基于C4.5決策樹的裝藥車間設(shè)備故障診斷系統(tǒng)

趙智聰，肖乾柯，劉治紅

（中國兵器裝備集團(tuán)自動化研究所有限公司 智能制造事業(yè)部，四川 綿陽 621000）

0 引言

某企業(yè)為了裝藥車間形成智能化運(yùn)維能力，急需將其車間內(nèi)裝藥設(shè)備進(jìn)行故障監(jiān)控和智能化管理，減少車間內(nèi)的操作運(yùn)維人數(shù)。

從目前的故障診斷領(lǐng)域研究成果來看，使用機(jī)器學(xué)習(xí)算法對設(shè)備進(jìn)行故障診斷比傳統(tǒng)的參數(shù)報警有更高的準(zhǔn)確率[1]。文獻(xiàn)[2]利用分類回歸樹對集成遙感影像的光譜特征、紋理特征和空間分布特征[2]進(jìn)行分類，有效地識別特征完成分類。文獻(xiàn)[3]對各種決策樹創(chuàng)建算法進(jìn)行研究比較，針對大多數(shù)應(yīng)用場景樣本信息增益率是一種有效的性能評價指標(biāo)。文獻(xiàn)[4]在支持向量機(jī)的基礎(chǔ)上研究了進(jìn)行設(shè)備故障診斷，討論多種優(yōu)化方法以及優(yōu)化思路。文獻(xiàn)[5]采用了主成分分析法對CART決策樹進(jìn)行數(shù)據(jù)降維預(yù)處理，應(yīng)用結(jié)果表明這樣改進(jìn)后決策樹有很高的精度。文獻(xiàn)[6]將風(fēng)險理論與決策樹相結(jié)合，模擬調(diào)度操作執(zhí)行過程，采用狀態(tài)枚舉方法分析操作風(fēng)險狀態(tài)，來計算執(zhí)行調(diào)度操作給電網(wǎng)帶來的影響，輔助專家人員制定風(fēng)險預(yù)控措施[6]。綜上所述，機(jī)器學(xué)習(xí)算法在故障診斷上研究應(yīng)用效果較好，本文將基于C4.5決策樹對裝藥車間設(shè)備的故障進(jìn)行研究分析。

1 裝藥車間故障診斷

1.1 現(xiàn)狀

該企業(yè)制造過程的管控水平較低，主要存在有以下幾個問題：

（1）裝藥車間工藝制造自動化水平低。生產(chǎn)加工大多是以機(jī)械加工為主，各生產(chǎn)環(huán)節(jié)均需要大量的人工操作。

（2）生產(chǎn)制造信息與物聯(lián)網(wǎng)融合度低。生產(chǎn)制造過程數(shù)據(jù)的實(shí)時性無法保證，未利用到生產(chǎn)設(shè)備控制系統(tǒng)的數(shù)據(jù)。

（3）裝藥車間為防爆車間，生產(chǎn)環(huán)境要求高。不能使用無線網(wǎng)絡(luò)，傳感器及配套的硬件設(shè)備要放置在專門的隔爆箱中。

1.2 需求

目前國內(nèi)裝藥生產(chǎn)車間生產(chǎn)環(huán)境復(fù)雜、生產(chǎn)運(yùn)維人工參與多、運(yùn)維數(shù)據(jù)分析挖掘難、管控效率低等問題，急需開展裝藥生產(chǎn)車間智能化運(yùn)維管控模式、智能采集與融合、運(yùn)行狀態(tài)智能識別等技術(shù)研究，突破用于裝藥車間的運(yùn)行狀態(tài)識別、虛實(shí)融合顯示等技術(shù)，形成裝藥車間智能運(yùn)維管控的新模式與新標(biāo)準(zhǔn)，提升裝藥車間的智能運(yùn)維管控能力。

