基于特征提取的壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法研究

任希燕，周娟，胡霞，陳希希

南通市第一人民醫(yī)院 消毒供應(yīng)中心，江蘇 南通 226000

引言

壓力蒸汽滅菌設(shè)備主要用于手術(shù)輔料與器械的消毒滅菌，能夠使蛋白質(zhì)菌體發(fā)生變性，進(jìn)而使微生物發(fā)生代謝障礙，或破壞遺傳物質(zhì)，從而殺死微生物，最終實(shí)現(xiàn)手術(shù)輔料與器械的消毒滅菌。在醫(yī)學(xué)領(lǐng)域，壓力蒸汽滅菌設(shè)備促進(jìn)了生物醫(yī)學(xué)與感染控制學(xué)的發(fā)展。同時(shí)壓力蒸汽滅菌設(shè)備也是一種具有高爆炸性危險(xiǎn)的設(shè)備[1]。醫(yī)院管理中必須保證壓力蒸汽滅菌設(shè)備的可靠性和安全性，從而保障醫(yī)院醫(yī)護(hù)人員與患者的生命安全，因此加強(qiáng)對(duì)壓力蒸汽滅菌設(shè)備的管理具有重要意義。目前，醫(yī)院壓力蒸汽滅菌設(shè)備管理中，其維修與維護(hù)工作通常由醫(yī)院醫(yī)工部門或廠家的工程師負(fù)責(zé)，日常檢查、清洗、清潔等工作則由使用科室負(fù)責(zé)。當(dāng)壓力蒸汽滅菌設(shè)備發(fā)生故障后，需由設(shè)備操作人員報(bào)修，并由醫(yī)學(xué)工程師實(shí)施事后維修[2]。但當(dāng)發(fā)生的故障比較復(fù)雜時(shí)，故障診斷時(shí)間較長(zhǎng)。

陳善瓊[3]分析了MELAG Vacuklav 24 B/L+滅菌器故障，通過(guò)對(duì)MELAG Vacuklav 24 B/L+滅菌器的故障匯總、工作原理分析及故障處理案例，使相關(guān)人員熟悉、了解該設(shè)備，但該方法主要通過(guò)人工實(shí)現(xiàn)故障診斷，耗時(shí)費(fèi)力。位晶晶等[4]研究了基于GA-SVR的小樣本數(shù)據(jù)缺失下的設(shè)備故障診斷方法，針對(duì)小樣本數(shù)據(jù)缺失下的設(shè)備故障診斷問(wèn)題，提出了基于遺傳算法優(yōu)化支持向量回歸的缺失數(shù)據(jù)填補(bǔ)方法，主要利用缺失數(shù)據(jù)所屬變量的數(shù)據(jù)，訓(xùn)練遺傳算法優(yōu)化的支持向量回歸，得到單變量預(yù)測(cè)結(jié)果，通過(guò)相關(guān)性分析重構(gòu)訓(xùn)練集，獲得多變量預(yù)測(cè)結(jié)果，該方法改善了故障診斷的效果，但其診斷耗時(shí)較長(zhǎng)。本文綜合以上研究成果，提出設(shè)計(jì)基于特征提取的壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法，旨在對(duì)壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法進(jìn)行研究，以期提高壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷的效率和設(shè)備運(yùn)轉(zhuǎn)率，并提升壓力蒸汽滅菌設(shè)備的安全性和穩(wěn)定性。

1 壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法設(shè)計(jì)

