基于改进离散粒子群算法优化故障等级的传感器布局方法技术

本发明专利技术公开了一种基于改进离散粒子群算法优化故障等级的传感器布局方法，该布局方法首先建立系统故障与传感器测试之间的相关性模型，来描述系统故障和传感器测试点之间的逻辑关系；然后分析系统故障的等级以及相应等级的漏检率要求，以及通过故障模式影响和危害性分析FMECA后得到的系统的故障模式以及故障模式，根据故障重要度进行故障等级划分；根据故障等级漏检率构造约束条件，根据传感器成本构造适应度函数；最后利用改进的离散粒子群算法计算约束条件下适应度函数值最优的传感器布局的离散序列解。本发明专利技术的布局方法更加可靠，且计算结果验证了本发明专利技术的有效性，并降低了成本。本。本。

【技术实现步骤摘要】
基于改进离散粒子群算法优化故障等级的传感器布局方法


[0001]本专利技术涉及传感器布局优化方法，尤其涉及一种基于改进离散粒子群算法优化故障等级的传感器布局方法。

技术介绍

[0002]随着科学和技术的发展，对系统故障检测的难度越来越大，因此必须对复杂系统进行可测性设计，而可测性设计之一就是测试点的选择问题。
[0003]传感器作为确定系统故障检测的各种信息的感知、采集、转换、传输和处理的功能器件，是实现现代化测量和自动控制检测的重要部件。故障检测通过传感器来进行测量，众多的传感器如何分布使得故障检测的效果最优，成为传感器布局领域亟需解决的技术问题。
[0004]合理的传感器分布应不仅检测到所有的故障，并以高概率保证系统重要度高的故障被检测到，进而提高系统故障检测的可靠性和安全性。由于传感器本身具有漏检率，即存在概率检测不到故障的情况。理论上分析，增加节点的传感器个数来检测故障，可提高检测该故障的可靠性，但是在实际应用场景中，由于技术和经济的原因，增加传感器的个数无疑带来检测成本的提高。
[0005]布局优化问题是常见的离散组合优化问题，往往包含多种实际约束，建模后是高维、复杂的非线性优化的数学问题，一般采用算法来解决。目前，基于模拟自然界生物行为的智能算法，诸如模拟退火、遗传算法、蚁群算法，在处理典型组合优化问题上取得了许多进展。
[0006]粒子群优化算法是由Kennedy和Eberhart提出的一种基于群智能的优化算法，通过模拟鸟群的觅食过程，在搜索过程中记忆个体最优和全局最优，使得种群中的所有粒子快速向最优解移动。由于其操作简单且易于实现，因此一经提出就受到广泛关注。而如何利用粒子群算法求解传感器布局优化问题，并在粒子群算法基础上进行优化和改进，避免算法陷入局部最优的问题，并将其参数整数化以用于解决离散问题，成为亟需解决的技术问题。

