改进ABC-SVM在水泵故障诊断中的应用

引言

井下水泵是一种重要的机电设备 [1-2]，同时它又是一个复杂的非线性系统，其故障现象和故障类型之间没有明确的对应关系，因此要实现其故障诊断较为困难。

随着人工智能的发展，越来越多先进的方法被应用到了故障诊断领域。支持向量机(support vector machine，SVM)因其强泛化能力和小样本学习能力，在故障诊断中得到了广泛的应用，并且取得了不错的效果[3-5]。但支持向量机的两个重要参数(惩罚参数和核函数参数)对其分类性能具有重要的影响，由于没有一个统一参数选择标准，目前主要是通过一些优化算法[6-8]进行寻优，以求获得最优的参数组合。

屋里很静。黑暗中听见橡皮头在跳动，滴滴答答地。突然，声音停了，铅笔被林老板捏在手里，咔嚓一声，我感觉自己的骨头都断了，不由得直了直腰。林老板扔了断铅笔，笑了笑，忽然说，你那一身的抛光技术，真的舍得废了么？

鉴于此，通过对蜂群算法[9](artificial bee conlony，ABC)进行了改进，并利用其对SVM的参数进行寻优，在此基础上建立改进ABC-SVM诊断模型，并利用该模型进行井下水泵故障的快速准确的诊断，对于维护井下水泵的安全可靠运行具有重要的意义。

1 支持向量机及其参数

假设有一组带有类别标记的训练样本T={(x1，y1)，…，(xn，yn)}，xi是n维向量，yi代表xi的所属类别，其中每个输入点xi∈Rd(i=1，…，n)属于两类中的某一类，其类别标记为y∈{+1，-1}。SVM的主要目的是构建一个分类超平面来分割两类不同样本，使得分类间隔(margin)最大。最终归结为约束条件下求解二次规划问题：

s=μ/|v|1/β

 

(1)

同时，我省严禁小学非零起点教学行为，不得随意提高教学难度、加快教学进度。坚决制止小学起始年级未按国家课程标准规定实施零起点教学、压缩课时、超前超标教学，以及在招生入学中面向幼儿组织小学内容的知识能力测试，或以入读指定幼儿园、幼儿参加有关竞赛成绩及证书作为招生依据，并视具体情节追究校长和有关教师的责任，纳入规范办学诚信记录。小学不得提前招收不足入学年龄的幼儿接受义务教育。

引入Lagrange乘子αi(i=1，…，n)得其对偶形式：

在入院后6 h之内完成治疗，首先是在C臂X线机透视下，对患者的踝关节做骨折复位，其手术切口应在外侧或后外侧，当复位完成并确认复位效果良好后，使用锁定加压钢板做内固定，然后做应力外旋、外翻试验，如由下胫腓不稳定情况，或有内踝间隙增宽的骨折患者，则应给予下胫腓螺钉固定。手术完成后的第2天，即可指导患者进行关节功能锻炼。

 

(2)

由以上推导可以得到如下决策函数：

 

(3)

本研究共调查骨科住院手术的老年患者1 336例，术后感染率为3.14%，低于相关文献报道［4,5］。其中Ⅰ类切口手术部位感染率为0.41%，高于蒋晓霞等［6］报道的Ⅰ类切口手术部位感染率，而低于其他文献报道［7,8］。感染部位以泌尿系统感染所占比例最高，为45.45%，其次为下呼吸道感染（31.82%）和手术部位感染（18.18%），与一些文献报道［6,9］不尽相同。泌尿系感染高发分析原因可能与老年患者卧床时间长，尤其是下肢骨折的患者，加之手术创伤大、基础疾病多、免疫功能降低，以及留置尿管等因素有关。

K(xi，yi)=exp(-g‖xi-xy‖2)

(4)

结合前面的推导过程，RBF-SVM需要优化的是惩罚参数C和核参数g。以UCI数据集中glass数据为例来说明参数对SVM性能的影响，如图1所示。从图1中可以看出，分类准确率与C和g之间存在一种多峰值的函数映射关系，并且曲面极不规则。因此，SVM的性能取决于这两个参数的选择，采用较好的优化算法进行参数的选择可以提高SVM的性能。

  

图1 参数对支持向量机性能的影响

 

Fig.1 Effect on SVM performance of parameters

2 改进ABC-SVM模型的建立

2.1 改进ABC算法

改进ABC算法是在ABC算法的基础上，引入了Levy飞行策略[10]，利用Levy飞行的高度随机性使果蜂群具有跳出局部最优的能力，基本蜂群算法的具体步骤参见文献[9]。

