免疫神经网络算法在机械设备橡塑绝缘件老化预测中的应用

2016-12-03闫娟潘保林

橡塑技术与装备 2016年22期

关键词：橡塑老化绝缘

闫娟，潘保林

(1.西门子变压器（武汉）有限公司，湖北武汉 430415；2.核动力运行研究所，湖北武汉 430223)

免疫神经网络算法在机械设备橡塑绝缘件老化预测中的应用

Application of neural network algorithm in the prediction of insulation aging in rubber machinery and equipment

闫娟1，潘保林2

(1.西门子变压器（武汉）有限公司，湖北武汉 430415；2.核动力运行研究所，湖北武汉 430223)

机械设备中往往配备了大量的橡塑绝缘件，橡塑绝缘件和寿命关系到安全生产和经济效益。机械设备绝缘老化是影响寿命的主要因素，本文在介绍现有机械设备寿命诊断方法的基础上，利用现有的智能算法和计算法技术，提出了基于免疫优化的神经网络训练算法，对机械设备的绝缘老化数据进行综合分析、充分挖掘，对机械设备的绝缘老化给出定量的分析，用以预测机械设备的寿命。

免疫优化神经网络；机械设备；绝缘老化

1 机械设备的绝缘老化

机械设备橡塑绝缘件的老化主要有两种形式，分别为热氧老化和电气老化两种。机械设备绝缘件的热氧老化是指机械设备绝缘件油在光、热、电磁场及各种金属的作用下发生的老化。其原理是将氧分子视为不饱和的化合物，它不需经过解离成原子而直接用整个分子去同被氧化的物质（烃分子）相结合生成过氧化物，这种氧化物本身极不稳定且具有更强的氧化能力，能进一步氧化其他难以氧化的物质。

进行机械设备绝缘老化预测、寿命评估的研究是为了机械设备的安全运行和提高其经济效益。所以有必要定期地判断绝缘纸的老化程度，从而掌握机械设备的寿命，以便在适当的时候进行更换，保证生产的安全进行，以便达到最佳的经济效益。

目前大多数机械设备的绝缘老化诊断系统或者评估方法是用于检测由于介质、热或机械冲击而引起的绝缘系统老化程度。由于机械设备绝缘在热老化过程中，将产生大量混合的气体、以及油脂、糠醛等。因此在绝缘老化分析中依靠单一的方法是不够的。通常来说，仅凭单一的诊断方法无法检测出其中存在的缺陷。

2 免疫优化和神经网络算法

在工程领域，免疫概念及其理论已经广泛应用于遗传算法，在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象，这种算法称为免疫算法。有些学者通过对算法基本模型的改进，使免疫优化算法可以摆脱局部极值。神经网络是模拟生物神经元和神经网络的特点，通过简化、归纳提炼总结出的一类并行处理网络。利用非线性映射的思想和并行处理的方法，用神经网络本身的结构来表达输入和输出的关联知识。

本文提出了基于免疫优化的神经网络训练算法，用以预测机械设备绝缘老化问题，一般的训练算法仅训练全连接网络结构下的连接权值。但是神经网络存在的冗余连接会降低神经元的信息处理效率，大量的冗余连接甚至会影响模式分类的正确率。免疫优化在训练神经网络权重的同时训练其连接结构，删除冗余

连接，使神经网络获得与给定问题匹配的信息处理能力。实验结果显示，免疫优化是有效的神经网络训练算法，可用于解决实际的模式分类问题。

3 机械设备的绝缘老化分析和寿命预测模型

3.1 寿命预测模型

机械设备的寿命预测模型主要依靠机械设备的绝缘老化数据，其过程就是根据已知机械设备的属性和已知的历史数据，通过一定的算法去发现其中隐藏的规律，从而发现决定机械设备橡塑绝缘件寿命的一些主要的属性。其过程是： ①选取并处理机械设备橡塑绝缘件的属性和一些历史数据，关键是如何组织数据、统一格式和规范化处理； ②制定输入属性和输出属性，建立模型，通过模型测试，对训练好的模型进行性能衡量和评分； ③利用建立好的模型，将产品所有属性组合进行排列组合并依次作为模型输入，并选取机械设备橡塑绝缘件寿命数据，记录其属性，以此进行未知寿命的预测。整个过程中最重要的是模型建立的过程。

此模型的神经网络采用免疫优化训练，主要包含3个方面：连接权重、网络拓扑结构及传递函数、学习算法。每个基因包含神经网络的所有参数，并通过迭代来优化这些参数，从而达到训练的目的。与传统的误差反向传播算法相比，使用免疫优化训练神经网络的优点在于不使用梯度信息，而使用一些不可微的传递函数，多数情况下其训练结果优于BP 算法，而且训练速度非常快。

用免疫算来来训练神经网络，机械设备橡塑绝缘件寿命预测的模型中，9个输入矢量分别对应已有的数据：H2、CO、CO2、CH4、C2H6、C2H4、C2H2、糠醛含量、聚合度DP测量数据。神经网络结构使用单隐层结构，共设80个隐层节点，输出特征矢量为3个，其中X1代表机械设备橡塑绝缘件绝缘老化的指标，输出值范围为“0～1”之间。当值趋“0”表示机械设备橡塑绝缘件绝缘状况良好；趋“"0.5”则表示机械设备橡塑绝缘件绝缘老化处寿命中期；趋“1”则表示机械设备橡塑绝缘件绝缘严重老化，寿命趋向终止。X2代表可靠性指标，输出值范围为“0～1”之间。

3.2 基于免疫优化神经网络算法训练

在上述定义的基础上建立仅优化神经网络连接结构的免疫优化算法模型，其中，免疫优化算法机理，基本定义及算法实现可参考其他文献。

神经网络的连接结构的迭代步骤如下：

Setp1.随机生成连接变量。

Setp2. 计算拉两个连接变量的亲和力。

Setp3..计算连接变量和最优连接变量之间的亲和力。

Setp4.计算每个连接变量的浓度。

Setp5.通过遗传变异算子来产生新的最好解。替换掉前一个步骤被删除的最好解。

Setp6.计算最好解的再生的期望值，控制了最好解的浓度和多样性。与最好解有高亲和力的抗体被选择来再生，而高浓度的抗体被抑制。

Setp7. 算法停止迭代时，全局极值对应的神经网络权值与连接结构，即为训练问题的最优解。

4 实验和结果分析

根据现有机械设备橡塑绝缘件的寿命管理数据，采用免疫优化对神经网络进行训练，将某电站机械设备橡塑绝缘件绝缘部分历史数据中的H2、CO、CO2、CH4、C2H6、C2H4、C2H2、糠醛含量、聚合度DP的测量数据进行提取，选取其中的100条数据作为最终的训练样本。

利用上述免疫优化训练神经网络模型,设置免疫优化初始基因是长度为729的数字编码，代表连接变量，初始随即产生100个免疫基因编码，设置免疫浓度的抑制θ为0.8，神经网络的连接阈值θin=θho= 0.5 , 由经验公式确定隐含层节经过100步迭代后停止，误差为0.4，其节点数n= 9 ,以最大迭代次数Itermax为算法停止条件。本模型令训练迭代次数Itermax= 100，根据训练出的神经网络得出了预测模型，同时收集4台机械设备橡塑绝缘件的在线测试数据进行寿命预测。通过免疫优化训练神经网络，得到的机械设备橡塑绝缘件绝缘老化的指标、可靠性指标，数据的可信度如表1所示。