（热能工程专业论文）基于模式识别的汽轮机组振动故障诊断方法的研究.pdf

t11j， 声明尸明 本人郑重声明：此处所提交的硕士学位论文 ，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究 工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示了谢意。 学位论文作者签名：量望 日期：塑1 2 ：兰丝 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学 位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：逊 日期：诬 2 ：三：丝 导师签名： | 华北电力大学硕士学位论文摘要 摘要 借鉴免疫系统的负向选择原理和人工免疫应用在模式识别中的快速性、准确 性，将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中，并提出了 疫苗作用抗体的改进办法。该方法利用转子正常工作样本和少量振动故障样本即可 得到合理的抗体集，具有边检测边学习，不断动态调整的功能，在故障诊断时可以 给出快速、准确的识别。最后通过转子实验台取得的振动数据，选取三种不同的特 征参数分别进行识别诊断，结果验证了算法的有效性。 关键词：人工免疫原理，负向选择算法，故障诊断，汽轮机组振动 a b s t r a c t c o m b i n i n gt h en e g a t i v es e l e c t i o np r i n c i p l eo fi m m u n ea l g o r i t h mw h i c hw a s i n t r o d u c e di nf a u l td i a g n o s eo ft u r b i n er o t a t o rv i b r a t i o na n dt h er a p i d n e s s ，a c c u r a c y b e l o n g st oi m m u n ea l g o r i t h ma p p l i c a t i o ni np a t t e r nr e c o g n i t i o n ，w ed e v e l o p e da n i m p r o v e da p p r o a c ho na n t i b o d yc a u s e db yv a c c i n e t h em e t h o d - f e a t u r e db yi n s p e c t i o n p a r a l l e lw i t hs e l f - l e a r n i n ga n ds u c c e s s i v e l yd y n a m i cr e g u l a t i o n ，w a si m p l e m e n t e db y r e a s o n a b l ea n t i b o d ys e ta t t r i b u t i n gt or e g u l a rw o r k i n gs a m p l ea n daf e wo ff a u l t ss a m p l e ， w h i c hr e s u l ti nr a p i da n dp r e c i s er e c o g n i t i o n c o n s e q u e n t l y , s e r i e so fv i b r a t i o nd a t aw a s t h u sb e e no b t a i n e d ，f u r t h e r m o r e ，t h r e e c a t e g o r i e so fc h a r a c t e r i s t i cp a r a m e t e r sw a s a d o p t e da n db a s et h e r e o nt h ea l g o r i t h m sv a l i d i t yw a sa c c o r d i n g l yv e r i f i e d w a n gf e n g ( t h e r m a lp o w e re n g i n e e r i n g ) d i r e c t e db yp r o lh a nz h o n g h e k e yw o r d s ：a r t i f i c i a li m m u n es y s t e m ，n e g a t i v es e l e c t i o n a l g o r i t h m ，f a u l t s d i a g n o s e ，t u r b i n ev i b r a t i o n ?