基于改進(jìn)鯨魚算法尋優(yōu)SVM的船用柴油機(jī)燃油系統(tǒng)故障診斷方法研究

黃燁鑫 萬振剛 程琛

關(guān)鍵詞：船用柴油機(jī);拉普拉斯分值（LS）;改進(jìn)鯨魚算法（IWOA）;支持向量機(jī)（SVM）;故障診斷

船用柴油機(jī)因其特殊性和復(fù)雜性，一直是相關(guān)行業(yè)討論的重中之重。在噴射方面，船用柴油機(jī)的輸出扭矩會(huì)比其他柴油機(jī)更高;在點(diǎn)火方面，船用柴油機(jī)通過壓縮自燃點(diǎn)火;在用油方面，船用油的堿性較高，對(duì)潤滑油的要求有足夠的堿保持性、良好的抗乳化性和分水性。由此可知，展開對(duì)船用柴油機(jī)的故障診斷是具有很大實(shí)用性。

基于LS和IWOASVM的船用柴油機(jī)故障診·斷方法，首先通過LS對(duì)征兆樣本集進(jìn)行特征選擇，通過比較各個(gè)特征的I-S，挑選出最有效的幾組來達(dá)到降維的目的。拉普拉斯分值的基本思想是根據(jù)特征的局部保存能力對(duì)其進(jìn)行評(píng)估。既可以有效表達(dá)故障信息，又可以解決維數(shù)過多的問題，而且提高了計(jì)算能力和效率;再用IWOA尋優(yōu)SVM中的核參數(shù)和懲罰因子，鯨魚算法是一種新型的元啟發(fā)式算法，結(jié)構(gòu)簡單，調(diào)節(jié)參數(shù)少，全局尋優(yōu)能力強(qiáng)，尤其是收斂精速度上明顯優(yōu)于傳統(tǒng)算法，為提高鯨魚算法的能力，對(duì)其進(jìn)行改進(jìn)，融人慣性權(quán)值，提高對(duì)兩者的優(yōu)化效果;最后利用IWOASVM分類器來進(jìn)行降維后的分類處理，達(dá)到故障診斷的效果。作為一種監(jiān)督式學(xué)習(xí)算法，SVM在解決小樣本機(jī)器學(xué)習(xí)問題和提高泛化性能上的優(yōu)勢(shì)，被廣泛應(yīng)用。SVM既可以解決線性問題，又可以解決非線性問題，但是其參數(shù)的選擇對(duì)分類效果和精度有著極大影響，故引入改進(jìn)鯨魚算法進(jìn)行優(yōu)化選擇。船舶設(shè)備的故障特征有很多，導(dǎo)致了維數(shù)過多的問題，故引入I-S進(jìn)行降維，而SVM解決小樣本非線性問題有著自己的優(yōu)勢(shì)，改進(jìn)鯨魚算法收斂精速度強(qiáng)，三者的結(jié)合既保證了準(zhǔn)確性又提高了計(jì)算能力。

1故障診斷流程

船用柴油機(jī)故障診斷的流程圖如圖1所示，其具體步驟如下：

1）征兆樣本集進(jìn)行LS降維處理流程如圖2所示：

鯨魚算法分為包圍獵物，氣泡網(wǎng)攻擊方法和搜索獵物，為提高優(yōu)化效果、搜索能力、收斂精速度，引入慣性權(quán)值來對(duì)其改進(jìn)：

其中分別為慣性權(quán)重的最值;t為當(dāng)前迭代次數(shù);T為最大迭代次數(shù)。改進(jìn)后的鯨魚算法為：

3）最優(yōu)懲罰因子和核參數(shù)代入SVM形成IWOASVM分類器。

SVM研究目的就是為了尋找一個(gè)分類間隔最大的最優(yōu)超平面。對(duì)于非線性問題，需要先將樣本映射到更高維的特征空間，在更高維的特征空間中使用線性分類。由于很難確定合適的核函數(shù)來找到超平面，而當(dāng)懲罰因子C為無窮大時(shí)，也可滿足條件，此時(shí)的超平面也符合條件。當(dāng)a，為拉格朗日乘子，目標(biāo)函數(shù)轉(zhuǎn)化為：

