基于改進(jìn)C4.5算法的新型車輛故障預(yù)測(cè)方法研究

戴銀娟 ，付石磊

（1. 蘭州交通大學(xué) 機(jī)電技術(shù)研究所，甘肅 蘭州 730070；2. 甘肅省物流及運(yùn)輸裝備信息化工程技術(shù)研究中心，甘肅 蘭州 730070）

1 C4.5算法及改進(jìn)

1.1 C4.5算法簡(jiǎn)介

C4.5算法是在ID3算法［2］基礎(chǔ)上提出的，其中樹上每個(gè)節(jié)點(diǎn)都是針對(duì)某一屬性的測(cè)試. 每一個(gè)分枝表示一個(gè)測(cè)試的輸出，每一片樹葉表示一種預(yù)測(cè)結(jié)果. 其優(yōu)勢(shì)是在不需要任何參數(shù)設(shè)置的情況下，可根據(jù)建立好的決策樹，從一個(gè)屬性特征到分類結(jié)果的關(guān)系，窺探出新的數(shù)組的預(yù)測(cè)分類結(jié)果. ID3算法是對(duì)大量數(shù)據(jù)進(jìn)行分類，在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用較廣. C4.5在該算法上發(fā)展，用信息增益率替代傳統(tǒng)的信息增益屬性.

C4.5算法原理［3］如下：假設(shè)樣本集S的容量為n，它有m類：個(gè)體分類的期望信息如（1） 式所示. 其中Pi為個(gè)體屬于Ci的概率Pi=ni/n.I(S)也稱為熵.

設(shè)屬性A有v個(gè)不同值｛a1,a2,…av｝.可以根據(jù)屬性值將S劃分為v個(gè)子集｛S1,S2,…Sv｝；sij是子集Sj中類Ci的樣本數(shù).由A劃分成子集的熵（期望信息）為

以A分枝將獲得的信息增益是Gain(A) =I(S) -E(A) .

基于此，A分枝得到的分類信息是

由（3）式可知將數(shù)據(jù)集S分為v個(gè)輸出產(chǎn)生的信息增益率是

C4.5決策樹算法克服了ID3的缺陷，既可以解決離散型問(wèn)題，也可以處理連續(xù)型. 在產(chǎn)生分類時(shí)，其規(guī)則通俗易懂，準(zhǔn)確率較高. 同時(shí)，其在構(gòu)造決策樹的過(guò)程中，通過(guò)對(duì)數(shù)運(yùn)算求解信息熵來(lái)判斷出最優(yōu)分割閾值. 這就需要通過(guò)多次排序比較，也就很大程度上削減了其運(yùn)行速率. 故需對(duì)算法計(jì)算過(guò)程中一些運(yùn)算加以優(yōu)化處理.

1.2 C4.5決策樹算法改進(jìn)

由上述C4.5決策樹算法原理可得，其信息增益率在求解的過(guò)程中存在較多的對(duì)數(shù)運(yùn)算，在計(jì)算機(jī)中運(yùn)行時(shí)需要經(jīng)常調(diào)用庫(kù)函數(shù)，導(dǎo)致計(jì)算時(shí)間大大增加，降低了其運(yùn)算效率. 針對(duì)這一問(wèn)題，可以利用麥克勞林公式對(duì)信息增益率公式進(jìn)行改進(jìn)［4］. 如公式（6）（7）所示，將對(duì)數(shù)計(jì)算轉(zhuǎn)換成非對(duì)數(shù)運(yùn)算，提高運(yùn)算效率.

