一种基于KPCA-WOA-SVM火控系统故障诊断方法.pdf

第 卷 第 期 年 月火炮发射与控制学报 :./.收稿日期:基金项目:辽宁省“兴辽英才计划”项目资助()作者简介:李英顺()女 教授 博士 研究方向为坦克火控系统的故障预测与健康管理的研究一种基于 火控系统故障诊断方法李英顺 阚宏达 王德彪 刘海洋(.大连理工大学 控制科学与工程学院 辽宁 大连 .沈阳顺义科技有限公司 辽宁 沈阳)摘 要:针对目前坦克火控系统维修成本高、人力投入大、状态评估涉及指标多等问题 为了提高故障诊断的准确率并降低成本 提出了一种基于核主元分析和鲸鱼算法结合支持向量机的故障诊断方法 首先应用核主元分析对火控计算机的性能参数进行特征提取 减少数据维度 其次应用鲸鱼优化算法参数寻优的支持向量机构建多分类的故障诊断模型 同时与遗传算法和粒子群算法优化的支持向量机进行对比 最后以火控计算机及传感器分系统的电源模块为研究对象进行实验验证 结果表明 该方法可以在较短时间内对火控系统的故障做到准确诊断 提高装备可靠性关键词:火控系统 故障诊断 核主元分析 鲸鱼优化算法 支持向量机中图分类号:文献标志码:文章编号:()(.):.().()().:坦克是陆军主要武器装备其火控系统先进与否直接决定着装甲装备的战场打击能力 火控计算机及传感器分系统作为坦克火控系统的中枢分系统连接观瞄子系统、炮控子系统等各个子系统的源信号火控计算机的运行状态直接影响到坦克的作战效率 因此对火控计算机的状态评第 期李英顺等:一种基于 火控系统故障诊断方法估和故障诊断在坦克的故障预测与健康管理技术中显得愈加重要随着动态系统故障模式愈加复杂基于物理模型的故障诊断方法由于模型的局限性使得对故障类型多样性的泛化能力不强基于知识的故障诊断方法很大程度上依赖于人工经验和知识库的完善程度目前基于数据驱动的故障诊断方法在各个领域得到迅速的发展 在小样本、非线性以及高维数据处理方面有着特有优势的支持向量机目前已经被应用到化工、电力、装备鉴定以及油液检测等各个领域的故障诊断 在支持向量机()中核函数参数和惩罚因子是影响分类模型准确性的关键参数 文献和中分别提出应用粒子群优化算法和遗传优化算法参数寻优的支持向量机对滚动轴承做故障诊断但粒子群优化算法和遗传优化算法都存在易陷入局部最优的问题 年 等提出了一种新的元启发式算法即鲸鱼优化算法()其优势在于可以更高效、更稳定地进行全局优化 针对故障诊断中数据维度过多影响故障诊断速度的问题数据降维与特征提取是一项重要的预处理工作主成分分析作为一种使用普遍的特征提取算法被广泛应用于图像识别、故障诊断、文本分类等领域 核主元分析()则是主成分分析的非线性扩展文献将 算法用于化工过程的过程监控在上述研究基础上 笔者提出了一种基于 的火控系统故障诊断方法首先利用 算法进行数据降维再通过 优化的 故障诊断模型进行故障分类相比于以往基于专家经验的人工故障诊断方法提高了故障诊断的准确率和效率 算法设计.算法 算法的思想是利用少数变量反映全部变量的大部分信息并且这些少数变量所含的信息线性不相关)原理推导:假设对原始数据序列 进行非线性映射:可得到()从而建立协方差矩阵同时为求解该矩阵引入核矩阵 ().()主元选取:设协方差矩阵的特征值分别为特征值称为主元对应的特征向量称为主成分累计贡献度定义为所选顺序特征值与总特征值的比值:()式中表示前 个主元的贡献度之和代表前 个分量在所有分量中所占的比重一般情况下累计贡献度的阈值在 之间.是一种元启发式算法其思想是通过模仿座头鲸的捕食行为进行参数寻优与其他优化算法相比具有泛化性能好、全局优化、参数少的优点)环绕式围捕:当猎物被座头鲸发现时座头鲸围困猎物的数学模型为 ()()()()()()()()式中:表示当前鲸鱼个体最优位置 表示迭代次数 和 表示相关系数向量 表示取值范围从 到 的随机向量 表示在整个迭代过程中从 线性减少到 的规律值)狩猎攻击:当鲸鱼以螺旋运动向猎物发起攻击时位置更新的数学模型为()()()()()()()式中:表示鲸鱼和猎物之间的距离 为一个常数为一个 随机数 同时鲸鱼在游向猎物时还要缩小包围圈在这种模型下假设分别有 的概率选择收缩包围和螺旋上升其数学模型为()()时鲸鱼以一种自然搜索的方式去搜寻更适合的猎物其中 表示当前鲸群个体的随机位置火炮发射与控制学报第 卷 ()().