童紫揚(yáng),趙志強(qiáng),黃惠文,馬欽鵬,劉海鋒
(1.廣東海洋大學(xué) 海運(yùn)學(xué)院,廣東 湛江 524088;2.江蘇科技大學(xué) 能動(dòng)學(xué)院,江蘇 鎮(zhèn)江 212003)
船舶發(fā)動(dòng)機(jī)作為船舶的核心裝備,對(duì)船舶的航行安全至關(guān)重要。隨著船舶發(fā)動(dòng)機(jī)日趨智能化、自動(dòng)化,其內(nèi)部結(jié)構(gòu)愈發(fā)復(fù)雜。本文以船舶發(fā)動(dòng)機(jī)為研究對(duì)象,將基于粗糙集的屬性約簡(jiǎn)、BP算法與故障診斷分析相結(jié)合,可提高故障診斷的準(zhǔn)確率并降低故障診斷成本。依據(jù)已約簡(jiǎn)好的數(shù)據(jù),將數(shù)據(jù)進(jìn)行歸一化,創(chuàng)建BP神經(jīng)網(wǎng)絡(luò);在程序中設(shè)置訓(xùn)練參數(shù),完成訓(xùn)練后進(jìn)行仿真測(cè)試,得出5種工況的故障診斷的準(zhǔn)確率[1-2],用以為船舶發(fā)動(dòng)機(jī)故障診斷算法研究提供依據(jù)。
粗糙集對(duì)于問題的描述或處理比較客觀,粗糙集理論不包含處理不精確或不確定原始數(shù)據(jù)的機(jī)制,它與概率論、模糊數(shù)學(xué)以及證據(jù)理論等處理不確定或不精確問題的理論有很強(qiáng)的互補(bǔ)性[3-4]。粗糙集約簡(jiǎn)有如下定義[5]:
1)具有完整的信息系統(tǒng)S,且S由以下4種元素構(gòu)成:粗糙集論域U;屬性集合R=C∪D(其中C為條件屬性,D為決策屬性);屬性值域V;從U×R到V的信息函數(shù)f??杀硎緸镾={U,R,V,f};
2)對(duì)任意非空屬性子集B?R,若f(a,b)=f(c,b)成立,則稱a,c關(guān)于B不可分辨關(guān)系,記作Ind(B);
3)1個(gè)信息系統(tǒng)S=(U,R),設(shè)某屬性集P中任意1個(gè)屬性都不能消除,且Ind(P)=Ind(R)(其中P?R),則稱屬性集合P是屬性集合R的1個(gè)約簡(jiǎn);
4)所有屬性約簡(jiǎn)有不可消除屬性的集合,稱為R的核Core(R)。
1)數(shù)據(jù)處理
本文以船舶發(fā)動(dòng)機(jī)的故障診斷為研究對(duì)象,列出了船舶發(fā)動(dòng)機(jī)5種工況的原始數(shù)據(jù),其中包括正常工況、中冷器效率降低、壓氣機(jī)效率降低、燃燒持續(xù)期延長和噴油量減少。
以條件屬性編碼C1~C15分別表示:功率、最大爆發(fā)壓力、壓氣機(jī)流量、壓氣機(jī)出口溫度、壓氣機(jī)出口壓力、中冷器后溫度、中冷器溫差、中冷器后壓力、中冷器壓差、掃氣溫度、排氣口溫度、掃氣壓力、排氣口壓力、廢氣進(jìn)渦輪機(jī)溫度、廢氣出渦輪機(jī)溫度[6]。原始數(shù)據(jù)如表1所示。
表1 船舶柴油機(jī)故障模擬原始數(shù)據(jù)示例
對(duì)5種工況的原始數(shù)據(jù)按照一定的標(biāo)準(zhǔn)來進(jìn)行離散化處理,其中,0表示該數(shù)據(jù)值偏低,1表示該數(shù)據(jù)值處于正常范圍,2表示該數(shù)據(jù)值偏高。離散化標(biāo)準(zhǔn)依據(jù)不同參數(shù)的標(biāo)準(zhǔn)值范圍進(jìn)行設(shè)定,對(duì)于沒有明確標(biāo)定范圍的參數(shù),則根據(jù)傳感器標(biāo)注的測(cè)量范圍結(jié)合常規(guī)的傳感器選定標(biāo)準(zhǔn),進(jìn)行測(cè)算后設(shè)定。
2)原始數(shù)據(jù)的屬性約簡(jiǎn)
數(shù)據(jù)經(jīng)過離散化處理后存在明顯的冗余,需在離散化處理后剔除系統(tǒng)中存在的冗余屬性,由此完成對(duì)數(shù)據(jù)進(jìn)行約簡(jiǎn)。實(shí)驗(yàn)結(jié)果顯示,約簡(jiǎn)后的數(shù)據(jù)決策表中僅剩7個(gè)條件屬性編碼:C1、C3、C4、C7、C12、C14、C15。
由此可知,不同工況的原始數(shù)據(jù)經(jīng)過約簡(jiǎn)后,冗余屬性被明顯削弱了。將約簡(jiǎn)后的數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,運(yùn)用到船舶發(fā)動(dòng)機(jī)故障診斷算法的研究中,由于已經(jīng)約簡(jiǎn)了不必要的數(shù)據(jù),減少了原始數(shù)據(jù)的維度,船舶發(fā)動(dòng)機(jī)故障診斷的準(zhǔn)確率將明顯提高。
導(dǎo)入約簡(jiǎn)后原始數(shù)據(jù),可運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行識(shí)別和診斷。數(shù)據(jù)中包含5種不同的工況(故障工況分輕、重度,共9組數(shù)據(jù))和7個(gè)維度的決策參數(shù),可構(gòu)建出輸入節(jié)點(diǎn)數(shù)為7、輸出節(jié)點(diǎn)數(shù)為3的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[7]。每組數(shù)據(jù)包含了10個(gè)樣本,其中70%的數(shù)據(jù)樣本作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集,30%的數(shù)據(jù)樣本作為BP神經(jīng)網(wǎng)絡(luò)的測(cè)試集。數(shù)據(jù)導(dǎo)入后需進(jìn)行歸一化處理,設(shè)置中間結(jié)果的周期、學(xué)習(xí)率、最大迭代次數(shù)、目標(biāo)誤差等訓(xùn)練參數(shù),其后可對(duì)數(shù)據(jù)參數(shù)進(jìn)行訓(xùn)練,最后進(jìn)行仿真測(cè)試。仿真測(cè)試共分5次進(jìn)行,其中除正常工況外,其余4種工況又分為輕度和重度情況,共7種工況。各工況故障診斷結(jié)果如表2所示。
