免疫支持向量机方法在液压泵故障诊断中的应用

　　0引言

　　液压泵是液压系统的心脏,它的好坏将直接影响整个液压系统直至整个工业设备的正常工作,对它的状态监测和故障在线诊断至关重要。对设备的故障进行诊断,通常正常运行状态的数据样本是很容易获得的,而故障样本一般却难以获得^[1,2]。这样,在故障诊断的过程中只有正常样本可以利用,一般的分类算法难以完成训练过程。

　　受生物免疫系统否定选择机制的启发,将其机理应用在人工免疫系统中,为解决上述问题提供了一条新的途径。将正常样本(自己)作为否定选择算法的输入,经过程序运算,产生满足要求的检测器(非己),让检测器尽可能地覆盖非己空间,这样的检测器集合就可以作为故障样本进行训练,再结合传统的分类算法,就能完成故障诊断过程。

　　否定选择算法和传统的分类算法的融合,为故障诊断领域带来了新的生机,解决了故障诊断中缺少故障样本的难题。为了验证本文提出的混合故障诊断方法的有效性,在实验室对轴向柱塞泵人为的脱靴故障进行诊断,取得了满意的效果,验证了该方法的有效性。

　　1免疫系统的否定选择机理

　　免疫系统的T细胞在产生过程中,通过伪随机基因重组过程在T细胞表面产生检测器,然后进入胸腺进行检查(称为否定选择)。那些和机体自身蛋白质反应的T细胞被毁灭,只有那些不破坏自身组织的T细胞存活,这些成熟的T细胞在体内循环,它能检测出任何非己物质,执行免疫功能,保护机体免受抗原的侵袭。T细胞的检测器能够准确识别非己,这称为免疫系统的自己)非己识别过程^[3]。

　　受免疫系统自己)非己识别机理的启发,Forrest等^[4]提出了适于检测计算机病毒的编码否定选择算法。该算法与生物免疫系统的否定选择过程类似,通过随机地产生检测器,并取消那些能检测出自己的检测器,以便保留的检测器能检测任何非己。为了使否定选择算法更具有实用性,Gonzalez等^[5]对检测器的概念进行了推广,提出了实值否定选择(real-valued negative selec-tion,RNS)算法,检测器用向量表示,扩大了否定选择算法的应用范围。

　　检测器具有只与非己空间匹配、不与自己空间匹配的特性。向量检测器具有与自体向量相同的维数,但其分布在非己空间内,向量检测器需满足以下不等式:

　　式中,E(.)为求欧氏距离的函数;S为自己空间的任意样本向量;r为阈值。

　　2改进的实值否定选择算法

　　本文提出的混合故障诊断方法的主要过程是通过产生的高维异常检测函数来进行故障的分类。其中,由否定选择算法产生的检测器能否对非自体空间进行良好的覆盖将会对整个算法的效果产生非常大的影响^[6-8]。下面对混合方法中使用的RNS算法进行阐述。