如何有效利用遺傳算法和神經(jīng)網(wǎng)絡(luò)挖掘汽輪機(jī)組數(shù)據(jù)

摘 要：文章主要論述了建立在遺傳算法以及神經(jīng)網(wǎng)絡(luò)之上的新型汽輪機(jī)組數(shù)據(jù)獲取方式進(jìn)行了分析，首先對機(jī)組故障的歷史數(shù)據(jù)進(jìn)行離散化處理，同時予以模糊處理；繼而向前構(gòu)造出多層的神經(jīng)網(wǎng)絡(luò)。然后將構(gòu)造完畢的神經(jīng)網(wǎng)絡(luò)通過教師示教的方式予以訓(xùn)練，通過遺傳算法對圣經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，將神經(jīng)網(wǎng)絡(luò)作為知識的本體，繼而對如何挖掘汽輪機(jī)組數(shù)據(jù)進(jìn)行分析，主要的算法分為以下四個部分：計算效果度量矩陣；提取規(guī)則；計算規(guī)則權(quán)重；基于遺傳算法的規(guī)則修剪。從而實(shí)現(xiàn)了新型的汽輪機(jī)數(shù)據(jù)以及故障仿真分析系統(tǒng)，并且該系統(tǒng)的診斷可以達(dá)到84%的正確率。

關(guān)鍵詞：汽輪機(jī)；遺傳算法；神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)；故障診斷

在對當(dāng)前的故障進(jìn)行診斷時，實(shí)際的診斷系統(tǒng)很多都開始應(yīng)用專家系統(tǒng)診斷技術(shù)，并且該項(xiàng)技術(shù)在應(yīng)用中取得了良好的效果。但是區(qū)別于傳統(tǒng)的專家系統(tǒng)，例如在原神經(jīng)網(wǎng)絡(luò)中，符號信息的處理本身就具有不可避免的缺陷，因而會引發(fā)諸多問題。主要包括，在獲取知識的過程中會遇到無法突破的瓶頸，并且獲取的知識較為脆弱，同時系統(tǒng)推理過于單調(diào)等。從專家處獲得的知識以及表達(dá)無法準(zhǔn)確的進(jìn)行客觀表示以及定量，為了定性主觀的數(shù)據(jù)，可以通過挖掘算法，將數(shù)據(jù)從觀測結(jié)果中提取出來，這種故障診斷模式就是目前常用的專家診斷模式。但是實(shí)際數(shù)據(jù)集十分復(fù)雜龐大，并且呈現(xiàn)持續(xù)、非線性狀態(tài)，并伴隨噪音等因素的影響，所以在數(shù)據(jù)的挖掘中需要一個新型的理論方法對數(shù)據(jù)予以計算提取。

1 神經(jīng)網(wǎng)絡(luò)以及遺傳算法

神經(jīng)網(wǎng)絡(luò)主要指由神經(jīng)元，即本元件相互之間進(jìn)行有效的聯(lián)結(jié)以此形成的能夠并行處理信息并進(jìn)行信息的非線性轉(zhuǎn)換的系統(tǒng)。神經(jīng)網(wǎng)絡(luò)對于信息的處理主要是通過不斷的訓(xùn)練神經(jīng)網(wǎng)絡(luò)所致，人腦的神經(jīng)網(wǎng)絡(luò)便是通過不斷的信息訓(xùn)練從而完成記憶、辨識等活動，這便是信息的處理功能。而遺傳算法本身同問題沒有任何關(guān)系，其主要是評價每個算法產(chǎn)生的染色體，使得染色體能夠最大程度的進(jìn)行繁殖。遺傳算法應(yīng)用的主要模板為染色體相似性的解釋。