1.1 壓力蒸汽滅菌設(shè)備運(yùn)行故障數(shù)據(jù)采集

為實(shí)現(xiàn)壓力蒸汽滅菌設(shè)備運(yùn)行故障的診斷，首先需要提取壓力蒸汽滅菌設(shè)備運(yùn)行故障數(shù)據(jù)，并以此故障數(shù)據(jù)做為研究的基礎(chǔ)，完成故障的診斷。在故障數(shù)據(jù)采集中，本文通過(guò)Lab VIEW編程軟件結(jié)合數(shù)據(jù)采集卡，采集壓力蒸汽滅菌設(shè)備運(yùn)行故障數(shù)據(jù)[5]。其中，數(shù)據(jù)采集卡使用型號(hào)為USB -6251，該采集卡包括定時(shí)計(jì)數(shù)器2個(gè)、數(shù)字I/O 24條、模擬輸出2路以及模擬輸入16路[6]。該數(shù)據(jù)采集卡具備即插即用的特點(diǎn)，能夠?qū)υO(shè)備數(shù)據(jù)進(jìn)行采集。

在Lab VIEW編程軟件中對(duì)該數(shù)據(jù)采集卡實(shí)施自檢與初始化，并對(duì)需要監(jiān)測(cè)的壓力蒸汽滅菌設(shè)備運(yùn)行故障參數(shù)實(shí)施通道配置[7]。根據(jù)監(jiān)測(cè)的壓力蒸汽滅菌設(shè)備運(yùn)行故障參數(shù)類型，選擇對(duì)應(yīng)的物理通道。當(dāng)需要對(duì)壓力蒸汽滅菌設(shè)備活塞推力運(yùn)行故障參數(shù)進(jìn)行監(jiān)測(cè)時(shí)，選擇的類型為“Strain”，并利用模擬通道10對(duì)其進(jìn)行賦予。對(duì)全部故障信號(hào)對(duì)應(yīng)的物理通道進(jìn)行選擇。完成采集故障信號(hào)物理通道的選擇后，進(jìn)入Lab VIEW編程軟件的參數(shù)設(shè)置頁(yè)面，對(duì)故障信號(hào)的采樣方式和幅度進(jìn)行設(shè)置。為方便程序調(diào)試、增強(qiáng)程序可讀性，根據(jù)監(jiān)測(cè)通道信號(hào)實(shí)際名稱對(duì)物理通道進(jìn)行命名[8]。完成全部信號(hào)通道的設(shè)置及其相關(guān)編程后，通過(guò)Lab VIEW編程軟件即可對(duì)壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)進(jìn)行采集[9]。

1.2 故障特征提取

基于特征提取技術(shù)提取壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)特征，主要通過(guò)AR模型和敏感IMF分解實(shí)現(xiàn)故障信號(hào)特征的提取。

具體提取步驟如下：① 通過(guò)敏感IMF分解實(shí)施壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)。用x(t)表示壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)。分解后獲取固有模態(tài)函數(shù)，具體如公式（1）所示。② 通過(guò)自相關(guān)系數(shù)算法和峭度值對(duì)n個(gè)最敏感的IMF分解分量vn(t)進(jìn)行選擇。③ 為消除選擇結(jié)果對(duì)AR模型對(duì)應(yīng)殘差方差的影響，歸一化處理各層IMF分解分量的能量，具體如公式（2）所示。④ 構(gòu)建AR模型，具體如公式（3）所示。⑤ 對(duì)AR模型參數(shù)進(jìn)行求解，首先需要對(duì)模型階次進(jìn)行確定，具體公式（4）所示。⑥ 將各IMF分解分量AR模型殘差的對(duì)應(yīng)方差作為數(shù)據(jù)特征。特征向量表示方式如公式（5）所示。構(gòu)成壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)的n個(gè)IMF敏感特征向量可以用公式（6）表示。壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)n個(gè)IMF敏感特征向量，可以構(gòu)成其特征向量矩陣，具體如公式（7）所示?；谏鲜鲞^(guò)程，完成壓力蒸汽滅菌設(shè)備運(yùn)行故障特征的提取。

