[发明专利]一种改进的序贯故障诊断策略优化方法

摘要

本发明涉及一种基于蚁群方法和相关矩阵的序贯故障诊断策略优化方法。包括：编码建模、构造适应度函数、序贯诊断策略建模、模型优化四大步骤。该方法利用多信号建模技术得到表征系统故障和测试依赖关系的相关矩阵，通过定义适应度函数、蚁群算法的状态转移规则和信息素反馈机制，将诊断策略优化问题转化为蚁群寻优问题。为了提高蚁群算法的收敛速度和优化能力，引入了参数动态调整、信息素压缩和拥挤度自适应调整三种策略，提高了诊断策略优化设计方法的精度和结果的鲁棒性。该方法遵守“最小代价”的原则，在保证故障检测率和隔离率的前提下使搜索代价最低，满足了故障策略优化的要求。

主权项

一种改进的序贯故障诊断策略优化方法，其特征在于：包括以下步骤：步骤1：编码建模步骤1.1：熟悉建模对象，识别和提取模型信息，如系统组成、功能、测试信息；步骤1.2：根据系统组成，输入系统的结构模型、原理图模型或概念方框图，设置模型节点属性，然后向模块和测试点加载信号；步骤1.3：根据特定情况，调整、修正和校验模型；步骤1.4：建立好系统的多信号模型以后，执行TEAMS软件中的“静态分析”和“测试性分析”选项，得到系统的故障‑测试相关矩阵D_m×n，其中m和n分别代表系统中的故障源个数和测试个数:d_ij＝0或1      (1)步骤1.5：将相关矩阵中的第i(i＝1,2,…,n)个测试t_i定义为一个结点，仿照蚁群方法求解TSP问题的思路，t_i→t_j的测试顺序看成是蚁群方法中蚂蚁移动的一条边；假设共有M只蚂蚁，蚂蚁k按照某一顺序S_k(1～n的排列)不重复地遍历n个结点，把遍历顺序S_k定义为一种诊断策略；步骤1.6：相关矩阵中的每个测试t_i看成一个结点，t_i→t_j的测试顺序看成是蚁群方法中蚂蚁移动的一条边，所有个体按照某一顺序S_k(1～n的排列)不重复地遍历所有结点，把遍历顺序S_k定义为一种诊断策略；步骤2：构造适应度函数步骤2.1：依据得到的相关矩阵D_m×n和诊断策略S_k，得到相应的故障隔离矩阵FI_k；a_ij＝0或1      (2)隔离矩阵FI_k的第i行的意义与相关矩阵D_m×n中第i行的意义都表示系统的第i个故障源。隔离矩阵FI_k的第j列是相关矩阵D_m×n中所有列按照诊断策略S_k的重新排列；如果相关矩阵D_m×n中d_ij＝1，即测试t_j用于隔离故障f_i，则隔离矩阵FI_k中的第i行、第j列元素为1，否则为0；步骤2.2：假设系统中各故障源的故障率分别为P＝(p₁,p₂,…,p_m)，测试序列T中各测试费用分别为C＝(c₁,c₂,…,c_n)，则由隔离矩阵FI_k得到的诊断策略S_k平均测试成本可以表示为：式中，a_ij为隔离矩阵FI_k中的元素。因此，诊断策略优化的目标就是找到一种测试执行顺序，使得在该执行顺序下平均测试成本最小；步骤3：序贯诊断策略建模步骤3.1：将改进蚁群方法应用到诊断策略优化问题时，根据最小完备测试集的概念，把每一个测试t_i看成是一个结点，t_i→t_j的测试顺序看成是蚂蚁移动的一条边，让蚂蚁随机分布到各个测试点上，每个蚂蚁从当前所在的测试点出发，选择还未走过的测试，直至走完测试集中的所有测试为止，形成一个测试顺序；每次迭代完成后，从蚁群中选择最优的测试序列，经过多次迭代便可求的系统的最优诊断策略；步骤3.2：根据状态转移规则，初始时刻，各条路径上的信息素量τ_ij(t)相等，设τ_ij(0)＝C(C为常数)；蚂蚁k(k＝1,2,…,M)在运动过程中根据各条路径上的信息素量决定转移方向；在t时刻，蚂蚁k由测试i选择移动到测试j的转移概率为：式中，η(j)为第j个测试的启发信息，取为该测试难易度量化值的倒数；参数α和β体现了信息素和启发信息对蚂蚁决策的相对重要性；allowed_k＝{1,2,…,n}‑tabu_k为蚂蚁k下一步允许选择的测试；人工蚁群具有记忆功能，tabu_k为禁忌表(k＝1,2,…,m)，用以记录蚂蚁k以前所走过的城市，集合tabu_k随着蚂蚁运动作动态调整；步骤3.3：信息素更新：ρ∈(0,1)表示信息素τ_ij(t)随着时间的推移而衰减的程度。在t+1时刻，蚂蚁完成一次循环，各路径上信息素要根据下式作调整：τ_ij(t+1)＝(1‑ρ)*τ_ij(t)+Δτ_ij        (5) 式中，为蚂蚁k在本次循环中路径(i,j)的信息素增量；是所有测试点的测试费用的总和，是个常数；J_k是测试序列平均成本函数。根据蚂蚁k完成一次循环确定的测试执行顺序S_k，由S_k获得的隔离矩阵FI_k，可以得到其成本函数为式中，m为故障源总数；a_ij为隔离矩阵FI_k中各元素的值。以上便是利用基本一群方法求解序贯诊断策略问题的模型。步骤4：模型优化步骤4.1：α、β参数动态调整α和β两个参数分别决定了信息素和启发信息对蚂蚁决策的相对重要性。动态调整 策略如下：式中，t_p为临界循环次数，α₀、α₁、β₀、β₁分别为α和β初始值和最终值。步骤4.2：信息素压缩策略采用信息素压缩方法，既能保持信息素浓度的小顺序，又能避免浓度相差过大，方法中只设置一个信息素浓度下限τ_min，当路径上的最大信息素浓度max(τ)和最小信息素浓度min(τ)的比值大于固定阈值R时，所有路径上的信息素执行以下压缩操作：τ_ij＝τ_min·(1+log₂(τ_ij/τ_min))        (11) 经过压缩以后，各路径上的信息素浓度顺序仍保持不变，但是比值被大幅减小，有利于为下一次迭代提供均等的机会；步骤4.3：拥挤度自适应调整拥挤度一词来自于鱼群方法中描述人工鱼聚群行为某一位置拥挤程度的一个概念，测试i与城市j之间蚂蚁的拥挤度q_ij定义如下：如果q_ij较小，则表明路径不太拥挤，从增加方法遍历寻优能力出发，蚂蚁应该在同等转移概率下选择这条路径；否则，表示该路径过于拥挤，蚂蚁应该在可行邻域内重新选择一条路径。可以将路径的拥挤度添加到位置转移概率公式中，改进后的位置转移概率计算由(4)式变为(13)式：式中，σ为信息素和启发因子在转移概率中的影响权重，1‑σ为拥挤度在转移概率中的 影响权重。步骤4.4：利用改进后的蚁群方法进行序贯诊断策略优化；由上述过程可以得到一个最终的测试执行顺序，即完成了序贯诊断策略的优化设计。