基于SVR的电工实验装置故障预测方法研究

王 文，王成刚，李建海，杨 帆

(海军航空工程学院基础实验部，山东烟台 264001）

基于SVR的电工实验装置故障预测方法研究

王 文，王成刚，李建海，杨 帆

(海军航空工程学院基础实验部，山东烟台 264001）

本文利用实验装置的数据采集装置，结合学生实验报告的数据分析，通过时间相关性分析，建立了实验装置运行状态的时间序列。采用的算法利用基于支持向量机回归的预测技术对实验装置的关键参数进行数值预测，通过分析预测值与实际值之间的残差对实验装置故障预测。最后，通过典型故障验证了该方法的有效性和实用性。

实验装置;支持向量回归机;故障预测

实验装置故障的排除与预测可以提高实验设备的完好率，是保证实验教学质量的重要内容［1］。故障预测是指根据系统现在或历史性能状态预测性地诊断部件或系统能否完成其功能的状态，包括确定部件或者系统的剩余寿命或正常工作的时间长度等［2］。通过对实验台的测试及故障数据的收集与分析，确定故障发生的原因，利用故障预测算法确定实验装置的运行状态，做到及早发现，便能提高实验台的可靠性，保证实验任务的顺利完成。

1 数据采集与故障预测方案设计

实验装置的工作状态及其变化趋势必然在反映其工作性能的技术参数的历史测试数据中有所体现。如果按时间顺序排列反映系统工作性能的技术参数的历史测试数据，就可形成时间序列测试数据。基于时间序列数据建立性能参数时间序列预测模型，根据预测的结果及性能参数的容许变化范围，我们可以对设备或系统是否存在故障或故障趋势、故障的时间和程度做出预测和决策。若某一故障发生，则其特征参数将会发生较大的变化。因受各种因素的影响，特征参数有一定的动态范围。在系统测试过程中，若没有出现故障现象，但其观测参数偏离了相应的动态范围，即可以做出故障预测。

根据以上分析，考虑到实验装置许多性能参数的测试数据(时间序列)具有明显的非线性特征或趋势以及慢时变性，为得到可靠的训练数据，设计了数据采集及故障预测方案，其原理图如图1所示。

图1 数据采集和故障预测原理图

由图1可以看出，利用实验装置的数据采集装置，将实验装置运行数据存储于服务器的数据库中，结合学生实验报告的数据分析，通过时间相关性分析，建立实验装置运行状态的时间序列。利用基于支持向量机回归SVR(Support Vector Regression)的预测技术对实验装置的关键参数进行数值预测，通过分析预测值与实际值之间的残差来判断是否有预警事件发生，从而实现对实验装置的故障预测。

2 基于SVR的实验装置故障预测

2.1 基于SVR的故障预测算法

SVR做回归分析的基本思想是通过一非线性映射 ，将输入空间的数据X映射到高维特征空间G中，并在这个空间进行线性回归。给定训练集:

其中 xiRn，yiγ =R，i=1，…，l;引入不敏感损失函数来简化回归问题，该算法也称为ε-SVR，是支持向量机回归的标准算法［4-6］。一般采用下式来估计函数:

式中，b为偏置量。

在优化估计函数时对优化目标取极值:

式中，C为惩罚因子，用以实现经验风险和置信风险的折中;C越大，对数据的拟合能力越高;ξi和ξ*i为松弛因子，用来控制线性不可分边界。

ε用于控制回归逼近误差和模型的泛化能力，其定义为

引入拉格朗日函数，利用优化问题的对偶形式，最终得到回归函数:

因此，对于非线性支持向量机回归，回归函数表示为

2.2 基于SVR的故障预测仿真分析

基于数据收集的实验装置故障预测步骤如下:

(1)对采集的时间序列数据预处理，主要是异常值的剔除，样本数据等间隔化处理，然后对样本数据进行非线性性判断以生成能用于支持向量机学习训练的样本形式;

(2)利用支持向量机对训练样本进行学习训练，建立预测模型;

(3)利用建立好的预测模型，根据系统历史状态数据对未来的状态进行预测;

(4)根据支持向量机预测模型对系统未来状态的预测结果进行残差阈值检验，做出故障预报。

在 libsvm-3.11 软件［7］的基础上，利用 ε-SVR算法进行预测。默认核函数为径向基核函数，C和

2.3 实验故障分析

在“电路等效参数的三表法测量”实验中，某电工实验装置中的30W或40W日光灯配用电感式镇流器和4.7μF电容串、并联作为被测元件。它们在50HZ/220V交流电下工作，二者的阻抗性质分别为容性和感性。但随着使用时间的增加，电路元件参数发生漂移，导致实验现象和结果与理论分析相悖，直接影响了实验效果。

