基于MPSO-SVM的扇形区域故障诊断研究

李默臣，姚 波，王福忠

基于MPSO-SVM的扇形区域故障诊断研究

李默臣1，*姚 波1，王福忠2

（1. 沈阳师范大学数学与系统科学学院，辽宁，沈阳 110034； 2. 沈阳工程学院基础部，辽宁，沈阳 110036）

针对一类线性定常系统，基于扇形区域，研究了执行器单一部件故障诊断与可靠控制的问题。首先，对于文中极点信息难于获取的问题，给出全维状态观测器的设计方案，实现对极点信息的实时观测。同时为解决支持向量机在故障诊断中选取参数易受主观先验知识影响的缺陷，提出用MPSO-SVM（Modify Particle swarm optimization algorithm optimize the SVM）建立优化模型，设计惯性权重自适应调整公式进行算法优化，既能获取核参数及惩罚因子最优参量，又能克服PSO-SVM算法的传统不足。该方法与SVM（Support Vector Machine，SVM）、Grid search-SVM、PSO-SVM相比，诊断准确率明显得到改善，从而验证MPSO-SVM模型对执行器故障诊断是可靠的。

支持向量机；故障诊断；粒子群优化算法；执行器故障；Grid search-SVM; 极点观测器

0 引言

支持向量机作为一种日趋成熟的智能学习算法被广泛应用于故障诊断、煤矿爆破等领域。但因存在核函数及惩罚系数难于选取等问题，逐渐成为优化的焦点。因此如何提升其使用价值，设计性能较好、能耗较低的可靠控制器意义重大。早期可靠控制主要用于被动容错[1-6]，该方法主要将系统可能发生的故障考虑在设计当中，一定程度上满足系统的可靠性需求，但与主动容错相比存在保守性能降低、能耗提升等缺点，因此主动容错应运而生。文献[7]将主动容错技术应用于人脸识别技术中，同时为解决SVM存在过学习、欠学习等缺陷，首次提出应用不同核函数对人脸识别效果进行对比，通过采集人脸特征向量训练得到多个支持向量机，从而达到很好的识别效果。文献[8]针对SVM分类效果不佳等问题，给出利用灰度共生矩阵进行综合特征提取的SVM图像分类方法，得到明显的分类效果。文献[9]针对SVM相关参数难以选取的问题，提出应用网格搜寻法确定核函数及惩罚系数最优组合值，完成对故障通道极点的训练与分类，有效提高SVM的泛化能力。文献[10]为解决传统SVM选取参数只能依靠先验知识的缺点，通过采集JZQ250齿轮箱时域及频域特征量作为模型数据库，同时利用遗传算法、神经网络、粒子群算法进行模型优化，进而得出PSO算法对齿轮箱故障识别效果明显。文献[11]针对发动机的故障分类问题，采用BP（Back Propagation）、PSO-BP等多种算法与PSO-SVM作对比，通过测试4中特征气体数据，得出PSO-SVM模型对发动机故障识别具有较强的有效性。文献[12]针对传统单一模式煤矿爆破效果不佳的问题，以现场调研的42组典型爆破数据为样本，证明了PSO-SVM模型对工程爆破的可行性。文献[13]针对最小二乘向量机（least squares support veotor maohine,LSSVM）存在的极点分类缺陷，从种群优化角度出发，将LSSVM应用于圆形区域极点配置当中，采用改进的布谷鸟算法优化LSSVM参数并对极点进行分类处理，从而实现执行器的故障诊断与可靠控制。对于利用PSO算法进行参数寻优,国内学者还做了进一步研究[14]。但因PSO-SVM算法实现过程中易受惯性权值影响等问题，逐渐成为改进的焦点。本文基于PSO改进的思想，研究在扇形区域内，执行器发生连续增益故障，可靠控制器的设计问题。通过应用极点观测器实时采集扇形区域极点数据并结合PSO算法及SVM算法的特点，从而实现对极点的有效分类，针对惯性权重取值需要依靠先验知识的缺陷，提出一种自适应调整公式，并与Grid search-SVM、PSO-SVM算法对比，从而验证了该方法在执行器故障诊断中的有效性。

