免疫神經網絡算法在機械設備橡塑絕緣件老化預測中的應用

閆娟，潘保林

(1.西門子變壓器（武漢）有限公司，湖北 武漢 430415；2.核動力運行研究所，湖北 武漢 430223)

免疫神經網絡算法在機械設備橡塑絕緣件老化預測中的應用

Application of neural network algorithm in the prediction of insulation aging in rubber machinery and equipment

閆娟1，潘保林2

(1.西門子變壓器（武漢）有限公司，湖北 武漢 430415；2.核動力運行研究所，湖北 武漢 430223)

機械設備中往往配備了大量的橡塑絕緣件，橡塑絕緣件和壽命關系到安全生產和經濟效益。機械設備絕緣老化是影響壽命的主要因素，本文在介紹現有機械設備壽命診斷方法的基礎上，利用現有的智能算法和計算法技術，提出了基于免疫優化的神經網絡訓練算法，對機械設備的絕緣老化數據進行綜合分析、充分挖掘，對機械設備的絕緣老化給出定量的分析，用以預測機械設備的壽命。

免疫優化 神經網絡；機械設備；絕緣老化

1 機械設備的絕緣老化

機械設備橡塑絕緣件的老化主要有兩種形式，分別為熱氧老化和電氣老化兩種。機械設備絕緣件的熱氧老化是指機械設備絕緣件油在光、熱、電磁場及各種金屬的作用下發生的老化。其原理是將氧分子視為不飽和的化合物，它不需經過解離成原子而直接用整個分子去同被氧化的物質（烴分子）相結合生成過氧化物，這種氧化物本身極不穩定且具有更強的氧化能力，能進一步氧化其他難以氧化的物質。

進行機械設備絕緣老化預測、壽命評估的研究是為了機械設備的安全運行和提高其經濟效益。所以有必要定期地判斷絕緣紙的老化程度，從而掌握機械設備的壽命，以便在適當的時候進行更換，保證生產的安全進行，以便達到最佳的經濟效益。

目前大多數機械設備的絕緣老化診斷系統或者評估方法是用于檢測由于介質、熱或機械沖擊而引起的絕緣系統老化程度。由于機械設備絕緣在熱老化過程中，將產生大量混合的氣體、以及油脂、糠醛等。因此在絕緣老化分析中依靠單一的方法是不夠的。通常來說，僅憑單一的診斷方法無法檢測出其中存在的缺陷。

2 免疫優化和神經網絡算法

在工程領域，免疫概念及其理論已經廣泛應用于遺傳算法，在保留原算法優良特性的前提下，力圖有選擇、有目的地利用待求問題中的一些特征信息或知識來抑制其優化過程中出現的退化現象，這種算法稱為免疫算法。有些學者通過對算法基本模型的改進，使免疫優化算法可以擺脫局部極值。 神經網絡是模擬生物神經元和神經網絡的特點，通過簡化、歸納提煉總結出的一類并行處理網絡。利用非線性映射的思想和并行處理的方法，用神經網絡本身的結構來表達輸入和輸出的關聯知識。

本文提出了基于免疫優化的神經網絡訓練算法，用以預測機械設備絕緣老化問題，一般的訓練算法僅訓練全連接網絡結構下的連接權值。但是神經網絡存在的冗余連接會降低神經元的信息處理效率，大量的冗余連接甚至會影響模式分類的正確率。免疫優化在訓練神經網絡權重的同時訓練其連接結構，刪除冗余

連接，使神經網絡獲得與給定問題匹配的信息處理能力。實驗結果顯示，免疫優化是有效的神經網絡訓練算法，可用于解決實際的模式分類問題。

3 機械設備的絕緣老化分析和壽命預測模型

3.1 壽命預測模型

機械設備的壽命預測模型主要依靠機械設備的絕緣老化數據，其過程就是根據已知機械設備的屬性和已知的歷史數據，通過一定的算法去發現其中隱藏的規律，從而發現決定機械設備橡塑絕緣件壽命的一些主要的屬性。其過程是： ①選取并處理機械設備橡塑絕緣件的屬性和一些歷史數據，關鍵是如何組織數據、統一格式和規范化處理； ②制定輸入屬性和輸出屬性，建立模型，通過模型測試，對訓練好的模型進行性能衡量和評分； ③利用建立好的模型，將產品所有屬性組合進行排列組合并依次作為模型輸入，并選取機械設備橡塑絕緣件壽命數據，記錄其屬性，以此進行未知壽命的預測。整個過程中最重要的是模型建立的過程。

