基于蚁群算法的电力电子电路故障诊断.pdf

基于蚁群算法的电力电子电路故障诊断 中图分类号 ：T P 1 8 苏艳 革 ( 郑 州航 空工业管理 学院机 电工程学院， 河南郑州4 5 0 0 1 5 ) 的基于蚁群算法的故障诊断知识获取算法 ，通过建立适 当的数学模 型把电力电子电路故障定位问题转化为 式 ，并充分借 鉴遗传算法 的优点 ，用蚁群算法进 行求解 。仿真结果表明该算法的可行性 、 近邻准则 ；故障诊断 ；故障识别 文献标 识码：A 文章编号 ：1 0 0 9 9 4 9 2( 2 0 1 0 )0 7 0 0 5 4 0 3 1引言 在生产 领域 中，电力电子设备通常作 为电源供应或控 制器等关键部件 当发生故障后 必须快速 数毫秒到数十 毫秒 内将 主电路停 电 这使 故障状 态 下 的信息 也随 之消 失 ，给设 备的维修带来极大的难度 。因此 ，对电力 电子装 置进行动态监视 在线故障诊断具有重要 的意义。 近年来 。人们在 电力电子 电路 的状态监 测与故障诊断 过程 中，一直在探索合适 的故 障模 式识别方法 ，从传 统的 测 前仿 真和测试 仿真 。如 故 障字典 、模 式识 别 、参数 辨 识 、故 障验证等 到专家 系统 的分类都 进行 了大量 的研究 。 然而 ，由于 电力 电子 电路 的故 障现象多样 、元件参数 具有 较大 的离散性与广泛 的非线性等原 因 ，致使其故 障诊 断无 论在理论上还是方法上均距实 用还 有相 当的距离 。蚁 群算 法 ( AC A)是 由 D o r i g o等人提 出该算 法是 模拟 自然界 中 真实蚁群的觅食行为而形成的一种模拟进化 算法 。具有正 反馈 、分布式计算和富于贪婪启发式搜索 的特点 。虽然蚁 群算法出现的时间不长 。但已经成功应用 于许多组合优化 问题 ，例如典 型的旅行商 ( T S P ) 、车辆路径 问题 、机组最 优投入以及配电网网架优化规划问题等 。故障诊断定位实 质上是一个模 式分类的问题 ，诊断时选择有 效的故障测试 点至关重要 。本文通过建立适 当的数学模型 ，把 电力电子 电路故障定位 问题转化为类似 于 T S P问题的模式 ，并 充分 借鉴遗传算法的优点 ，用蚁群算法进行求解。 2蚁群算 法 蚁群算 法 ( A n t C o l o n y A l g o ri t h m)是 一种源 于生 物行 为的仿生类进化算法 ，最初是 由 2 0世 纪 9 O年代 意大 河南省教育厅 自然科学研究项 目 ( 编号 收稿 日期 ：2 0 1 0 一 O 1 2 2 利学者 M d o r i g o 、V Ma n i e z z o 、A C o l o mi 等人提 出，通过模 拟 自然界 的蚂 蚁 的寻 径行 为 。群体 智 能模 型进行 优化 搜 索 ，蚁群 算法 不需要 先验 知识 ，最初 随机 的选择 搜索 路 径 ，随着解空 间搜索过程 的深人 ，选择逐渐 变得有 规律 ， 并最终逼 近甚 至达 到全 局最 优解 。与遗传算法 相比 ，蚊群 算法具有正反馈 、鲁棒性好 、并行分布计算 的特点。蚁群 算法 的基本原理如下。 现用图 1 来说 明蚁群寻找最优路径的原 理。 B D 图 1 蚂蚁群觅食过程示意图 图 1中由于障碍 物的存在 蚁群从蚁巢 出发到达食 物再返 回只能走路径 1( 蚁 巢一 A B C 一 食物 )或者 路径 2 ( 蚁巢一A D C 一 食物 ) 。假设路 径 1的长度是路 径 2的两倍。第一批蚂蚁到达 A点时，由于之前没有任何 信息素残 留蚂蚁选择两条路 径的概率相 同。并分别在走 过 的路径 上 留下相 同量 的信息 索 。假设 所有 蚂蚁 速度 相 同，则相 同时间 内路径 2上 留下的信息素是路径 1上的两 倍 。 由于单个 蚂蚁会 以较 大 的概率 选择 信息 素较 强的路 2 0 0 7 5 1 0 0 2 2 ) 研 究与 径 后 续到达的其它蚂蚁( 重新 出发的和从食物处返 回的) 多数会走 较短的路径 2 。