式中，V表示固有模態(tài)函數(shù)集合；vj(t)表示第j個(gè)固有模態(tài)函數(shù)[10]。

式中，vn'(t)表示vn(t)的能量歸一化處理結(jié)果；vn(t)表示n個(gè)最敏感的IMF分解分量；t表示時(shí)間。

式中，vn''(t)表示構(gòu)建的vn'(t)的AR模型；r表示AR模型殘差；φi表示第i個(gè)分解分量的對(duì)應(yīng)AR模型參數(shù)[11]。

式中，σ2表示模型殘差方差；N表示估計(jì)集合中值的實(shí)際數(shù)目。并將EPE(i)值最小時(shí)的模型定為應(yīng)用模型。

式中，γi表示第i個(gè)特征向量[12]；σi2表示第i個(gè)殘差對(duì)應(yīng)方差。

式中，γi-n表示第i-n個(gè)特征向量；φimax表示最大的AR模型階數(shù)。

式中，(γ1-n)n表示第n個(gè)特征向量。

1.3 故障特征約簡(jiǎn)

上述采集的壓力蒸汽滅菌設(shè)備運(yùn)行故障特征數(shù)據(jù)較為復(fù)雜，為進(jìn)一步降低故障診斷的工作量，需要簡(jiǎn)化故障特征數(shù)據(jù)。本文通過(guò)局部保持投影數(shù)據(jù)降維方法對(duì)提取的特征實(shí)施約簡(jiǎn)。主要通過(guò)近鄰圖構(gòu)建映射，利用拉普拉斯算子獲取映射矩陣，并將數(shù)據(jù)直接映射至低維子空間。這種數(shù)據(jù)處理方法能使數(shù)據(jù)集局部結(jié)構(gòu)保持不變。

具體特征約簡(jiǎn)步驟如下：① 構(gòu)造近鄰圖。將X設(shè)為訓(xùn)練數(shù)據(jù)集，用G代表一個(gè)節(jié)點(diǎn)數(shù)為n的圖。當(dāng)數(shù)據(jù)點(diǎn)xa與數(shù)據(jù)點(diǎn)xb是2個(gè)鄰近的數(shù)據(jù)點(diǎn)，則對(duì)圖中2個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)的節(jié)點(diǎn)進(jìn)行連接，構(gòu)造鄰接圖[13]。判斷數(shù)據(jù)點(diǎn)xa與數(shù)據(jù)點(diǎn)xb是否相鄰的方法如公式（8）所示。② 對(duì)權(quán)值進(jìn)行選擇。當(dāng)數(shù)據(jù)點(diǎn)xa與數(shù)據(jù)點(diǎn)xb為相鄰，賦予該鄰接權(quán)值，不賦值時(shí)兩點(diǎn)之間的權(quán)值即為0。通過(guò)權(quán)值矩陣對(duì)數(shù)據(jù)之間的局部流形結(jié)構(gòu)進(jìn)行模擬，并利用熱核權(quán)值的方式進(jìn)行賦值，具體如公式（9）所示。③ 對(duì)正交基相關(guān)參數(shù)進(jìn)行定義。將對(duì)角矩陣定義為公式（10）。拉普拉斯矩陣L的計(jì)算方式如公式（11）所示，將正交基向量定義為公式（12）所示，對(duì)正交基函數(shù)相關(guān)參數(shù)K(k-1)、P(k-1)進(jìn)行定義，分別如公式（13）和公式（14）所示。④ 對(duì)正交基向量進(jìn)行計(jì)算，具體如公式（15）和公式（16）所示。⑥ 實(shí)現(xiàn)映射，具體如公式（17）和公式（18）所示。根據(jù)以上程序完成特征數(shù)據(jù)的約簡(jiǎn)。