().是机器学习中一种代表性的分类算法处理线性可分及非线性不可分的数据中都具有良好的分类表现 为求解非线性问题 引入了核函数()其中径向基函数能将原始数据映射到高维空间中表达式为().()引入核函数后 的分类决策函数为()()().()针对投影到高维空间后某些样本点依然存在不可分的问题在分类模型中引入松弛变量 进行优化调整同时对损失部分引入惩罚因子 引入松弛变量 与惩罚因子 后得到的新模型为 ().()将其转换为对偶问题 ().()式中:和 表示拉格朗日乘子和 表示训练样本类别和 惩罚因子 用来衡量学习机器的复杂程度:如果 取值过大易出现过拟合现象 模型会趋于复杂运行时间加长运算效率下降如果 取值太小数据样本的拟合程度降低 模型则易出现欠拟合现象 火控系统故障诊断方法坦克火控系统各部件结构复杂参数众多同时各个参数间的关联错综复杂、彼此相互影响因此需要对原始测量参数进行特征提取和数据降维 首先取不同状态下待测部件各引脚测得的信号值作为健康状态评估的性能参数采用核主元分析计算主元并依据累计贡献度的阈值选取主元进行数据降维 然后取降维后的特征数据作为支持向量机的训练样本输入同时使用鲸鱼优化算法寻求最优参数建立故障诊断模型.特征提取方法由于现代特种车辆都集成了高度自动化设备直接使用特种车辆的全部性能参数会造成对故障诊断的不便更多的性能参数增加诊断难度和诊断时间因此在进行特种车辆故障诊断前对特种车辆所有性能参数进行特征参数提取是非常有必要的 笔者采用 降维方法将一组具有相关性的高维变量转化为另外一组互不相关的新的低维变量去除整个变量中的相关性尽可能多地保留原变量中的有用信息 算法流程图如图 所示步骤 将原始数据归一化到区间使不同类别数据具有相同的度量尺度步骤 计算训练数据和测试数据对应核矩阵 与 步骤 根据式()对协方差矩阵数学变换应用核技巧计算特征值和特征向量步骤 依据累计贡献率的阈值选取对应主元并根据选取的主元完成训练数据和测试数据的特征提取.故障诊断方法在野外复杂的环境与条件下随着坦克使用次数和使用时间的增加坦克火控系统各子部件的服役性能具有一定的生命周期超出期限可能会发生一定的故障 支持向量机可以依据采样的正常样本数据和故障样本数据建立合适的故障诊断模型由于核参数 和惩罚因子 对模型的建立有决第 期李英顺等:一种基于 火控系统故障诊断方法定性的影响对于 和 的选取笔者采用鲸鱼优化算法故障诊断流程如图 所示步骤 相关参数初始化 初始化鲸鱼的群体大小、最大迭代次数、()维数等其中()步骤 适应度计算 将当前 向量作为 参数从而建立 模型将当前模型下 折交叉验证的准确率的相反数作为鲸鱼优化算法的适应度函数值找到适应度值最小的鲸鱼个体将其位置存在 中步骤 位置更新 如果 按照式()更新 步骤 位置评估 根据步骤 更新的最新鲸鱼个体位置再次计算适应度值将当前适应度值与最小适应度值对比 如果小于最优适应度值将此鲸鱼位置作为 如果大于最优适应度值则返回步骤 循环计算步骤 循环终止 判断循环次数是否达到最大迭代次数若是停止循环返回 的向量即为支持向量机的最优参数 和 若不是则返回步骤 继续寻优步骤 建立故障诊断模型 将上述优化得到的最优参数 和 与经过 降维处理后的训练数据输入到 中建立故障诊断模型而后输入数据进行故障诊断 实验验证以火控系统中火控计算机及传感器分系统的电源模块为验证对象 电源模块的信号主要包括:经由 保险丝供电的 主电源、经由滤波器给火控计算机电源板供电和连接观瞄系统的 分电源、以及电源板生成的电压值分别为 和 的电压信号 实验选取了 、分电源 、主电源 在各自引脚测得的 个端口的信号值作为电源模块的 个性能如表 所示表 数据源引脚信号表序号参数名称对应引脚 分电源 分电源 分电源 分电源 分电源 主电源 主电源 主电源 主电源 原始数据中正常状态和故障状态下共计 组数据共分为 类其中正常状态 组数据标签类别标识为 电源故障 组数据标签类别标识为 电源故障 组数据标签类别标识为 分电源故障 组数据标签类别标识为 主电源故障 组数据标签类别标识为 如表 所示表 原始数据分类表类别训练数据测试数据标签电源正常 电源故障 电源故障 分电源故障 主电源故障.