这就导致 路径 2上 的信息素 强度 继续 增大 而新 到来 的蚂蚁 选择 该 路径 的概率 也相 应增 大 整个过 程形成了一种 闭环 正反馈控 制 ，如 图 2 。经 过 一 段时问后 。两条路径上的信息素 强度 就会产生 明显 的区 别 最后绝 大多数 的蚂蚁都将选择这条较 短的路径 。 图 2 蚁群算法 的闭环正反馈控制 从上面 可以看 出蚁 群优 化算法的基本 思想 就是质量 越好 的解( 距离越短 的路径 )就越 能吸 引更多 的蚂蚁 。蚁 群正是通过这种反复记忆和学 习的过程 ，得到 了最短路 径 即全局最优解。该过程包含适应 阶段 和协同工作 阶段 。适 应 阶段 ，各候选解根据积 累的信息 不断选 择 、更新 自身结 构 ；协 同工作阶段 ，候选解之 间通 过信息交流 ，以期 产生 性能更好的解 。 3基 于蚁群算法 的故 障识别算 法 建立 复杂 电力 电子 电路 故障诊断系统 的关 键是如何获 取和积累诊 断知识 、归纳总结诊断规则 。为了尽早地发现 故障，找 出产生该 故障的原 因 ，利用机器学 习将 这些故障 征照 自冬 的分类 将有 利于快速 、自动 、正确地 进行故障 决策处理 。 任意 电力 电子 电路发生 故障时 。其响应将 产生与正常 状态不 同的征 兆 这 些不 同 的征 兆对应 着不 同的故 障原 因。设 A = f A。 ，A ， ， 表 示电路所有故障 的非 空有 限集合 ， = B 。 ，B ，曰 表示故障集合引起 的所 有征 兆 的非空有限集合 ，则该诊断 问题 可以表述成 已知征兆集 合 曰，怎样获取故障原因集合 A 的问题。故障征兆是 多维 超空 间点 的集合 。因此 。故 障诊 断的知识获取问题可 以转 变成欧氏空间中点 的聚类问题。 3 1 算法描述 【 由上 面分 析可 以得 出 基于蚁群算法 的电力电子 电路 诊断过程可 以分为以下几步 。 首先 。需要对 电路进行 故障仿真 。 目前 ，电力电子 电 路的故障仿真技 术已经相对成熟 了并产 生了一些软件工 具 ，有关仿真过程不是本文讨论 的重点 ，在此不再赘述。 其次 ，利用蚁群算法进 行故障诊断时 ，需要 确定网络 的训练样本数据和检验样本数据 。对于本文来说 训练样 本数据就是电路故障仿真的数据 检 验数据就是 电路 的实 际测量数据 。因此 ，需要正确选定 电路的测试点 。一般 来 说 。测试点的确定过程应该遵循选取 的点应尽可能 多 且 具有纯粹 、完备性等基本原则。 再次 ，利 用 电路 的故 障仿真 数据 对人 工蚂 蚁进 行 训 练 。基于故障样本 的分类与蚂蚁觅食及 T S P ( 旅行商问题 ) 的相似性 ，将 每个 故障样本 数据看成一只人工蚂蚁所需访 问的地点 从 而形成 了全部数据 样本的一个有序链接 。然 后对每只蚂蚁的数据列表根据其样本 之间的近邻函数值得 大小 打断其 中值最大 的两个样本数 据之间的连接 ，从而 形成了最初的两个故障分类 。对 于已经进 行分类的故障样 本数据 ，计算 每一类故障之间的连接损 失。 最后 ，对每一只蚂蚁的分类结果 进行 比较 ，选取 当前 运行 的分类 连接 损失最 小 的蚂蚁 的结 果 为本次 循环 的结 果 。当算 法达到规定的最大运行次数或者 故障样本数据的 分类之 间的连 接损 失达到给定最小值时 算法结束 。此时 的运行结果为最终解。 3 2算法具体步骤 1 ) 以 为元素写 出故 障征兆样 本数据 的加权距离 矩 阵 |y 。其 中样本 y i 与 间的加权距离用 ( Y l ，咒 )表示 ， = II 一 )II = 、 一 ) Y ：I 式 中 ， P 表示故障征兆样本数据 种不同特征的加权 因 子 。 2 )利用矩 阵 y 作 为近故 障样本 的邻矩 阵 ，其元素 ，为样本 y i 对 ， 的近 邻函数值 。一般 为正定矩 阵 ，且 元 素为均为整数 。 3 )设 Mij= N ij 州 _ _ 2 作近邻 函数矩阵 。若 y i 和 Y J 之 间 存 在 “ 连接 ”关 系 ，则 M 给 出的是 它们之 间的近邻 函数 值 ，并设 Mi， 2 v 。 