基于參數自適應蟻群算法的FTS設備軟故障遠程報修方法

陳杰明，黎文照

東莞市人民醫院設備科 (廣東東莞 523000)

FTS設備又稱理邦超聲多普勒胎兒監護設備，是醫院婦產科、兒科主要醫療器械之一，其主要功能是監測胎兒心率、胎動情況，輔助醫師判斷胎兒健康水平。近年來，隨著我國醫療水平的不斷提高，醫院婦產科、兒科就診率也在不斷提高。為了提高臨床診斷精度，提升醫師工作效率，目前大部分醫院的婦產科、兒科已經引進了FTS設備。FTS設備具有精度高、監測速度快、體積小、易操作等優點，已被廣泛應用和批量化生產。由于FTS設備長期處于高負荷運行狀態下，且設備運行容易受到外界因素的干擾，導致FTS設備軟故障率較高，當軟故障未得到及時維修時，會導致FTS設備監測結果產生誤差，從而影響醫師的臨床診斷，嚴重情況下會導致誤診，因此需要采取有效的方法對FTS設備故障進行報修。醫院最初采取的報修方式為人工方式，由人工定期對FTS設備軟故障進行檢測和維護，但是這種方式不僅效率低，而且報修成本比較高。隨著人工智能技術、信息技術與醫療行業的融合，報修方式逐漸演變為自動化遠程報修方式。但由于國內FTS設備軟故障遠程報修研究起步較晚，現有的技術和理論還不夠成熟，現有的報修方法在實際應用中經常出現錯報、漏報的現象，報修精度比較低，且報修響應延遲時間比較長，無法達到預期的遠程報修效果，為此本研究提出基于參數自適應蟻群算法的FTS設備軟故障遠程報修方法。

1 FTS設備軟故障遠程報修方法設計

1.1 FTS設備軟故障信號獲取

軟故障遠程報修是根據故障特征對軟故障進行診斷，依據診斷結果對故障進行維修，實現該過程的重要基礎是設備軟故障信號，因此，首先要獲取到FTS設備軟故障信號。軟故障主要變現特征為溫度升高、失壓、電流突變，因此要獲取的軟故障信號對象為溫度、壓力以及電流，無線傳感技術獲取軟故障信號[1]。根據實際需求，此次以型號為IFAF-A54F溫度傳感器、AFAG-SG47壓力傳感器以及IIUGS-9T4A電流傳感器作為軟故障信號采集裝置，將溫度傳感器安裝在FTS設備伺服電機上，將壓力傳感器安裝在多晶片寬波束脈沖多普勒防水探頭上，將電流傳感器安裝在FTS設備電源線路上[2]。采用串聯的方式將無線傳感器電源線路接入FTS設備線路總線上，使FTS設備電源開啟的同時可以自動驅動無線傳感器開關開啟。根據實際情況設定無線傳感器的故障信號掃描周期、頻率、測量范圍、輸出限流等參數，通過無線藍牙實現數據通信。將無線傳感器輸出端與讀卡器連接，利用讀卡器讀取采集到的溫度、壓力以及電流信號，將其上傳輸至計算機，用于后續軟故障特征提取及參數自適應蟻群算法計算。

1.2 故障信號濾波及零均值化

考慮到無線傳感器在采集軟故障信號過程中會受到外界因素干擾，導致獲取的信號中可能存在噪聲。為了保證數據質量，此次采用小波系數對采集到的軟故障信號進行濾波處理[3]。在濾波過程中濾波閾值的設定非常關鍵，閾值過小會導致降噪不徹底，導致對于噪聲的抑制不夠，而閾值過大會導致過分濾波，濾波后的軟故障信號過渡光滑，從而失去信號局部特征，不利于后續軟故障噪聲提取。為了避免上述情況出現，采用表征函數的正則性條件設定閾值，其公式表示為：

︳g(x2)-g(x1)︳≤L︳x2-x1︳

(1)

式中，g(x)表示表征函數；L表示常數；x2、x1為兩個相鄰故障信號[4]。利用上述公式計算出收縮閾值，將其與小波系數比對，對大于該閾值的故障信號小波系數置零，對軟故障信號重構，以此實現對軟故障信號濾波處理，其濾波表達式為：

︳f(t+1)-f(t)︳≤︳D(t+1)-D(t)︳max

+1.96η

(2)

式中，f表示重構軟故障信號；D表示觀測軟故障信號；η表示通過第一級小波系數比對得到的觀測信號噪聲方差[5]。考慮到參數自適應蟻群算法要求原始故障信號中各個分量是均值為零的隨機變量，因此在上述基礎上，與故障信號進行零均值化處理，消除信號均值，將故障信號轉變為零均值的隨機信號，其公式表示為：