某型电感式镇流器的额定工作电压为220V，随着使用时间的增加，其性能逐渐变差，其温度升高，直至超出规定范围，引起电路故障报警。而且由于通过镇流器的电流增大对实验台电源系统也造成不可逆的损伤。对于电容也存在类似问题，如击穿、漏电、断路和容量减小等故障。

所以电感式镇流器工作电流、温度是其性能的外在表现，其工作电流和等效参数是能够反映其性能劣化趋势的故障特征量。通过将电感式镇流器的电流和等效参数随使用(采样)时间变化的监测数据坐标变换后，利用支持向量机回归预测模型，推测其故障。

根据实验台的测试数据，其参数训练曲线如图2所示。图中○表示实际值，△表示预测值。径向基宽度γ进行反复交叉比对测试，预测精度用均方误差Mse表示:

图2 实验装置参数预测曲线

由上图可以看出，训练模型和实际测试参数非常接近，能够利用当前测试数据预测实验装置参数变化。根据某实验台的测试数据，此时平均相对误差 e=0.02。实际测量值 yk=0.440，预测值 yk=0.463，根据SVR模型的预测值与正常测量值之间的残差 ek=0.023。残差的相对误差 e=0.0497，与平均相对误差的比值为2.485，大于报警故障残差阈值2.0，表明该实验模块存在故障趋势，给出故障警示。在后续实验中，该实验台参数值逐渐超出指标要求，最终发现短路，与预测结果相符。

3 结语

本文利用实验装置的数据采集装置，结合学生实验报告的数据分析，通过时间相关性分析，建立实验装置运行状态的时间序列。利用基于支持向量机回归的预测技术对实验装置的关键参数进行数值预测，从而实现对实验装置的故障预测，通过典型故障验证了该方法的有效性和实用性。研究成果提高了实验台的可靠性，保证实验任务的顺利完成，还能延长设备寿命，节约维护和设备采购经费。下一步研究重点是进一步优化故障预测算法，针对不同实验模块，确定合理的故障残差阈值。

［1］糜玉林，朱爱红.以评促建，积极推进基础实验教学改革［J］.北京:实验技术与管理，2008，25(7):18-19，28.

［2］龙兵，王忠，程绪建，等.一种基于信息融合的军用电子产品PHM方案设计［J］.西安:微电子学与计算机，2010，27(9):86-90.

［3］颜富强，颜士坤，张庆.基于SVM的电子装备故障预测方法研究［J］.武汉:舰船电子工程，2010，30(1):188-190.

［4］宋梅村，蔡琦.基于支持向量回归的设备故障趋势预测［J］.北京:原子能科学技术，2011，45(8):972-976.

［5］邓乃扬，田英杰.支持向量机-理论、算法与拓展［M］.北京:科学出版社，2009.

［6］张军峰，胡寿松.基于聚类和支持向量机的非线性时间序列预报［J］.广州:控制理论与应用，2007，24(1):64-68.

［7］C.C.Chang，C.J.Lin.LIBSVM:A Library for Support Vector Machines［J］.ACM Transactions on Intelligent Systemsand Technology，2011，2(3):1-27.

Study on Fault Prognostic Method of Experimental Equipment Based on SVR

WANG Wen，WANG Cheng-gang，LI Jian-hai，YANG Fan

(Department of Basic Experiment，Naval Aeronautical and Astronautical University，Yantai264001，China)

With the data acquisition devices of experimental experiment，combined with the analysis of the experimental data in lab report，the time series of the experimental device operating status is established by time correlation analysis.Using numerical prediction of the key parameters of the experimental device is achieved using forecasting techniques based on support vector regression algorithm.Whether there is warning incident is determined through the analysis of the residuals between the predicted values and actual values.Finally，failure prediction of the experimental apparatus is achieved，and themethod proves to be effective and practical through the typical failure verification.

experimental equipment;SVR;fault prognostic

G482

A

1008-0686(2013)06-0095-03

2013-06-12;

2013-10-25 基金项目:基础研究项目(HYJC201321)

王 文(1973-)，女，博士，工程师，主要从事电工电子教学、测试性分析与评价，E-mail:wangwenhy@163.com