2 算法概述

2.1 基本描述

以遺傳算法和神經(jīng)網(wǎng)絡(luò)作為基本計算方式，可以通過以下步驟進(jìn)行數(shù)據(jù)的挖掘：第一，可以將示例數(shù)集進(jìn)行劃分，分別標(biāo)注為A和B，其中使得B中示例數(shù)遠(yuǎn)遠(yuǎn)大于A，對神經(jīng)網(wǎng)絡(luò)采用A進(jìn)行訓(xùn)練；第二，待神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢后，將B提供給網(wǎng)絡(luò)，對B進(jìn)行判別，并將結(jié)果代替示例輸出分量，從而形成新示例集B1；第三，若B1中存在的某一分量組合具有離散性，那么就將具有該組合的示例就屬于某分類，且概率為λ，且在規(guī)則if中將該分量組合作為規(guī)則的一部分，而在規(guī)則then中將分類結(jié)果作為其規(guī)則的一部分，建立起完整的規(guī)則，若組合中不存在離散輸入分量那么則直接執(zhí)行第六步驟；第四，將上步中的分量組合予以固定，將其他變量隨機(jī)變化，形成新的示例，采用原網(wǎng)絡(luò)對新生成的示例進(jìn)行判斷，若判別結(jié)果不能同要求相適應(yīng)，那么上一步驟中的新規(guī)則被拒絕，執(zhí)行上一步驟，否則便接受規(guī)則；第五，從B1中將滿足第三步驟的規(guī)則示例去除掉，若B1為空，則繼續(xù)執(zhí)行第八步驟，反之則執(zhí)行第三步驟；第六，若仍舊有連續(xù)分量需要繼續(xù)進(jìn)行離散，則選擇連續(xù)輸入分量的效果最好的進(jìn)行分散，執(zhí)行第三步；第七，將連續(xù)分量進(jìn)行離散處理后，在予以恢復(fù)，待全部復(fù)原為原始值后，降低的數(shù)值若小于預(yù)設(shè)值則繼續(xù)執(zhí)行第三步；第八，對后件規(guī)則相同且具有連續(xù)優(yōu)先級的予以合并；并結(jié)束計算。

2.2 實(shí)驗(yàn)簡析

在汽輪機(jī)的故障分析系統(tǒng)中，采用遺傳算法且建立在神經(jīng)網(wǎng)絡(luò)讓的低數(shù)據(jù)挖掘方式，可以對設(shè)備故障處理中抽取出相應(yīng)的規(guī)則，并且該規(guī)則的抽取是從神經(jīng)網(wǎng)絡(luò)中得來；將該方式抽取出的規(guī)則同原神經(jīng)網(wǎng)絡(luò)和C4.5判定樹進(jìn)行比較，通過比較結(jié)果可以看出，通過該方式抽取出的規(guī)則具有一定的效果。因此，通過該種算法對汽輪機(jī)組中所產(chǎn)生的故障進(jìn)行分類，是有效的。該問題共包含了一百六十個示例，在該示例集中完成多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，該網(wǎng)絡(luò)模型精度較高，其原因在于通過該種算法可以有效的對數(shù)據(jù)繼續(xù)擰泛化和降噪，從而使得數(shù)據(jù)的挖掘效果良好。

3 汽輪機(jī)組數(shù)據(jù)挖掘

汽輪機(jī)組數(shù)據(jù)挖掘及故障診斷系統(tǒng)所確定的汽輪機(jī)組狀態(tài)參數(shù)包括汽輪機(jī)組通流部分技術(shù)狀況主要狀態(tài)參數(shù)和汽輪發(fā)電機(jī)組軸系穩(wěn)定性主要參數(shù)，其中，前者包括自動主汽門前壓力和溫度等23個參數(shù)；后者包括發(fā)電機(jī)有功功率等13個參數(shù)。汽輪機(jī)組數(shù)據(jù)挖掘及故障診斷系統(tǒng)的核心功能模塊是“基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化”和“診斷規(guī)則提取”模塊。

