一種改進的灰熵關聯(lián)故障診斷方法*

蘇艷琴,張光軼,徐廷學

(1.海軍航空工程學院研究生管理大隊,山東煙臺264001;2.海軍航空工程學院科研部,山東煙臺264001; 3.海軍航空工程學院兵器科學與工程系,山東煙臺264001)

一種改進的灰熵關聯(lián)故障診斷方法*

蘇艷琴1,**,張光軼2,徐廷學3

(1.海軍航空工程學院研究生管理大隊,山東煙臺264001;2.海軍航空工程學院科研部,山東煙臺264001; 3.海軍航空工程學院兵器科學與工程系,山東煙臺264001)

經(jīng)典的灰熵關聯(lián)法進行故障診斷時需要預先根據(jù)經(jīng)驗或統(tǒng)計方法設定一個參考的標準序列,缺乏客觀性,準確度不高,為此,引入一種改進的模糊C-均值聚類方法計算得到參考標準序列,然后應用灰熵關聯(lián)方法進行故障診斷,最后在某型裝備故障診斷中應用并驗證了該方法的有效性。

機載電臺;故障診斷;灰熵關聯(lián);模糊C-均值聚類

1 引 言

在裝備的故障診斷中,由于測試設備的局限性,獲取的故障信息往往包含部分已知、部分未知的灰色信息,灰色理論是一種處理這類信息的有效方法。其中,灰關聯(lián)分析法是通過對待檢模式(比較序列)與已有故障模式(參考序列)進行關聯(lián)度計算判斷故障模式識別的方法[1]?；谊P聯(lián)熵分析在此基礎上,將這類關聯(lián)程度用“熵”的方法表征,能夠充分利用個性信息,實現(xiàn)整體性接近,更為科學、合理[2]。

但是,在應用灰熵關聯(lián)法進行故障診斷時,需要預先設定一個參考的標準序列,通常由經(jīng)驗或統(tǒng)計方法給定,缺乏客觀性,準確度不高[3]。為此,本文引入模糊C-均值聚類法,將事先測試獲得故障數(shù)據(jù)通過模糊C-均值聚類得到的C個最優(yōu)聚類中心作為灰熵關聯(lián)法中的C個灰類,構(gòu)成應用灰熵關聯(lián)法進行故障診斷時的標準參考序列。本文將灰熵關聯(lián)與模糊C-均值聚類進行必要融合進行故障診斷,并通過實例驗證該方法的有效性和優(yōu)越性。

2 經(jīng)典的灰熵關聯(lián)法及其不足

信息不完全的序列為灰內(nèi)涵序列[4],設灰內(nèi)涵

序列X,xi(k)∈X,i=1,2,…,m,k=1,2,…n。比較序列xi與參考序列x0在k點的灰關聯(lián)系數(shù)γ(k)和灰關聯(lián)度γi分別為

其中,ρ為分辨系數(shù),一般取ρ=0.5。

序列X=(x1,x2,…,xn)的灰熵定義為[4]

其中,Hmax=lnn。

由此,可得灰關聯(lián)熵為

為比較序列xi與參考序列x0在k點的關聯(lián)密度值。映射值pi(k)滿足:

灰熵關聯(lián)度定義為

根據(jù)熵增定理,灰熵關聯(lián)度Ei越大,比較序列與參考序列x0之間的關聯(lián)度越大。

經(jīng)典的灰熵關聯(lián)法故障診斷的步驟如圖1所示[5]。

圖1 灰熵關聯(lián)法故障診斷步驟Fig.1 The fault diagnosis steps of grey entropy relation algorithm

在應用灰熵關聯(lián)法進行故障診斷時,需要預先設定一個參考的標準序列,通常由經(jīng)驗或統(tǒng)計方法給定,缺乏客觀性,準確度不高。

3 一種改進的融合灰熵關聯(lián)和模糊C-均值聚類的故障診斷方法

圖1中獲取標準參考序列時采用統(tǒng)計方法等,本文的改進思路主要是引入模糊C-均值聚類,計算獲得的C個聚類中心,作為參考標準序列。模糊C-均值聚類是一種基于目標函數(shù)的聚類方法,認為每個數(shù)據(jù)點都以一定隸屬度屬于各個不同的類別,這種模糊化的處理能夠反映數(shù)據(jù)的實際分布,是一種較客觀和有效的確定參考標準序列的方法。另外,極差規(guī)格化的模糊C-均值聚類方法能夠進行無量綱處理[6],且較簡便,因此,代入灰熵的灰色關聯(lián)法中進行改進是一種適合的方法。具體可以概括為收集故障數(shù)據(jù)、極差規(guī)格化進行無量綱化處理、模糊C-均值聚類確定參考標準序列和故障診斷4個步驟。

Step 1:收集故障數(shù)據(jù)

根據(jù)評價目的確定評價指標體系,收集評價數(shù)據(jù),建立數(shù)據(jù)矩陣

Step 2:極差規(guī)格化進行無量綱化處理

在無量綱化處理時應用極差規(guī)格化方法,即將比較序列代入規(guī)格化公式,得

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

Step 3:模糊C-均值聚類確定參考標準序列

通過模糊C-均值聚類法確定C個聚類中心,作為參考標準序列,每一個聚類中心記作

具體來看,步驟可以概括如下:

