【中国分类号】：TP206+.3   【文献标识码】：A           【文章编号】：

引言

由于发动机噪声信号易受干扰，处理起来难度大，目前一般借助于振动信号对其进行状态诊断。当前应用于发动机状态诊断方法有人工神经网络方法、知识推理方法、模糊逻辑、范例推理法、模式识别等^[1~3]。上述方法大大提高了故障诊断的准确度，但在未知故障处理能力、自适应能力和实时性等方面还存在不足。

目前基于自体—非自体识别机理的人工免疫系统理论已在计算机安全、模式识别、数据挖掘、自动控制和故障诊断等方面得到了应用，并显示出了一定优势，但在研究过程中发现自体—非自体识别机理自身存在一些问题，主要体现在：（1）诊断系统收集到的正常样本数据和故障样本数据无法覆盖被诊断对象所表现出的所有工况数据，因此会引起较高的误判率；（2）被诊断对象的某些故障工况特征和正常工况特征之间的界限模糊，出现无法正确区分某些故障工况和正常工况的现象；（3）被检测对象运行了一段时间后或者经过维修后，原先的某种故障工况特征可能会变为正常工况特征。

一、国内外研究现状

为解决自体—非自体识别理论缺陷，免疫学家Matzinger等人提出了危险理论：免疫系统实际上只是区分一部分自体和一部分非自体。引发免疫反应的不是非自体，而是危险信号。AickelinUwe教授将危险理论应用于计算机入侵检测^[4~5]，提出了基于危险理论的入侵检测系统（IDS），具有可以检测未知攻击、误报率低和不受规模限制等显著特点，但并未提供完善可行的算法模型。Secker等人^[6]提出了将危险理论用于web挖掘的模型，明确定义了危险信号，并提出了可操作的人工免疫系统模型（AIS）。该模型计算量小、自学习和自处理性强、无需人工干预，但对于模型中抗体集的自适应克隆变异并未给出详细论述。

目前国内也有部分学者从事危险理论方面的研究^[7~8]。武汉大学的郑宏教授将危险理论应用到了彩色车辆图像处理方法中，解决了Bayesian Network技术产生调制模板中无法保证图像采集过程不断优化的问题。在危险理论中，引起危险的“变化”是定值，但系统参数通常是变化的，目前主要采用概率论和模糊数学来确定危险的不确定性问题，但存在不足。1995年我国工程院院士李德毅在概率论和模糊数学的基础上提出了云的概念^[9]，并研究了模糊性和随机性之间的关联性。云理论提供了一种解决危险理论中“危险”的定义问题，发展到现在，云理论已成功应用到数据挖掘、决策分析、智能控制等领域。

综上所述，针对当前发动机故障诊断存在自适应差、准确率不高等问题，本文通过研究危险理论和云理论，提出了融合危险信号识别模型和云决策模型的新算法，将其应用到了发动机状态检测诊断中。

二、危险理论识别模型

2.1 定义危险信号

定义发动机现存的故障数据为危险信号，定义发动机实际故障状态数据与故障数据库对比偏差为安全信号。设置安全信号阈值，当发动机实际运行工况偏差超出阈值时，主动获取新的危险信号更新数据库。

2.2初级检测模块

利用小波技术建立检测器生成算法，提取危险信号的数据特征。

（1）采用小波包分解信号的母小波和级数。

（2）由最下层到最上层依次对节点标记，其中每层有个节点，每两个节点为一组，比较相邻两组节点阈值。如果阈值大于等于零，则对上一组节点做标记，而去掉下一组的节点，否则以下一组节点取代上一组节点，但标记不做处理；从下往上对相邻两层按上述过程进行比较，直到所有层级都处理完毕。所有被标记节点对应的小波包函数即是当前寻优的小波包基。

（3）计算小波包分解系数序列能量。

                                                                     （1）

式中，为第个频段的能量，为序列分量的总数。各层高频小波包分解系数序列能量即为元素组成特征向量，即，式中 为小波包分解后的层数。初级模块检测器将序列能量向量特征发送到APC决策模块，计算匹配度，当值大于阈值时，则确定发出初级检测信号。匹配度计算公式：

                                                                   （2）

式中，为初级检测器中的数据向量；为检测器区域半径。

2.3 APC检测模块

APC检测模块调用危险信号数据库与初级检测结果进行亲和度计算，若亲和度小于等于设定的亲和度安全值则APC 检测模块发出检测信号，自适应响应模块发出报警响应。

亲和力计算公式如下：

                                                                       （3）

                                                                  （4）

式中： 为第个抗原和抗体之间的亲和力。为抗原和抗体的结合强度。为结合体的DNA 分子数。为第个结合体上的第个 DNA分子。为结合体上的第个DNA 分子。

2.4 自适应响应模块

自适应响应模块接收来自APC检测模块发出的检测信号后，发出危险信号报警，同时对匹配度满足条件的特征向量进行克隆变异处理，产生的新特征向量加入到记忆危险信号数据库中，自动实现在线调整记忆危险信号数据库。抗原与抗体间的欧式距离作为衡量两者匹配程度的一个指标。将抗原中的分子分别与抗体中的分子进行匹配，对任意抗原和任意抗体，欧式距离计算公式为：