瓤碡、 j-li_ 华北电力大学硕士学位论文目录 目录 中文摘要 英文摘要 第一章引言1 1 1 选题背景及其意义1 1 2 汽轮发电机组故障诊断技术研究现状2 1 3 本论文的安排和主要工作4 第二章汽轮发电机组振动故障诊断的模式识别方法5 2 1 模式识别基本原理5 2 1 1 模式和模式识别的概念5 2 1 2 模式识别系统6 2 2 基于模式识别的汽轮发电机组故障诊断7 2 3 一种新的模式识别方法人工免疫算法8 第三章基于负向选择机理的故障诊断方法研究9 3 1 免疫系统负向选择机理9 3 2 负向选择算法介绍9 3 2 1 经典负向选择算法9 3 2 2 经典负向选择算法的局限性1 0 3 3 汽轮机组振动故障诊断的负向选择算法1 0 3 3 1 抗体空间与状态空间的映射关系1 l 3 3 2 机组振动故障诊断的负向选择算法1 2 3 3 3 候选抗体数目的确定1 3 3 4 负向选择算法新的改进1 5 3 4 1 抗体在空间的均匀分布1 6 3 4 2 疫苗的引入1 6 3 4 3 抗体的变异1 6 3 4 4 建立抗体检测器的动态平衡1 7 3 5 汽轮机组振动故障诊断的负向选择算法流程1 8 3 6 有效性检验2 0 3 6 1 仿真结果分析2 0 3 6 2 对i r i s 数据分类识别的检验2 l 第四章实验设备及实验方案2 3 4 1 实验设备2 3 华北电力大学硕士学位论文目录 4 1 1 实验目的2 3 4 1 2b e n t l y r k 4 转子振动试验台2 3 4 1 3 数据采集设备2 5 4 2 实验方案2 7 4 2 1 传感器标定2 7 4 2 2 油膜涡动实验数据的采集2 8 4 2 3 转子动静碰摩实验数据的采集2 9 4 3 4 数据处理工具3 0 第五章特征向量的提取和应用负向选择算法诊断结果3 2 5 1 频率特征的提取和应用于负向选择算法的结果3 2 5 2 无量纲指标特征及其应用于负向选择算法3 7 5 3 功率谱特征提取及其应用于负向选择算法4 l 5 3 1 功率谱的概念4 1 5 3 2 转子振动信号的功率谱4 2 5 3 3 识别、诊断结果4 4 第六章结论4 6 6 1 本论文主要研究成果4 6 6 2 后续工作展望4 6 参考文献4 7 致谢5 0 在学期间发表的学术论文和参加科研情况5 1 华北电力大学硕士学位论文 1 1 选题背景及其意义 第一章引言 汽轮机组是以蒸汽为工质的原动机，在电力、冶金、化工、钢铁、船舶、纺织 等领域里发挥广泛的作用。特别是在电力工业中，汽轮机组是火电厂的三大主机之 一，用于驱动发电机生产出电能，是电力生产的关键设备。机组的进汽温度和进汽 压力都很高，现代汽轮机组的进汽压力达到了超临界甚至超超临界。在高转速、高 应力状态下，部件承受的载荷大，且常常承受种种交变应力的作用。因此，汽轮机 组是一种故障率高、故障危害性大的高速旋转机械。一旦发生故障，轻则停机，造 成重大的直接经济损失；重则造成设备毁坏和人身伤亡，引起严重的社会后果。所 以，汽轮机组的故障诊断问题历来受到有关的研究机构、企业和管理部门的高度重 视，是现代故障诊断技术的主要应用对象之一。 6 0 年代开始，为了提高经济效益和节约能源，汽轮发电机组朝着大型化和高参 数方向发展，使机组本身及相关设备承受很大的应力，工作环境恶化，故障发生率 大大增加【l 】。大型汽轮发电机组不仅本身价格昂贵，而且因故障停止生产还会造成 严重的二次损失及不良的社会效应。因此如何及早发现设备异常、避免或减少灾难 性事故的发生，受到了国内外的高度重视，各国投入了大量的人力物力，从事研究 和开发故障诊断技术。 故障诊断技术在生产中的应用，使人们了解和掌握了设备运行的状态，改变了 维修方式，减少了突发性的事故停机，减少了过剩维修，降低了维修费用，提高了 设备的可用率其经济效益是十分显着的。例如美国一公司的统计资料表明，该公司 在应用了故障诊断技术后，每年可节约设备维修费用2 2 - - - , 3 0 ，与振动故障有关 的故障减少6 2 。主要设备的大修周期从3 年延长到7 8 年。又根据美国p e k r u l 发电厂的统计分析【i 】，该厂采用了故障诊断技术后，获得了显着的经济效益，诊断 系统那个的经济系数( 因采用诊断技术而节约的费用与诊断成本之比) 达到3 6 ，见表 1 1 由此可知，设备诊断技术带来的经济效益是非常可观的。 模式识别诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现，5 0 年代人工智 能的兴起，模式识别在6 0 年代初迅速发展成一门学科，与高技术的研究开发有着 密切的联系。它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视， 推动了人工智能系统的发展，扩大了计算机应用的可能性。经典的模式识别方法有 基于统计的方法和基于句法结构的方法两大类【2 1 。