一种改进的灰熵关联故障诊断方法*

2013-06-27苏艳琴张光轶徐廷学

电讯技术 2013年11期

关键词：关联度均值关联

苏艳琴,张光轶,徐廷学

(1.海军航空工程学院研究生管理大队,山东烟台264001;2.海军航空工程学院科研部,山东烟台264001; 3.海军航空工程学院兵器科学与工程系,山东烟台264001)

一种改进的灰熵关联故障诊断方法*

苏艳琴1,**,张光轶2,徐廷学3

(1.海军航空工程学院研究生管理大队,山东烟台264001;2.海军航空工程学院科研部,山东烟台264001; 3.海军航空工程学院兵器科学与工程系,山东烟台264001)

经典的灰熵关联法进行故障诊断时需要预先根据经验或统计方法设定一个参考的标准序列,缺乏客观性,准确度不高,为此,引入一种改进的模糊C-均值聚类方法计算得到参考标准序列,然后应用灰熵关联方法进行故障诊断,最后在某型装备故障诊断中应用并验证了该方法的有效性。

机载电台;故障诊断;灰熵关联;模糊C-均值聚类

1 引言

在装备的故障诊断中,由于测试设备的局限性,获取的故障信息往往包含部分已知、部分未知的灰色信息,灰色理论是一种处理这类信息的有效方法。其中,灰关联分析法是通过对待检模式(比较序列)与已有故障模式(参考序列)进行关联度计算判断故障模式识别的方法[1]。灰关联熵分析在此基础上,将这类关联程度用“熵”的方法表征,能够充分利用个性信息,实现整体性接近,更为科学、合理[2]。

但是,在应用灰熵关联法进行故障诊断时,需要预先设定一个参考的标准序列,通常由经验或统计方法给定,缺乏客观性,准确度不高[3]。为此,本文引入模糊C-均值聚类法,将事先测试获得故障数据通过模糊C-均值聚类得到的C个最优聚类中心作为灰熵关联法中的C个灰类,构成应用灰熵关联法进行故障诊断时的标准参考序列。本文将灰熵关联与模糊C-均值聚类进行必要融合进行故障诊断,并通过实例验证该方法的有效性和优越性。

2 经典的灰熵关联法及其不足

信息不完全的序列为灰内涵序列[4],设灰内涵

序列X,xi(k)∈X,i=1,2,…,m,k=1,2,…n。比较序列xi与参考序列x0在k点的灰关联系数γ(k)和灰关联度γi分别为

其中,ρ为分辨系数,一般取ρ=0.5。

序列X=(x1,x2,…,xn)的灰熵定义为[4]

其中,Hmax=lnn。

由此,可得灰关联熵为

为比较序列xi与参考序列x0在k点的关联密度值。映射值pi(k)满足:

灰熵关联度定义为

根据熵增定理,灰熵关联度Ei越大,比较序列与参考序列x0之间的关联度越大。

经典的灰熵关联法故障诊断的步骤如图1所示[5]。

图1 灰熵关联法故障诊断步骤Fig.1 The fault diagnosis steps of grey entropy relation algorithm

在应用灰熵关联法进行故障诊断时,需要预先设定一个参考的标准序列,通常由经验或统计方法给定,缺乏客观性,准确度不高。

3 一种改进的融合灰熵关联和模糊C-均值聚类的故障诊断方法

图1中获取标准参考序列时采用统计方法等,本文的改进思路主要是引入模糊C-均值聚类,计算获得的C个聚类中心,作为参考标准序列。模糊C-均值聚类是一种基于目标函数的聚类方法,认为每个数据点都以一定隶属度属于各个不同的类别,这种模糊化的处理能够反映数据的实际分布,是一种较客观和有效的确定参考标准序列的方法。另外,极差规格化的模糊C-均值聚类方法能够进行无量纲处理[6],且较简便,因此,代入灰熵的灰色关联法中进行改进是一种适合的方法。具体可以概括为收集故障数据、极差规格化进行无量纲化处理、模糊C-均值聚类确定参考标准序列和故障诊断4个步骤。