在自然pH下磨礦，礦漿電位對(duì)方鉛礦浮選回收率影響的關(guān)系結(jié)果如圖9所示，圖10為方鉛礦-水體系的電位-pH圖。

信息熵公式（1）得到的轉(zhuǎn)換公式為

將公式（5）代入公式（4）并化簡(jiǎn)得

同樣，條件信息熵公式（2）和分裂信息熵公式（3）得到的轉(zhuǎn)換公式為：

2 基于改進(jìn)C4.5算法的無(wú)接觸網(wǎng)供電新型車輛故障預(yù)測(cè)模型

2.1 無(wú)接觸網(wǎng)供電新型車輛簡(jiǎn)介

隨著社會(huì)的發(fā)展，城市對(duì)節(jié)能環(huán)保、美觀的要求越來(lái)越高，無(wú)接觸網(wǎng)供電成為解決這一問(wèn)題的重要方式. 其中車載儲(chǔ)能式［5］牽引供電是新型軌道車輛的一個(gè)重要發(fā)展方向. 目前較為廣泛的儲(chǔ)能介質(zhì)主要有蓄電池、超級(jí)電容、飛輪及其組合方式. 超級(jí)電容［6］由于具有穩(wěn)定線網(wǎng)電壓和回收制動(dòng)能量的優(yōu)勢(shì)，因此在城市軌道交通中逐步發(fā)展起來(lái). 目前，上海超級(jí)電容公交車在經(jīng)過(guò)一段時(shí)間的運(yùn)行后積攢了相關(guān)的技術(shù)和經(jīng)驗(yàn)，對(duì)超級(jí)電容的研究有了促進(jìn)作用. 由此，人們對(duì)于無(wú)接觸網(wǎng)供電城軌車輛的安全、可靠問(wèn)題越來(lái)越重視，而軌道電路設(shè)備作為列車安全運(yùn)行的基礎(chǔ)設(shè)備，其故障情況不容忽視.

2.2 新型車輛故障預(yù)測(cè)模型建立

采用改進(jìn)后的C4.5決策樹算法，其思想主要是完成兩步工作：第一，決策樹數(shù)的生成；第二，決策樹的剪枝. 生成決策樹要基于大量的訓(xùn)練樣本，再用信息增益率來(lái)選擇分裂屬性，最后采用悲觀剪枝. 悲觀剪枝［7］主要通過(guò)遞歸估算每個(gè)內(nèi)部節(jié)點(diǎn)所覆蓋樣本節(jié)點(diǎn)的誤判率，然后根據(jù)節(jié)點(diǎn)錯(cuò)誤率進(jìn)行剪枝操作.

針對(duì)新型車輛狀態(tài)數(shù)據(jù)的多源異構(gòu)特性，系統(tǒng)采用改進(jìn)后的C4.5算法進(jìn)行處理，其故障預(yù)測(cè)模型如圖1所示.

數(shù)據(jù)挖掘中C4.5是較為經(jīng)典和重要的一項(xiàng)技術(shù)［8］. 通過(guò)對(duì)采集的樣本數(shù)據(jù)分析，建立決策樹模型，在不需要設(shè)置復(fù)雜的參數(shù)情況下還能準(zhǔn)確估計(jì)出測(cè)試數(shù)據(jù)的結(jié)果. 無(wú)接觸網(wǎng)供電城市軌道交通車輛結(jié)構(gòu)復(fù)雜，必須通過(guò)布置多個(gè)采樣點(diǎn)才能了解系統(tǒng)內(nèi)部微小變化. 由于采樣點(diǎn)的增多，采集到的數(shù)據(jù)也會(huì)隨之增加. 這些數(shù)據(jù)的關(guān)聯(lián)性強(qiáng)，數(shù)據(jù)的價(jià)值豐富，數(shù)據(jù)的混雜程度高，在監(jiān)測(cè)中也成為難點(diǎn). 因此，針對(duì)無(wú)接觸網(wǎng)供電城市軌道交通車輛這樣系統(tǒng)結(jié)構(gòu)十分龐大復(fù)雜的設(shè)備系統(tǒng)，本文采用改進(jìn)后的C4.5決策樹算法作為城市軌道交通車輛系統(tǒng)故障預(yù)測(cè)的方案算法，其算法決策樹流程如圖2所示.

圖1 基于改進(jìn)后的C4.5決策樹算法新型車輛故障預(yù)測(cè)模型

圖2 C4.5決策樹算法流程

3 設(shè)備故障預(yù)測(cè)

3.1 樣本數(shù)據(jù)

本文采用無(wú)接觸網(wǎng)供電車輛軌道電路的監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)車輛信號(hào)設(shè)備故障情況. 無(wú)接觸網(wǎng)供電車輛軌道電路相當(dāng)復(fù)雜，監(jiān)測(cè)到的信息數(shù)據(jù)價(jià)值密度低. 為全面監(jiān)測(cè)系統(tǒng)的運(yùn)行狀態(tài)，測(cè)點(diǎn)散布于系統(tǒng)的不同位置，實(shí)時(shí)監(jiān)測(cè)電流、電壓、溫度等多種物理量. 表1為監(jiān)測(cè)到的部分樣本數(shù)據(jù).

表中監(jiān)測(cè)的設(shè)備參數(shù)分別為溫度、供電電壓、發(fā)送電壓、發(fā)送頻率、接收1.1電壓、接收1.2電壓、干擾電壓8個(gè)監(jiān)測(cè)屬性.設(shè)備的實(shí)際故障情況分為兩類，0表示故障，1表示非故障. 實(shí)際值用來(lái)和預(yù)測(cè)故障對(duì)比，判斷其預(yù)測(cè)方法的可靠性.