(1)把樣本集分為D=({d1,d2,…,dc}),2≤c≤n類,可得到C個聚類中心向量,這C個向量構(gòu)造成的矩陣

初始化,給定需要聚類的類別數(shù)目C,2≤C≤n, n是樣本的個數(shù),也就是類別不能超過樣本的個數(shù),同時還不能為1,確定模糊因子m(1≤m≤∞),同時還要設定停止迭代的閾值ε和允許的最大迭代次數(shù)N以及出示的分類矩陣W;

(3)計算模糊分類矩陣,并不斷迭代更新

(4)計算聚類中心,并不斷迭代更新

(5)當目標函數(shù)

達到閾值ε或允許的最大迭代次數(shù)N時,停止迭代,反之則轉(zhuǎn)到第二步繼續(xù)迭代,最終可以得到C個聚類中心和隸屬度劃分矩陣W。

Step 4:故障診斷

分別計算相對于C個聚類中心新的灰關聯(lián)熵:

其中:

4 應用實例

本文以某型機載電臺設備為診斷對象,故障診斷定位到芯片級。表1給出典型故障現(xiàn)象“電臺不受控制”的故障數(shù)據(jù),其中涉及到的故障模塊有前面板模塊和主控微機模塊,分別用“D:D1～D2”表示;涉及到的故障征兆包括+5 V電壓、UUT收信端電壓、UUT發(fā)信端電壓、1553B總線,分別用“C1～ C4”表示。

表1 故障數(shù)據(jù)Table 1 Fault data

首先,對前10組故障數(shù)據(jù)采用極差規(guī)格化進行無量綱化處理得到表2。

其次,由于涉及到的故障模塊有兩類,因此設定聚類數(shù)目C=2較為適宜,再應用模糊C-均值聚類得到參考標準序列如表3所示。

表3 參考的標準序列(模糊聚類中心)Table 3 The reference standard sequence (the fuzzy clustering center)

再次,分別對第11和12組故障數(shù)據(jù)應用模糊C-均值獲得的聚類中心計算其灰熵關聯(lián)度,如表4所示。

表4 灰熵關聯(lián)度Table 4 The relation degree of grey entropy

根據(jù)第11和12組故障數(shù)據(jù)得到的灰熵關聯(lián)度判斷其故障模式,得到分別對應故障模式D1和D2,經(jīng)驗證與測試結(jié)果一致,因此本方法診斷有效,為下一步開展該方法的故障診斷應用奠定了基礎。并且,由于采用模糊C均值方法獲取參考標準序列,完全立足數(shù)據(jù)本身,無需任何主觀因素,準確度較高,而且對故障征兆模糊,即判斷故障邊界不明顯的情況具有一定診斷優(yōu)勢。

5 結(jié)束語

本文通過對經(jīng)典灰熵關聯(lián)法不足之處的分析,

給出了一種基于模糊C-均值方法獲得參考標準序列進行灰熵關聯(lián)的方法,從而進行新的灰熵關聯(lián)分析完成故障診斷,并通過實例初步驗證了本方法的有效性,由于故障樣本有限,后續(xù)需從大樣本角度對該方法的實用性進行進一步應用和檢驗,從而為更加客觀地研究灰色理論故障診斷提供新的途徑。

[1] 劉思峰,謝乃明.灰色系統(tǒng)理論及其應用[M].北京:科學出版社,2008. LIU Si-feng,XIE Nai-ming.Grey System Theory and Application[M].Beijing:Science Press,2008.(in Chinese)

[2] 黃亮,侯建軍,劉穎,等.基于灰關聯(lián)熵的模擬電路測試點優(yōu)選算法[J].電子測量與儀器學報,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,范競敏,丁家峰,等.改進的灰熵關聯(lián)度算法用于變壓器故障診斷[J].電力系統(tǒng)及其自動化學報, 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] 鄧聚龍.灰理論基礎[M].武漢:華中科技大學出版社,2008. DENG Ju-long.Grey Theory[M].Wuhan:Huazhong University ofScienceandTechnologyPress,2008. (in Chinese)

[5] 陳琦,齊曉輝.基于灰關聯(lián)法發(fā)動機故障診斷的研究[J].天津商學院學報,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] 孟憲堯,韓新潔.模糊C-均值聚類算法及其在船舶故障診斷中的應用[J].中國造船,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] 鄧宏貴,羅安,曹建.灰關聯(lián)度在變壓器故障診斷中的應用[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

張光軼(1981—),男,山西太原人,博士,助理研究員,主要研究方向為裝備故障診斷及預測等;

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.

徐廷學(1962—),男,河南駐馬店人,教授、博士生導師,主要研究方向為裝備綜合保障等。

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

國家自然科學基金資助項目(61179016)

**通訊作者:suyq1982@163.com Corresponding author:suyq1982@163.com

TP181;V24

A

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

蘇艷琴(1982—),女,山西霍州人,博士研究生,工程師,主要研究方向為信息融合、裝備故障診斷及預測等;

10.3969/j.issn.1001-893x.2013.11.022

2013-07-12;

2013-09-30