Step 1:收集故障数据

根据评价目的确定评价指标体系,收集评价数据,建立数据矩阵

Step 2:极差规格化进行无量纲化处理

在无量纲化处理时应用极差规格化方法,即将比较序列代入规格化公式,得

其中,xjmax=max{x1j,x2j,…,xnj},xjmin=min{x1j,x2j,…,xnj}。

Step 3:模糊C-均值聚类确定参考标准序列

通过模糊C-均值聚类法确定C个聚类中心,作为参考标准序列,每一个聚类中心记作

具体来看,步骤可以概括如下:

(1)把样本集分为D=({d1,d2,…,dc}),2≤c≤n类,可得到C个聚类中心向量,这C个向量构造成的矩阵

初始化,给定需要聚类的类别数目C,2≤C≤n, n是样本的个数,也就是类别不能超过样本的个数,同时还不能为1,确定模糊因子m(1≤m≤∞),同时还要设定停止迭代的阈值ε和允许的最大迭代次数N以及出示的分类矩阵W;

(3)计算模糊分类矩阵,并不断迭代更新

(4)计算聚类中心,并不断迭代更新

(5)当目标函数

达到阈值ε或允许的最大迭代次数N时,停止迭代,反之则转到第二步继续迭代,最终可以得到C个聚类中心和隶属度划分矩阵W。

Step 4:故障诊断

分别计算相对于C个聚类中心新的灰关联熵:

其中:

4 应用实例

本文以某型机载电台设备为诊断对象,故障诊断定位到芯片级。表1给出典型故障现象“电台不受控制”的故障数据,其中涉及到的故障模块有前面板模块和主控微机模块,分别用“D:D1～D2”表示;涉及到的故障征兆包括+5 V电压、UUT收信端电压、UUT发信端电压、1553B总线,分别用“C1～ C4”表示。

表1 故障数据Table 1 Fault data

首先,对前10组故障数据采用极差规格化进行无量纲化处理得到表2。

其次,由于涉及到的故障模块有两类,因此设定聚类数目C=2较为适宜,再应用模糊C-均值聚类得到参考标准序列如表3所示。

表3 参考的标准序列(模糊聚类中心)Table 3 The reference standard sequence (the fuzzy clustering center)

再次,分别对第11和12组故障数据应用模糊C-均值获得的聚类中心计算其灰熵关联度,如表4所示。

表4 灰熵关联度Table 4 The relation degree of grey entropy

根据第11和12组故障数据得到的灰熵关联度判断其故障模式,得到分别对应故障模式D1和D2,经验证与测试结果一致,因此本方法诊断有效,为下一步开展该方法的故障诊断应用奠定了基础。并且,由于采用模糊C均值方法获取参考标准序列,完全立足数据本身,无需任何主观因素,准确度较高,而且对故障征兆模糊,即判断故障边界不明显的情况具有一定诊断优势。

5 结束语

本文通过对经典灰熵关联法不足之处的分析,

给出了一种基于模糊C-均值方法获得参考标准序列进行灰熵关联的方法,从而进行新的灰熵关联分析完成故障诊断,并通过实例初步验证了本方法的有效性,由于故障样本有限,后续需从大样本角度对该方法的实用性进行进一步应用和检验,从而为更加客观地研究灰色理论故障诊断提供新的途径。

[1] 刘思峰,谢乃明.灰色系统理论及其应用[M].北京:科学出版社,2008. LIU Si-feng,XIE Nai-ming.Grey System Theory and Application[M].Beijing:Science Press,2008.(in Chinese)

