基于仿射传播聚类的栏杆机故障智能诊断方法

聂杰雄

(广西新发展交通集团有限公司,广西 南宁 530029)

0 引言

截至2021年底,中国高速通车里程有16.91×104km,位居世界第一[1],其中,广西高速公路建成里程达7 500多km[2]。高速公路具有“畅通、安全、高效、舒适”的特点,成为人民群众日常出行的首选。由于高速公路规模日益增加,高速公路机电系统运营维护逐渐成为关注的重点。其中栏杆机作为高速收费入口的必备机电产品,需要全天候不间断运行,因此对其完好率与运行稳定性要求很高,运营维护作业要求故障发现快、响应需求快、维护速度快。在日常的维护与保养中,一般由巡检人员手动检测和保养,不仅拆装麻烦,维护时间长,而且维护效果因人而异,维护人员的工作状态对维护效果有很大影响。

随着信息技术与智能方法的快速发展,有研究[3]指出:应用各种先进传感器技术、信息技术、网络技术、自动控制技术、计算机处理技术、智能决策技术等,实现公路整个寿命周期内优质高效、可控、节约的养护。因此,本文结合新颖的仿射传播聚类,以及几种传感器上传的状态数据,设计了一种能够快速、准确、智能化的栏杆机智能故障诊断流程。一旦栏杆机出现故障,通过本文提出的方法能够快速检测出来,并通过网络上传数据提示维护人员,做到对栏杆机的状态实时监测,进而为智能养护提供技术支持。

1 仿射传播聚类方法

聚类分析是度量学习方法,即尽可能地将相似的对象划分到同一类别,不相似的对象归为不同类别。仿射传播聚类[4]是加拿大计算机专家一种无监督学习方法,与一般的聚类方法不同的是,仿射传播聚类同时将所有数据点视为网络中的潜在样本,并沿网络边缘传递实值消息,直到形成一组良好的样本及其对应的聚类形成。通过将样本与最近的聚类中心的相似度之和最大化来寻找聚类中心。因此,仿射传播聚类算法的最大一个优点是,不需要事先知道类别数目。这个特性非常贴合实际应用。例如在栏杆机故障中,人们并不事先知道故障发生,也不会事先知道故障有几种类别。仿射传播聚类中各种消息的传递主要依据简单的计算方式,并以此来寻找使得能量函数E(c)达到最小的条件:

(1)

式中,ci是i点的代表点,S(i,ci)是i点与ci点的相似度,且S(i,ci)<0。仿射传播算法中主要有5个参数:归属度A、吸引度R、偏心度P、相似度矩阵S、阻尼λ。假设样本中有两个数据点xi和xk,那么需要一个方式计算出两个样本点的相似度,即S(i,k)。S(i,k)表示的是点xk作为点xi的代表点的概率。每个两个数据点之间都计算一个相似度值,组成相似度矩阵。本文采用欧式距离来作为相似度衡量,计算公式如下:

(2)

仿射传播最大的优点是不需要人为指定多少个聚类中心,因此,每个数据点xk会包含有一个值S(k,k)来指导聚类中心的选择。从式(2)可以看到,当i=k时计算得到的S(k,k)越大,那么对应的样本点越有可能成为聚类的中心。其中,样本点的实值S(k,k)设置为偏心度P。为了使算法对所有样本点一视同仁,每个样本点的偏心度P应该设置为相同的值,可以通过人为控制P值来进一步控制聚类得到的结果。

仿射传播聚类最重要的内容就是开发了一种在多个数据点之间的消息传递模式,如图1所示。每个数据的消息都会不断地进行仿射传播,同时在不断迭代后更新中搜索寻找自己的归属类别。例如:数据点xi对数据点xk的归属度A(i,k)表示的是,在有另一个数据点xi′的情况下,数据点xi选择xk作为相同类别的归属强度量化值。同理,数据点xk对数据点xi的吸引度R(i,k)也表明了对于点xk′、点xk成为数据点xi聚类中心的吸引强度。

