基于螞蟻算法的故障診斷研究

王亮+焦孟孟

【摘 要】本文利用旅行商問題與模擬故障診斷之間數據樣本的離散特性，構建多維空間距離最優的螞蟻算法來解決故障模式識別的問題，其計算快捷，具有一定的魯棒性，對未知數據也能進行檢測，經過實際驗證效果良好。

【關鍵詞】螞蟻算法；多維空間；距離優化

【Abstract】The travelling salesman problem（TSP）and analog fault diagnosis between sample data of discrete characteristics， constructing multidimensional space optimal distance of ant algorithm to solve the problem of fault pattern recognition， its calculation is quick， with certain robustness， of unknown data could also be used to test， after verify the actual effect is good.

【Key words】Ant algorithm； Multidimensional space； Distance optimization

0 引言

模擬故障診斷故障數據庫較為常用的處理方法是利用BP神經網絡進行訓練，其具有構造簡單、理論上可無限接近任意函數、響應快、自適應能力強等特點，但由于其使用的算法是MATLAB軟件庫中的沿梯度下降算法，這種算法在處理多維或復雜數據情況下存在計算數據多、收斂速度慢的問題，而且經常會遇到最小值上下振蕩和陷入局部極小點不能跳出的問題。

蟻群算法是近年來根據仿生學原理新興的一種計算方法，該算法主要有以下特點：智能搜索、全局優化，而且具有魯棒性、正反饋、分布式計算、易與其它算法相結合等特點[1]。其最著名應用是解決了于旅行商（TSP）問題。本文通過使用蟻群算法替代沿梯度下降算法，使網絡或系統兼有神經網絡的廣泛映射能力和蟻群算法的快速全局收斂等特點，并通過對模擬電路實際例子的故障自動診斷進行判別，最終取得比較理想的效果，具有很廣的應用前景。

2 螞蟻算法在故障診斷中的應用

2.1 軟件環境介紹

首先利用Pspice軟件對選定的電路進行分析，主要是確定故障種類，確定故障參數，利用軟件進行單故障狀態下的多次故障多參數采集，最終由所有故障種類和正常狀態構成數據集合。

其次在Matlab設計程序對Pspice軟件生成的數據進行讀取，讀取后的數據進行預處理后利用螞蟻算法對數據集合中最小類間車距進行計算，訓練完成后，利用訓練好的網絡按照規則對檢驗樣本進行檢驗，確定故障種類。

2.2 程序步驟

Matlab中程序設計步驟及故障判斷原則。

第一步：對樣本數據進行歸一化處理，優化不同故障的類間差距；

第二步：對歸一化的數據取均值（各要素分別取均值），構造類似多維空間的坐標數據；

第三步：對處理后的數據按照螞蟻算法進行最短距離分析。

最短距離分析步驟如下：

第一步：假設有N種故障，M種參數，按照螞蟻算法最后到最小距離順序為W（N*M）矩陣（其為各種故障數據的排序矩陣）；

第二步：將測試樣本Q進行測試，其數據插入到矩陣W中，從第一列開始，然后計算距離得到距離X1，然后插入第二列得到距離X2，依次類推，得到距離數據向量X，共N+1維；

第三步：篩選出向量中距離最小的兩個數據，若數據在一起說明兩次插入的中間數據即為故障類型，若數據不在一起，說明判斷失敗；

第四步：最小數據的維數相加后再加1，然后除以2就得到W矩陣中與測試數據相似的故障類型，從而得出結論。

3 故障診斷實例

本文以參考論文[3]中的負反饋電路進行診斷，故障類型一樣，共9種。通過PSPISE軟件對數據進行分析，得到270組數據并通過Matlab對數據進行提取處理，利用螞蟻算法進行排序，對90組測試數據進行檢驗，故障正確率為97%。

4 結束語

本文提出一種把故障參數當做多維坐標，把故障判斷化為找到最小距離的方法。通過實際驗證與文獻[3]相比，方法簡單，計算速度非常快，尤其時判別時只需很少的計算步驟，判斷準確率比原文相比有2個點的提高，具有很大的研究價值。

【參考文獻】

[1]李學識.基于蟻群算法的電路測試研究[D].華南師范大學，2007，06.

[2]魏蛟龍，等.基于蟻群算法的故障診斷研究[J].微計算機信息，2007，06.

[3]蔣周娜.基于小波神經網絡的模擬電路故障診斷方法研究及系統實現[D].西安電子科技大學，2010，5.

[責任編輯：楊玉潔]