基于统计的方法重在对模式进行 分类，而基于句法结构的方法重在描述模式的结构，实际运用中经常将两者结合起 华北电力大学硕士学位论文 来使用。进行设备的故障诊断可以视为模式识别过程：即先测量并记录设备的运行 状态参数，从中提取故障征兆参数，对于不同的故障状态，相应的征兆参数形成不 同的模式，将系统的状态模式进行分类，从而识别出设备的故障。对于设备的故障 诊断问题，因为只需要对故障进行分类，所以运用基于统计的模式识别方法就可以 解决。对于汽轮机组这种模型非常复杂的系统，该方法为解决故障诊断问题提供了 一种简便有效的手段。 表i - i 美国p e k r u l 发电厂故障诊断的经济性分析 电厂情况 装机容量，1 0 0 0 m w ；电费，0 0 1 5 美元( k w h ) ；产值，l 亿美元年 事故损失按可靠性分析，事故停机1 4 次每年，停产损失1 5 万美元天 诊断效果能查出5 0 的故障，其中5 0 有诊断系统查出，内含虚警2 0 恢复时间3 天每次事故 诊断效益 b = 1 4 x 0 5 x 0 5 x 3 x1 5 x ( 1 0 2 ) = 1 2 6 万美元年 投入经费投资，2 0 万美元；年监测费，1 5 万美元年 诊断成本 a - - ( 2 0 万美元1 0 年折旧卜1 5 万美元年= 3 5 万美元年 诊断经济 c = b a = 3 6 效益系数 1 2 汽轮发电机组故障诊断技术研究现状 目前，实现故障诊断的方法较多，国内外学者也对其进行了深入的研究，按照 它们隶属的学科体系，可以将故障诊断分为三类：基于模型的故障诊断、基于人工 智能的故障诊断和基于模式识别的故障诊断【3 4 】。基于模型的故障诊断涉及模型建 立、参数估计、状态估计和观测器应用等技术，其中，参数与状态估计技术是该方 法的关键，需要系统的精确模型，在实际的生产环境中，对于复杂的设备而言，该 方法不是经济可行的。基于人工智能的故障诊断专家系统已经在工程实践得到了应 用，但存在诸如知识获取不全面、针对性太强、智能水平低等问题。 经过多年的发展，模式识别方法内容也日趋丰富，在模式识别中采用的数学模 型各种各样。依据模式特征数据的统计分析而建立数学模型的方法称为统计模式识 别【5 l 。在统计模式识别中，被研究的模式用特征向量来描述，特征向量中的每个元 素代表模式的一个特征或属性，特征向量构成的空间叫做特征空间【6 】。如果我们用 某种方法来分割特征空间，使得同一类模式大体上都在特征空间的同一个区域，那 么对于待分类的模式，就可以根据它的特征向量在特征空间中的哪个区域来判定它 属于哪一类模式，在汽轮机故障诊断中就可以判断是哪一种故障。研究统计模式识 2 华北电力大学硕士学位论文 别方法的任务就是用不同的方法划分特征空间，从而达到识别故障类型的目的。 对于统计模式识别a n t il 【j a i n l 7 】在理论方法上做了详细的说明与总结。张俊杰 和侯敏杰【8 】将统计模式识别方法应用到某高压压气机振动监测中，说明了主成分提 取算法和距离判别算法，得到了较好的结果。 华北电力大学( 保定) 艾进聪【9 】在其硕士论文中运用基于k - l 变换的多子空间法 模式识别，解决风机振动故障的诊断问题。该方法是统计模式识别的一种，通过k - l 变换把相关变量变为不相关的新变量，选择少数无关的主要变量来概括原来多个参 数的特征，可实现多诊断参数的融合，既提取出了有用信息，又能使诊断工作得到 了简化。再由各个类别训练模式集的k - l 变换( 产生的一些线性子空间来限定， 每一个线性子空间对应一个类别。通过计算待识别模式与各线性子空间之间的距离 实现对该模式的分类。 华北电力大学( 保定) 毛继瑕i l o 】其硕士论文运用另一种模式识别方法支持向 量机( s u p p o r tv e c t o rm a c h i 磊衙称s v m ) 。s v m 是专门针对小样本情况的，其目标 是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值，所以是故障 诊断领域中一种可行的选择。研究了支持向量机用于故障诊断的关键问题，给出了 支持向量机用于故障诊断的基本实现步骤。把它和二叉决策树的基本思想结合起来 构成多类别的识别器及为基于决策树s v m 算法【1 1 , 1 2 1 。 时序模型诊断法是又一种模式识别的故障诊断方法。时间序列( t i m es e r i e s ) 是以 等间隔采样的连续信号x ( t ) 所得到的离散序列数据。处理和分析这种数据序列的统 计学方法就称为时间序列分析1 4 l 。而a r m a ( 自回归滑移平均) 模型就是建立在时序 分析基础之上的。吴庚申【1 3 】根据b e n t l y 试验台所采集的碰磨、松动、不对中、不平 衡4 种典型的汽轮机转子的振动故障水平方向上与垂直方向上的数据，建立汽轮发 电机转子振动故障序列自回归滑移平均( a r m a ) 模型，由a r m a 模型参数计算自谱 函数值，建立汽轮机转子振动故障时间序列的自谱函数图谱。