一种GOA优化SOM神经网...P型倾斜仪故障智能诊断方法_庞聪.pdf

第 卷 第期 年月大 地 测 量 与 地 球 动 力 学 ，收稿日期：项目来源：河北省地震动力学重点实验室开放基金（）；湖北省自然科学基金（）；中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费（，）；中国地震局地震科技星火计划（）；中国大陆综合地球物理场仪器研发专项（）；武汉引力与固体潮国家野外科学观测研究站开放基金（）。第一作者简介：庞聪，工程师，主要研究方向为地震信号处理与模式识别，：。通讯作者：李查玮，工程师，主要研究方向为地震信号处理与软件开发，：。：文章编号：（）一种 优化 神经网络的 型倾斜仪故障智能诊断方法庞聪，马武刚，李查玮，龚燕民刘晓磊江勇，廖成旺，中国地震局地震研究所，武汉市洪山侧路 号，武汉引力与固体潮国家野外科学观测研究站，武汉市洪山侧路 号，河北省地震动力学重点实验室，河北省三河市学院街 号，河北省地震局易县地震台，河北省保定市易县，摘要：提出一种 型倾斜仪故障智能诊断方法。利用经验模态分解（）将归一化故障信号分解为个本征模态函数（），分别计算其近似熵，构建多尺度近似熵输入矩阵；结合蝗虫优化算法（）对自组织特征映射（）神经网络的参数进行优化，将得到的 最优值嵌入到 模型中，组建 诊断模型。应用诊断测试集得到诊断目标的聚类标签值，将其与训练集的聚类标签以及真实故障类型进行比对，得到故障诊断结果。结果证明，模型在 次随机抽样条件下的诊断正确率均值和标准差分别为 、，优于传统诊断模型。关键词：倾斜仪故障诊断；经验模态分解；蝗虫优化算法；自组织特征映射神经网络；多尺度近似熵中图分类号：文献标识码：倾斜仪故障会影响地震监测数据的质量。目前地震台站部署的倾斜仪主要有 型、型以及 型等。这些传统倾斜仪的运维已有较成熟的配套方案，可依赖具有丰富仪器故障处理经验的专业技术人员和仪器生产厂家进行故障诊断与排除工作。型倾斜仪是中国地震局地震研究所自主研发的一种新型宽频带垂直摆式地形变观测设备，其故障分析诊断主要依赖人工判断并依照既定检修流程的传统方式，存在一定主观性，会影响仪器故障判断检修效率。随着人工智能技术在故障诊断领域的快速应用，诸多模式识别模型已成功应用于部分较复杂设备的电机轴承故障诊断、工业过程故障分析或天气干扰异常识别等领域，诊断精度与结果可信度均较高。本文在综合研究神经网络模型和群体智能优化算法的基础上，提出一种 型倾斜仪故障智能诊断方法。首先引入经验模态分解（）和近似熵进行故障信号的多尺度特征提取；然后基于蝗虫优化算法改进自组织映射神经网络的关键参数，利用改进后的新模型进行故障智能诊断。数据来源以河北易县地震台 型倾斜仪为研究对象。该仪器安装于华北平原与太行山交界处断裂带附近的观测山洞中，场地岩性以闪长岩、石灰岩及页岩为主。仪器采集到大量故障数据，主要类型为数据采集设备故障、电源设备故障以及天气干扰。实验利用上述种倾斜仪故障类型数据，时间跨度为 ，采集到有效故障记录数目依次为、条，包含 与 两个方向的数据，原始记录长度为 。将空缺值或 点设置为，并以最大异常绝对值为中心将数据长度截取成 。最后，对数据进行归一化处理，将幅值限定在，范围内，以消除量纲带来的影响。第 卷第期庞聪等：一种 优化 神经网络的 型倾斜仪故障智能诊断方法方法与原理 蝗虫优化算法蝗虫优化算法（，）是一种模仿蝗虫群体幼虫与成虫同时杂居与迁移的新型群体仿生优化算法，其利用蝗虫幼虫行动迟缓和成虫移动较快的特性同时开展局部搜索与全局寻优。