1.3 軟故障特征提取

在上述基礎上，采用共振解調技術提取到軟故障特征，其原理是從原始信號中將高頻共振信號所蘊含的軟故障信息提取出來，在對軟故障信息包絡譜分析，并對其進行解調處理，從而提取到故障信息中的故障特征[7]。將信號幅值最大的功率譜線作為故障共振頻率，并將其作為中心頻率，原始信號中主要包含敏感IMF分量和虛假IMF分量，IMF分量為數據序列不同時間尺度或者頻率振蕩變化分量，代表信號的基本模式分量，表示信號特性，提取軟故障特征，需要原始信號分量中提取到敏感IMF分量，而實現這一過程必須要將原始信號分量分解為敏感IMF分量和虛假IMF分量，此次采用相似性測度模型分解2種分量，其公式表示為：

(4)

式中，C(ci，cj)表示原始信號中第i個分量與第j個分量的相似性；ci表示原始信號C的第i個分量；cj表示原始信號C的第j個分量；ci(f)表示ci的包絡譜；cj(f)表示cj的包絡譜；<·>表示平行運算[8]。利用上述公式計算出分量的相似性，如果不完全相同，則表示信號分量為虛假IMF分量，將其剔除；如果完全相同，表示信號分量為敏感IMF分量，將其提取，并利用提取的敏感IMF分量重構信號，以此提取到軟故障特征。

1.4 基于參數自適應蟻群算法的軟故障遠程維修

利用提取到的軟故障特征對FTS設備軟故障進行診斷，考慮到從此采用參數自適應蟻群算法對設備軟故障報修，該算法報修原理是對設備故障樹搜索，尋找到與故障特征相匹配的故障類型，以此判斷設備軟故障。在算法計算之前，需要建立FTS設備故障樹，以常見的FTS設備軟故障作為邏輯樹形結構，將FTS設備歷史故障率最高，且影響最大的故障作為頂事件，將影響程度最小的軟故障作為基本事件，將其余軟故障作為中間事件，利用邏輯門聯結各個軟故障，以此建立FTS設備軟故障樹[9]。將各個軟故障基本特征以及維修方案標記在故障樹上，將提取的軟故障特征作為算法輸入量，利用參數自適應蟻群算法對故障樹進行迭代計算，計算出與故障特征最為匹配的故障類型。參數自適應蟻群算法搜索示意圖見圖1。

如圖1所示，假設符合故障特征的軟故障為蟻群食物源，故障樹上的基本事件為螞蟻蟻穴。蟻群從蟻穴出發，在搜索食物的過程中會避開障礙物，路經多個城市。當蟻群達到一個城市后，會在路徑上留下信息素，根據信息素濃度選擇下一個城市，即搜索方向，直至蟻群達到事物源為止[10]。在每次食物搜索完成后，會根據信息素濃度計算出搜索路徑參數適應度，依據參數適應度選出最佳搜索路徑，從而確定設備軟故障類型，其具體計算步驟如下。

圖1 參數自適應蟻群算法搜索示意圖

步驟1：算法參數初始化。給定一個有m個城市的參數自適應蟻群搜索問題，假設FTS期望軟故障為M，將其作為食物源，根據實際情況設定蟻群中螞蟻數量、道路初始信息素、迭代次數等參數。

步驟2：路徑信息素更新。定義螞蟻在規定時間內做的移動作為一次迭代，完成一次迭代后對路徑信息素更新，其更新公式為：

εij(t+1)=σεij(t)+△εij

(5)

式中，εij(t+1)表示在下一次迭代前城市節點i到城市節點j之間路徑信息素濃度；σ表示路徑信息素保留部分；εij(t)表示上一次城市節點i到城市節點j之間路徑信息素濃度；△εij表示螞蟻訪問城市節點i到城市節點j過程中殘留的信息濃度[11]。利用上述公式對路徑信息素濃度更新，選擇下一個訪問城市。

步驟3：計算參數自適應度。根據螞蟻訪問路徑信息素濃度，計算出路徑參數自適應度，參數自適應度可以反映螞蟻訪問路徑終點距食物源距離，即搜索到的軟故障特征與期望軟故障特征相符程度，其計算公式為：

τ=ψb+kμ(v+u)εij(t+1)

(6)

式中，τ表示螞蟻訪問路徑參數自適應度；ψ表示螞蟻慣性權重；b表示蟻群訪問最遠城市節點位置；k表示螞蟻個體學習因子；μ表示螞蟻搜索速度；v表示螞蟻個體極限分量；u表示螞蟻搜索速度的極限分量[12]。利用上述公式計算出每次迭代后訪問路徑參數自適應度，當滿足迭代條件后，按照自適應度大小對螞蟻訪問路徑進行排序，輸出全場最優，以此即可得到當前FTS設備軟故障類型，將其與故障樹對應，按照故障樹上故障維修方案，對設備軟故障進行維修，以此完成FTS設備軟故障遠程報修。