对不同类型的故障所 建立a r m a 模型子普函数图谱分析表明：故障征兆信息较明显，有较好的区分度。 同时，梁平1 1 4 l 对a r m a 模型的特征向量参数利用多节点输入双隐层b p 神经网络完 成p 维欧式空间到二位欧式空间的非线性映射，对汽轮机转子振动故障状态进行诊 断。诊断结果表明：对应故障类型的a r m a 模型样本通过训练后的神经网络在二维 欧式空间中能较好的对故障进行分类，同类故障的检验样本与目标函数值在欧式空 间具有较小的距离，表明基于a r m a 模型的二维欧式空间双隐层神经网络故障诊断 方法有较高的故障识别能力。 在模式识别过程中，引入事物归属的模糊概念和模糊度量，利用模糊数学进行 识别的方法称为应用模糊理论集合论的模糊识别法。神经网络技术应用到模式识别 3 华北电力大学硕士学位论文 领域对故障诊断技术有强有力的推动作用。现代故障诊断技术并不仅仅只局限一种 方法，往往是多种模式识别方法综合运用达到更好的诊断效果。陈岳东对振动频谱 进行了模糊分类【1 5 , 1 6 1 。华北电力大学( 北京) 的王洪【”l 在其硕士论文中研究了神经网 络和模糊矩阵的故障诊断方法，构建了b p 神经网络和模糊专家矩阵对现场机械实 际振动信号进行诊断。通过计算不同故障情况下齿轮箱振动信号的关联维数和布朗 维数，实验研究了故障信号的分形特性。葛文谦【1 8 】在其硕士论文中以机械设备振动 为主要研究对象，给出小波神经网络的时频两域分析和特征值提取方法，研究了小 波与神经网络的结合方式，给出了小波网络的三种构造形式，给出了遗传算法优化 的小波网络，简化网络结构、加快收敛速度。 1 3 本论文的安排和主要工作 本论文的研究目的就是借鉴免疫系统的负向选择原理，和人工免疫应用模式识 别中的快速性、准确性，探索了适用于汽轮机组振动故障检测的诊断方法。 图1 - 1 为本论文的结构图。第一章介绍论文的课题背景、意义和国内外汽轮发 电机组故障诊断技术的研究现状。第二章介绍模式识别基本概念和汽轮发电机组故 障诊断的模式识别方法，并介绍近些年被提出的一种新的模式识别方法人工免 疫算法。第三章主要研究、分析负向选择算法理论应用于汽轮机组振动的故障诊断， 提出改进措施，建立基于阴性选择算法的免疫响应模型，并且进行了有效性检验。 第四章主要介绍实验条件和实验方案。第五章讨论对实验数据特征向量的选择和提 取，分别对三种振动信号参数应用负向选择算法进行识别、分类，并分析、比较检 测结果。 图i - i 论文的结构图 4 华北电力大学硕士学位论文 第二章汽轮发电机组振动故障诊断的模式识别方法 2 1 模式识别基本原理 2 1 1 模式和模式识别的概念 模式识别是一门很受人们重视的学科。虽然早在3 0 年代就有人试图以当时的 技术来解决一些识别问题，但只有在近代随着计算机科学技术的发展和应用，模式 识别才真正发展起来。从6 0 年代至今，在模式识别领域中已取得了不少成果。它 的迅速发展和广泛应用的前景引起了各方面的关注1 2 l 。 我们在生活中时时刻刻都在进行模式识别。在生活中，我们能认出周围的物体 是桌子、椅子，能认出对面的人是谁；听到声音，我们能区分出是汽车驶过还是玻 璃破裂，是鸟鸣，还是谁在说话，说的是什么内容；闻到气味，我们能知道是香水 还是酒精，等等。模式识别属于人工智能范畴，人工智能就是要用机器去完成过去 只有人类才能做的智能活动。在这里，。智能一指的是人类在认识和改造自然的过 程中表现出来的智力活动的能力。模式识别就是要用机器去完成人类智能中通过视 觉、听觉、触觉等感官去识别外界环境的自然信息的那些工作i 加l 。 虽然模式识别与人工智能关系很密切，但它已经形成了独立的学科，有其自身 的理论和方法。在许多领域中，模式识别已有不少比较成功的实际应用，也丰富了 人工智能的内容。搿模式一这个概念的内涵是很丰富的。我们把凡是人类能用其感 官直接或间接接受的外界信息都称为模式。比如，文字、图片、景物是模式；声音、 语言是模式；心电图、脑电图、地震波等也是模式，进一步，诸如社会经济现象、 某个系统的状态等也都是模式。从这个意义上说，人们在做每个行动时都要先进行 模式识别i 引。 模式识别的目的就是要研究出能自动进行模式分类和描述的机器系统，以完成 人类的模式识别的功能。可见是与人工智能范畴的其他分支的目标是一致的，都是 要用机器来代替人类的部分智力活动。模式识别是一个新的研究领域，到现在为止， 它的理论和技术都远未完善，很多课题有待人们去研究和探索。模式识别也是一门 边缘技术科学。它与人工智能、信号处理、计算机科学技术、概率统计、模糊集论、 信息论、数字图像处理、形式语言学、心理学、语言学等都有密切的关系，而且随 着模式识别这门学科的发展，还会与其它更多的学科发生关系【1 9 】。越来越多不同学 科领域的人也从各自的角度对它产生了的兴趣。 5 华北电力大学硕士学位论文 模式识别系统 代模式识别方法的发展的趋势是具有人工智能的模式识别系统，模式识别系 设计和实现这两个过程组成。