1 MPSO-SVM理论

1.1 SVM理论

1.2 PSO理论核心

1.3 PSO优化算法的改进

1.4 MPSO-SVM算法流程

采用MPSO-SVM算法,基于matlab环境下运行并形成最优参数、组合模型。首先采集2不同通道的极点数据，对数据分成2类后并进行标准化处理，带入最优模型完成预测。具体步骤如下：

Step1:采集单通道执行器故障极点，标准化处理后形成极点数据集，并存入模型待用；

Step4:若粒子的速度及位置需要更新，则根据公式（1）、（2）变化相应数值；

图1 MPSO-SVM运行流程图

1.5 极点观测器的设计

针对多数情况下极点数据无法直接采集的缺陷，提出根据系统状态估计闭环系统极点的方法，即极点观测器。

根据（3）、（4）可得

根据（4）、（5）可得

2 MPSO-SVM在极点配置中的应用

2.1 问题描述

对于给定的线性定常系统如下

其中，为维状态，为维输入，为维输出，，，为给定的相应维数常矩阵。

对于（7）引入静态输出反馈控制器

由此即有

2.2 相关引理、定理

2）类似于1）的证明可得。

证明：由引理1可得：

证明：由引理1可得:

3 仿真研究

对于如下系统

此时极点均稳定所要求的在扇形区域内。

图2 第一条通道故障极点分布

图3 第二条通道故障极点分布

Step1:不同model(模型)可视化分析

图6 PSO-SVM适应度曲线

图7 MPSO-SVM适应度曲线

表1 不同模型数值表

Table 1 Numerical table of different models

算法名称消耗时间Best cBest g预测准确率/% MPSO-SVM10.8216.3063.325692.1348 PSO-SVM15.431000.0176.4045 Grid search-SVM18.760.2525688.4956

通过对比不同优化算法，能够合理避免依靠传统经验设置参数导致分类准确率差，参量匹配不佳等问题。从表1可得MPSO-SVM算法速度快、预测精度高。

Step2:极点观测器有效性验证

Step3:应用MPSO-SVM算法配置极点

应用改进粒子群算法对极点进行分类处理，根据极点分布情况不同，调换相应的单通道控制器，实现极点可靠配置，并完成故障诊断。图8、图9可得极点均稳定在所要求的扇形区域内，控制效果显著。

图8 针对第一条通道故障极点配置图

图9 针对第二条通道故障极点配置图

4 结论

本文给出了极点观测器的算法设计，实现对极点信息的实时观测。并从扇形区域极点配置出发结合PSO-SVM算法的特点，通过更改惯性权值曲线公式，更好地权衡局部与全局的收搜能力，打破PSO算法的局限，使其应用更具有普遍性。针对SVM选取最佳参量困难的问题，采用MPSO算法优化SVM参数，有效解决SVM参数选取的问题。设计的可靠控制器鲁棒性能明显，当闭环系统发生故障，但极点仍在扇形区域时，不调换相应的控制器，一旦极点跳出所要求区域，系统立即做出指令，调换相应通道的可靠控制器，这种方法能耗低、保守性能好。通过仿真实验表明该方法对于单通道执行器故障类别辨识准确，有效率高。

[1] 徐艺超,王福忠. 扇形区域极点配置静态输出反馈可靠控制[J]. 平顶山学报,2016, 31(2):5-9.

[2] 姚波,王福忠. 部分扇形区域极点配置的可靠控制[J]. 计算技术与自动化,2004,23(4):4-6, 10.

[3] 姚波,谷美萱,王福忠,等. 基于扇形区域极点配置的静态输出反馈H∞控制[J].沈阳师范大学学报:自然科学版,2019,37(3):198-202.

[4] 叶倩玉,姚波,王福忠. 抵御传感器故障的静态输出反馈可靠控制[J].井冈山大学学报:自然科学版,2019, 40(6): 1-5.