                                                               （5）

式中为抗原或抗体包含的DNA分子数量；为抗原中的第个 DNA 分子；为抗体中的第个 DNA分子。定义 为抗体受到来自抗原的激励。抗体受抗原激励的阈值为：

                                                                      （6）

式中，和分别为抗原和抗体总数。当抗体收到的激励时，免疫系统被激活，抗体开始克隆变异。每个抗体对应的克隆数量为：

                                                              （7）

式中，为抗体总数，为克隆后抗体最大值，为被克隆抗体级别。抗原入侵后克隆所生成的抗体为：

                                                   （8）

三、云决策模型

3.1云数字特征

设集合X=。中的模糊集合对任意元素都存在一个的隶属度。逆向云发生器的作用是将给定数量的云滴转换为定值，即云的数字特征，用、和值表示。期望值是概念在论域中的中心值，代表定性概念的值。熵是定性概念模糊度的度量，反映了论域中可被这个概念所接受的数值范围，体现了定性概念亦此亦彼性的裕度。熵越大，概念所接受的数值范围也越大，概念越模糊。超熵反映了云滴的离散程度。超熵越大，云滴离散度越大，隶属度的随机性越大。

3.3多维逆向云算法

采用逆向云发生器从真实训练数据中提取反映故障类型的特征向量，并计算属性的数字特征，形成实际判断规则。以抗原和检测器集合以及设置的、和值作为输入，以是自体还是非自体作为输出。假设输入为个维（）云滴定量值：，输出为个云滴表示的定性概念的期望：，则熵为，超熵为。

多维逆向云的算法步骤为：根据N个云滴向量计算数据的维样本，均值为，方差为，云滴的期望值为，云滴的熵为，云滴的超熵为。

四、试验验证

通过大众AJR电喷发动机故障模拟试验台模拟了三种发动机故障，分别是：（1）空气流量计传感器故障导致发动机怠速不稳，排气管冒黑烟，加速不良；（2）水温传感器故障，发动机怠速不稳；（3）喷油器电磁阀打开时间的电脉冲异常，导致喷油过程雾化不良，怠速不稳。利用北京东方振动的信号采集仪和信号处理软件采集三种故障产生的振动信号（40组训练数据），将信号输入到本文所建立的算法中。三种不同状态下的特征参数如表 1 所示。检测结果如表 2 所示。

表1：状态特征参数

表2：检测结果

结论

（1）根据危险理论构建了由初级检测模块、APC检测模块和自适应响应模块组成的危险理论识别模型，借鉴抗原抗体匹配机理，建立适用于危险信号识别的检测器生成算法；

（2）构建了云决策模型，采用逆向云发生器从真实训练数据中提取反映故障类型的特征向量，形成实际判断规则，用于进一步识别危险理论识别模型检测结果的不确定性；

（3）通过大众AJR电喷发动机故障模拟试验台模拟了三种发动机故障，采用本文给出的算法进行了检测，误判率小于等于 2.5%，验证了有效性。

参考文献：

[1]李登,尹亚兰,朱文秀.复杂电子装备智能故障诊断技术研究[J]. 舰船电子工程,2013,33(02):129-131+146.

[2]徐波,于劲松,李行善. 复杂系统的智能故障诊断[J]. 信息与控制,2004(01):56-60.

[3]孟庆华,黄琴宝,陈慧勤.基于危险理论-云决策的发动机状态检测技术研究[J].汽车工程,2014,36(11):1339-1344.

[4]伍子轩,曹法利,李仲麟,等.危险理论在计算机人工免疫系统的应用[J]. 计算机与网络,2006(Z1):72-73+76.

[5]杨鹤,杜林霞.引入危险理论的人工免疫识别模型[J].湖北教育学院学报,2007(02):68-70.

[6]尹孟嘉. 基于危险理论的人工免疫模型[J]. 电脑与电信,2012(03):28-31.

[7]杨鹤,董红斌,梁意文,等.人工免疫系统中危险信号的云方法定义[J].计算机工程与应用,2006(10):34-36+45.

[8]刘浪,邓伟.基于免疫危险理论的危机预警系统设计[J].北京理工大学学报(社会科学版),2007(04):37-40+50.

[9]冯朝一,梁家荣,程菊明,等. 云关系模式及其应用[J]. 计算机应用研究,2007(09):170-172.

基金项目：2019年浙江农业商贸职业学院科研项目（青年专项）（编号：KY201921）：基于危险-云决策理论的智能故障诊断技术研究。

作者简介：范庆科（1991-），男，浙江江山人，讲师，硕士研究生，主要从事汽车电子技术研究。