设计是指用一定数量的样本训练分类器的设 现是指用设计好的分类识别器对待识别样本进行分类决策。模式识别系统主 个部分组成：数据采集、预处理、特征提取、分类决策1 2 l 。 据采集，为了使计算机能够对各种现象进行分类识别，要用计算机可以运算 来表示所研究的对象：通过测量、采样和量化，可以用矩阵或向量表示二维 一维波形，这就是数据获取的过程。 处理，“模式一的概念的内涵是很丰富的，凡是人类能用其感官直接或间接 外界信息都可称为模式。所以，一个模式识别系统的输入就可能是各种不同 的信息。因为现代模式识别技术是建立在使用数字电子计算机的基础上的， 于非电量输入模式，必须首先把它们转换成电信号，然后通过模数转换，使 数字计算机能接受的数字量。为了使输入模式满足识别的要求，还要根据具 对模式进行处理，如滤波、坐标变换、图像增强、图像复原、区域分割、边 、骨架提取等，以减少外界干扰和噪声的影响，使模糊的模式变清晰，以便抽 识别所需要的特征。这是模式识别过程的一个重要环节。总的来说，预处理 是去除噪声，加强有用的信息，并对输入测量仪器或其他因素所造成的退化 行复原。 征提取，经过预处理，满足识别要求的模式要根据识别方法的要求抽取选择 作为识别的依据。一般来说，要求选择出来的特征能够足够代表这个模式， 面要求他们的数量尽量少，由图像或波形所获得的数据量是相当大的。为了 实现分类识别，就要对原始数据进行变换，得到最能反映分类本质的特征， 特征提取和选择的过程。特征选择和提取的基本任务就是如何从许多特征中 些最有效的特征。一般我们把原始数据组成的空间叫测量空间，把分类识别 行的空间叫特征空间，通过变换，可把在维数较高的测量空间中表示的模式 维数较低的特征空间中表示的模式。在特征空间中的一个模式通常也叫做一 ，它往往可以表示为一个向量，即特征空间中的一个点。模式特征的选择对 效果有直接的影响，所以他们的选择是模式识别的关键。 类决策就是在特征空间中用统计方法把被识别对象归为某一类别。基本做法 本训练集基础上确定某个判决规则，使按这种判决规则对被识别对象进行分 成的错误识别率最小或引起的损失最小【1 0 j 。 6 华北电力大学硕士学位论文 2 2 基于模式识别的汽轮发电机组故障诊断 汽轮发电机组是大型旋转机械，它将高温、高压蒸汽所具有的内能转换成机组 转子旋转的机械能，从而驱动其他机械或带动发电机发出电能。汽轮发电机组是工 业领域的重要设备，特别是在电力工业中，汽轮发电机组是关键的设备。由于汽轮 发电机组结构和系统的复杂性、运行环境的特殊性，汽轮发电机组的故障率较高， 而且故障的危害性也很大。随着汽轮发电机组朝着高参数、大容量、高自动化方向 发展，系统越来越复杂，设备出现故障的可能性越来越大，故障的危害性也越来越 大【l j 。近几十年来，国内外已发生多起汽轮发电机组整机毁坏事故，因设备故障而 导致重大经济损失和人员伤亡的事件时有发生。因此，保证汽轮发电机组的安全运 行是十分重要的。所以，汽轮发电机组的故障诊断一直是故障诊断技术应用的一个 重要方面 2 0 l 。 模式识别是故障检测的重要理论基础之一。近十几年来，模式识别技术在机械 系统故障诊断领域的应用已经相当广泛，每年都有大量的论著发表。在向人类智能 逼近这一永恒的前沿课题中，模式识别占有一席之地，在基于智能的机械系统状态 监控这一学科领域中应用和发展模式识别理论是一个富有挑战性的前沿研究方向 之一。 图2 - 1 机组故障诊断的模式识别系统 莉 机组的状态监测是提供机组运行状态正常与否的一种有效方法。当通过状态监 测确定机组的运行状态已偏离其正常状态而产生故障时，则必须进一步分析故障产 生的原因，确定故障原因的过程就是对机组进行故障诊断的过程。如果事先已对机 组可能发生的故障模式进行了分类，那么故障诊断的问题就转化为把机组的现行工 作状态归入哪一类的问题。因此，故障诊断问题实质上是一种模式识别问题1 2 ，所 以说汽轮发电机组故障诊断实质上也是一种模式识别问题。汽轮机组故障诊断的模 式识别方法一般也分为两大部分，一是检测器的训练；二是现场实时监测与分类决 策，如图2 1 。根据检测器训练和分类方法不同，机组故障诊断的模式识别方法有 7 华北电力大学硕士学位论文 很多。论文主要研究讨论一种较新的识别方法即基于人工免疫算法的模式识别方 法，针对机组的振动故障提出检测器训练和分类决策的具体步骤。 2 3 一种新的模式识别方法一人工免疫算法 从2 0 世纪7 0 年代开始，j e r n e 开创了免疫系统( i m m u n es y s t e m ) n 络假说，建 立：- j - 独特性网络( i d i o t y p en e t w o r k ) i 理论【2 引，p e r e l s o n 对此进行进一步阐述。1 9 8 6 年， f a r m e r 构造了一个免疫系统的动态模型。利用免疫系统机制解决工程问题最早在9 0 年代，在1 9 9 8 年之前，对于免疫系统的研究并没有引起足够的重视。