋白质反应的T细胞被毁灭,只有那些不破坏自身组织的T细胞存活,这些成熟的T细胞在体内循环,它能检测出任何非己物质,执行免疫功能,保护机体免受抗原的侵袭。T细胞的检测器能够准确的识别非己,这也称为免疫系统的自己一非己识别。免疫系统能够通过对自己的学习,对非己产生记忆,并通过有限数量的检测器,能够准确的识别和杀伤无限数量的非己,体现了免疫系统独特的智能机理和极具鲁棒性的处理问题方法。 受生物免疫系统自己—非己识别机理的启发下,Forrest等提出了适于检测计算机病毒的编码反面选择算法。该算法与免疫系统的反面选择过程类似,通过随机的产生检测器,并取消那些能检测出自己的检测器,以便保留的检测器能检测任何非己。为了使反面选择算法更具有实用性,Gonzalez等对检测器的概念进行了推广,扩大了反面选择算法的应用范围。 2 正常模式与非己空间的匹配和设置 从免疫系统自己—非己识别的机理出发,借鉴反面选择算法的基本思想,首先对设备故障检测问题进行描述。 定义1设备状态空间。设备的状态空间T可通过一特征矢量xi表示,xi=(x1i,x2i,…,xni)∈n。xi,xi,…,xni表示设备的n个量纲一信息参数;上标i表示设备所有可能的状态下参数的取值,即设备当前和过去状态下的量纲一信息参数的取值;信息参数可以是直接测量参数,也可以是经过预处理(如平滑等)、变换(如FFT变换或小波变换等)或特征提取后的结果。 设备的状态空间应该由反映设备运行模式的几个主要信息参数(可测量参数)构成,主要信息参数的选取应根据具体的设备及测试手段而定。信息参数的整体尽可能反映设备运行模式的全貌。为了描述往复压缩机气阀的工作状态,可选取气阀的振动信号和气缸内的压力信号作为信息参数。 以上定义反映了多参数信息融合的思想,下面的描述都是建立在该思想的基础上。 定义2自己—非己空间。设备的状态空间T可通过某一阈值的限定被划分成自己空间S和非己空间NS,且NS=T-S,用特征函数xS-NS表示自己—非己空间,通过特征函数,产生映射:n→{0,1},即如下关系成立 为了描述往复压缩机气阀的自己与非己空间,选取经量纲一处理的振动信号时间序列V=(v1,V2,…,vm)和气缸压力信号时间序列P=(p1,p2,…,pm)为信息参数。充分收集气阀正常工作模式(自己)下的振动信号和压力信号,采用加窗并移动窗口的方法获取正常模式矢量。如果窗宽为n,窗口移动步长为1,则提取的正常模式矩阵为 当然,窗口移动步长也可取其他整数值,窗口移动步长越小,对正常模式的描述越精确,但相应的计算复杂性也会增加。窗口宽度的选择决定了正常模式矢量的维数,对于实际的问题,窗口宽度应根据信号的特点及时间序列的个数进行选择。 对设备正常工作状态数据收集得越充分,正常模式越具有代表性。设备正常工作状态包括反映设备正常工作状态的各种数据类型,包括各种历史数据及当前数据等。 在已知正常模式矢量的基础上,考虑到阈值的作用,可对自己空间与非己空间进行描述。设备状态空间T为一超立方体,自己空间S是以各正常模式