式中，α表示歐式距離閾值。

式中，Aab表示權(quán)值矩陣；t表示熱核權(quán)值。

式中，B表示對(duì)角矩陣；T表示變換矩陣閾值；λ表示映射指數(shù)；w表示指特征向量；β表示映射矩陣。

式中，L表示拉普拉斯矩陣；yd表示第d個(gè)正交基向量。

式中，yk-1表示第k-1個(gè)正交基向量。

式中，qi表示映射；l表示正整數(shù)。

1.4 運(yùn)行故障診斷

在上述約簡(jiǎn)后的運(yùn)行故障特征數(shù)據(jù)基礎(chǔ)上，通過(guò)神經(jīng)模糊推理自適應(yīng)系統(tǒng)設(shè)計(jì)一種智能混合運(yùn)行故障診斷模型，實(shí)現(xiàn)壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷[14]。設(shè)計(jì)的智能混合運(yùn)行故障診斷模型的結(jié)構(gòu)如圖1所示。

圖1 智能混合運(yùn)行故障診斷模型結(jié)構(gòu)

具體操作過(guò)程如下：① 構(gòu)建多個(gè)ANFIS初始分類器，利用每種故障約簡(jiǎn)后的故障特征數(shù)據(jù)對(duì)各初始分類器進(jìn)行測(cè)試與訓(xùn)練，獲取多種故障的對(duì)應(yīng)ANFIS分類器[15]。多種故障對(duì)應(yīng)ANFIS分類器的分類結(jié)果如公式（19）所示。②通過(guò)加權(quán)平均合成多種故障的對(duì)應(yīng)ANFIS分類器輸出結(jié)果，獲取最終的壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷結(jié)果，輸出故障診斷結(jié)果如公式（20）所示。③ 在壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷實(shí)現(xiàn)中，通過(guò)構(gòu)建的分類器將不同故障進(jìn)行分類，再將分類結(jié)果通過(guò)加權(quán)平均進(jìn)行整合，最后將診斷結(jié)果進(jìn)行輸出。在判斷故障時(shí)，設(shè)定其判定標(biāo)準(zhǔn)，以提升運(yùn)行故障診斷的準(zhǔn)確定[16]。根據(jù)上述確定的診斷故障結(jié)果，設(shè)定診斷的標(biāo)準(zhǔn)如公式（21）所示。本文故障診斷中為輸出的故障結(jié)果設(shè)置限制閾值后，以保證故障診斷的有效性。

式中，yn''表示n''個(gè)故障ANFIS分類器的分類結(jié)果；s表示分類閾值；tb表示向第b個(gè)故障ANFIS分類器賦予的權(quán)值；yn''b表示第b個(gè)故障ANFIS分類器的分類結(jié)果。

式中，yn''*表示第n''個(gè)樣本的對(duì)應(yīng)輸出；H表示訓(xùn)練誤差的對(duì)應(yīng)均方根。

式中，y表示樣本輸出；n表示故障樣本個(gè)數(shù)；b表示第b個(gè)故障；λn代表故障分類系數(shù)。

2 方法

2.1 實(shí)驗(yàn)環(huán)境

在實(shí)驗(yàn)中，利用設(shè)計(jì)的基于特征提取的壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法對(duì)某醫(yī)院的壓力蒸汽滅菌設(shè)備進(jìn)行故障診斷測(cè)試。實(shí)驗(yàn)設(shè)備實(shí)物圖如圖2所示。通過(guò)Lab VIEW編程軟件結(jié)合數(shù)據(jù)采集卡采集實(shí)驗(yàn)壓力蒸汽滅菌設(shè)備運(yùn)行故障數(shù)據(jù)作為本次的實(shí)驗(yàn)數(shù)據(jù)。將采樣頻率設(shè)為50 kHz。在實(shí)驗(yàn)數(shù)據(jù)中隨機(jī)抽取40%作為訓(xùn)練數(shù)據(jù)。

圖2 實(shí)驗(yàn)設(shè)備實(shí)物圖

2.2 實(shí)驗(yàn)指標(biāo)設(shè)計(jì)

本實(shí)驗(yàn)中，具體測(cè)試指標(biāo)如下：① 故障識(shí)別誤差；② 故障診斷的平均準(zhǔn)確率，其計(jì)算方式如公式（22）所示；③ 平均診斷時(shí)間。