表1 列車設(shè)備故障樣本數(shù)據(jù)（部分）

3.2 測(cè)試結(jié)果分析

本次實(shí)驗(yàn)利用MATLAB平臺(tái)，根據(jù)改進(jìn)后的C4.5算法深層次地對(duì)數(shù)據(jù)進(jìn)行挖掘分析，將訓(xùn)練樣本代入編寫的程序中訓(xùn)練，構(gòu)建故障預(yù)測(cè)的決策樹，再進(jìn)行剪枝訓(xùn)練，最終判斷故障是否發(fā)生，并得出預(yù)測(cè)的準(zhǔn)確度. 決策樹生成步驟如圖3所示.

將需要測(cè)試的樣本數(shù)據(jù)代入算法中，通過(guò)訓(xùn)練好的決策樹得出的部分預(yù)測(cè)結(jié)果如表2所示.對(duì)比其預(yù)測(cè)值和實(shí)際值可知存在一定的偏差，但就整體情況而言，其預(yù)測(cè)的準(zhǔn)確性較為可靠.

表2 樣本預(yù)測(cè)結(jié)果（部分）

由圖4、圖5對(duì)比可知，在100個(gè)樣本測(cè)試中，改進(jìn)前傳統(tǒng)算法存在95個(gè)預(yù)測(cè)結(jié)果準(zhǔn)確，5個(gè)結(jié)果錯(cuò)誤；改進(jìn)后的C4.5算法存在2個(gè)預(yù)測(cè)誤點(diǎn)，相比改進(jìn)前其預(yù)測(cè)結(jié)果較為理想. 根據(jù)準(zhǔn)確度的定義，預(yù)測(cè)的準(zhǔn)確度為正確預(yù)測(cè)樣本的總數(shù)占總樣本數(shù)的比例，計(jì)算公式為

圖3 決策樹生成步驟

利用MATLAB平臺(tái)編寫的軟件程序代入樣本數(shù)據(jù)仿真測(cè)試，其樣本的預(yù)測(cè)準(zhǔn)確度如表3所示.

由表3可知，改進(jìn)前的算法對(duì)無(wú)接觸供電車輛軌道信號(hào)設(shè)備故障預(yù)測(cè)的準(zhǔn)確率為95%，而改進(jìn)后的準(zhǔn)確率為98%，預(yù)測(cè)誤差控制在允許范圍3%以內(nèi)［9］. 總體而言由C4.5改進(jìn)后的算法預(yù)測(cè)的可靠性較好，適合于無(wú)接觸網(wǎng)供電車輛復(fù)雜設(shè)備，在不需要復(fù)雜參數(shù)估計(jì)的前提下，可以得到較為理想的預(yù)測(cè)結(jié)果. 這既可以確保乘客及工作人員的安全，也可以有效避免列車故障帶來(lái)的損害.

表3 C4.5算法改進(jìn)前后準(zhǔn)確度對(duì)比

圖4 C4.5算法預(yù)測(cè)結(jié)果

圖5 C4.5改進(jìn)后預(yù)測(cè)結(jié)果

4 結(jié)語(yǔ)

隨著經(jīng)濟(jì)的增長(zhǎng)，城軌交通在居民生活中的應(yīng)用越來(lái)越廣. 無(wú)接觸網(wǎng)供電監(jiān)測(cè)系統(tǒng)在確保列車安全運(yùn)行方面起著舉足輕重的作用. 該系統(tǒng)可以采集到大量數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析技術(shù)，一方面保證軌道交通車輛安全可靠運(yùn)行，另一方面列車根據(jù)監(jiān)測(cè)數(shù)據(jù)可以及時(shí)發(fā)現(xiàn)故障，并對(duì)故障設(shè)備進(jìn)行排查、檢修. 本文以無(wú)接觸網(wǎng)供電城市軌道交通新型車輛為背景，提出改進(jìn)后的C4.5算法為研究分析方法，通過(guò)麥克勞林公式將信息增益運(yùn)算求解過(guò)程中的對(duì)數(shù)運(yùn)算化簡(jiǎn)為非對(duì)數(shù)運(yùn)算，在確保預(yù)測(cè)準(zhǔn)確率不會(huì)降低的前提下可提高數(shù)據(jù)的運(yùn)算效率. 基于此算法，提出故障預(yù)測(cè)的基本方案，并通過(guò)城市軌道交通車輛軌道電路發(fā)生故障的樣本數(shù)據(jù)對(duì)該設(shè)備進(jìn)行故障預(yù)測(cè)，驗(yàn)證了改進(jìn)的C4.5算法的優(yōu)越性與可靠性.