更新蝗虫位置的核心公式为：，（，）（）式中，为第只蝗虫个体在位置向量第维上的坐标值；为与最大迭代次数有关，可影响蝗虫全局寻优或局部搜索能力的动态衰减系数；与 分别为蝗虫个体位置第维上的阈值上下限；（）为蝗虫受到蝗虫影响的相互作用力函数；为蝗虫与蝗虫之间的绝对距离；为蝗虫群体此前得到的最优位置。神经网络自 组 织 特 征 映 射（，）神经网络是一种无教师、自主学习型网络算法，既可以学习输入矩阵向量的分布特征，又可以学习其拓扑结构，通过更新神经元及其近邻神经元的权值向量来进行分类与排序，最后只需要比对测试数据的类标与训练数据的类标是否匹配即可得到预测结果。网络一般只由输入层和二维平面型竞争层组成，二者的神经元之间以全连接的方式产生联系，而竞争层维数、网络学习速率、步长、领域距离等参数对神经网络学习效果具有一定影响，不恰当的网络参数值将直接影响网络训练效率并降低网络预测的精度。故障智能诊断原理基于多尺度近似熵和 神经网络模型（简称 模型）的 型垂直摆倾斜仪故障诊断流程如图所示，具体过程为：）对个倾斜仪原始故障数据进行畸变点定位、统一长度截取、数据归一化等预处理，得到故障特征分析输入向量（，）。）使用将故障信号分解为个本征模态函数，（，）和个剩余信号，并线性重构为：，（）计算各个 分量的近似熵，得到该信号的多尺度近似熵向量，并重复步骤），依次计算各个故障信号的多尺度近似熵值，从而组建 神经网络输入矩阵。近似熵是表征信号混乱程度的特征参量，其运算速度和特征区分效果与嵌入维数、容忍系数以及延迟时间有关，在实验中者可分别取值为、或、。）将以随机抽样的方式划分成训练集和测试集，并固定比例 。以训练集为对象，应用 算法优化 模型的第层竞争层维数、第层竞争层维数、分类阶段步长以及调谐阶段领域距离等网络参数，以诊断错误率表达式（式（）为 适 应 度函数，将得 到 的 最 优 值 替 换 模型中的原参数值，得到 模型：y （）将 模型应用于上述故障数据的训练集和测试集，以训练集为基础得到个故障信号的 聚类标签值（，），以测试集为基础得到个故障信号的 聚类标签值（，）。将与进行匹配，若标签值相同，则二者被 模型视作同类故障；如果与所代表的故障信号真实属性标签值与也完全相同，则判定该次诊断正确，否则判定诊断错误。测试集中个故障待测信号全部执行完上述诊断步骤后，诊断结束，得到最终诊断结果。图 型倾斜仪故障智能辨识流程 大 地 测 量 与 地 球 动 力 学 年月实验与分析 多尺度近似熵计算结果图和表为经过 分解和多尺度近似熵计算的 倾斜仪故障特征。可以看出，种故障类型的、的近似熵均值都表现出显著差异性，其比例接近 ；从 开始，电源故障和数采故障的近似熵均值相似性较高，二者的故障信号中存在大量零值数据，区分难度较大，这对诊断模型在线性判据上的抗干扰能力具有一定检验作用。图多尺度近似熵计算结果 表各 分量的近似熵均值和标准差 特征判据电源故障数采故障环境异常 近似熵 近似熵 近似熵 近似熵 近似熵 近似熵 模型诊断效果为测试 模型在 型倾斜仪故障诊断中的有效性，采用 轮随机抽取样本的实验方式，对电源故障、数采故障和环境异常种故障类型数据进行智能诊断，训练集与测试集样本量比例约为 ，测试结果如图所示。由图可知，模型的整体诊断效果优于 模型，其电源故障类型的诊断率达到 ，在数采故障类型存在少许跳跃较大的峰值点，但准确率也在 以上。图为 次随机诊断实验下 算法优化 神经网络参数结果箱线图。