人工鱼群算法在矿井提升机故障诊断中的应用

人工鱼群算法在矿井提升机故障诊断中的应用1

汪楚娇，夏士雄，牛强，夏战国

中国矿业大学计算机科学与技术学院，江苏徐州 (221008)

E-mail：wcj @

摘要:基于因果模型的诊断方法是人工智能领域发展起来的一个十分活跃的分支.在该方法中,由故障症状集求解极小故障集的过程是一个NP-Hard问题.通过对诊断问题进行更精确的数学建模和分析, 提出了将概率因果模型和人工鱼群算法相结合的矿井提升机的故障诊断方法,该方法将因果模型的似然函数作为人工鱼群算法的目标函数,从而将复杂系统的故障诊断转化为最优问题. 通过将问题映射到0/1整数规划问题, 对多绳摩擦提升机运行中典型的过卷故障进行分析.仿真结果表明,该方法能够适应诊断过程中出现的不确定性,并实现多故障诊断,在故障症状集基数大于20的情况下能够求出95%-100%的极小诊断.

关键词：矿井提升机；人工鱼群算法；故障诊断；概率因果模型

中图法分类号：TP301文献标识码：A

1 引言

矿井提升机是联系地下和地上的惟一途径,是采矿业最关键的设备,它的安全可靠运行是整个矿井正常生产的必要条件.一旦发生故障,造成的经济损失巨大.为此,当提升系统发生故障后能够及时地根据故障性质和系统的运行状态, 迅速排除故障,并确定故障的处理方法,保障系统的安全运行,其意义重大.

对于矿井提升机的智能故障诊断,已有的研究主要集中在基于知识的专家系统方法和人工神经网络方法等方面.传统的专家系统方法由于难以建立有效的数学模型,对影响故障源和故障症状之间的联系难以考虑完全等原因,致使诊断结果精度不高[1].基于神经网络的诊断方法,取得了一些很成功的应用[2],但是在应用中要求训练样本数量大,考虑影响因素时网络结构复杂,存在训练时间长和局部极小值等问题.基于支持向量机的方法[3]在小样本的故障诊断领域有较好的应用,但是没有充分考虑当前发生的故障和能观察到的症状之间多对多的映射关系.

近年来,随着人工智能和人工生命的兴起,出现了一些新型的仿生算法.由于这些算法可以处理离散、非线性问题,因而在故障诊断领域得以应用.人工鱼群算法[4,5]将基于行为的人工智能思想通过动物自治体的模[6]式引入优化命题的解决中,是一种基于模拟鱼群行为的随机搜索优化算法,提出了一种新的解决问题的模式.文献[7]的计算实例表明该算法具有良好的克服局部极值、取得全局极值的能力.

本文首先针对提升机故障诊断的特点,引入节约覆盖集理论[8],对故障诊断模型问题重新给出了细致详尽的描述,建立了因果网络.在此基础上建立了基于该算法的优化模型,提出了基于人工鱼群算法的矿井提升机故障诊断的新方法.方法收敛速度快,没有局部极值问题,又可以考虑多种故障源和症状之间的复杂映射问题.

2 人工鱼群算法

人工鱼群算法(AFSA)[4,5]是一种基于模拟鱼群行为的优化算法.算法利用了鱼的觅食、聚

1本课题得到国家自然科学基金（50674086）；博士点基金（20060290508）；江苏省科技项目（BS2006002）

的资助。

群和追尾行为,从构造单条鱼的行为做起,通过鱼群中各个体的局部寻优,达到全局最优.算法具有克服局部极值、取得全局极值的能力,对搜索空间具有一定的自适应能力[7].

AFSA 是从问题可能的潜在解集开始的,即首先要构造初始种群.而一个种群则是由经过编码的一定数量的个体组成.每个个体实际上是带有特征的实体即人工鱼.算法通过模拟人工鱼群中人工鱼个体的变化来改变模型参数.文献[5]采用基于行为的多并行通路结构来构造人工鱼个体的模型,人工鱼的模型采用面向对象的方法构造,它用经二进制编码后的模型参数进行工作.模型封装了人工鱼的自身状态和行为模式.算法的进行也就是人工鱼个体的自适应行为活动,个体每活动一次就是算法的一次迭代.

AFSA 对非线性问题求解和大范围空间搜索具有独特的优势,其主要特点是群体搜索策略和群体中个体之间的信息交换,具有并行处理的能力,寻优速度较快.为了算法的简便易行,最优值的获取采用了跟踪最优个体状态的方法,引入了公告板来记录最优个体状态.为了解决待约束的问题,引入了约束行为,扩展了算法的适用性.为了更有效的增加算法的效能,用移动策略替代了行为评价,尤其适用于处理传统搜索方法难以解决的复杂和非线性问题.

正因为以上特点,因此AFSA 被广泛的应用在了很多方面,如电网预测[9]、生产计划优化等.而矿井提升机的特点是故障机理和产生故障的原因复杂多变,并且当前发生的故障和能观察到的症状之间往往没有明显的对应关系,另外由于诊断中大量的不确定因素,这些都给矿井提升机故障诊断带来极大的困难.对于这种高度非线性系统,传统的基于数学模型的方法往往不能进行有效求解.因而其优化方法应该具有针对性. AFSA 采用自下而上的设计方法,对寻优空间的形式和性质没有特殊要求.并且这种方法原则上是一种基于比较目标函数值的搜索方法,不需要利用导数信息,因而具有较好的全局寻优能力,且寻优速度较快. 因此 AFSA 可以较好地解决矿井提升机故障诊断中遇到的推理速度慢和先验知识获取困难等问题,其特殊优点对弥补传统方法的不足,具有一定的优越性.因而将AFSA 引人矿井提升机故障诊断,从理论上和应用上进行探索性的研究,是非常重要和有价值的.

3 故障诊断优化模型描述

3.1 基于概率因果模型的故障诊断的基本思想

基于模型的故障诊断的基本思想是:通过为系统建立一种诊断模型来预测系统的行为.如果观测到的行为与预期的行为不符,就利用已经建立起来的模型和观测的结果导出候选诊断.诊断推理方法的计算是从与诊断问题求解的浅知识[10]有关的因果和概率的形式化得到的.

下面给出基于概率因果网络模型的故障诊断技术的基本概念和思想.

定义1.故障症状集12{,,...,}m E e e e =表示网络潜在的所有故障症状,l E E ⊆是当前观测到的故障症状.

定义2.候选故障集12{,,...,}n F f f f =表示所有可能发生的故障,l F F ⊆代表当前发生的故障.

定义3.候选故障i f 在症状l E 下发生的概率为fi P 可以表达为P {(|)}i f i l P f yes E ==,对于

i F l f ∈,其先验概率为i

f P ( 0 , 1)∈.

定义4.候选故障在症状l E 下的概率集

12P {(|),(|),...,(|)}l E l l n l P f yes E P f yes E P f yes E ====.