1.3 故障分析

將裝藥車間的多種設(shè)備（如混合機(jī)、熱水循環(huán)系統(tǒng)、固化系統(tǒng)等主要設(shè)備）的關(guān)鍵零部件作為故障診斷對象，基于歷史已知的故障現(xiàn)象進(jìn)行分析建模，結(jié)合新采集的真實(shí)數(shù)據(jù)對模型加以訓(xùn)練，建立設(shè)備故障模型知識庫。對生產(chǎn)車間系統(tǒng)中的設(shè)備故障預(yù)警情況指標(biāo)參數(shù)進(jìn)行評估，作為后續(xù)輔助車間運(yùn)維管控優(yōu)化分析的目標(biāo)函數(shù)值。

2 關(guān)鍵技術(shù)研究

2.1 車間數(shù)據(jù)采集技術(shù)

裝藥車間內(nèi)的設(shè)備信號分成幾類：模擬量檢測信號、開關(guān)量檢測信號。這些設(shè)備信號都有現(xiàn)成的儀表進(jìn)行檢測工作，需要在不影響原有儀表檢測功能的前提下，實(shí)現(xiàn)對這些信號的采集。

模擬量數(shù)據(jù)采集：將變送器產(chǎn)生的0～20mA電流信號從顯示儀表上斷開，通過一進(jìn)二出的信號隔離模塊，產(chǎn)生兩路大小相同，互相隔離的兩路0～20mA電流信號。其中一路接原顯示儀表，保持原有的儀表顯示功能，另一路接系統(tǒng)的數(shù)據(jù)采集模塊，見圖1。

圖1 模擬量采集原理圖

開關(guān)量信號采集：將指示燈信號從指示燈上斷開，通過中間繼電器，驅(qū)動兩組無源觸點(diǎn)。將其中一組無源觸點(diǎn)將24V直流電壓連接到原指示燈，另一組無源觸點(diǎn)將24V直流電壓接入系統(tǒng)的數(shù)據(jù)采集模塊，見圖2。

圖2 開關(guān)量采集原理圖

裝藥車間中物料準(zhǔn)備系統(tǒng)、混合系統(tǒng)、澆注系統(tǒng)和固化系統(tǒng)的數(shù)據(jù)采集信息見表1。

表1 設(shè)備數(shù)據(jù)采集

2.2 基于C4.5 的決策樹算法

決策樹學(xué)習(xí)算法是一個遞歸地選擇最優(yōu)特征，并以此為依據(jù)對訓(xùn)練數(shù)據(jù)進(jìn)行分割，使得對各個子數(shù)據(jù)集有一個最優(yōu)分類的過程。主要流程如下：特征選擇、決策樹的生成和剪枝。剪枝：為了將決策樹變得更簡單的同時使其具有更好的泛化能力決策樹生成對應(yīng)模型的局部選擇，決策樹的剪枝對應(yīng)于模型的全局選擇。決策樹的生成模型過程只考慮局部最優(yōu)，而剪枝則需要全局最優(yōu)。特征選擇：如果模型輸入數(shù)據(jù)維度很大，在決策樹學(xué)習(xí)開始之前就需要對數(shù)據(jù)特征進(jìn)行預(yù)處理，選取特征數(shù)據(jù)，只留下有足夠分類能力的特征。決策樹優(yōu)點(diǎn)如下：計算復(fù)雜度不高、對中間缺失值不敏感、解釋性強(qiáng)等[1]。

C4.5算法是用于生成決策樹的一種經(jīng)典算法，通過信息增益率來控制分裂屬性。在該系統(tǒng)中設(shè)備屬性增益率計算過程如下：

其中數(shù)據(jù)集S通過設(shè)備屬性A的值劃分為了m個數(shù)據(jù)集，|Sj|—第j個數(shù)據(jù)集中的樣本數(shù)；|S|—樣本總數(shù)；SplitInfoA（S）—設(shè)備屬性A的分類信息；InfoGainA（S）—設(shè)備屬性A在屬性分裂后的信息增益，InfoGainRation（S，A）為設(shè)備屬性A分裂后的信息增益率。