可以看出，第层竞争层维数、第层竞争层维数、分类阶段步长及调谐阶段领域距离等 神经网络参数优图 和 模型诊断结果 图 模型各故障类型诊断结果 化后的中位数分别为 、和 ，各参数优化后未出现显著的偏移和离群值。第 卷第期庞聪等：一种 优化 神经网络的 型倾斜仪故障智能诊断方法图 算法优化 神经网络参数结果箱线图 机器学习模型故障辨识效果对比为检验 模 型的 性 能，选 取 标准 神经网络、朴素贝叶斯、最近邻（）、支持向量机以及决策树等种模型作为参照，利用 次诊断实验下的正确率均值作为评价指标，具体对比结果如表和图所示。表 模型和 模型对比 序号诊断目标指标 总体均值 标准差 电源故障均值 标准差数采故障均值 标准差 环境异常均值 标准差 表常见模型的诊断率均值结果对比 模型准确率均值总体电源故障数采故障环境异常朴素贝叶斯 支持向量机 决策树 表为 模型和 模型在 次倾斜仪故障诊断随机子实验下的对比结果。可以看出，二者的诊断精确度均较高，尤其是对电源故障类型数据的识别都极为准确；二者差异主要在数采故障类型上，模型的诊断正确率只有 ，低于 模型的 ；模型诊断结果的稳定性也存在不足，其数采故障类型诊断精度的标准差是 模型的倍。总体而言，模型相对于 模型，在诊断率和稳定性上均有较显著的进步。图种模型准确率对比 表为种经典机器学习模型和 模型对比结果，图为种诊断模型的对比细节。可以看出，模型具有较优越的诊断性能，对线性相关判据的抗干扰效果较为显著，未受到相似判据属性值的影响。结语本文以 型倾斜仪各类故障数据为研究对象，利用算法改进 神经网络，设计了一种 倾斜仪故障智能诊断模型。实验结果表明，该诊断模型具有精度高、较稳健等特点，对台站 型倾斜仪故障分析准确判断、运维巡修、提高仪器运行率具有重要意义。本研究有以下几个方面需要注意：）本文模型忽视了 算法优化 神经网络参数带来的诊断效率问题，受最大迭代次数、适应度值计算速度等因素影响，故障诊断平均耗时较长，达到 。）受制于部分故障类型（爆破或塌陷、雷电干扰、人工检修等）样本数目极少，本文故障诊断实验数据的种类和代表性存在一定不足；同时，本文缺少其他台站的样本，这在一定程度上会影响本文诊断模型的可靠性验证和应用推广。）本文诊断模型可推广应用于 倾斜仪、水管仪、伸缩仪等仪器的故障判准。但传感原理和技术参数存在显著不同的仪器，其分量受环境影响变化趋势差异较大，进而会影响故障特征提取的质量，这对模型的有效推广是一个挑战。参考文献唐春呈，岳冲，张羽，等双阳台 型水管倾斜仪异常分析 防 灾 减 灾 学 报，（）：（，（）：）大 地 测 量 与 地 球 动 力 学 年月李辉，郝如江基于信息融合和广义循环互相关熵的电机轴承故障诊断振动与冲击，（）：（，（）：）陈维兴，崔朝臣，李小菁，等基于多种小波变换的一维卷积循环神经网络的风电机组轴承故障诊断计量学报，（）：（，（）：）徐新，蒋波涛，曹雯蝗虫优化神经网络在变压器故障诊断中的应用电网与清洁能源，（）：（，（）：）蔡润，武震，云欢，等基于 和 神经网络相结合的地震预测研究 四川大学学报：自然科学版，（）：（，：，（）：）庞聪，江勇，廖成旺，等基于机器学习的强震动监测环境抗干扰方法对比研究内陆地震，（）：（，（）：）庞聪，江勇，廖成旺，等基于 集成学习的强震动观测抗干扰技术研究 四 川 地 震，（）：（，（）：）庞聪，廖成旺，江勇，等基于最小二乘支持向量机与熵特征的地震事件性质辨识研究大地测量与地球动力学，（）：（，（）：），：（），（），（），（），：；：，；，；，；，；，：，：，：