基于人工免疫的故障智能分析研究

付欣穎

摘要：隨著工業(yè)技術(shù)的不斷向前發(fā)展，過程控制系統(tǒng)技術(shù)日趨復雜和集成，在對控制的系統(tǒng)進行監(jiān)控時，發(fā)現(xiàn)和排除故障是系統(tǒng)重要的作用。以故障分析為工業(yè)自動化過程檢測的基礎(chǔ)是，智能分析顯得尤為重要，在計算機技術(shù)日新月異的今天，受人工免疫系統(tǒng)工作機理啟發(fā)，為基于人工免疫的故障智能分析方面的研究提供了理論基礎(chǔ)。

關(guān)鍵詞：人工免疫；故障；智能分析

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2015）13-0167-02

Abstract： with the advancement of industrial technology， process control system technology is becoming more and more complex and integrated in the control system to monitor， discovery and troubleshooting system plays an important role. The fault analysis as a basis for the industrial process automation detection， intelligent analysis is particularly important， in today with the rapid development of computer technology， the working mechanism of artificial immune system inspired and based on artificial immune fault intelligent analysis research provides a theoretical basis.

Key words： artificial immune； fault analysis； intelligent

從控制論配提出到現(xiàn)在，在科技不斷進步的同時，過程控制技術(shù)已經(jīng)發(fā)展成為現(xiàn)代工業(yè)領(lǐng)域中一個重要的組成部分，在化工、電力、石油、冶金和鋼鐵產(chǎn)業(yè)中應(yīng)用極為廣泛。在過程控制系統(tǒng)逐漸復雜化和規(guī)?；慕裉欤到y(tǒng)通常被用于各種較為極端的危險環(huán)境中，一旦過程控制系統(tǒng)出現(xiàn)問題，不僅僅是設(shè)備出現(xiàn)問題，嚴重可能會發(fā)生重大安全事故，造成人員傷亡。事故所產(chǎn)生的損失，遠遠高于系統(tǒng)本身的損壞，對行業(yè)發(fā)展造成難以想象的危害。在實際情況中，對基于人工免疫的故障分析系統(tǒng)的應(yīng)用和推廣，建立較為完善的故障智能分析系統(tǒng)對工業(yè)的發(fā)展十分重要。在故障智能分析系統(tǒng)的使用中，提早發(fā)現(xiàn)和排除故障，保障設(shè)備和工業(yè)生產(chǎn)的正常安全進行。

1 故障分析存在的問題

故障分析系統(tǒng)發(fā)展到今天，許多故障分析和檢測的方法已經(jīng)在研究中被提出，在實際生產(chǎn)中，這些理論研究被廣泛應(yīng)用，但是在應(yīng)用效果上，仍然存在很多需要解決的問題，具體主要包括以下幾種情況：

1.1 據(jù)壓縮問題

在計算機網(wǎng)絡(luò)逐漸在各種工業(yè)中的應(yīng)用過程中，傳感器檢測的狀態(tài)數(shù)據(jù)大量的被儲存在計算機中，隨著時間的不斷積累，數(shù)據(jù)的存儲量逐漸增多。因此，工業(yè)中運用的計算機中儲存了大量的歷史數(shù)據(jù)。這種情況使得計算機在后期的故障分析中很慢有效的完成數(shù)據(jù)整理。

1.2 故障樣本難以獲取

在計算機數(shù)據(jù)存儲能力不斷提升的同時，計算機對工業(yè)設(shè)備的正常運行分析數(shù)據(jù)讀取較為容易，但是在故障數(shù)據(jù)傳輸中，計算機不容易獲得。這造成計算機很難對存在大量數(shù)據(jù)的故障及時有效的作出分析。

1.3 缺乏具有在線學習能力的故障分析方法

在工業(yè)的生產(chǎn)過程中，在技術(shù)更新的同時，設(shè)備也會出現(xiàn)一些新的問題。由于現(xiàn)有的故障風險系統(tǒng)（如神經(jīng)網(wǎng)絡(luò)系統(tǒng)）不具備在線學習的能力，需要人為的對故障分析系統(tǒng)中故障類型樣本進行更新，降低了系統(tǒng)的工作效率，有可能造成重大安全事故的發(fā)生。因此，對故障分析系統(tǒng)的在線學習能力的加強十分必要。

2 基于人工免疫的故障智能分析實現(xiàn)

所謂的故障智能分析系統(tǒng)就是通過對設(shè)備運行的過程中，系統(tǒng)對設(shè)備產(chǎn)生的故障進行智能分析，保證系統(tǒng)能夠準確有效的對故障進行分析。故障智能分析系統(tǒng)對設(shè)備故障發(fā)現(xiàn)可以使得工作人員及時對故障做出反應(yīng)和處理措施，減少從發(fā)現(xiàn)故障到問題解決之間的工作時間，確保安全生產(chǎn)和高效生產(chǎn)，降低運行成本。