裝藥車間中物料準(zhǔn)備系統(tǒng)、混合系統(tǒng)、澆注系統(tǒng)和固化系統(tǒng)的歷史故障信息見表2。未能識別到的故障類別將提交到故障信息表中新成新的一條未確定類型的故障信息，可以通過后臺完善故障類型信息后進(jìn)行決策樹模型優(yōu)化訓(xùn)練。

表2 設(shè)備故障歷史信息表

3 應(yīng)用實(shí)現(xiàn)

3.1 硬件實(shí)施方案

針對裝藥車間不同設(shè)備對象，根據(jù)安全、防爆的要求，將數(shù)據(jù)采集模型進(jìn)行聯(lián)網(wǎng)，構(gòu)建以工業(yè)以太網(wǎng)為基礎(chǔ)的數(shù)據(jù)采集網(wǎng)絡(luò)。網(wǎng)絡(luò)建設(shè)結(jié)構(gòu)圖見圖3。

圖3 裝藥車間網(wǎng)絡(luò)結(jié)構(gòu)圖

3.2 數(shù)據(jù)采集與分析軟件

基于Windows操作系統(tǒng)的.NET 5環(huán)境，使用C#編程語言在Visual Studio 2022 Preview軟件開發(fā)環(huán)境上進(jìn)行數(shù)據(jù)采集軟件和基于決策樹的后臺分析軟件開發(fā)，前端BS顯示界面基于Vue進(jìn)行開發(fā)。其中決策樹算法使用Accord機(jī)器學(xué)習(xí)算法庫，相關(guān)的優(yōu)化計算使用Math.Net數(shù)學(xué)計算庫。軟件接口見圖4。

圖4 系統(tǒng)軟件接口圖

數(shù)據(jù)分析軟件的數(shù)據(jù)處理流程見圖5。車間設(shè)備歷史數(shù)據(jù)用于決策樹模型訓(xùn)練，軟件定時啟動后臺任務(wù)進(jìn)行決策樹模型參數(shù)優(yōu)化，設(shè)備實(shí)時數(shù)據(jù)通過MQTT服務(wù)器獲取，模型分析后的結(jié)果通過WebApi和MQTT提供給其他程序使用。

圖5 分析軟件處理數(shù)據(jù)流程圖

3.3 運(yùn)行實(shí)施情況

裝藥車間故障診斷系統(tǒng)實(shí)現(xiàn)上電運(yùn)行，數(shù)據(jù)采集軟件實(shí)現(xiàn)對車間內(nèi)裝藥裝配設(shè)備實(shí)時數(shù)據(jù)的采集，數(shù)據(jù)分析軟件對采集到的數(shù)據(jù)進(jìn)行實(shí)時分析，將分析結(jié)果數(shù)據(jù)推送給MQTT服務(wù)器，前端界面通過訂閱相關(guān)主題實(shí)現(xiàn)數(shù)據(jù)接收并顯示。通過前端大屏上的系統(tǒng)，顯示裝藥車間設(shè)備的生產(chǎn)狀態(tài)信息，實(shí)現(xiàn)對生產(chǎn)設(shè)備的故障信息實(shí)時監(jiān)控。系統(tǒng)數(shù)據(jù)采集效果見圖6。

圖6 裝藥車間數(shù)據(jù)采集圖

4 結(jié)束語

本文基于C4.5決策樹的裝藥車間故障診斷技術(shù)研究，實(shí)現(xiàn)了基于決策樹的裝藥車間設(shè)備故障診斷系統(tǒng)，解決了裝藥車間設(shè)備故障實(shí)時診斷報警的難點(diǎn)問題，提高了車間生產(chǎn)的智能化水平。通過了系統(tǒng)半年的試運(yùn)行，數(shù)據(jù)采集軟件與故障分析軟件穩(wěn)定運(yùn)行，驗證了方案在該裝藥車間下生產(chǎn)現(xiàn)場的系統(tǒng)可靠性。