此模型的神經網絡采用免疫優化訓練 ，主要包含3個方面：連接權重、網絡拓撲結構及傳遞函數、學習算法。每個基因包含神經網絡的所有參數，并通過迭代來優化這些參數，從而達到訓練的目的。與傳統的誤差反向傳播算法相比，使用免疫優化訓練神經網絡的優點在于不使用梯度信息，而使用一些不可微的傳遞函數，多數情況下其訓練結果優于BP 算法，而且訓練速度非常快。

用免疫算來來訓練神經網絡，機械設備橡塑絕緣件壽命預測的模型中，9個輸入矢量分別對應已有的數據：H2、CO、CO2、CH4、C2H6、C2H4、C2H2、糠醛含量、聚合度DP測量數據。神經網絡結構使用單隱層結構，共設80個隱層節點，輸出特征矢量為3個，其中X1代表機械設備橡塑絕緣件絕緣老化的指標，輸出值范圍為“0～1”之間。當值趨“0”表示機械設備橡塑絕緣件絕緣狀況良好；趨“"0.5”則表示機械設備橡塑絕緣件絕緣老化處壽命中期；趨“1”則表示機械設備橡塑絕緣件絕緣嚴重老化，壽命趨向終止。X2代表可靠性指標，輸出值范圍為“0～1”之間。

3.2 基于免疫優化神經網絡算法訓練

在上述定義的基礎上建立僅優化神經網絡連接結構的免疫優化算法模型，其中，免疫優化算法機理，基本定義及算法實現可參考其他文獻。

神經網絡的連接結構的迭代步驟如下：

Setp1.隨機生成連接變量。

Setp2. 計算拉兩個連接變量的親和力。

Setp3..計算連接變量和最優連接變量之間的親和力。

Setp4.計算每個連接變量的濃度。

Setp5.通過遺傳變異算子來產生新的最好解。替換掉前一個步驟被刪除的最好解。

Setp6.計算最好解的再生的期望值，控制了最好解的濃度和多樣性。與最好解有高親和力的抗體被選擇來再生，而高濃度的抗體被抑制。

Setp7. 算法停止迭代時，全局極值對應的神經網絡權值與連接結構，即為訓練問題的最優解。

4 實驗和結果分析

根據現有機械設備橡塑絕緣件的壽命管理數據，采用免疫優化對神經網絡進行訓練，將某電站機械設備橡塑絕緣件絕緣部分歷史數據中的H2、CO、CO2、CH4、C2H6、C2H4、C2H2、糠醛含量、聚合度DP的測量數據進行提取，選取其中的100條數據作為最終的訓練樣本。

利用上述免疫優化訓練神經網絡模型,設置免疫優化初始基因是長度為729的數字編碼，代表連接變量，初始隨即產生100個免疫基因編碼，設置免疫濃度的抑制θ為0.8，神經網絡的連接閾值θin=θho= 0.5 , 由經驗公式確定隱含層節經過100步迭代后停止，誤差為0.4，其節點數n= 9 ,以最大迭代次數Itermax為算法停止條件。本模型令訓練迭代次數Itermax= 100，根據訓練出的神經網絡得出了預測模型，同時收集4臺機械設備橡塑絕緣件的在線測試數據進行壽命預測。 通過免疫優化訓練神經網絡，得到的機械設備橡塑絕緣件絕緣老化的指標、可靠性指標，數據的可信度如表1所示。

表 1 機械設備橡塑絕緣件的壽命預測結果

對照表1的數據和機械設備橡塑絕緣件實際運行狀況，實驗的預測結果表明，用免疫優化訓練神經網絡來預測機械設備橡塑絕緣件絕緣老化程度，與機械設備橡塑絕緣件的實際情況基本吻合。

∶

[1] 齊藤孝臣,張琪. 各種橡膠的老化機理[J]. 橡膠參考資料. 1996(06).

[2] 山下晉三,楚洪權. 橡膠的老化及其防老[J]. 橡膠參考資料. 1973(05) .

[3] 趙云豐,付冬梅,尹怡欣,等.改進的人工免疫算法在圖像配準參數優化中的應用,高技術通訊, 2009 19(5) .

(R-03)

TQ330.75

1009-797X(2016)22-0034-02

B DOI∶10.13520/j.cnki.rpte.2016.22.012

閆娟（1984-),女，工程師，碩士，主要從事變壓器設計工作。

2016-08-17