近几年来， 各类研究人员对免疫系统的研究兴趣不断增加，并利用其机理解决许多不同的工程 问题。日本学者i s h i d a 在1 9 9 0 年利用免疫系统解决传感器网络故障诊断问题，f o r r e s t 在1 9 9 4 年首次将免疫系统手段用于计算机安全和病毒检测。此后，越来越多的学 者尝试建立免疫系统的模型，人工免疫系统( a r t i f i c i a li m m u n es y s t e m ) 应用领域由此 不断得到扩大，现已覆盖信息安全、模式识别、机器学习、数据挖掘、故障诊断、 自动控制等领域【矧。 免疫系统强大的识别能力在模式识别方面得到了广泛的应用，主要涉及到了负 向选择、克隆选择和免疫网络等仿生机理。f o r r e s t 给出了免疫系统的二进制模型【2 4 l ， 研究了模式识别问题和免疫系统中个体与群体水平上的学习机制，其中抗体和抗原 用简单二进制编码表示，模式匹配采用部分匹配规则。d a s g u p t a 3 2 】研究了光谱识别 问题，采用二进制对光谱识别的对象进行了具体描述，同时还给出了相应的匹配函 数以及识别算法。d ec a s t r o 研究了基于克隆选择机理的字符识别问题，采用状态空 间表示待识别的模式。 从免疫系统中抽象出的仿生机制包括抗体遗传、克隆选择与亲和度成熟、免疫 记忆、免疫系统的匹配机制和相关网络的自组织特性等应用到模式识别模型中，使 模型集成了分类器系统、神经网络、机器推理和基于实例的检索等优点，具有噪声 忍耐及无监督学习的能力，并可以外在地表达所学习的内容【2 7 , 2 8 l 。人工免疫算法在 机组故障诊断领域中还是一个比较新的方法，其具有学习和记忆能力强、反应时间 快、需要故障样本少和对新故障敏感【2 2 , 2 3 , 2 5 】等优点，受到了人们的重视。论文将重 点研究算法在汽轮发电机组振动故障诊断中的应用。 8 华北电力大学硕士学位论文 第三章基于负向选择机理的故障诊断方法研究 3 1 免疫系统负向选择机理 免疫系统是生物重要的防御机能，它是由免疫活性分子、免疫细胞、免疫组织 和器官组成的复杂系统。系统能保护生物体抗御病原体、有害异物等致病因子的侵 害，其实质是生物体内的在线异常监测系统i 捌。在免疫系统中，免疫细胞扮演着相 当重要的角色，具有识别并清除致病因子的作用。免疫细胞主要有b 细胞和t 细胞 两类淋巴细胞，它们均产生于骨髓的干细胞，分布全身，是免疫系统的重要组成部 分。 在骨髓中产生的未成熟t 细胞需要经过胸腺的检查，只有通过m h c ( 主要组织 相容性复合物m a j o rh i s t o c o m p a t i b i l i t yc o m p l e x ) 检查才能成为成熟的t 细胞，进入机 体的免疫系统。m h c 是与细胞染色体紧密联系的基因群，包含有控制免疫应答的基 因，可以说它是机体在生理上的。身份证糟。当未成熟t 细胞表面的检测器能够识 别m h c 分子和自身抗原片段复合物时，这类未成熟t 细胞就会发生凋亡，即对自 身组织有反应的未成熟t 细胞发生凋亡( 凋亡是指由基因负责调节控制的细胞主动 死亡或者自杀的过程) 。那些对自身组织没有反应的t 细胞将被保留下来，发展为成 熟t 细胞并进行增殖未成熟t 细胞在胸腺内的这种选择称为负向选择过程。 经过负向选择的成熟t 细胞在体内进行循环，它能检测出任何非自体的物质， 执行免疫功能，保护机体免受抗原的侵袭。免疫系统能够通过对自体的学习，对非 自体产生记忆，用有限数量的抗体检测器准确识别、消灭致病因子，体现了免疫系 统独特的智能机理，为故障诊断领域提供了解决问题的新思路。 3 2 负向选择算法介绍 3 2 1 经典负向选择算法 受生物免疫识别的启发，f o r r e s t 提出用于异常检测的负向选择算法。算法如下： ( 1 ) 定义需要保护或检测对象为“自体 集s ，即定义正常模式空间。 ( 2 ) 随机产生抗体集d ，d 中每个抗体空间向量饿都不能与s 中正常模式向量匹 配。 ( 3 ) 用训练好的抗体集d 和与机组工作状态空间x 相比较，如果任意抗体饿与 工发生匹配，则认为s 发生变化、出现异常。 9 华北电力大学硕士学位论文 在经典负向选择算法中首先准确定义“自体一即被保护或检测对象，并将其划 分为有限符号表上的定长字符串，构成“自体一的字符串集合记为s 。然后是有效 抗体集的形成：设置一个随机字符串发生器，它产生的每一个定长字符串与s 中的 全部元素逐一进行比较，那些不发生匹配的字符串成为d 中的元素，而发生匹配的 字符串被清除。由此过程产生的抗体集d 与s 互补，这模拟了t 细胞在胸腺的检查 过程。抗体集产生后，就可用来检测被保护对象是否异常，将待检串与检测器集合 元素逐个进行比较，如果出现匹配，则证明“自体一集合发生变化。整个过程模拟 了生物免疫系统的免疫识别。 3 2 2 经典负向选择算法的局限性 上世纪9 0 年代f o r r e s t 经典负向选择算法的提出是为了解决计算机安全和病毒 检测问题，已经在计算机病毒检测和网络入侵检测中获得成功应用。