改进ABC算法以ABC算法为主体，在迭代过程中，按照式(5)分别计算采蜜蜂中个体i与最优采蜜蜂和最差采蜜蜂的距离Disti_best和Disti_worst，

 

(5)

式中xbest和xworst为当代采蜜蜂中最优个体和最差个体的位置。若Disti_best>Disti_worst，则将采蜜蜂个体i划分到以当代最差个体为中心的后进子群，否则将其划分到以当代最优个体为中心的先进子群。后进子群按照式(6)进行位置更新，先进子群按式(7)进行位置更新。

vij=xij+φij(xij-xkj)

人力资源管理平台是一种三支柱模型。这种模型就是将企业分成SSC共享平台、CEO专家平台、HRBP业务支持三种模式。在三支柱模型背景下，人力资源管理有了新的职责。人力资源管理部门的领导者可以通过平台化的方法直接了解业务，并和业务部门的人一起讨论此部门的人力资源管理。

(6)

vij=xij+α(xij-xbest)L(λ)

式(2)和式(3)中，K(xi，yi)为核函数，它有几种常见形式，其中径向基核函数(RBF)由于其优越的性能而得到广泛应用。RBF的形式如下：

(7)

式中(7)中α为步进长度，L(λ)为Levy飞行的随机搜索路径。位置更新后，判断新解vi是否优于原解xi，若优则用vi替代，否则保持不变。

在计算式L(λ)时，采用如下计算公式：

式中C为惩罚参数，εi是线性不可分时引入的松弛变量。

综上所述，20世纪80年代以来安康市出生人口性别比严重失调导致人口结构失衡是当地农村男青年婚恋困难的根本原因，即农村出生人口中男性数量远远多于女性，导致了现阶段农村男青年的婚恋困难。

(8)

式中s即为Levy飞行路径L(λ)；参数β的取值范围为0<β<2，一般取β=1.5；参数μ、v服从式(9)所示的正态分布，其对应的正态分布的标准差σμ、σv的取值满足式(10)：

 

(9)

 

(10)

2.2 改进ABC-SVM模型流程

利用改进ABC对SVM参数优化的流程如图2所示。

  

图2 改进ABC优化RVM流程图

 

Fig.2 Flow chart of improved ABC optimize SVM

具体步骤如下：

（1）从本次问题的处理来看，调节变压器的分接头后必须要测量各分接头的直流电阻，如发现三相电阻不平衡，可以将分接开关进行旋转处理去除其表面的氧化膜。由于本次#6B高厂变吊罩大修时，分接开关操作杆进行了拆装，所以这项工作尤其必要，可确保分接开关触头接触良好。

[1]张海峰，罗明华，佘影. 以PLC为核心的煤矿自动排水系统设计[J]. 煤炭技术，2016，35(4)：243-245.

(2)通过交叉验证，对样本集进行分类，得到交叉验证的准确率作为蜜源个体的适应度。

众所周知，大学公共体育传统教学多重技能轻理论。一以贯之的运动技能教学往往遮掩了体育理论文化育人的独特性。文化基础是构建中国学生发展核心素养总体框架的三大方面之一，其重要性不言而喻。如何在大学公共体育教育过程中提升学生的文化基础？无疑是要向学生开授以中华优秀传统体育文化、奥林匹克精神、中华体育精神、体育竞赛规则等为主题的体育理论知识。当然，提倡体育理论教学并非排斥运动技能教学。适度增加体育理论教学的课时数量，适时挖掘体育文化育人的功用，有利于构建大学公共体育教育“理论+实践”模式。大学生体质弱势群体公共体育教育同样如此。

(4)观察蜂根据概率选择采蜜蜂获得的蜜源信息，并更新全局最优信息。

(5)判断是否满足侦察蜂的触发条件，如满足条件，则产生新的蜜源，并按贪婪原则进行选择。

(3)根据距离大小将采蜜蜂分为先进子群和后进子群并进行位置更新。最终将新蜜源适应函数值与原来蜜源的最优值进行比较，采用贪婪原则对新的蜜源进行选择。

(6)判断是否满足停止条件，如不满足要求则重复步骤(2)，如满足则输出最优参数。

3 水泵故障诊断实例

井下水泵故障类型采用J Sohre[11]提出的故障特征征兆表，水泵常见故障样本分布情况如表1所列。以训练样本为原始数据建立改进ABC-SVM模型，同时为了突出该方法的优势，还采用ABC和PSO对SVM两个参数进行寻优。在3种算法中，种群的规模均为20，最大迭代次数为100，两个参数的搜索范围均为0～100。改进ABC中的步进长度α=0.5，PSO算法中局部搜索参数c1=1.5，全局搜索参数c2=1.7。

表1 煤矿井下水泵故障样本Tab.1 Fault sample of water pump in colliery

  