4 )每 只蚂 蚁根 据故 障样 本数 据 的近邻 函数 矩 阵 ， 从 而决定下一 个将加入 其允许数据 列表 的故 障样 本数据 。 此决定须遵循计算公 式 为 ： ( ) = ， 若_ ， 州 【 ( f)r (f) r t e f 拙 q 其邑 式中 ：a l l o w e d k 表示数据的允许列表。T ( t )为 t 时刻 城 市 i 和城市 之闯 的信息 素浓度 ， i ( z )为 z 时刻 i 和 之 间的近邻序数 。 5 )将加 入到蚂蚁 数据 列表的故 障样本 数据加入 不允 许列表 t a b l e k( k = l ，2 ， ，n ) 。 6 )判断 是否所有 的蚂 蚁都对 全部故障 样本完成 了一 次访 问。若没有 ，就跳转 到步骤 4 ) 。 7 )根据样 本 间的近邻 函数值 的大小 ，打断 当前有 连 接情况的近邻 函数值最大 的样本 间的连接 。以形成不 同的 故障分类。 8 )根 据近邻 函数计算 所有 故障类别 的类 内损 失和类 间损失及总的代价 。重复步骤 7 )和步骤 8 ) ，直到每 只蚂 蚁的准则函数最小 。完成一次故障的识别。 9 )取 所有蚂 蚁中准则 函数 最小的蚂蚁 中识 别结果成 为本次循环 的求解结果。 l 0 )设经过 m个时刻 。蚂蚁完成一次循环 ，各路径上 的信息素要按 下式更新 。 t lj( t + m)= ( t )+ 1 P E( 0，1 ) ，A t 式中 ，l - p为信息素 的挥发率 ， 为本次循环所有蚂 蚁 留在路 径 ( ， )的信 息素 。根 据信息 素更 新公 式 ，调 整故障征兆样本数据连接之间 的信息 素大 小 ，并应用 A C S 模型。 ： 若第职 蚂蚁经过 ( i I j ， 1 0 其它 式 中，L 表示总连接损失。 l 1 )判断循环次数是 否达到最大步数 的给定值 ，准则 函数是 否达 到最 小 值 ，若 是则 中止运 动 并给 出 最终 解 否 ，则跳转到步骤 四。 最后 ，利用训练好的人工蚂蚁对 电路 的实际测量结果 进行分类 ，检查测量结果究竟属于哪一类 故障 。找到正确 的故障位置和故 障元件 。 4实例分析 故障诊 断定位实质 上是模式分类 问题 。即把运 行状态 分为正常和故障两类 。诊 断时选择有效的故障测试 点至关 重要。研究分析 表明，整 流输 出电压包含 了电路 的故障信 息 ，是一个 关键 的测试点 。本文以三相桥式可控整 流电路 为例 ，讨论 电路发生故 障的 2 1种可 能性 ： ( 1 )单 故障 ： 即电路 中一个 晶闸管单 独发生 故障 ； ( 2 )双故障 ：即电 路中两只晶闸管 同时发生故 障 ；分为 a )同相不 同组( 如 Vl 和 V 4 ) ；b )同组不 同相( 如 V1和 V 3 ，V 2和 V 4 ) ；c ) 不 同组 不同相 ( 如 V1 和 V 2 ，V 4和 V 5 ) ； ( 3 )通常三个 晶闸管同时发生故 障的属于小概率 事件 ，本文不予考虑。 通过 S i m i l i n k软件 对工 频 l 0 o V三 相桥式 整流 电路模 拟仿真上述各种故障 并在一周期 内每隔一定时间对输 出 电压值采样 。其数据作为蚁群算法 的训 练样本集 。三相 电 流 电路 原理 网如 网 3所 示 。 本 文用 V i s u a l C编制相应程序 。并以图 3 所 示三相整 流电路 为例进 行仿真。具体试验参数为 ：正 常元 件参数偏 移 ：l ：测试频 率 ：7 0 0 H z ；初 始蚂蚁数 量 ：1 0 0 ；遗传 一 一 r VI V】 V5 一 一 一 广 I V 4 V 6 V 2 L 1 图 3 三相整流 电路原理图 L R 代数 ：5 0 ；交换概率 ：0 6 ；变异概率 ：0 0 2 。 ( 1 )设 元件 V 。 、V 3 、 ， 6 发生 故障 ：F l 、F 2 、F 3 ，对电 路进行单故障模拟诊断 ，各选 5组最优 激励电压源 ，故障 情况及诊断结 果示 于表 1 之 F 。 、 、F 3 。 ( 2 )设 V l 、V ，V 3 、V 5 发 生故障 ：F 4 、F ，对 电路进 行 双故障模拟诊 断 。