经过近几年的 发展负向选择算法在其他工程领域的应用也得到一定得成功，例如：钻井工具损坏 的异常检测、图谱识别和异步电动机的故障诊断等【3 3 ，3 射本论文将研究负向选择算 法在汽轮机组振动故障诊断中的应用，经典负向选择算法的优点是能用有限数量的 抗体检测器检测无限种类的异常状态。但是在实际应用中存在很多局限性： ( 1 ) 经典负向选择算法的检测器、正常模式空间的编码和连续f 位匹配规则缺乏 实际物理意义，知识表达能力差。在实际设备检测中，位的匹配不能较好的反映出 幅值变化、模式变化； ( 2 ) 经典负向选择算法能检测正常数据以外的任何微小异常，无法设定阀值，抗 噪声能力差。 虽然经典负向选择算法难以直接应用于设备的故障检测，但其独特的处理问题 方法是可以借鉴的。为了发展新的适于汽轮机组振动故障检测的负向选择算法，可 以借鉴一下思想： ( 1 ) 抗体检测器只与非自体空间匹配，而与自己空间不匹配： ( 2 ) 抗体检测器集的生成只需要正常数据，不考虑故障数据； ( 3 ) 用较少量的抗体检测多种故障，易实现故障检测的在线性。 本论文借鉴经典负向选择算法的优点，克服算法的局限性，提出针对汽轮机组 振动故障检测的负向选择算法。 3 3 汽轮机组振动故障诊断的负向选择算法 算法通过随机产生信号检测器( 抗体) ，删除能与机组正常工作状态信号( 自体) 匹配的抗体，保留能检测出任何异常状态的抗体集。将训练好的抗体集与任何未知 1 0 华北电力大学硕士学位论文 状态信号( 未知抗原) 作用，如有抗体被激活说明机组出现异常。 汽轮机组的状态空间【，包含正常工作状态空间s 和故障状态空间n s 。s 为机组 正常状态下经过归一化处理的时间序列，也可以是反映机组状态的特征参数( 如频率 特征) 的集合五，邑，以；五= “，吃，) 【o o , 1 o f 为以维正常状态向量，是能反 映机组正常运行的最小单位。针对同一组振动数据，根据选取不同的特征参数负向 选择算法可以有多种诊断途径，得到不同的诊断、识别效果，论文将在第四章详细 介绍选取汽轮机组的不同特征参数以及应用于负向选择算法的诊断识别结果，并进 行比较得出最优的振动诊断方法。抗体集即故障检测器集d 是n s 的子集，d 嬲， 抗体集的产生是需要学习的过程。 3 3 1 抗体空间与状态空间的映射关系 如图3 1 所示，定义系统的状态空间为u ，为整个问题的论域，u 是一个汽轮 机组振动特征参数构成的n 维向量空间。针对同一组振动数据，根据选取不同的特 征参数负向选择算法可以有多种诊断途径，得到不同的诊断、识别效果。玑为检测 器空间，虽然在很多情况下简化为u - 玑，但是为了描述清楚还是分别描绘。u 被划 为正常状态空间( 又称为搿自体一) s 和故障状态空间( 又称为“非自体一) 鹏。自体 集合s 表示机组状态正常没有出现故障，非自体集合n s 表示机组处于故障状态下。 在抗体产生的过程中，首先产生与自体集s 不匹配的抗体集c ，与自体集匹配的抗 体检测器集c 将被取消，抗体集c 能检测到的非自体n s ，在实际的故障诊断中， 为了实现在线监测，一般选取的抗体数目少于c ，如果从c 中选取抗体集d 用于系 统的在线监测，它能识别的非自体空间为p 。这样就可能存在一个故障子空间 f n s t - p 不能被检测到。另外，对于有些非自体的故障状态，即使使用完整的有 效抗体集也无法检测到它们，它们是不可被有效抗体所覆盖的部分h n s n s ，h 被称为“空洞 i z g 。 图3 1 抗体空间与状态空间的映射关系图 1 l 量和故障状态 ( 3 1 ) e 反映的是两 候选抗体检测 华北电力大学硕士学位论文 器集合，其中有虬。个未成熟抗体噍， m i n e ( a t ，x ，) e i r + ( 巳为自体结合度的阀 值) ，则4 e d ，将该抗体放入成熟抗体集，否则西s ，不符合要求，删除该抗体。 完成检查之后将得到矗个有效抗体检测器，全部有效抗体都落在正常状态空间之 外。 引入亲和力计算公式： 缈- k q h 捌- e )( 3 - 2 ) 式中：为抗体与抗原结合度的阀值；k e r + 为对象系数，故障诊断时根据选取 不同的特征参数，取不同的七使甜落在恰当的区间；为抗体与抗原的亲和力。 当e ，缈 0 ，则x ，e n s ，否则x ，e s 机组状态正常。 3 3 3 候选抗体数目的确定 负向选择算法的抗体集的生成时一个比较耗时的过程，这与候选抗体检测器的 大小肿有很大关系。太大的虬。会使计算时间增长，影响算法速度；而太小的矗 会使有效抗体数目较少，不能充分覆盖故障空间，影响算法检测精度。因此，从概 率统计的角度对做出正确估计很重要。为了叙述方便，首先引入一下符号： 虬。一候选抗体检测器数目； 一有效抗体检测器数目； 虬一正常状态向量数日； 毛一任意两个空间维数相同的向量结合度e ， 式中，d 为已存在的成熟抗体。 ( 2 ) 首先定义任意两个抗体的匹配函数如下： 儿似一e 矿 n 筹 ( 3 - 1 5 ) ( 3 1 6 ) ( 3 1 7 ) ( 3 - 1 8 ) 通过计算( 3 1 5 ) 、( 3 1 8 ) 可以进行均布调节。产生能够覆盖非自体空间的成熟抗 体集d ，可以采用上面两种方法对抗体集进行调整，是其分布更合理，提高诊断精 度。 3 4 2 疫苗的引入 用某种已知故障样本x 作为“疫苗 作用已学习好的抗体集d ，计算与d t 的 亲和力 吨l ，并按照由大到小的顺序重新排列的到皿；再用第二种已知故障样本 k 为。疫苗一，用上述方法作用抗体集得到d 2 ；从皿、d 2 中删除能同时被两种故 障样本激活的抗体。在d 1 取前肌个抗体，在见取前露个抗体组合成新的抗体集d - 。 d 中抗体数目为m + n 个，前m 个对类故障较敏感，后厅个对k 类故障较敏感。 这样通过被激活的抗体编号和亲和力就能对这两类故障进行识别。 3 4 3 抗体的变异 ( 1 ) 抗体结合度阀值的改变。在检测过程中所有的抗体集结合度阀值都为， 所以抗体对异常状态空间的检测不尽合理。每个成熟抗体都应该有自己的结合度阀 值，而理想的阀值应为仫2 m i n e ( d ，x ) 一乞 胁删，如图3 - 4 ，而每一个成熟的抗体 1 6 华北电力大学硕士学位论文 检测器的检测阀值都不相同这样就提高了检测效率，降低了漏检、错检的概率。 ( 2 ) 抗体检测器的自调整。若有信号x j 使得曲e 似，屯) ，说明机组出现异常， 报告一个故障发生，并且被激活的检测器中心位置向靠近因此抗体检测器不仅 可检测到故障，还能使抗体更好的调整到这种故障，如图3 - 4 。 图3 - 4 变异原理示意图 3 4 4 建立抗体检测器的动态平衡 通过计算亲和力可以确定识别故障样本较差的抗体，将这些亲和力差的抗体 删除，并且补充新成熟的抗体单位，使抗体处在优胜劣汰的平衡之中。删除数目根 据亲和力概率来确定。概率高删除的抗体就少，否则就高。亲和力概率计算公式【柏l ： p 挫 式中：s 驴( q ) 。$ 乏：；以为抗体数目。 确定要删除的抗体数目的公式： 曰一a o - p ) n ( 3 - 1 9 ) ( 3 2 0 ) 式中：口为删除系数。这样经过少量的训练能培养出对各个故障高度敏感的抗体集， 1 7 华北电力大学硕士学位论文 使机组故障诊断能准确高效的进行。 3 5 汽轮机组振动故障诊断的负向选择算法流程 根据改进的负向选择算法，针对汽轮发电机组振动故障总结出下面具体的故障 识别、诊断步骤，如图3 5 ： 图3 - 5 产生抗体集流程 1 8 华北电力大学硕士学位论文 在线监测开始 对机组未知信号提 取特征向量 计算亲和力 ：i 夕乜 机组出现故障 计算亲和力概率p ， 删除不敏感抗体 图3 - 6 算法在线故障诊断 ( 1 ) 确定机组状态特征参数，并从实时监测数据中提取正常状态特征向量； ( 2 ) 求自体集s 即机组正常模式空间； ( 3 ) 求匕，计算需要的候选抗体集数目以o ； ( 4 ) 随机产生r o 个抗体吐组成候选抗体集； ( 5 ) 判断候选抗体吐是否落在正常模式空间，否，执行( 6 ) ；是，删除或； ( 6 ) 用公式( 3 1 4 ) 和( 3 - 1 7 ) 对抗体进行均布，直到完成置。个候选抗体的检查，得 到d ： ( 7 ) 用故障样本k 、k 、匕为疫苗，对抗体集作用。删除能同时被两种或两种以 上疫苗激活的抗体，并且重新排序，得到抗体集d ； ( 8 ) 检测机组未知状态信号，提取特征向量； ( 9 ) 计算亲和力，若亲和力t o 0 ，机组出现异常，根据被激活的抗体编号和缈就 可以判断出现何种故障；若t o c 0 ，机组工作正常； ( 1 0 ) 每检测出m 个故障状态，计算一次亲和力概率p ，删除对故障不敏感的抗 体，并补充新抗体保持抗体平衡。 1 9 华北电力大学硕士学位论文 负向选择算法对汽轮机组振动故障诊断步骤包括两部分：( 1 ) 抗体集的训练生 成，即机器学习部分，如图3 5 ；( 2 ) 状态识别，即故障诊断和识别部分，如图3 - 6 。 经过实验证明该算法对汽轮机组振动故障诊断耗时最多的部分是抗体的训练，状态 识别部分计算速度快、用时短。在抗体经过充分训练之后，算法可用于在线监测故 障上，具有反应快，诊断准确等特点。 3 6 有效性检验 为了对本章所提出的故障诊断方法的有效性进行检验，论文提出两种检验方 法。首先用计算机仿真振动周期信号和出现异常的信号，用负向选择算法对该信号 进行学习、检测，检验算法对异常信号识别的有效性；再应用标准样本i r i s 数据， 检验负向选择算法对数据分类识别的准确性。 3 6 1 仿真结果分析 按照上述方法对简单的周期性信号进行计算分析。 图3 - 7 周期信号 图3 7 为周期信号，前3 8 0 个数据点为正弦信号，y s i n ( 0 i x ) ，在3 8 1 6 0 0 采样点间y r a n d s i n ( 0 i x ) ，式中y 为幅值，x 为数据采