[2] 黄亮,侯建军,刘颖,等.基于灰关联熵的模拟电路测试点优选算法[J].电子测量与仪器学报,2009,23 (9):27-33. HUANG Liang,HOU Jian-jun,LIU Ying,et al.Algorithm of selecting optimal test point for analog circirt based on grey entropy[J].Journal of electronic measurement and instrument,2009,23(9):27-33.(in Chinese)

[3] 曹建,范竞敏,丁家峰,等.改进的灰熵关联度算法用于变压器故障诊断[J].电力系统及其自动化学报, 2009,21(4):25-30. CAO Jian,FAN Jing-min,DING Jia-feng,et al.Fault Diagnosis of Transformer Using an Improved Grey Entropy Relation Algorithem[J].Proceedings of the Chinese Society of Universities,2009,21(4):25-30.(in Chinese)

[4] 邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2008. DENG Ju-long.Grey Theory[M].Wuhan:Huazhong University ofScienceandTechnologyPress,2008. (in Chinese)

[5] 陈琦,齐晓辉.基于灰关联法发动机故障诊断的研究[J].天津商学院学报,2007,27(6):6-8. CHEN Qi,QI Xiao-hui.Research on the grey relational method for engine fault diagnosis[J].Journal of Tianjin U-niversity of Commerce,2007,27(6):6-8.(in Chinese)

[6] 孟宪尧,韩新洁.模糊C-均值聚类算法及其在船舶故障诊断中的应用[J].中国造船,2007,48(4):98-103. MENG Xian-yao,HAN Xin-jie.The fuzzy C-means clustering algorithm and its application in the fault diagnosis of ship[J].Ship Building of China,2007,48(4):98 -103.(in Chinese)

[7] 邓宏贵,罗安,曹建.灰关联度在变压器故障诊断中的应用[J].控制工程,2005,12(1):25-28. DENG Hong-gui,LUO An,CAO Jian.Application of Grey Relative Degree to Fault Diagnosis of Transformer [J].Control Engineering of China,2005,12(1):25-28.(in Chinese)

SU Yan-qin was born in Huozhou,Shanxi Province,in 1982.She is now an engineer and currently working toward the Ph.D.degree.Her research concerns information fusion,equipment fault diagnosis and prediction method.

Email:suyq1982@163.com

张光轶(1981—),男,山西太原人,博士,助理研究员,主要研究方向为装备故障诊断及预测等;

ZHANG Guang-yi was born in Taiyuan,Shanxi Province,in 1981.He is now a research assistant with the Ph.D degree.His research concerns equipment fault diagnosis and prediction method.

徐廷学(1962—),男,河南驻马店人,教授、博士生导师,主要研究方向为装备综合保障等。

XU Ting-xue was born in Zhumadian,Henan Province,in 1962.He is now a professor and also the Ph.D.supervisor.His research concerns equipment integrative support.

An Advanced Fault Diagnosis Method Based on Grey Entropy Relation

SU Yan-qin1,ZHANG Guang-yi2,XU Ting-xue3
(1.Graduate Student′s Brigade,Naval Aeronautical and Astronautical University,Yantai 264001,China; 2.Department of Science Research,Naval Aeronautical and Astronautical University,Yantai 264001,China; 3.Department of Ordnance Science and Technology,Naval Aeronautical and Astronautical University,Yantai 264001,China)

The reference standard sequence must be given ahead according to the experience or statistics method in the classical grey entropy relation for fault diagnosis,which is often lack of objectivity and high accuracy degree.In this paper,an advanced fuzzy C-mean cluster method is introduced to get the reference standard sequence,then the grey entropy relation method is applied to perform fault diagnosis.Application of this method in fault diagnosis of an equipment verifies its validity.

airborne radio;fault diagnosis;grey entropy relation;fuzzy C-mean cluster

The National Natrual Science Foundation of China(No.61179016)

date:2013-07-12;Revised date:2013-09-30

国家自然科学基金资助项目(61179016)

**通讯作者:suyq1982@163.com Corresponding author:suyq1982@163.com

TP181;V24

1001-893X(2013)11-1523-04