基于改進鯨魚算法尋優SVM的船用柴油機燃油系統故障診斷方法研究

黃燁鑫 萬振剛 程琛

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

船用柴油機因其特殊性和復雜性，一直是相關行業討論的重中之重。在噴射方面，船用柴油機的輸出扭矩會比其他柴油機更高;在點火方面，船用柴油機通過壓縮自燃點火;在用油方面，船用油的堿性較高，對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，展開對船用柴油機的故障診斷是具有很大實用性。

基于LS和IWOASVM的船用柴油機故障診·斷方法，首先通過LS對征兆樣本集進行特征選擇，通過比較各個特征的I-S，挑選出最有效的幾組來達到降維的目的。拉普拉斯分值的基本思想是根據特征的局部保存能力對其進行評估。既可以有效表達故障信息，又可以解決維數過多的問題，而且提高了計算能力和效率;再用IWOA尋優SVM中的核參數和懲罰因子，鯨魚算法是一種新型的元啟發式算法，結構簡單，調節參數少，全局尋優能力強，尤其是收斂精速度上明顯優于傳統算法，為提高鯨魚算法的能力，對其進行改進，融人慣性權值，提高對兩者的優化效果;最后利用IWOASVM分類器來進行降維后的分類處理，達到故障診斷的效果。作為一種監督式學習算法，SVM在解決小樣本機器學習問題和提高泛化性能上的優勢，被廣泛應用。SVM既可以解決線性問題，又可以解決非線性問題，但是其參數的選擇對分類效果和精度有著極大影響，故引入改進鯨魚算法進行優化選擇。船舶設備的故障特征有很多，導致了維數過多的問題，故引入I-S進行降維，而SVM解決小樣本非線性問題有著自己的優勢，改進鯨魚算法收斂精速度強，三者的結合既保證了準確性又提高了計算能力。

1故障診斷流程

船用柴油機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，氣泡網攻擊方法和搜索獵物，為提高優化效果、搜索能力、收斂精速度，引入慣性權值來對其改進：

其中分別為慣性權重的最值;t為當前迭代次數;T為最大迭代次數。改進后的鯨魚算法為：

3）最優懲罰因子和核參數代入SVM形成IWOASVM分類器。

SVM研究目的就是為了尋找一個分類間隔最大的最優超平面。對于非線性問題，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來找到超平面，而當懲罰因子C為無窮大時，也可滿足條件，此時的超平面也符合條件。當a，為拉格朗日乘子，目標函數轉化為：

4）IWOASVM分類器對降維后的特征矩陣進行診斷，對診斷后的結果進行分類，根據輸出矩陣來判斷船用柴油機何處故障。

2仿真驗證

在MATLAB中編寫程序來進行仿真驗證，船用柴油機分為運動部件、燃油機系統、配氣系統、潤滑系統、冷卻系統和起動系統五大部分。船用柴油機燃油系統中的高壓油管壓力波形信號在故障時會發生變形，因此可通過這一規律來衡量燃油系統的運行狀態。

選取8個壓力波特征參數：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組原始數據為基礎，加上40，45，50，55，60，65，70，75，80 dB的高斯白噪聲，將數據擴充到400組，組成征兆樣本集。設8維輸入向量對應8個期望輸出狀態，如表1所示：

如圖2所示，I-S進行降維處理，挑選出具有較強代表能力的特征輸入到SVM中。共8個特征，每個有400個樣本，從小到大進行排列為5、3、7、8、4、1、2、6。選取前4個具有代表性的。

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

采用80%的訓練數據，20%的測試數據，最大訓練次數為500，得到傳統的SVM算法的精確度可以達到94. 0625%，WOA尋優SVM算法可達到97.1875%，而IWOA尋優SVM算法可以達到97. 5%，精確度有了明顯的提高，如表3所示：

根據SVM分類器的輸出矩陣，判斷燃油系統的故障狀態，如表4所示：

如圖5所示，IWOA尋優SVM在優化其效果上具有很高的優勢，其對于船用柴油機的故障診斷也具有較高的準確性。

3結論

提出了一種基于LS和IWOASVM的船用柴油機故障診斷方法。首先通過LS對征兆樣本集進行降維處理，然后通過IWOA來優化SVM的懲罰因子和核參數，構造成分類器來進行故障診斷識別。將改進的尋優SVM與傳統的鯨魚算法尋優進行比較，驗證了改進鯨魚算法尋優SVM在決策方法方面的有效性。