在工業(yè)的設(shè)備不斷復雜的過程中，傳統(tǒng)的故障分析系統(tǒng)難以滿足工業(yè)發(fā)展需求，工業(yè)中急需具有故障智能分析的系統(tǒng)代替原有的系統(tǒng)，以應(yīng)對工業(yè)生產(chǎn)中日趨嚴峻的生產(chǎn)形勢。生物的免疫系統(tǒng)是一種可以學習、記憶、新事物識別和自我不斷更新的系統(tǒng)，它是一種具有智能的控制系統(tǒng)。通過準確識別各種入侵病原體的本體并及時將病原體消滅。故障智能分析系統(tǒng)具有和人體免疫系統(tǒng)相同的運行機制。通過借鑒免疫系統(tǒng)對問題的分析與處理過程，探索可以與免疫系統(tǒng)相似問題處理過程，準確迅速的識別設(shè)備的故障，是本文研究的主要目的。

故障智能分析的過程如圖1。

將現(xiàn)場采集的樣本數(shù)據(jù)預處理后儲存在計算機的運行空間中，利用故障檢測裝置對樣本數(shù)據(jù)進行匹配計算。如果結(jié)果一致，說明設(shè)備發(fā)生故障。通過記錄下匹配的數(shù)據(jù)，在故障智能分析系統(tǒng)中對故障類型進行激活和智能判斷記錄。

2.1 故障樣本歸屬判定

為了是吸納系統(tǒng)中對各種可能發(fā)生的故障的涵蓋，本文提出的故障智能分析系統(tǒng)中可以存在檢測器之間的范圍重疊。這樣可能會長生另外的問題，即不同的故障檢測裝置在故障檢測過程中可以對同一異常檢測，數(shù)據(jù)分析計算機網(wǎng)絡(luò)在對故障進行匹配時發(fā)生對個檢測裝置產(chǎn)生同一故障顯示。所以，需要對故障進行一個檢測的歸屬劃分。

1）最近距離機制：在檢測裝置進行模擬訓練時，按照故障在檢測裝置中的“距離優(yōu)先” 進行模擬訓練，在后期的應(yīng)用于訓練保持一致性的原則下，對故障進行“距離優(yōu)先” 的原則進行樣本的歸屬劃分處理，應(yīng)用對應(yīng)的分析裝置。

2）最大數(shù)量機制：在使用“距離優(yōu)先” 原則對檢測裝置進行模擬訓練時，在故障發(fā)生檢測裝置仲裁時要進行檢測裝置數(shù)量判斷。統(tǒng)計出同類故障在各個檢測裝置中出現(xiàn)的次數(shù)，判斷出現(xiàn)次數(shù)最多的檢測裝置對該類故障的存在進行激活。當故障智能分析方法中使用的初始檢測器是由故障樣本直接產(chǎn)生的，由于省略了訓練過程，在面臨多檢測器被激活要判定被檢出樣本的歸屬時，既可以采用“最近距離”機制也可以使用“最大數(shù)量”機制。

2.2 檢測器更新

在故障智能分析系統(tǒng)中導入具有更新功能的運行機制。通過借鑒免疫系統(tǒng)運行記錄，被事故激活的檢查裝置要能夠?qū)ψ陨磉M行復制和更新。在故障分析數(shù)據(jù)中，激活檢查裝置的復制功能是將故障數(shù)據(jù)在同類檢查裝置中激活，更新則是對事故的儲存空間進行位置預留?？梢姡瑢崿F(xiàn)克隆選擇的方法有很多種。為了實現(xiàn)算法的自動收斂，而不用如上一章的故障檢測方法中通過規(guī)定檢測器總數(shù)控制檢測器的更新，本章提出了一種新的檢測器更新實現(xiàn)。在故障智能分析完成后，被檢測出的異常點不用于直接產(chǎn)生新檢測器而是被移動到其所屬的檢測器邊緣上，在新的位置計算該點是否被自體或其他的檢測器覆蓋。

3 總結(jié)

在工業(yè)設(shè)備逐漸集成化和復制化發(fā)展的今天，故障分析系統(tǒng)對設(shè)備運行的檢測和控制尤為重要，通過及時發(fā)現(xiàn)故障，排除故障，保障設(shè)備的正常運行，對工業(yè)發(fā)展的安全生產(chǎn)越來越重要。本文正是在免疫系統(tǒng)各種智能機理的啟發(fā)下，對基于人工免疫的故障智能分析方法進行了相關(guān)探索。

參考文獻：

[1] 王維，張鵬濤，譚營，等. 一種基于人工免疫和代碼相關(guān)性的計算機病毒特征提取方法[J]. 計算機學報. 2011（2） .

[2] 鄭蕊蕊，趙繼印，趙婷婷， 等. 基于遺傳支持向量機和灰色人工免疫算法的電力變壓器故障分析[J]. 中國電機工程學報. 2011（7）.

[3] 趙宏偉，張清華，夏路易. 基于證據(jù)理論及人工免疫的旋轉(zhuǎn)機械并發(fā)故障分析研究[J]. 廣東石油化工學院學報. 2011（3）.

[4] 李蓉一. 基于核主元分析的故障檢測與分析研究[D]. 南京師范大學，2011.

[5] 吳康. 基于SVM與小波變換的微小型無人直升機傳感器故障分析[D]. 浙江大學，2010.

[6] 潘騰. 基于虛擬樣機的四驅(qū)采煤機搬運車的研究[D]. 太原理工大學，2010.

[7] 翁維勤，孫洪程.過程控制系統(tǒng)及工程[M]. 化學工業(yè)出版社，2002.

[8] 胡昌華，許化龍.控制系統(tǒng)故障分析與容錯控制的分析和設(shè)計[M]. 國防工業(yè)出版社， 2000.