粗糙集—遺傳算法在水輪發(fā)電機(jī)組故障診斷中的應(yīng)用

郭威

【摘 要】針對(duì)水輪機(jī)組狀態(tài)監(jiān)測(cè)在運(yùn)行過程中產(chǎn)生的大量數(shù)據(jù)，采用粗糙集—遺傳算法的方法進(jìn)行判斷分類，進(jìn)一步的分析數(shù)據(jù)中判別機(jī)組的運(yùn)行狀態(tài)，分析故障產(chǎn)生的原因，找到故障發(fā)生的部位的。實(shí)例分析表明，粗糙集—遺傳算法的方法進(jìn)行水輪機(jī)組的故障診斷，在原有的水輪機(jī)組故障信息進(jìn)行屬性約簡(jiǎn)，可以獲得較好的診斷。該方法可以在水輪機(jī)組故障診斷中得到應(yīng)用。

【關(guān)鍵詞】粗糙集；遺傳算法；水輪機(jī)發(fā)電組故障診斷

中圖分類號(hào)： TP18；TP393.08 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）35-0144-003

DOI：10.19694/j.cnki.issn2095-2457.2018.35.061

0 引言

隨著水電事業(yè)的蓬勃發(fā)展，越來越多的大、中型水輪發(fā)電機(jī)組不斷的投產(chǎn)運(yùn)行，其在電力行業(yè)中所占比重也在不斷的增加。而水輪發(fā)電機(jī)組的正常運(yùn)行對(duì)電力系統(tǒng)的安全與穩(wěn)定密切相關(guān)，所以對(duì)水輪發(fā)電機(jī)組的狀態(tài)監(jiān)測(cè)至關(guān)重要。對(duì)水輪發(fā)電機(jī)組的狀態(tài)監(jiān)測(cè)主要包括水輪機(jī)組的振動(dòng)、擺度、壓力脈動(dòng)等。如何快速、準(zhǔn)確的在水輪發(fā)電機(jī)組中的大量數(shù)據(jù)中找到有效的信息、發(fā)現(xiàn)隱含的規(guī)律、判斷故障類型、找到故障發(fā)生部位，具有重要的意義。粗糙集和遺傳算法在約簡(jiǎn)信息、發(fā)現(xiàn)隱藏規(guī)律方面有著其獨(dú)特的優(yōu)勢(shì)，可以引入到水輪發(fā)電機(jī)組故障診斷中。

1 粗糙集-遺傳算法

1.1 粗糙集簡(jiǎn)介

粗糙集（Rough Sets），是Pawlak在1982年提出的一種定量分析處理不確定、不一致、不完整信息和知識(shí)的數(shù)學(xué)工具[1]。假若把粗糙集，簡(jiǎn)化為一個(gè)簡(jiǎn)單的知識(shí)表達(dá)系統(tǒng)（信息表），可以把其定義為：U。利用等價(jià)關(guān)系的數(shù)據(jù)處理方法，得到了一個(gè)準(zhǔn)確、嚴(yán)格的數(shù)學(xué)劃分方法。U=（A，B，V，F(xiàn)），其中A代表信息表中的所有對(duì)象的集合、B代表屬性集合。其中B由條件屬性C與決策屬性D組成且C∩D=？準(zhǔn)、C∪D=B。其中C可以由自己定義多個(gè)條件屬性的集合即C=C1∪C2∪C3......、C1∩C2∩C3......=？準(zhǔn)。V代表屬性值的集合，V= V ，Vr代表屬性r？哿R的范圍。F是一個(gè)信息函數(shù)，指定A中每一個(gè)對(duì)象的屬性值。粗糙集理論中用邊界的方法表示模糊的概念，即上、下近似。假設(shè) B與U等價(jià)，則上近似B*（x）：所有與集合A相交且非空等價(jià)類的并集，是那些可能屬于對(duì)象X的最小的組合，。下近似B*（x）根據(jù)現(xiàn)有的知識(shí)判斷屬于X對(duì)象的最大組合， 。其粗糙度可以用α表示：

1.2 知識(shí)約減

粗糙集中的知識(shí)約減主要指，在不影響知識(shí)庫分類的前提條件下，刪除掉無關(guān)的條件屬性。通過約減將復(fù)雜的決策表約減掉冗余的屬相得到最小的條件屬性決策表。知識(shí)約減通常包含以下3個(gè)步驟[2]：

1）簡(jiǎn)化條件數(shù)性：從決策表中消去某些列。

2）消去重復(fù)的行：在條件屬性最最簡(jiǎn)的決策表中消除完全相同的決策對(duì)象。

3）消去屬性的冗余值：對(duì)上述處理后的約減可以進(jìn)一步的進(jìn)行消去，近似到最小約減。

雖然約減后的決策表是不完整的決策表但是不影響其在原有知識(shí)能力的基礎(chǔ)上進(jìn)行分類。

2.3 遺傳算法

遺傳算法通常包括：1）編碼方法；2）適應(yīng)度函數(shù)其保存策略則為最優(yōu)保存策略。編碼方法：由于遺傳算法不能直接處理空間數(shù)據(jù)，故通過編碼將其表示成遺傳空間的基因形串結(jié)構(gòu)。適應(yīng)度函數(shù)：評(píng)價(jià)個(gè)體的優(yōu)劣程度，適應(yīng)度越大個(gè)體越好，反之適應(yīng)度越小怎個(gè)體越差。因此，遺傳算法也要有適應(yīng)度為非負(fù)數(shù)。