[5] 张瑶,姚波,王福忠. 抵御执行器故障扰动的二次性能指标可靠控制[J].井冈山大学学报:自然科学版,2018,39(4): 1-5.

[6] 徐艺超,姚波,王福忠. 梯形区域极点配置静态输出反馈可靠控制[J].井冈山大学学报:自然科学版,2016,37(5): 11-17.

[7] 凌旭峰,杨杰,叶晨洲. 基于支持向量机的人脸识别技术[J].红外与激光工程,2001,30(5):318-327.

[8] 周松华,肖靓,郭鸣. 基于SVM的图像分类研究[J].井冈山大学学报:自然科学版, 2009.30(3):43-45.

[9] 房志铭. 基于SVM极点分类的故障诊断与可靠控制[J].沈阳师范大学学报:自然科学版,2018, 48(12):157-168.

[10] 赵卫伟,潘宏侠. 基于PSO参数优化的支持向量机齿轮箱故障诊断研究[J]. 机床与液压,2014,42(7):152-154.

[11] 冯辉宗,彭丹,袁荣棣. 基于PSO-SVM的发动机故障诊断研究[J]. 计算机测量与控制,2014, 22(2):355-360.

[12] 岳中文,范皓宇,马鑫民. 基于PSO-SVM的煤矿巷道爆破效果预测关键技术研究[J]. 2019, 36(3):31-36, 55.

[13] Liang Siyue, Wang Fuzhong. Fault diagnosis based on pole learning and MCS-LSSVM [C]. Chinese Control and Decision Conference, 2018, 2(2): 1130-1135.

[14] 卢向华,李雅萍. 基于改进粒子群优化SVM的通风机故障诊断[J]. 2015, 36(2):278-281.

[15] 俞立. 鲁棒控制[M]. 北京:清华大学出版社,2002.

RESEARCH ON FAUIT DIAGNOSIS OF SECTOR REGION BASED ON MPSO-SVM

LI Mo-chen1，*YAO Bo1，WANG Fu-zhong2

(1. College of Mathematics and System Science, Shenyang Normal University, Shenyang, Liaoning 110034, China; 2. Shenyang Institute of Engineering, Shenyang, Liaoning 110036, China)

Be aimed at a class of linear time-invariant systems, in terms of the sector region, the problem of reliable control of actuator single fault based on particle swarm optimization algorithm was studied. Firstly, for the problem that pole information was difficult to obtain, the design scheme of the full-dimensional state observer was given to realize the real-time observation of the pole information. At the same time, in order to solve the defect that the selection of parameters in the fault diagnosis of support vector machine was easily affected by subjective prior knowledge, an optimization model was established by using MPSO-SVM, and the self-adaptive adjustment formula of inertia weight was designed to optimize the algorithm, which not only could obtain the optimal parameters of kernel parameters and penalty factors, but also could overcome the traditional shortcomings of PSO-SVM algorithm. Compared with SVM, Grid search SVM and PSO-SVM, the accuracy of the proposed method was significantly improved, which verified that the model was reliable for actuator fault diagnosis.

support vector machine; fault diagnosis; particle swarm optimization algorithm; actuator fault; Grid search SVM; pole observer

TP181

A

10.3969/j.issn.1674-8085.2021.02.002

1674-8085(2021)02-0007-07

2020-11-03；

2020-12-14

辽宁省教育厅项目(LFW201712)

李默臣(1993-)，男，辽宁锦州人，硕士生，主要从事故障诊断与可靠控制方面的研究(E-mail:1213297067@qq.com);

*姚 波(1963-)，女，辽宁沈阳人，教授，硕士生导师，主要从事故障诊断与可靠控制等方面的研究(E-mail:boyao163@163.com);

王福忠(1963-)，男，辽宁沈阳人，教授，硕士生导师，主要从事故障诊断与可靠控制等方面的研究(E-mail：Fuzhong163@163.com).