基于人工免疫的故障智能分析研究

付欣颖

摘要：随着工业技术的不断向前发展，过程控制系统技术日趋复杂和集成，在对控制的系统进行监控时，发现和排除故障是系统重要的作用。以故障分析为工业自动化过程检测的基础是，智能分析显得尤为重要，在计算机技术日新月异的今天，受人工免疫系统工作机理启发，为基于人工免疫的故障智能分析方面的研究提供了理论基础。

关键词：人工免疫；故障；智能分析

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）13-0167-02

Abstract： with the advancement of industrial technology， process control system technology is becoming more and more complex and integrated in the control system to monitor， discovery and troubleshooting system plays an important role. The fault analysis as a basis for the industrial process automation detection， intelligent analysis is particularly important， in today with the rapid development of computer technology， the working mechanism of artificial immune system inspired and based on artificial immune fault intelligent analysis research provides a theoretical basis.

Key words： artificial immune； fault analysis； intelligent

从控制论配提出到现在，在科技不断进步的同时，过程控制技术已经发展成为现代工业领域中一个重要的组成部分，在化工、电力、石油、冶金和钢铁产业中应用极为广泛。在过程控制系统逐渐复杂化和规模化的今天，系统通常被用于各种较为极端的危险环境中，一旦过程控制系统出现问题，不仅仅是设备出现问题，严重可能会发生重大安全事故，造成人员伤亡。事故所产生的损失，远远高于系统本身的损坏，对行业发展造成难以想象的危害。在实际情况中，对基于人工免疫的故障分析系统的应用和推广，建立较为完善的故障智能分析系统对工业的发展十分重要。在故障智能分析系统的使用中，提早发现和排除故障，保障设备和工业生产的正常安全进行。

1 故障分析存在的问题

故障分析系统发展到今天，许多故障分析和检测的方法已经在研究中被提出，在实际生产中，这些理论研究被广泛应用，但是在应用效果上，仍然存在很多需要解决的问题，具体主要包括以下几种情况：

1.1 据压缩问题

在计算机网络逐渐在各种工业中的应用过程中，传感器检测的状态数据大量的被储存在计算机中，随着时间的不断积累，数据的存储量逐渐增多。因此，工业中运用的计算机中储存了大量的历史数据。这种情况使得计算机在后期的故障分析中很慢有效的完成数据整理。

1.2 故障样本难以获取

在计算机数据存储能力不断提升的同时，计算机对工业设备的正常运行分析数据读取较为容易，但是在故障数据传输中，计算机不容易获得。这造成计算机很难对存在大量数据的故障及时有效的作出分析。

1.3 缺乏具有在线学习能力的故障分析方法

在工业的生产过程中，在技术更新的同时，设备也会出现一些新的问题。由于现有的故障风险系统（如神经网络系统）不具备在线学习的能力，需要人为的对故障分析系统中故障类型样本进行更新，降低了系统的工作效率，有可能造成重大安全事故的发生。因此，对故障分析系统的在线学习能力的加强十分必要。

2 基于人工免疫的故障智能分析实现

所谓的故障智能分析系统就是通过对设备运行的过程中，系统对设备产生的故障进行智能分析，保证系统能够准确有效的对故障进行分析。故障智能分析系统对设备故障发现可以使得工作人员及时对故障做出反应和处理措施，减少从发现故障到问题解决之间的工作时间，确保安全生产和高效生产，降低运行成本。

在工业的设备不断复杂的过程中，传统的故障分析系统难以满足工业发展需求，工业中急需具有故障智能分析的系统代替原有的系统，以应对工业生产中日趋严峻的生产形势。生物的免疫系统是一种可以学习、记忆、新事物识别和自我不断更新的系统，它是一种具有智能的控制系统。通过准确识别各种入侵病原体的本体并及时将病原体消灭。故障智能分析系统具有和人体免疫系统相同的运行机制。通过借鉴免疫系统对问题的分析与处理过程，探索可以与免疫系统相似问题处理过程，准确迅速的识别设备的故障，是本文研究的主要目的。