4）IWOASVM分類器對(duì)降維后的特征矩陣進(jìn)行診斷，對(duì)診斷后的結(jié)果進(jìn)行分類，根據(jù)輸出矩陣來判斷船用柴油機(jī)何處故障。

2仿真驗(yàn)證

在MATLAB中編寫程序來進(jìn)行仿真驗(yàn)證，船用柴油機(jī)分為運(yùn)動(dòng)部件、燃油機(jī)系統(tǒng)、配氣系統(tǒng)、潤滑系統(tǒng)、冷卻系統(tǒng)和起動(dòng)系統(tǒng)五大部分。船用柴油機(jī)燃油系統(tǒng)中的高壓油管壓力波形信號(hào)在故障時(shí)會(huì)發(fā)生變形，因此可通過這一規(guī)律來衡量燃油系統(tǒng)的運(yùn)行狀態(tài)。

選取8個(gè)壓力波特征參數(shù)：燃油噴射最大壓力、噴油器啟閥壓力、次最大壓力、波形幅度、上升沿寬度、波形寬度、最大余波寬度與波形面積。以40組原始數(shù)據(jù)為基礎(chǔ)，加上40，45，50，55，60，65，70，75，80 dB的高斯白噪聲，將數(shù)據(jù)擴(kuò)充到400組，組成征兆樣本集。設(shè)8維輸入向量對(duì)應(yīng)8個(gè)期望輸出狀態(tài)，如表1所示：

如圖2所示，I-S進(jìn)行降維處理，挑選出具有較強(qiáng)代表能力的特征輸入到SVM中。共8個(gè)特征，每個(gè)有400個(gè)樣本，從小到大進(jìn)行排列為5、3、7、8、4、1、2、6。選取前4個(gè)具有代表性的。

其次，分類器進(jìn)行分類，非線性問題要在更高維的特征空間中尋找到最優(yōu)超平面進(jìn)行線性分類，需要找到懲罰因子C和核參數(shù)g。IW（）A對(duì)SVM分類器所需的部分進(jìn)行尋優(yōu)，設(shè)定C∈[0，100]，∈[0，1000]。設(shè)定鯨魚種群數(shù)目為30，權(quán)中最值為10和0，如圖3所示，首先對(duì)鯨魚位置初始化，其次計(jì)算其適應(yīng)度函數(shù)，將鯨魚的位置解碼為懲罰因子C和核參數(shù)g，并且計(jì)算訓(xùn)練集十折交叉驗(yàn)證的MSE作為適應(yīng)度值，然后迭代次數(shù)大于設(shè)定的最大次數(shù)T=5時(shí)，輸出最優(yōu)懲罰因子C和核參數(shù)g，如表2所示，隨著迭代次數(shù)的增加，當(dāng)前最佳鯨魚變化如圖4所示：

采用80%的訓(xùn)練數(shù)據(jù)，20%的測(cè)試數(shù)據(jù)，最大訓(xùn)練次數(shù)為500，得到傳統(tǒng)的SVM算法的精確度可以達(dá)到94. 0625%，WOA尋優(yōu)SVM算法可達(dá)到97.1875%，而IWOA尋優(yōu)SVM算法可以達(dá)到97. 5%，精確度有了明顯的提高，如表3所示：

根據(jù)SVM分類器的輸出矩陣，判斷燃油系統(tǒng)的故障狀態(tài)，如表4所示：

如圖5所示，IWOA尋優(yōu)SVM在優(yōu)化其效果上具有很高的優(yōu)勢(shì)，其對(duì)于船用柴油機(jī)的故障診斷也具有較高的準(zhǔn)確性。

3結(jié)論

提出了一種基于LS和IWOASVM的船用柴油機(jī)故障診斷方法。首先通過LS對(duì)征兆樣本集進(jìn)行降維處理，然后通過IWOA來優(yōu)化SVM的懲罰因子和核參數(shù)，構(gòu)造成分類器來進(jìn)行故障診斷識(shí)別。將改進(jìn)的尋優(yōu)SVM與傳統(tǒng)的鯨魚算法尋優(yōu)進(jìn)行比較，驗(yàn)證了改進(jìn)鯨魚算法尋優(yōu)SVM在決策方法方面的有效性。