基于仿射傳播聚類的欄桿機故障智能診斷方法

聶杰雄

(廣西新發展交通集團有限公司,廣西 南寧 530029)

0 引言

截至2021年底,中國高速通車里程有16.91×104km,位居世界第一[1],其中,廣西高速公路建成里程達7 500多km[2]。高速公路具有“暢通、安全、高效、舒適”的特點,成為人民群眾日常出行的首選。由于高速公路規模日益增加,高速公路機電系統運營維護逐漸成為關注的重點。其中欄桿機作為高速收費入口的必備機電產品,需要全天候不間斷運行,因此對其完好率與運行穩定性要求很高,運營維護作業要求故障發現快、響應需求快、維護速度快。在日常的維護與保養中,一般由巡檢人員手動檢測和保養,不僅拆裝麻煩,維護時間長,而且維護效果因人而異,維護人員的工作狀態對維護效果有很大影響。

隨著信息技術與智能方法的快速發展,有研究[3]指出:應用各種先進傳感器技術、信息技術、網絡技術、自動控制技術、計算機處理技術、智能決策技術等,實現公路整個壽命周期內優質高效、可控、節約的養護。因此,本文結合新穎的仿射傳播聚類,以及幾種傳感器上傳的狀態數據,設計了一種能夠快速、準確、智能化的欄桿機智能故障診斷流程。一旦欄桿機出現故障,通過本文提出的方法能夠快速檢測出來,并通過網絡上傳數據提示維護人員,做到對欄桿機的狀態實時監測,進而為智能養護提供技術支持。

1 仿射傳播聚類方法

聚類分析是度量學習方法,即盡可能地將相似的對象劃分到同一類別,不相似的對象歸為不同類別。仿射傳播聚類[4]是加拿大計算機專家一種無監督學習方法,與一般的聚類方法不同的是,仿射傳播聚類同時將所有數據點視為網絡中的潛在樣本,并沿網絡邊緣傳遞實值消息,直到形成一組良好的樣本及其對應的聚類形成。通過將樣本與最近的聚類中心的相似度之和最大化來尋找聚類中心。因此,仿射傳播聚類算法的最大一個優點是,不需要事先知道類別數目。這個特性非常貼合實際應用。例如在欄桿機故障中,人們并不事先知道故障發生,也不會事先知道故障有幾種類別。仿射傳播聚類中各種消息的傳遞主要依據簡單的計算方式,并以此來尋找使得能量函數E(c)達到最小的條件:

(1)

式中,ci是i點的代表點,S(i,ci)是i點與ci點的相似度,且S(i,ci)<0。仿射傳播算法中主要有5個參數:歸屬度A、吸引度R、偏心度P、相似度矩陣S、阻尼λ。假設樣本中有兩個數據點xi和xk,那么需要一個方式計算出兩個樣本點的相似度,即S(i,k)。S(i,k)表示的是點xk作為點xi的代表點的概率。每個兩個數據點之間都計算一個相似度值,組成相似度矩陣。本文采用歐式距離來作為相似度衡量,計算公式如下:

(2)

仿射傳播最大的優點是不需要人為指定多少個聚類中心,因此,每個數據點xk會包含有一個值S(k,k)來指導聚類中心的選擇。從式(2)可以看到,當i=k時計算得到的S(k,k)越大,那么對應的樣本點越有可能成為聚類的中心。其中,樣本點的實值S(k,k)設置為偏心度P。為了使算法對所有樣本點一視同仁,每個樣本點的偏心度P應該設置為相同的值,可以通過人為控制P值來進一步控制聚類得到的結果。

仿射傳播聚類最重要的內容就是開發了一種在多個數據點之間的消息傳遞模式,如圖1所示。每個數據的消息都會不斷地進行仿射傳播,同時在不斷迭代后更新中搜索尋找自己的歸屬類別。例如:數據點xi對數據點xk的歸屬度A(i,k)表示的是,在有另一個數據點xi′的情況下,數據點xi選擇xk作為相同類別的歸屬強度量化值。同理,數據點xk對數據點xi的吸引度R(i,k)也表明了對于點xk′、點xk成為數據點xi聚類中心的吸引強度。