基于 电源模块参数的数据降维选取上述 类训练样本共计 组数据根据 建立协方差矩阵计算矩阵特征值与特征向火炮发射与控制学报第 卷量并依据特征值计算贡献度与累计贡献度 累计贡献度对应的 图如图 所示由于贡献度的大小代表所选取的特征值与特征向量携带全部数据信息的比例正常情况下累计贡献度的取值范围为 设定累计贡献度分 别 为、而后分别将经特征提取后的数据输入到支持向量机中参数寻优均使用 折交叉验证和网络搜索的方法实际累计贡献度和测试样本准确率以及选取的顺序主元如表 所示其中 表示选取前两个主元其他同理表 累计贡献度对比表设定累计贡献度/实际累计贡献度/顺序主元选取测试样本分类准确率/.根据表 可知在相同条件下累计贡献度在给定范围内当设定值为.时测试样本的分类准确度为.达到最大值对应选取的顺序主元为 数据维度也相对较少 基于此设定累计贡献度为.原始的电源模块数据经过特征提取后由原来的 维降到 维便于后续的故障诊断分析.基于 电源模块的故障诊断选取上述中经过 降维后的 组训练样本建立 故障诊断模型对于惩罚因子 以及核参数 的选择采用鲸鱼优化算法设定鲸鱼优化算法的最大迭代次数为 种群数目为 同时为比较该优化算法的性能优劣另选取粒子群优化算法()、遗传算法()两种元启发式优化算法设定相同的初始条件 种元启发式优化算法的迭代过程如图 所示从图中可以看出优化算法的最佳适应度为.在第 次迭代即可达到最优值 优化算法的最佳适应度为.在第 次迭代到最优值但是在第 次迭代和第 次迭代易陷入局部最优 优化算法的最佳适应度为 在第 次迭代达到最优值但是在第 次迭代易陷入局部最优 对比 与 优化算法 优化算法不容易陷入局部最优更加稳定且能够较快达到最佳适应度值经过 降维后的 组测试样本输入到已建立的故障诊断模型中故障诊断结果如图 所示 从图 中可以看出 模型故障分类准确度为.程序整体运行时间为.模型故障分类准确度为.程序整体运行时间为.模型故障分类准确度为.程序整体运行时间为.第 期李英顺等:一种基于 火控系统故障诊断方法 考虑到误差因素分别对每种算法进行了 次故障预测实验以其均值作为最终的故障诊断结果相 比 与 故 障 诊 断 模 型 故障诊断模型的训练分类准确率与测试分类准确率都可以达到等同或更高的分类水平同时在运行时间上有着相当的优势如表 所示表 模型故障诊断结果对比表诊断方法训练准确率/测试准确率/运行时间/.结束语火控系统的故障诊断与状态评估是一项复杂的系统工程针对多维度运行状态数据 算法可以降低数据维度提高支持向量机故障诊断的效率 可以对 的参数全局优化更加快速、稳定地寻找最优解同时 可以有效地处理多分类问题 笔者以电源模块为例所提出的基于 的故障诊断方法可以做到快速、准确诊断同时也为火控系统其他模块的故障诊断提供了借鉴参考文献 常天庆王钦钊.装甲车辆火控系统.北京:北京理工大学出版社:.王嫒娜李英顺贺喆.证据理论融合粗糙集的火控系统状态评估.控制工程():.李英顺贾薇周建军.一种坦克火控系统健康状态评估与剩余寿命预测方法.火炮发射与控制学报():.郑长松冯辅周.装甲车辆故障诊断技术.北京:北京理工大学出版社:.李国友杨梦琪杭丙鹏等.基于模糊粗糙集和鲸鱼优化支持向量机的化工过程故障诊断.振动与冲击():.李俊冯俊杰武文吉等.基于改进萤火虫算法和多分类支持向量机的变压器故障诊断.电测与仪表():.吴龙涛安军政巩存阁等.基于 的装备保障设备报废技术鉴定方法.火力与指挥控制():.于深.基于核主元分析和支持向量机的故障监测与预测研究.大连:大连理工大学.刁宁昆马怀祥王金师等.基于 与 的滚动轴承故障诊断.电子测量技术():.周建民王发令张臣臣等.基于特征优选和 的滚动轴承智能评估方法.振动与冲击():.:.韩松来王钰婕王星等.多尺度 遥感异源图像匹配算法.国防科技大学学报():.文武万玉辉张许红等.基于改进 和 的文本特征选择.计算机工程与科学():.韩松徐林森.基于主成分分析和支持向量机分类模型的滚动轴承故障诊断.科学技术与工程():.():.李航.统计学习方法.北京:清华大学出版社.:.