故障类型训练样本测试样本标签转子不对中6121油膜震荡352泵内异物11223轴承支撑系统连接松动6124转子不平衡25555水泵气蚀12266叶轮与转轴之间配合失效377合计66139

经过多次实验的比较，得到了如图3所示的适应度迭代曲线。从图3中可以看出，采用改进ABC优化SVM参数时，只经过9次迭代就完成了收敛，相比于ABC和PSO算法，改进ABC获得了最优的适应度值，并且收敛速度最快。

  

图3 适应度迭代曲线

 

Fig.3 Fitness interiation curve

将3种方法最优适应度对应的参数组合作为SVM最优参数，建立诊断模型并进行故障诊断，改机ABC-SVM诊断的可视化结果如图4所示，具体诊断测试结果如表2所示。从图4中可以看出，所有样本中有2个被错误识别，1个是将泵内异物故障识别成了轴承支撑系统连接松动故障，另1个是将转子不平衡故障识别成了转子不对中故障。从表2中可以看出，不同算法的得到的参数组合是不同，其中改进ABC-SVM的分类效果最好，故障诊断的准确率达到了98.56%，相比于ABC和PSO分别提高了3.6%和5.03%。以上分析表明改进ABC具有突出的寻优能力，可以获得更优的SVM参数，增强了SVM的分类性能，进一步提高了对井下水泵的故障诊断的准确率，具有一定的优势。

(2)铷有机相用1 mol/L盐酸反萃，在相比VO/VA=51时，经三级逆流反萃，反萃率为91.04%，铷钾得到了较好的分离。

  

图4 改进ABC-SVM诊断可视化结果

 

Fig.4 Visiual results of improved ABC-SVM diagnosis

表2 不同方法的故障诊断结果Tab.2 Diagnosis results of different methods

  

算法准确率/%Cg改进ABC-SVM98．56127．310．27ABC-SVM94．96149．510．89PSO-SVM93．53183．443．16SVM91．37119．390．39

4 结论

针对井下水泵故障诊断的复杂性，采用SVM对其故障进行诊断。为使SVM具有更好的分类效果，笔者对ABC进行部分改进并将其用于SVM参数的优化选择，并与其它方法进行了对比。煤矿井下水泵的故障诊断实例表明，改进ABC优化的SVM相比于其他几种优化方法，在收敛速度和精度上都得到了提高，能够获得更优参数组合，有效提高水泵的故障诊断精度。

（2）热沉的最大热应力和最大形变随着热流密度的增大均近似呈线性增长。高热流密度下微通道分支数对最大热应力和最大形变的影响更大。

参考文献：

小儿厌食症发病率相对较高,厌食现象发生后会使得患儿的正常进食受到影响,随之威胁到患儿机体的营养吸收和身体健康,因此临床应该注重对其及时采取有效的方法进行治疗[2]。

(1)初始化改进ABC各相关参数，包括种群规模、迭代次数、步进长度等。

[2]赵华玮. 基于能量算子的煤矿机电设备故障诊断算法[J]. 煤炭技术，2015，34(9)：253-255.

[3]张前图，房立清，赵玉龙，等. 基于LCD信息熵特征和SVM的机械故障诊断[J]. 机械传动，2015，39(12)：144-148.

[4]亢生彩. 网格搜索法SVM参数优化在主扇风机故障诊断中的应用[J]. 煤炭技术，2015，34(1)：295-297.

[5]李爱民，包从望. 基于EMD-SVM的刚性管道故障诊断[J]. 煤炭技术，2016，35(4)：264-266.

[6]郭一格，孙力，刘以安. 基于MCS的SVM参数优化研究[J]. 计算机应用研究，2012，29(12)：4553-4555.

[7]孙健，王成华，洪峰，等. 基于人工鱼群优化支持向量机的模拟电路故障诊断[J]. 系统仿真学报，2014，26(4)：843-847.

[8]张翔，陈林. 基于果蝇优化算法的支持向量机故障诊断[J]. 电子设计工程，2013，21(16)：90-93.

[9]刘路，王太勇. 基于人工蜂群算法的支持向量机优化[J]. 天津大学学报，2011，44(09)：803-809.

[10]张前图，房立清，赵玉龙. 具有Levy飞行特征的双子群果蝇优化算法[J]. 计算机应用，2015，35(5)：1348-1352.

[11]赵凯，孙浩. 旋转机械故障诊断的查表判别法[J]. 中国设备管理，1999(2)：36-37.

二次发酵法：称料→中种面团调制→基本发酵→主面团调制→延续发酵→分团→滚圆→中间醒发→整形→最后醒发→烘烤→冷却→包装。