基于多策略融合改进鲸鱼算法的诊断策略优化方法.pdf
《基于多策略融合改进鲸鱼算法的诊断策略优化方法.pdf》由会员分享,可在线阅读,更多相关《基于多策略融合改进鲸鱼算法的诊断策略优化方法.pdf(9页珍藏版)》请在咨信网上搜索。
1、总第352期基于多策略融合改进鲸鱼算法的诊断策略优化方法赵力史贤俊秦玉峰(海军航空大学岸防兵学院烟台264000)摘要诊断策略的构建是装备测试性设计过程中重要的一环,为增强装备的故障检测功能和效率,该过程显得尤为关键。针对在实际工程应用中经常出现虚警、漏检等测试不确定因素,严重影响诊断策略的优化设计,当前启发式搜索算法在测试的不确定性条件下,难以有效地进行诊断策略的优化。因此,论文引入了一种融合多种策略的改良型鲸鱼优化算法,以促进诊断策略的最优化。首先建立了测试不确定条件下诊断策略优化问题的数学模型;然后设计了以测试成本、测试可靠度和错误诊断代价为优化目标,采用了经过修正的鲸鱼优化算法,针对“
2、诊断策略优化”问题进行深入探讨;最后以某型装备的惯性测量组合为例进行实例验证,通过与普通鲸鱼优化算法和算法的对比,体现出该算法在收敛速度和全局搜索效率方面的优势,验证了算法的可行性和有效性。关键词测试性设计;诊断策略优化;测试不确定;鲸鱼优化算法中图分类号TP206DOI:10.3969/j.issn.1672-9730.2023.10.039Diagnostic Strategy Optimization Method Based on Multi-strategyFusion Improved Whale AlgorithmZHAO LiSHI XianjunQIN Yufeng(Coas
3、t Guard Academy,Naval Aviation University,Yantai264000)AbstractThe construction of the diagnostic strategy is an important part of the equipment testability design process,which isof great significance to improve the fault diagnosis capability and diagnostic efficiency of the equipment.In view of th
4、e fact that testuncertainties such as false alarms and missed tests often occur in practical engineering applications,which seriously affects the optimal design of diagnostic strategies,and that the existing heuristic search algorithm is difficult to solve the diagnostic strategy optimization proble
5、m under test uncertainty conditions,a diagnostic strategy optimization method based on multi-strategy fusion improvedwhale optimization algorithm is proposed.The mathematical model of the diagnostic strategy optimization problem under test uncertainty is firstly established.Then the improved whale o
6、ptimization algorithm is designed to solve the diagnostic strategy optimizationproblem with test cost,test reliability and error diagnosis cost as the optimization objectives.Finally,the inertial measurement combination of a certain type of equipment is used as an example for instance verification,a
7、nd through the comparison with the commonwhale optimization algorithm,algorithm and quasi-depth search algorithm.Finally,the feasibility and effectiveness of the algorithmare verified by comparing it with the common whale optimization algorithm and the algorithm,which reflects the advantages of the
