飞机直流接触器电气参数退化特征研究

肖翼洋 申传俊 钟多就

（1、海军航空大学青岛校区，山东 青岛264001 2、海军湛江航保修理厂，广东 湛江524002）

1 概述

军用飞机所使用的接触器是电磁类开关器件, 用于频繁接通和断开主电路, 具有可远程操作和以小控大的优点, 由于接触器长期连续工作在频繁分断的工作状态, 一旦发生故障将造成巨大损失, 因而国内外都非常注重接触器的维护。对接触器进行针对性的特征分析, 将特征参数用于寿命预测, 可指导维修人员对继电器进行及时的维护更换, 避免重大事故的发生。

目前对交流接触器进行特征分析的方法主要有: 主成分分析、经验模态分解和小波分析,并取得较好效果。主成分分析来源于统计学, 优势在于可以降低原始数据冗余度和预测模型的复杂度。例如:田琨利用主成分分析法对交流接触器的试验数据进行分析,提取了交流接触器两个新特征,对新特征进行神经网络预测的误差比原特征小[1]。高筱婷对主成分分析进行了改进,用于交流接触器状态检测特征的主要信息提取, 同时建立了一种评价机制, 利用分析的结果对改进的方法进行了仿真验证[2],结果表明改进的方法能较好的剔除噪声信息。王圆圆利用经验模态分解同样实现了对交流接触器数据的去噪, 为交流接触器性能的评估提供了保证[3]。

为了研究飞机直流接触器的电气参数退化特征, 本文对直流接触器试验数据进行主成分特征分析,获取特征参数,利用随机森林算法对接触器试验数据进行分析与处理, 得到该特征的评价值,以确定接触器有关参数为接触器的退化特征,并根据该退化特性,指导直流接触器寿命预测。

表1 试验样本集

2 接触器电气参数测量试验与数据分析

2.1 接触器电气参数测量试验

本文研究对象为接触器的电气参数,主要包括:线圈电阻,反峰电压,启动电流,保持电流,吸合电压,释放电压,吸合时间,释放时间,回跳时间,绝缘性能,接触电阻。上述参数可以利用标准仪器测量。MZJ-200 型直流接触器第二期试验中的接触器数据试验所获得的样本集如表1。

2.2 接触器电气参数主成分分析

基变换实现了数据从一个空间到另一个空间的映射, 这组基(一组方向)选择的要求为:(1)在变换过程中保留原始数据的更多信息;(2)基变换后的数据特征之间的数据冗余尽可能小[4-7];(3)实现降低特征目标, 把原始数据中主要的成分都保留在新的空间下。

将接触器试验数据在基上投影,作主成分分析,判断提取的特征是否有随吸合次数增加的退化趋势。步骤如下:

(1)数据标准化。

(2) 算样本集D 进行标准化处理后的数据X 的协方差矩阵,获取协方差,

(3)求取协方差矩阵C 的特征值λi和特征向量ei。

(4)将重要的特征向量按照与其对应的特征值的大小降序排列,并且合并这些特征向量组成代表样本主要信息的特征矩阵,利用原始数据与特征矩阵基变换获得提取的特征矩阵[8]

(5) 将特征值降序排列,求出每个特征值的比重并计算累加比重,并绘制图表如图1,表2- 表4。

如提取原始数据70%的主要信息, 选取第1、2、3 主成分已经足够,实际结果中包含了80%的信息。第1、2、3 主成分对应的特征向量E1、E2和E3组成的特征矩阵如表5。