2 實驗論證

2.1 實驗準備及過程

為了檢驗本次提出的FTS設備軟故障遠程報修思路的可行性，選擇某醫院FTS設備為實驗對象。該設備由上海名元實業有限公司生產。目前，院內共投入使用30臺，截止到目前FTS設備已經使用5年，在臨床實際應用過程中設備軟故障率比較高，經常出現失壓、電流突變、短路、斷路、輸出信號異常等軟故障，符合實驗需求。利用此次設計方法與傳統方法對該醫院FTS設備軟故障進行遠程報修，實驗選擇的傳統故障分別為基于BP神經網絡與基于機器學習，以下用傳統方法1與傳統方法2表示。實驗準備了溫度、壓力、電流傳感器各10臺。根據實際情況將傳感器掃描范圍設定為-20～150 ℃、0～100 MPa、0～500 V，掃描周期設定為0.25 ns，掃描頻率設定為1.24 Hz。采集到1.63 GB FTS設備故障信號，按照公式(1)～(4)對軟故障特征提取。將參數自適應蟻群算法初始參數設定如下：初始蟻群數量為200，迭代次數為200，出發城市的初始概率為5.5%。按照算法計算步驟，對軟故障診斷、定位以及維修，具體維修結果見表1。共報修軟故障126起，在維修過后FTS設備均恢復正常運行狀態，說明遠程報修效果比較好。

表1 FTS設備軟故障報修結果

2.2 實驗結果及討論

為了驗證本次設計方法報修精度，以錯報率和漏報率作為其精度評價指標，在噪聲環境中進行，通過不斷增加噪聲水平，記錄3種方法報修結果，將其與實際情況對比，計算錯報率和漏報率，其計算公式為：

(7)

式中，P表示FTS設備軟故障遠程報修錯報率；e表示設備軟故障錯誤診斷數量；r表示設備軟故障正確診斷數量；R表示FTS設備軟故障遠程報修漏報率；q表示實際設備軟故障數量。使用電子表格記錄不同噪聲水平下3種方法錯報率與誤報率，具體數據見表2。

從表2數據可以看出，設計方法對于理邦超聲多普勒胎兒監護設備軟故障遠程報修，錯報率和漏報率均比較低。在本次實驗中漏報率與錯報率2個指標都會隨著干擾噪聲水平的提高而不斷增大，但是增長幅度比較小。當干擾噪聲水平達到1 000 Hz時，錯報率僅為0.28%，誤報率僅為0.41%，均能控制在1%以內，在正常情況下噪聲水平并不會超過1 000 Hz，因此說明該設計方法具有較高的遠程報修精度，抗干擾性能也比較強。而2種傳統方法對于理邦超聲多普勒胎兒監護設備軟故障遠程報修，錯報率與漏報率相對比較高。在本次實驗中漏報率與錯報率2個指標都會隨著干擾噪聲水平的提高而大幅度增長。當干擾噪聲水平達到1 000 Hz時，傳統方法1錯報率與漏報率可以達到8.46%、13.58%，傳統方法2錯報率與漏報率可以達到9.87%、11.64%，均遠遠高于設計方法，這是因為設計方法增加了對FTS設備軟故障數據濾波預處理步驟，提高了數據精度，從而保證了遠程報修結果準確性。

表2 3種方法FTS設備軟故障報修精度對比(%)

FTS設備屬于高精端醫療設備，對設備輸出的監測結果時效性和準確性要求較高，當設備存在故障而未能及時得到報修的情況下，就會導致設備出現誤差，因此為了進一步驗證設計方法的適用性，以FTS設備數量為變量，以響應性能為3種方法評價指標，在不斷增加FTS設備數量情況下，記錄3種方法報修響應延遲時間，見圖2。

圖2 3種方法響應延時對比圖

從圖2可以看出，設計方法響應延遲時間比較短，隨著FTS設備數量的增加而小幅度延長，當報修的FTS設備數量達到30臺時，響應延遲時間僅為19.54 ns，相比較2種傳統方法快56.26 ns、48.47 s，說明設計方法能夠對FTS設備軟故障實時響應。由此可見，該設計方法均優于傳統方法，更適用于FTS設備軟故障遠程報修。

3 小結

此次針對傳統方法存在的不足和缺陷，將參數自適應蟻群算法應用到FTS設備軟故障遠程報修中，提出一個新的遠程報修思路，有效提高了設備軟故障遠程報修精度，并縮短了報修響應時間，此次研究具有良好的現實意義。