圖1 A和R消息的傳遞示意圖

A和R的計算如式(3)、式(4)所示:

A(i,k)=

min{0,R(k,k)+∑i′,i′?{i,k}max{0,R(i′,k)}}

(3)

(4)

在消息A和消息R相互傳播的過程中,有很大概率產生數據震蕩,使得算法不收斂,難以獲得穩定的聚類結果。因此,本文提出用戶應該在算法運行過程中加入一個重要的參數λ來防止上述情況,這個λ被叫作阻尼。為了防止上界和下界的不收斂行為,本文將λ取值設置在[0,1]之間。因此,將該方法運用到實際中時A和R再加上阻尼λ后的實際計算方式如下:

Anew(i,k)=λAold(i,k)+(1-λ)Aold(i,k)

(5)

Rnew(i,k)=λRold(i,k)+(1-λ)Rold(i,k)

(6)

值得說明的是,仿射傳播方法是一種先進的機器學習方法,其不需要預定太多的參數,并且在各種場合中具有良好的魯棒性。因此本文選擇將其應用在高速公路欄桿機的故障診斷中,提高機電系統的智能化程度。

2 基于仿射傳播聚類法的欄桿機智能故障診斷流程

本文提出的欄桿機故障診流程如圖2所示。(1)利用傳感器采集多種欄桿機狀態信號,采集的信號可以是電流信號、電壓信號、欄桿機振動信號等。具體的信號類別根據實際情況可以適當改變。(2)由于欄桿機的故障可以更清晰地表現在原始信號的特征空間中,因此,對采集到的狀態信號進行特征提取。本文采用的數值如表1所示。表1中的x(n)是采集到信號的時間序列,n=1,2,…,N,N是離散的信號點數。特征提取后,將信號截斷分成多個樣本,組成表示欄桿機狀態的樣本。(3)送入仿射傳播聚類算法對欄桿機進行狀態識別。如果出現異常,那么就將異常信息報警并發送給運營維護人員;如果沒有異常,那么整個流程繼續進行。

3 應用實例

為了驗證本文提出的欄桿機故障診斷方法的有效性和優越性,采用了廣西某高速公路收費站入口欄桿機做實驗。將一個欄桿機內部電路破壞,但是根據該型號欄桿機設計,其備用線路還能工作5 h,5 h之后就會報警。采用本文提出的方法來快速發現這種類型的欄桿機故障,與不采用該方法的人工巡檢發現該故障的效率進行對比。本文將提出的算法嵌入在一個工業控制機中,采集到的各種數據送入工控機中進行處理,包括特征提取、樣本組建以及仿射傳播聚類的實現。如果出現異常,工控機則會輸出一個故障信號,起到提示使用者的作用。

采用加速度傳感器獲得振動數據,電壓傳感器獲得電壓數據,霍爾傳感器獲得電流數據,如圖3所示。按照圖2的步驟,這些原始數據將進行特征提取,然后送入仿射傳播方法進行診斷,得到的診斷結果如后頁圖4所示。除此之外,還對本次實驗的時間進行了對比,發現采用本文提出的故障診斷流程,在10 min之內就發現了欄桿機的故障,而原始的人工巡檢方式,需要等到5 h欄桿機無法使用時才能發現。可以看到,本文提出的方法可以極大提高欄桿機的故障診斷效率。

圖3 欄桿機狀態數據示意圖

圖4 欄桿機故障診斷結果的可視化示意圖

4 結語

隨著交通建設的逐步推進,高速公路里程數快速增加,相應的高速公路機電系統規模越發龐大。本文提出了一種基于仿射傳播聚類算法的欄桿機智能故障診斷方法,并用實際欄桿機進行了實驗測試。測試結果表明,仿射傳聚類能夠快速發現欄桿機故障的異常,同時具有準確、高效的特點,仿射傳播算法的引入,提高了整個診斷模型的智能化程度。隨著科技的進步,大量新技術、新裝備、新方法被引入到高速公路機電裝備中,本文提出的方法可以作為高速公路機電裝備信息化和智能化的一個良好范例。采用新一代信息技術結合機電裝備的運營維護模式,是智能運維發展的必由之路。