表2 样本集D 的11 个特征值降序排列

表3 11 个特征值的特征比重

表4 11 个特征值的特征累加比重

图1 11 个特征值的特征比重和累加比重

（6）计算样本集D 的特征矩阵。绘制提取的特征随吸合次数增加的变化曲线,分析提取的特征是否有退化趋势。

图2-4 中,横坐标表示吸合次数,纵坐标表示提取特征的值。

结论:从图2、图3 中可以得出:①随吸合次数的增加,提取的特征1 的值在不断下降,下降过程中有非常小的波动,且规律明显;②随吸合次数的增加,提取的特征2 的值在600 次吸合以前大致在[-1.2,1]之间波动,仅有少许值游离在范围外。特征2 在600-1400 次,1600～2000 次、2000～3000 次吸合时不断下降。且在这三段下降之间的位置的某个特定值附近都有突然的上升;③随吸合次数的增加,提取特征3 的值在不断上升,上升过程仅有少量波动。

表5 样本集D 的特征矩阵

图2 特征1 随吸合次数增加的变化曲线

图3 特征2 随吸合次数增加的变化曲线

3 基于随机森林算法的接触器电气参数特征分析

3.1 随机森林算法

图4 特征3 随吸合次数增加的变化曲线

集成学习思想是为了解决单个模型或者某一组特征的模型所固有的缺陷,从而整合了更多的模型,取长补短,避免局限性。随机森林就是集成学习思想下的产物, 将许多棵决策树整合成森林, 并合起来用来预测最终结果或者投票决定测试样本的最终类别。

图5 随机森林原理图

随机森林主要包括4 个部分:随机选择样本;随机选择特征;构建决策树;随机森林投票分类。

3.2 信息熵与增益

假设一个分类系统的样本空间(D,Y),D 表示样本集,Y 表示基于特征X 的最优分割点确定的k 个类别,可能的取值是C1,C2,……,Cn。每一个类别出现的概率是P(C1),P(C2),……,P(Cn)。该分类系统的熵为:

熵值越高,则数据混合的种类越多,其蕴含意义是一个变量可能的变化越多(跟变量具体的取值没有任何关系,只和值的种类多少以及发生概率有关),它携带的信息量就越大。

根据信息增益的公式,分类系统中特征X 的信息增益为:

信息增益是针对特征而言的,对一个特征X,系统有无特征X 时信息量的差值就是这个特征给系统带来的信息增益。每次选取特征的过程都是通过计算每个特征值划分数据集后的信息增益,然后选取信息增益最高的特征。

3.3 接触器电气参数特征随机森林算法分析

经过一轮信息增益计算后会得到一个特征作为决策树的节点,该特征有几个取值,节点就会有几个分支,每一个分支都会产生一个新的数据子集, 余下的递归过程就是对每个新的数据子集再重复,直至子数据集都属于同一类。

使用scikit-learn 库中的随机森林模块构建随机森林, 需要确定三个参数:决策树的个数、叶子节点上包含的样本最小值、分割内部节点所需的最少样本数量。确定这三个参数的依据7折交叉验证准确率。

由于随机森林中各个决策树并联训练,互不影响,且最终分类结果为所有决策树投票表决。故决策树数量这个参数,对另外两个参数对7 折交叉验证准确率的影响没有干扰。故在确定另外两个参数的最佳值时, 决策树数量可以任意取值, 这里取74个。

特征评价:依据特征评价思想,依次完全破坏各个特征,求出对应的特征重要性。

图6 随机森林特征重要性评价

由图6 可知,释放电压、接触压降、释放时间和吸合回跳这四个特征的特征评价最高, 且其他的各特征的特征评价相对而言较低。

结论:选取释放电压、接触压降、释放时间和吸合回跳为接触器的退化特征。由接触器的这四个特征随吸合次数增加的变化趋势可知,这四个特征的确具有退化趋势（图7）。

结束语

对飞机直流接触器的电气特征参数作主成分分析,提取特征量,对两个新特征随动作次数增加的变化趋势进行分析,发现两个新特征均具有良好的退化趋势。利用随机森林算法对接触器特征参数进行特征分析与处理,结果表明释放电压、接触压降、释放时间和吸合回跳为接触器退化特征。退化特征可用于寿命预测,预测结果可直接指导该型接触器的维修工作,具有重要的军事与经济效益。