式中，VA表示故障診斷的平均準(zhǔn)確率；Q表示正確診斷的樣本數(shù)；D表示總樣本數(shù)。

2.3 統(tǒng)計(jì)學(xué)分析

采用直方圖分析平均診斷準(zhǔn)確率，折線圖分析平均診斷時(shí)間。在實(shí)驗(yàn)過(guò)程，采用的繪圖軟件為Microsoft Visio 2003-2010。

3 結(jié)果

3.1 故障識(shí)別誤差測(cè)試結(jié)果

采用本文方法隨壓力蒸汽滅菌設(shè)備多種運(yùn)行故障的識(shí)別誤差進(jìn)行測(cè)試，測(cè)試結(jié)果如表1所示，對(duì)于實(shí)驗(yàn)壓力蒸汽滅菌設(shè)備多種運(yùn)行故障，設(shè)計(jì)方法的故障識(shí)別誤差均較低，最低可達(dá)0.02%，最高不超過(guò)0.50%，表明本文所提出方法故障診斷的準(zhǔn)確率較高。

表1 故障識(shí)別誤差測(cè)試結(jié)果

3.2 不同故障類型平均診斷準(zhǔn)確率測(cè)試結(jié)果

實(shí)驗(yàn)中，樣本壓力蒸汽滅菌設(shè)備的運(yùn)行時(shí)間分別為50、150、300 d的情況下對(duì)設(shè)計(jì)方法的平均診斷準(zhǔn)確率進(jìn)行測(cè)試，實(shí)驗(yàn)測(cè)試中的數(shù)據(jù)如表2所示。具體測(cè)試結(jié)果如圖3所示，根據(jù)圖3的平均診斷準(zhǔn)確率測(cè)試結(jié)果數(shù)據(jù)表明，設(shè)計(jì)方法的溫度傳感器故障、水位傳感器故障、限位開(kāi)關(guān)故障的平均診斷準(zhǔn)確率較高，均高于93.8%；設(shè)計(jì)方法的通訊故障、指示燈故障的平均診斷準(zhǔn)確率低于溫度傳感器故障、水位傳感器故障、限位開(kāi)關(guān)故障的平均診斷準(zhǔn)確率，但整體仍高于89.2%；隨著運(yùn)行時(shí)間的增長(zhǎng)，設(shè)計(jì)方法不同故障類型的平均診斷準(zhǔn)確率有一定下降，但整體下降幅度較低?？傮w來(lái)說(shuō)，設(shè)計(jì)方法對(duì)于各種故障的平均診斷準(zhǔn)確率較高，壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷性能良好。

圖3 樣本平均診斷準(zhǔn)確率測(cè)試結(jié)果

表2 樣本設(shè)備運(yùn)行故障數(shù)據(jù)詳情表

3.3 不同故障類型平均診斷時(shí)間測(cè)試結(jié)果

在實(shí)驗(yàn)進(jìn)行50 d時(shí)，對(duì)設(shè)計(jì)方法溫度傳感器故障、水位傳感器故障、限位開(kāi)關(guān)故障的平均診斷時(shí)間進(jìn)行測(cè)試，測(cè)試數(shù)據(jù)內(nèi)容如表3所示。得到設(shè)備運(yùn)行故障診斷時(shí)間的測(cè)試結(jié)果如圖4所示，圖4平均診斷時(shí)間測(cè)試結(jié)果表明，不同故障類型的平均診斷時(shí)間在640 ms以內(nèi)，表明該方法可以有效診斷不同類型的故障，并且診斷時(shí)間較短，實(shí)際應(yīng)用價(jià)值較高。