故障智能分析的过程如图1。

将现场采集的样本数据预处理后储存在计算机的运行空间中，利用故障检测装置对样本数据进行匹配计算。如果结果一致，说明设备发生故障。通过记录下匹配的数据，在故障智能分析系统中对故障类型进行激活和智能判断记录。

2.1 故障样本归属判定

为了是吸纳系统中对各种可能发生的故障的涵盖，本文提出的故障智能分析系统中可以存在检测器之间的范围重叠。这样可能会长生另外的问题，即不同的故障检测装置在故障检测过程中可以对同一异常检测，数据分析计算机网络在对故障进行匹配时发生对个检测装置产生同一故障显示。所以，需要对故障进行一个检测的归属划分。

1）最近距离机制：在检测装置进行模拟训练时，按照故障在检测装置中的“距离优先” 进行模拟训练，在后期的应用于训练保持一致性的原则下，对故障进行“距离优先” 的原则进行样本的归属划分处理，应用对应的分析装置。

2）最大数量机制：在使用“距离优先” 原则对检测装置进行模拟训练时，在故障发生检测装置仲裁时要进行检测装置数量判断。统计出同类故障在各个检测装置中出现的次数，判断出现次数最多的检测装置对该类故障的存在进行激活。当故障智能分析方法中使用的初始检测器是由故障样本直接产生的，由于省略了训练过程，在面临多检测器被激活要判定被检出样本的归属时，既可以采用“最近距离”机制也可以使用“最大数量”机制。

2.2 检测器更新

在故障智能分析系统中导入具有更新功能的运行机制。通过借鉴免疫系统运行记录，被事故激活的检查装置要能够对自身进行复制和更新。在故障分析数据中，激活检查装置的复制功能是将故障数据在同类检查装置中激活，更新则是对事故的储存空间进行位置预留。可见，实现克隆选择的方法有很多种。为了实现算法的自动收敛，而不用如上一章的故障检测方法中通过规定检测器总数控制检测器的更新，本章提出了一种新的检测器更新实现。在故障智能分析完成后，被检测出的异常点不用于直接产生新检测器而是被移动到其所属的检测器边缘上，在新的位置计算该点是否被自体或其他的检测器覆盖。

3 总结

在工业设备逐渐集成化和复制化发展的今天，故障分析系统对设备运行的检测和控制尤为重要，通过及时发现故障，排除故障，保障设备的正常运行，对工业发展的安全生产越来越重要。本文正是在免疫系统各种智能机理的启发下，对基于人工免疫的故障智能分析方法进行了相关探索。

参考文献：

[1] 王维，张鹏涛，谭营，等. 一种基于人工免疫和代码相关性的计算机病毒特征提取方法[J]. 计算机学报. 2011（2） .

[2] 郑蕊蕊，赵继印，赵婷婷， 等. 基于遗传支持向量机和灰色人工免疫算法的电力变压器故障分析[J]. 中国电机工程学报. 2011（7）.

[3] 赵宏伟，张清华，夏路易. 基于证据理论及人工免疫的旋转机械并发故障分析研究[J]. 广东石油化工学院学报. 2011（3）.

[4] 李蓉一. 基于核主元分析的故障检测与分析研究[D]. 南京师范大学，2011.

[5] 吴康. 基于SVM与小波变换的微小型无人直升机传感器故障分析[D]. 浙江大学，2010.

[6] 潘腾. 基于虚拟样机的四驱采煤机搬运车的研究[D]. 太原理工大学，2010.

[7] 翁维勤，孙洪程.过程控制系统及工程[M]. 化学工业出版社，2002.

[8] 胡昌华，许化龙.控制系统故障分析与容错控制的分析和设计[M]. 国防工业出版社， 2000.