表2 故障診斷結(jié)果
可知,正常工況的平均識(shí)別率為92.00%;輕度、重度中冷器效率降低的平均識(shí)別率分別為90.00%、96.00%;輕度、重度壓氣機(jī)效率降低的平均識(shí)別率分別為86.00%、92.00%;輕度、重度燃燒持續(xù)期延長的平均識(shí)別率分別為88.00%、88.00%;輕度、重度噴油量減少的平均識(shí)別率分別為88.00%、92.00%。5次仿真測(cè)試總平均識(shí)別率為90.22%。
針對(duì)表中5次仿真測(cè)試的BP神經(jīng)網(wǎng)絡(luò)故障診斷識(shí)別率,可運(yùn)用預(yù)測(cè)值與實(shí)際值的線性回歸結(jié)果分析驗(yàn)證其準(zhǔn)確度。圖1為5次BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果線性回歸曲線圖。
分析圖1(a)可知,訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為89.893%、87.870%,驗(yàn)證的回歸結(jié)果為79.411%,總回歸結(jié)果為88.464%。由此可知,第1次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較為準(zhǔn)確。
同理,圖1(b)中,訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為83.046%、81.014%,驗(yàn)證的回歸結(jié)果為78.183%,總回歸結(jié)果為81.702%。
圖1 BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果線性回歸曲線圖
第3次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為91.419%、80.787%,驗(yàn)證的回歸結(jié)果為97.125%,總回歸結(jié)果為90.948%。由此可知,第2次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較低,第3次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率較高。
第4次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為83.742%、89.623%,驗(yàn)證的回歸結(jié)果為71.901%,總回歸結(jié)果為84.146%,第4次BP神經(jīng)網(wǎng)絡(luò)故障診斷的總識(shí)別率適中。
第5次訓(xùn)練集、測(cè)試集的回歸結(jié)果分別為90.407%、86.411%,驗(yàn)證的回歸結(jié)果為99.068%,總回歸結(jié)果為91.395%。所得數(shù)據(jù)說明第5次BP神經(jīng)網(wǎng)絡(luò)故障診斷的識(shí)別率較高。
綜合5次線性回歸結(jié)果進(jìn)行分析,可得出結(jié)論:使用BP神經(jīng)網(wǎng)絡(luò)對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行診斷可行。
本文強(qiáng)調(diào)了研究高效智能的船舶故障診斷技術(shù)的必要性,提出了屬性約簡(jiǎn)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的船舶故障算法診斷技術(shù)。通過屬性約簡(jiǎn)對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行處理,可提高數(shù)據(jù)的精簡(jiǎn)度,減少數(shù)據(jù)的冗余。在BP神經(jīng)網(wǎng)絡(luò)完成學(xué)習(xí)訓(xùn)練后導(dǎo)入經(jīng)過約簡(jiǎn)的數(shù)據(jù),BP神經(jīng)網(wǎng)絡(luò)可對(duì)船舶發(fā)動(dòng)機(jī)故障進(jìn)行識(shí)別和診斷。相較于傳統(tǒng)故障診斷方法,算法診斷可靠性高,且更為簡(jiǎn)潔高效。
本文結(jié)合約簡(jiǎn)后的數(shù)據(jù)與BP算法,通過5次仿真測(cè)試,計(jì)算出船舶發(fā)動(dòng)機(jī)在不同故障工況下的故障平均識(shí)別率,并通過線性回歸結(jié)果分析,對(duì)仿真測(cè)試所得平均識(shí)別率進(jìn)行驗(yàn)證。本文5次仿真測(cè)試結(jié)果顯示,故障總平均識(shí)別率為90.22%。線性回歸結(jié)果表明,本文使用的船舶故障算法診斷技術(shù)能夠有效地診斷船舶發(fā)動(dòng)機(jī)的故障原因,可為算法在船舶發(fā)動(dòng)機(jī)故障診斷研究中的應(yīng)用提供參考。