表3 樣本設(shè)備運(yùn)行故障診斷時(shí)間詳情表

圖4 樣本平均診斷時(shí)間測(cè)試結(jié)果

4 討論

傳統(tǒng)方法中主要針對(duì)實(shí)際運(yùn)行故障類型進(jìn)行分析[17-20]，并未對(duì)設(shè)備運(yùn)行的故障特征進(jìn)行研究，因而不能確定設(shè)備運(yùn)行導(dǎo)致故障的具體原因。本文提出了基于特征提取的壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方法，該方法通過(guò)提取壓力蒸汽滅菌設(shè)備運(yùn)行故障數(shù)據(jù)，采用AR模型和敏感IMF分解方法提取壓力蒸汽滅菌設(shè)備運(yùn)行故障信號(hào)特征；通過(guò)拉普拉斯算子獲取映射矩陣等，預(yù)處理提取的運(yùn)行故障信號(hào)特征；在此基礎(chǔ)上，設(shè)置通過(guò)神經(jīng)模糊推理自適應(yīng)系統(tǒng)設(shè)計(jì)智能混合運(yùn)行故障診斷模型，將訓(xùn)練后的診斷數(shù)據(jù)輸入其中，完成壓力蒸汽滅菌設(shè)備運(yùn)行故障的診斷。

本研究結(jié)果表明，本文方法可對(duì)樣本設(shè)備的故障類型進(jìn)行選擇，并可將選擇后的故障類型進(jìn)行診斷，分析診斷的誤差結(jié)果，本文對(duì)不同故障類型診斷的誤差結(jié)果較低，最低可達(dá)0.02%，且最高不超過(guò)0.5%，即本文設(shè)計(jì)方法可以有效降低故障診斷的誤差；本文方法還通過(guò)不同運(yùn)行時(shí)間的分析，對(duì)設(shè)備不同故障類型的故障平均診斷準(zhǔn)確率進(jìn)行了分析，得出不同故障診斷類型的高于89%，進(jìn)一步驗(yàn)證了所提方法的可行性；在此基礎(chǔ)上，診斷故障的時(shí)間也是較為重要的指標(biāo)，通過(guò)診斷時(shí)間的測(cè)試，可以分析出不同設(shè)備運(yùn)行故障類型診斷的速度，本文診斷限位故障開(kāi)關(guān)故障速度最快，其次為溫度傳感器，但整體來(lái)看對(duì)故障診斷的時(shí)間都較短。本文設(shè)計(jì)方法中對(duì)特征提取后診斷設(shè)備運(yùn)行故障，與傳統(tǒng)方法相比具有一定可行性，如陳善瓊[3]主要僅匯總了故障類型、故障數(shù)據(jù)和工作原理，但是在診斷故障時(shí)，仍采用人工的形式，該診斷方法存在主觀因素影響診斷結(jié)果的情況，其對(duì)輸出板通訊錯(cuò)誤等故障的診斷誤差較高，未達(dá)到本文方法的0.41%，并且相關(guān)文獻(xiàn)[4,17-20]的故障診斷方法也存在一定局限性，與本文方法相比，該方法的故障診斷時(shí)間長(zhǎng)，而本文方法的故障診斷時(shí)間僅為640 ms，有效驗(yàn)證了所提方法的可行性，原因?yàn)楸疚姆椒ㄒ肓薃R模型和敏感IMF分解方法，并在此基礎(chǔ)上，約簡(jiǎn)了故障特征，從而提高了故障診斷的準(zhǔn)確性，降低了診斷時(shí)間。

5 結(jié)論

在壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷研究中，應(yīng)用了特征提取技術(shù)和智能混合技術(shù)，構(gòu)建智能混合運(yùn)行故障診斷模型，實(shí)現(xiàn)了多種壓力蒸汽滅菌設(shè)備運(yùn)行故障的智能診斷，且提高了診斷準(zhǔn)確率，降低了診斷時(shí)間，實(shí)現(xiàn)了壓力蒸汽滅菌設(shè)備運(yùn)行故障診斷方面的優(yōu)化。