选 l 0组最优 激励 电源 。故 障情 况及 诊断结果示于表 l之 F 4 、 。 表 1 故障模拟诊断结果 支路故障隶属度 e b F I ( V I)0 2 1 4 0 1 0 3 F 2 ( L 】0 3 1 8 0 2 8 6 F 3 ( e J 0 1 6 5 0 3 5 4 F 4 ( e v ) 0 2 1 2 0 1 6 5 1： 5 ( V 3 ， R ) O 3 2 4 0 f 6 8 V 2 V3 V4 V 5 0 9 7 3 0 2 5 4 0 2 5 6 0 1 5 4 02 0 3 0 1 4 2 0 1 9 8 0 9 0 8 0 2 8 7 0 3 1 2 0 2 9 1 0 2 1 2 0 2 8 3 0 1 9 5 0 3 5 4 0 2 8 7 0 2 3 8 0 3 1 9 0 l 3 7 0 l 5 9 V 6 L R 0 l 9 3 0 l 8 4 0 2 3 6 0 2 4 5 0 3 1 4 0 2 1 6 0 1 6 5 0 2 6 2 0 8 7 6 0 9 8 3 0 2 4 9 0 3 ” O z 3 8 O 9 f 2 0 2 4 9 表 1中个数据描述 了支路对 故障集的隶属度 。其值越 接 近于 1 ，支路 b诊 断为故 障的可能性越 大。从表 中可看 出 ，无论 是硬 故障 ( 如 F 。 )还 是参 数偏 移较 少的 软故障 ( 如 F 、F 3 、F 5 ) ，其故 障支路集的隶属度均接 近于 1 ，且远 大于其余各非故障支路集之隶属度。从而可将故障准确定 位 。对此 电路 的其他 开路 、短路 与元件参 数偏移 在 5 一 4 0 0 的软故 障等共 3 O种单 故 障或多故 障分 别进行诊 断 。 亦均能实 现其故障准确 定位 。但文献 4 中所述方法 则 只能对其 软故 障定位 ，且诊 断步骤较本文所提方法复杂。 5结束语 本文提 出了一种基 于蚁群算 法的故 障识别分类 算法 。 该算法将故障诊断 中故障的识别分类 问题 转化为求解带约 束的最优化 聚类 问题 ，并充 分地 利用蚁群系统 的正反馈过 程 、贪婪 启发式算法 以及分 布式计算等特性 ，通过合作进 行快速 高效的问题求解 。将 该算法应用于一实 际电力电子 电路 的故 障识 别与分类过程 。仿 真结果表 明：较之传统 方 法 该算 法具有 收敛 速度快 、本质分布式并行性及鲁棒性 强等优点 并通过算例证 明了该算法是可行的 、有效 的。 参考文献 ： 1 段海滨蚁群算法原理及其应用 M北 京：中国科 学出版 社 2 0 0 5 2 彭敏放 ，何怡刚 ，沈美娥 ，等，基 于 多目标遗传优 化的容差 电路 故 障屏 蔽诊 断 J 电工技 术 学报 ，2 0 0 6 ，2 1( 3 ) ： 1 1 8 1 2 2 3 张静乐 ，王世卿，王乐具有新型遗传特征的蚁群算法 J 微计算机信息 ，2 0 0 6 ( 2 2 ) ：2 6 1 2 6 3 4 T a d e u s i e w i c z M， Hal g a s S， K o r z y b s k i MA n a l g o r i th m f o r s o f t -f a u l t d i a g n o s i s o f l i n e a r a n d n o n l i n e a r c i r c u i t s J I EEE Tr ans a c t i o n s O il Ci r c u i ts an d S y s t e ms I ： F u n d a me n t al T h e o r y a n d A p p l i c a t i o n s ，2 0 0 2，4 9 ( 1 1 ) ：1 6 4 8 1 6 5 3 作者简 介 ：苏 艳苹 ，女 。1 9 7 8年生 ，河 南开封 人 ，硕 士 ，实验 师。研究领域：电路与系统、自动化。 ( 编辑 ： 向 飞) ， 一 拍 伸 柏 博 V n O n O 一 一 7 8 6 7 8 一 i 8 自 一 i 1 e O 0 O O