本文將粗糙集預(yù)處理結(jié)果，用遺傳算法進(jìn)行最終分析。遺傳算法采用二進(jìn)制的編碼形式，那么每位二進(jìn)制編碼則對(duì)應(yīng)一個(gè)條件屬性，比如某一個(gè)對(duì)象取值是1，則表示選擇其對(duì)應(yīng)的條件屬性。選擇適應(yīng)度函數(shù)：

（1）中：x為當(dāng)前的染色體也就是指二進(jìn)制位串；L為染色體長(zhǎng)度也就是指待約減的條件屬性集合的長(zhǎng)度，Ln為x中1的個(gè)數(shù)；K（x）為條件屬性對(duì)決策屬性的支持的程度。

3 粗糙集—遺傳算法在水輪機(jī)組故障診斷中的應(yīng)用

基于粗糙集—遺傳算法在水輪機(jī)組故障診斷中的應(yīng)用過程，如圖1所示。首先將樣本數(shù)據(jù)如表1所示訓(xùn)練的樣本數(shù)據(jù)，訓(xùn)練抗原集中的1、2、3、4、5、6、7、8、9表示振動(dòng)信號(hào)在低倍頻：（0.4～0.5）X、1倍頻：1X、2倍頻：2X、3倍頻：3X，中的的分量，以及在高倍頻：>3X，在整個(gè)信號(hào)能量中占的的比重。經(jīng)過粗糙集的劃分、整合得到表2未經(jīng)離散化的樣本數(shù)據(jù)的粗糙集劃分。其中，表2，中a、b、c、d等代表?xiàng)l件屬性，決策屬性列中的1代表渦帶偏心、2代表不平衡、3代表不對(duì)中。將訓(xùn)練的樣本數(shù)據(jù)利用離散化方法進(jìn)行離散化，然后根據(jù)需要，采用屬性約簡(jiǎn)的方法刪除重復(fù)的信息，獲得判斷決策表及識(shí)別擬合圖。

選取PC=0.7，Pm=0.01，Max_Gen=100，可以得到最優(yōu)解。經(jīng)過約減不必要列元素g、h、j后可得到表3.約減后的決策表，可知在渦帶偏心的主要集中a、b兩列，不平衡主要集中在c、d兩列，不對(duì)中主要集中在e、f兩列，其中*代表可約減的元素。由圖1粗糙集—遺傳算法的擬合圖可知在30-110左右時(shí)擬合效果最好，能夠準(zhǔn)確的區(qū)分不同故障類型。

4 結(jié)論

粗糙集可以處理不確定、不完整的信息，被應(yīng)用于數(shù)據(jù)挖掘、智能控制等領(lǐng)域。而遺傳算法具有優(yōu)秀的全局尋優(yōu)能力?；谏鲜鰞煞N算法的優(yōu)點(diǎn)。本文通過粗糙集—遺傳算法的方法進(jìn)行水輪機(jī)組的故障診斷，在原有的水輪機(jī)組故障信息進(jìn)行屬性約簡(jiǎn)，但是保持了與原有決策表相同的分類能力。該方法可以在水輪機(jī)組故障診斷中得到應(yīng)用。

【參考文獻(xiàn)】

[1]Pawlak Z.Rough set.International Journal of Computer and Information Sciences.1982.11（5）：341-356.

[2]HOLLAND J H.Adaptation in natural and artificial systems：an introductory analysis with applications to biology，control，and artificial intelligence[M].2nd ed.Cambridge：MIT Press，1992.

李啟章.水輪發(fā)電機(jī)組的振動(dòng)監(jiān)測(cè)和故障診斷系統(tǒng)[J].貴州水力發(fā)電，2000，14（3）：50-53.

[4]梁武科，羅興锜，張彥寧，等.水力發(fā)電機(jī)組振動(dòng)故障診斷系統(tǒng)中的信號(hào)預(yù)處理[J].水力發(fā)電學(xué)報(bào)，2003，（3）：114-120.

[5]王榮榮，梁武科，趙道利.基于粗糙集和遺傳算法的水輪發(fā)電機(jī)組故障診斷方法[J].中國(guó)農(nóng)村水利水電，2007，04.

[6]王學(xué)恩，韓崇昭，韓德強(qiáng)等.粗糙集研究綜述[J].控制工程，2013，01.

[7]王國(guó)胤，姚一豫，于洪.粗糙集理論及應(yīng)用研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2009，32（7）：1229-1246.