8、algorithm in terms of convergence speed and global search efficiency.Key Wordstestability design,diagnostic strategy optimization,test uncertainty,whale optimization algorithmClass NumberTP206收稿日期:2023年4月12日,修回日期:2023年5月15日作者简介:赵力,男,硕士研究生,研究方向:测试性、故障诊断。史贤俊,男,博士,教授,研究方向:自动控制、测试性和故障诊断。秦玉峰,男,博士研究生,研究方向
9、:测试性、故障诊断。1引言诊断策略的构建是装备测试性设计中的重要内容,就是在根据相关性矩阵确定的最小完备测试集基础上,寻找一种测试序列,使其在综合考虑约束、目标和有关影响因素的前提下,以花费最低的测试代价快速准确定位故障模块,从而保证故障隔离的精确性和低成本性。因此,开展故障诊断策略的优化设计能够提高装备故障诊断能力和工作效率,还能降低装备寿命成本,具有十分重要的现实舰 船 电 子 工 程Ship Electronic Engineering总第 352 期2023 年第 10 期Vol.43 No.10186舰 船 电 子 工 程2023 年第 10 期意义。全球许多研究者在最近几年大力探索
10、了诊断策略优化问题,进行了深入的研讨12。诊断策略的优化问题被证明是一个典型的NP-Complete问题,从20世纪90年代初之后,各种优化算法开始流行起来,国内外的学者们针对新型的优化算法来对诊断策略进行优化,如:在信息增量的基础上提出贪婪算法理论、动态规划算法、还有遗传算法等3。这些方法都以最小代价为原则,在提高故障检测效率和故障隔离效率的同时降低测试成本,以满足诊断策略的要求。文献 4 在针对航天器配电系统的诊断策略研究中,为了以最低成本诊断隔离出故障元件提出了最优测试方案,首先根据多信号模型获得最优测试成本的关系式,然后引入AO*算法求解问题,并考虑了测试优先权问题。然而,在处理复杂系
11、统的最优化问题时,常常会遭遇到组合选择过多导致的计算量过大的困难。文献 5 提出了一种结合禁忌搜索的故障诊断策略优化方法,透过建立禁忌列表及特定准则以突破局部最优解,提高算法的全局搜索能力。文献6 提出在混沌粒子群优化的基础上对故障诊断策略进行优化,用混沌优化的遍历性特点克服粒子“早熟”的缺陷,但由于算法仅仅考虑了故障的发生率和测试所耗费的成本,尚未考虑执行测试的难易程度。文献 7 提出了基于蚁群算法的系统级序贯测试优化方法,合理地利用蚂蚁的记忆性和信息素反馈机制将测试序贯优化问题转化为搜索最小完备测试序列问题,但该方法的测试序列成本函数构造困难且复杂,同样尚未考虑执行测试的难以程度,还有待完
12、善。综上所述,现有的求解算法大都存在极易陷入局部最优解、算法结构复杂、调整参数多的问题,难以解决实际工程应用中测试不确定条件下的诊断策略优化问题。针对以上问题,本文以测试不确定为前提,设计了测试成本、测试可靠度和错误诊断代价为优化目标,提出了一种基于多策略融合改进鲸鱼优化算法的诊断策略优化方法。2测试不确定条件下诊断策略优化问题的数学模型2.1基本要素诊 断 策 略 优 化 问 题 通 常 由 五 元 组FPTCD五个基本要素组成,具体定义如下:1)F=f0f1f2fm表示系统的故障模式集合,其中f0表示系统正常工作,fi()i=12m表示系统的第i个故障模式。2)P=p()f0p()f1p(
13、)fm表示故障发生的先验概率,其中p()f0表示系统无故障的概率,p()fi()i=12m表示第i个故障发生的概率。3)T=t1t2tn表示系统中可用的测试集合。4)C=c1c2cn表示系统可用测试对应的测试成本,通常包括测试所需时间、人力、物力等测度,一般规定测试成本为常量,和测试顺序无关。5)D=dij()m+1 n是系统的相关性矩阵,它详细阐述了系统故障模式与测试项之间的逻辑联系。其元素定义为dij=ftiji0,其中ftij表示故障fi与测试tj()j=12n的相关性。2.2测试不确定的表述在实际工程应用中,测试结果往往是不确定的,这主要反映在故障与“测试性设计”之间逻辑联系的不确定性
14、上,这种不确定性可能导致诊断分析的结果产生偏差。其中测试结果仅分为通过或不通过两种情况,不妨以第j个测试tj为例,集合TS()tj表示测试tj可检测的故障集。则存在以下四种情况:1)当故障fiTS()tj=fiF|ftij=1发生时,tj输出为不通过,则tj正确地反映了故障fi。2)当故障fiTS()tj=fiF|ftij=1发生时,tj输出为通过,则tj漏检了故障fi。3)若 系 统 运 行 平 稳 或 出 现 故 障fkTS_()tj=fiF|ftij=0,而tj给出的输出为不合格,那么tj的指示可以视为虚警。通常将前者定义为第类虚警,后者为第类虚警。4)若 系 统 稳 定 运 作 或 出
15、 现 故 障fkTS_()tj=fiF|ftij=0,tj的输出为合格,那么tj的指示则被认为是准确的。对于后一个情况,测试项tj未能反映系统的任何故障,但其结果并不会对诊断推理过程产生影响。针对这四类不确定性情形,引入了两个参数Pdij和Pfj来量化测试tj的不确定性;Pdij代表测试tj对故障fi的探测概率,而Pfj代表测试tj呈现虚警的概率。以下是它们的数学表述:Pdij=P()tjf|fifiTS()tj(1)187总第352期Pfj=P()tjf|fkfkTS_()tj(2)其中,P()tjf|fi表示当系统中只有故障fiTS()tj发生时,测试tj准确报警的概率;P()tjf|fk