图1 A和R消息的传递示意图

A和R的计算如式(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相互传播的过程中,有很大概率产生数据震荡,使得算法不收敛,难以获得稳定的聚类结果。因此,本文提出用户应该在算法运行过程中加入一个重要的参数λ来防止上述情况,这个λ被叫作阻尼。为了防止上界和下界的不收敛行为,本文将λ取值设置在[0,1]之间。因此,将该方法运用到实际中时A和R再加上阻尼λ后的实际计算方式如下:

Anew(i,k)=λAold(i,k)+(1-λ)Aold(i,k)

(5)

Rnew(i,k)=λRold(i,k)+(1-λ)Rold(i,k)

(6)

值得说明的是,仿射传播方法是一种先进的机器学习方法,其不需要预定太多的参数,并且在各种场合中具有良好的鲁棒性。因此本文选择将其应用在高速公路栏杆机的故障诊断中,提高机电系统的智能化程度。

2 基于仿射传播聚类法的栏杆机智能故障诊断流程

本文提出的栏杆机故障诊流程如图2所示。(1)利用传感器采集多种栏杆机状态信号,采集的信号可以是电流信号、电压信号、栏杆机振动信号等。具体的信号类别根据实际情况可以适当改变。(2)由于栏杆机的故障可以更清晰地表现在原始信号的特征空间中,因此,对采集到的状态信号进行特征提取。本文采用的数值如表1所示。表1中的x(n)是采集到信号的时间序列,n=1,2,…,N,N是离散的信号点数。特征提取后,将信号截断分成多个样本,组成表示栏杆机状态的样本。(3)送入仿射传播聚类算法对栏杆机进行状态识别。如果出现异常,那么就将异常信息报警并发送给运营维护人员;如果没有异常,那么整个流程继续进行。

3 应用实例

为了验证本文提出的栏杆机故障诊断方法的有效性和优越性,采用了广西某高速公路收费站入口栏杆机做实验。将一个栏杆机内部电路破坏,但是根据该型号栏杆机设计,其备用线路还能工作5 h,5 h之后就会报警。采用本文提出的方法来快速发现这种类型的栏杆机故障,与不采用该方法的人工巡检发现该故障的效率进行对比。本文将提出的算法嵌入在一个工业控制机中,采集到的各种数据送入工控机中进行处理,包括特征提取、样本组建以及仿射传播聚类的实现。如果出现异常,工控机则会输出一个故障信号,起到提示使用者的作用。

采用加速度传感器获得振动数据,电压传感器获得电压数据,霍尔传感器获得电流数据,如图3所示。按照图2的步骤,这些原始数据将进行特征提取,然后送入仿射传播方法进行诊断,得到的诊断结果如后页图4所示。除此之外,还对本次实验的时间进行了对比,发现采用本文提出的故障诊断流程,在10 min之内就发现了栏杆机的故障,而原始的人工巡检方式,需要等到5 h栏杆机无法使用时才能发现。可以看到,本文提出的方法可以极大提高栏杆机的故障诊断效率。

图3 栏杆机状态数据示意图

图4 栏杆机故障诊断结果的可视化示意图

4 结语

随着交通建设的逐步推进,高速公路里程数快速增加,相应的高速公路机电系统规模越发庞大。本文提出了一种基于仿射传播聚类算法的栏杆机智能故障诊断方法,并用实际栏杆机进行了实验测试。测试结果表明,仿射传聚类能够快速发现栏杆机故障的异常,同时具有准确、高效的特点,仿射传播算法的引入,提高了整个诊断模型的智能化程度。随着科技的进步,大量新技术、新装备、新方法被引入到高速公路机电装备中,本文提出的方法可以作为高速公路机电装备信息化和智能化的一个良好范例。采用新一代信息技术结合机电装备的运营维护模式,是智能运维发展的必由之路。