3.1 基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化

傳統(tǒng)的遺傳算法有一些不可避免的缺點(diǎn)，如：易陷入局部最優(yōu)解，從而導(dǎo)致算法過早收斂，找不到全局最優(yōu)解。為此引入免疫算子對傳統(tǒng)遺傳算法進(jìn)行改造。免疫算子是通過免疫選擇來完成，免疫選擇對種群的個體進(jìn)行濃度計算，按基于濃度的種群更新，通過適應(yīng)度檢測，選擇優(yōu)于父代的個體進(jìn)入下一代群體。傳統(tǒng)遺傳算法的染色體是單層的，容易出現(xiàn)的缺點(diǎn)是：當(dāng)染色體編碼較長時，染色體中短基因組的實(shí)際交叉、變異概率過小。所以，文中提出使用3層染色體結(jié)構(gòu)。第1層是隱層結(jié)構(gòu)基因組，表示前饋型神經(jīng)網(wǎng)絡(luò)中隱層的數(shù)目；第2層是神經(jīng)元基因組，表示某隱層下的神經(jīng)元個數(shù)；第3層基因組采用十進(jìn)制編碼，表示上層神經(jīng)元的所有閥值、權(quán)值。算法將待求解問題對應(yīng)為抗原，問題的解對應(yīng)為抗體。算法首先接收一個抗原（對應(yīng)特定問題），然后隨機(jī)產(chǎn)生一組初始抗體（對應(yīng)初始候選解）；接著計算每一抗體的適應(yīng)度，對抗體進(jìn)行交叉和變異；再通過基于濃度的群體更新策略生成下代抗體群；直至滿足終止條件算法結(jié)束。其中，抗體濃度定義為群體中具有最大適應(yīng)度或近似最大適應(yīng)度的抗體個數(shù)。

3.2 診斷過程分析和實(shí)驗(yàn)結(jié)果

針對汽輪機(jī)結(jié)構(gòu)中，真空系統(tǒng)的相關(guān)數(shù)據(jù)收集分析以及對設(shè)備的故障診斷進(jìn)行了仿真測試和結(jié)果的計算，并設(shè)置有一定規(guī)則。

如果主機(jī)凝汽器二流道出口循環(huán)水溫度高限報警，則凝汽器銅管結(jié)垢但非凝結(jié)水溶氧大（0.9）或凝結(jié)水溶氧大但非凝汽器銅管結(jié)垢（0.1）；如果主機(jī)凝汽器一流道入口循環(huán)水溫度高限報警，則凝汽器銅管結(jié)垢但非凝結(jié)水溶氧大（0.8）或凝結(jié)水溶氧大但非凝汽器銅管結(jié)垢（0.05）。其中，數(shù)字表示規(guī)則前提對結(jié)論的支持程度。又有事實(shí)：汽機(jī)真空系統(tǒng)主機(jī)凝汽器二流道出口循環(huán)水溫度高限報警（0.9）；汽機(jī)真空系統(tǒng)主機(jī)凝汽器一流道入口循環(huán)水溫度高限報警（0.4）。

4 結(jié)束語

文章中所論述的對汽輪機(jī)的故障診斷方式以及機(jī)組數(shù)據(jù)的挖掘的新方法是基于神經(jīng)網(wǎng)絡(luò)以及相關(guān)遺傳算法的新型方式，其主要特點(diǎn)在于，首先同傳統(tǒng)的分析系統(tǒng)相比在獲取知識上基于神經(jīng)網(wǎng)絡(luò)以及遺傳算法的新型數(shù)據(jù)挖掘以及故障診斷系統(tǒng)能夠很好的解決其難題和瓶頸，而同傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方式相比，遺傳算法的引入能夠簡化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，并對其結(jié)構(gòu)性能進(jìn)行優(yōu)化；并且建立在該種故障診斷以及規(guī)則提取的方法之上，提出了新的剪裁算法，并獲得了及其良好的結(jié)果，并且建立在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上結(jié)合遺傳算法建立起了汽輪機(jī)組故障診斷以及數(shù)據(jù)挖掘的仿真系統(tǒng)。該種系統(tǒng)在置信度上給出較強(qiáng)的輸出，同時相對比其他系統(tǒng)具有更強(qiáng)的容錯性。

參考文獻(xiàn)

[1]吳 ，陳長明，史哲，等.遺傳算法及其改進(jìn)研究[J].湖北廣播電視大學(xué)學(xué)報，2011.

[2]陳紅梅，朱若寒.遺傳算法研究現(xiàn)狀與應(yīng)用[J].科技信息，2011.

[3]排新穎，馬善立.一種改進(jìn)的遺傳算法及其應(yīng)用[J].科學(xué)技術(shù)與工程，2011.