16、表示当系统中只有故障fkTS_()tj发生时,测试tj错误报警的概率。由此,可以判断不确定性参数和故障-测试的相关性矩阵D=dij()m+1 n有密切联系,可以在相关性矩阵D=dij()m+1 n的基础上,定义一个不确定相关性矩阵B,具体表达式如下:bij=P()tjf|f=dijPdij+()1-dijPfj(3)其中,bij是不确定相关性矩阵B中的元素,表示故障fi和测试tj的不确定相关性。目前获得测试tj的不确定性参数主要有两种方法,即直接法和间接法8。直接法是通过故障注入实验得到统计数据,利用统计计算不确定性参数。而通过分析系统在某一故障模式下的测试观测值的概率密度函数,然后比较预设阈
17、值与该函数来确定不确定性参数,这是间接法的基本原理。由于直接法需要大量的实验数据才能得到可靠的统计结果,考虑到装备本身结构复杂,故障注入实验难以实施,本文选用间接法来获取不确定性参数。2.3诊断策略的优化目标本文从测试成本、测试可靠度和错误诊断代价入手,建立测试不确定条件下诊断策略优化问题的数学模型,设计了三个优化指标如下所示:1)平均测试成本Cave:即诊断策略中用于隔离故障fi的测试序列所产生的测试费用和时间。平均测试成本是对故障诊断策略进行评价的重要指标。诊断方案的测试成本越低,诊断方法的性能就越好,Cave的表达式如下:Cave=i=0mp()fik=1|T()icT()i k(4)其
18、中,T()i表示在当前诊断策略中,隔离到故障fi所经历的测试序列,|T()i表示该序列的长度,cT()i k表示序列T()i中第k个测试的成本。2)测试可靠度R:表示在规定的条件和规定的时间内,测试tj正确检测到故障fi发生的能力,一般通过概率来度量。R值越大,表示测试的可靠性越高,诊断推理的不可靠度越小。测试tj的可靠度计算可以由不确定性参数得到,具体表达式如下:r()tj=i=0m()Pdij()1-Pfjp()fi(5)其中,为常数,取值由dij决定;当dij=1时,=1=0;当dij=0时,=0=1。由此可以得到相应故障诊断策略形成的诊断树可靠度,表达式如下:R=i=0mk=1T()i
19、rT()i kp()fi(6)其中,rT()i k表示测试序列T()i中第k个测试的可靠度。3)错误诊断代价MCOST:由于测试tj的输出结果不可靠,必将给装备带来错误诊断代价。假设在测试tj开始前系统可能的诊断结果集X,系统的实际故障为fi()fiX,故障的错误诊断代价由漏检和虚警两个方面造成的损失加权求和得到,计算表达式如下:MCOST()X;tj=fiXp()fip()X()dij()1-PdijMDi+()1-dijPfjFAi(7)MDi=a1p(fi)+a2i(8)FAi=a3i(9)其中,MDi表示系统因测试tj的错误隔离而导致故障fi未及时得到隔离维修所造成的损失代价,本文以故
20、障fi的发生概率和对系统影响程度i加权求和来度量损失代价,如式(8),a1a2表示权值系数;FAi表示因测试tj的虚警而对故障fi进行不必要的隔离维修所造成的损失代价,本文以故障对应模块维修代价来度量虚警损失,如式(9),a3为权值系数,i表示故障fi的维修费用。最终可以得到对应测试序列的错误诊断代价:MCOST=j=1|T()iMCOST()X;tj(10)综上所述,将上述三个评价指标作为优化目标,测试不确定条件下诊断策略优化问题的数学模型建立如下:minCavemax RminMCOST(11)诊断策略优化问题是一种多目标优化问题,可赵力等:基于多策略融合改进鲸鱼算法的诊断策略优化方法18
21、8舰 船 电 子 工 程2023 年第 10 期通过某些优化算法计算得到平均测试成本、测试可靠度和错误诊断代价综合最优的诊断策略。因此构造个体的适应度函数如下:Fitness=RCave+MCOST(12)3基于改进鲸鱼优化算法的诊断策略优化方法3.1鲸鱼优化算法原理鲸鱼优化算法(WOA)由Mirjalili和Lewis两位澳大利亚学者提出,这是一种新兴的群体智能元启发式搜索方法9,主要源于对座头鲸的狩猎行为进行了研究,是一种气泡网觅食法,主要包括三个部分:包围猎物、螺旋搜索猎物、随机搜索猎物。1)包围猎物:当捕食策略概率p0.5,系数向量|A 1时,选择包围猎物的捕食策略来实时更新个体位置。
22、根据适应度函数值来确定包围范围内最佳位置的猎物个体,随后以该猎物的位置为中心来进行其他个体的位置更新。具体表达式如下:Xlocal()t+1=Xbest()t-ABB=|CXbest()t-Xlocal()t(13)A=2hr-hC=2rh=2-2ttmax(14)其中,Xlocal()t表示第t次迭代中鲸鱼个体的位置,Xbest()t表示第t次迭代中最优个体的位置;r是0,1 的随机数,tmax表示最大迭代次数,h表示迭代变量,随迭代次数从2到0线性递减。2)随机搜索猎物:当捕食策略概率p0.5,系数向量|A 1时,选择随机搜索猎物的策略来更新个体位置。此时鲸鱼群就会向随机的最佳位置个体进行
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 策略 融合 改进 鲸鱼 算法 诊断 优化 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。