技术实现思路

[0007]专利技术目的：本专利技术的目的是提供一种基于改进离散粒子群算法优化故障等级的传感器布局方法，通过采用Logistic映射产生粒子群算法的初始化种群，引入改进的惯性参数非线性递减方法实现粒子群的全局搜索和局部收敛，解决基于传感器布局资源成本约束和故障率的问题的混合离散组合优化问题。
[0008]技术方案：本专利技术基于改进离散粒子群算法优化故障等级的传感器布局方法包括以下步骤：
[0009](1)通过系统故障模式、影响及危害性分析，建立系统故障—传感器的相关性矩阵模型，各节点检测故障的传感器数量使用的限制情况；
[0010](2)根据系统故障重要度，划分系统故障的等级结构，以及故障分级情况下的故障漏检率要求；
[0011](3)判断系统故障模式依次所属的故障等级；
[0012](4)用Logistic映射方法生成离散粒子群算法的初始化种群；
[0013](5)判断粒子的解是否满足系统不同故障等级的故障漏检率要求；将低故障等级漏检率满足相应故障等级漏检率要求作为约束条件Z1：
[0014]Z1＝Min(∑
i∈MF
x
i
s
j
)
ꢀꢀꢀꢀꢀ
(1)
[0015]式中，MF表示粒子序列与故障—传感器布尔矩阵相乘的结果，x
i
表示粒子编码序列，s
j
表示不同传感器种类的漏检率；
[0016](6)粒子满足系统故障模式分别对应的故障等级下漏检率要求后，求解传感器布局花费传感器成本的适应度值；所述适应度值由以下适应度函数Z2求解：
[0017][0018]式中，x
i
表示粒子编码序列，c
j
表示不同传感器种类的代价；
[0019](7)用改进的惯性权重因子来实现惯性权重因子的变化；惯性权重因子非线性递减的方程表示为：
[0020]w
temp
＝((w
int
‑
w
end
)*(T
max
‑
t))/T
max
+w
end
ꢀꢀꢀꢀꢀꢀ
(3)
[0021]式中，w
temp
表示当前迭代t的惯性参数，w
int
表示惯性参数的初始值，w
end
表示惯性参数的终值，T
max
表示最大迭代次数；
[0022](8)更新粒子速度和位置变量；
[0023](9)迭代寻优找到花费成本最低的适应度值的粒子即为传感器布局最优方案。
[0024]步骤(1)中建立系统故障
‑
传感器的相关性矩阵模型的过程如下：
[0025](1.1)假设系统具有m种故障模式，故障集F的故障率为f
i
，根据故障模式影响和危害性FMECA分析得到系统潜在的故障集F＝{f1,f2,f3,
…
f
m
}；其中，f
m
代表故障率；
[0026](1.2)对系统进行检测的n类传感器中，传感器备选测试表示为T＝{t1,t2,t3,
…
t
n
}，t
n
代表第n种传感器；
[0027](1.3)将系统故障—传感器相关性矩阵记为布尔矩阵D＝{FT}＝[f
i
t
j
]m*n
，其中FT是一个m*n维的矩阵，F代表传感器的故障模式集，T代表传感器备选测试集；相关性矩阵的行代表故障模式；列代表传感器。
[0028]步骤(1.1)中，该故障模式通过故障等级来体现，所述故障等级P＝[p1,p2,p3,,,pm]；其中，pm代表第m种故障模式所属的故障等级。
[0029]该系统故障—传感器相关性矩阵为二值相关性矩阵，若f
i
t
j
＝1，则代表第i种故障模式被第j种传感器检测出，即t
j
与f
i
相关；反之f
i
t
j
＝0，则t
j
与f
i
不相关。
[0030]步骤(3)中，系统故障模式由故障模式—故障等级相关性矩阵模型表示为K＝{FP},矩阵中的元素f
i
P
l
，其中i＝1,2,,,m表示故障模式，l＝1,2,3表示故障等级，f
i
P
l
＝1表示故障模式i的故障等级为P
l
。
[0031]f
i
P
l
＝0表示故障模式i不属于故障等级P
l
。
[0032]步骤(4)中，利用下式将Logistic混沌序列中的每个变量转换成粒子的速度和位置变量：
[0033]x(t+1)＝μx(t)(1
‑
x(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：所述传感器布局优化方法包括以下步骤：(1)通过系统故障模式、影响及危害性分析，建立系统故障—传感器的相关性矩阵模型，各节点检测故障的传感器数量使用的限制情况；(2)根据系统故障重要度，划分系统故障的等级结构，以及故障分级情况下的故障漏检率要求；(3)判断系统故障模式依次所属的故障等级；(4)用Logistic映射方法生成离散粒子群算法的初始化种群；(5)判断粒子的解是否满足系统不同故障等级的故障漏检率要求；将低故障等级漏检率满足相应故障等级漏检率要求作为约束条件Z1：Z1＝Min(∑
i∈MF
x
i
s
j
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，MF表示粒子序列与故障—传感器布尔矩阵相乘的结果，x
i
表示粒子编码序列，s
j
表示不同传感器种类的漏检率；(6)粒子满足系统故障模式分别对应的故障等级下漏检率要求后，求解传感器布局花费传感器成本的适应度值；所述适应度值由以下适应度函数Z2求解：式中，x
i
表示粒子编码序列，c
j
表示不同传感器种类的代价；(7)用改进的惯性权重因子来实现惯性权重因子的变化；惯性权重因子非线性递减的方程表示为：w
temp
＝((w
int
‑
w
end
)*(T
max
‑
t))/T
max
+w
end
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中，w
temp
表示当前迭代t的惯性参数，w
int
表示惯性参数的初始值，w
end
表示惯性参数的终值，T
max
表示最大迭代次数；(8)更新粒子速度和位置变量；(9)迭代寻优找到花费成本最低的适应度值的粒子即为传感器布局最优方案。2.根据权利要求1所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(1)中建立系统故障
‑
传感器的相关性矩阵模型的过程如下：(1.1)假设系统具有m种故障模式，故障集F的故障率为f
i
，根据故障模式影响和危害性FMECA分析得到系统潜在的故障集F＝{f1,f2,f3,
…
f
m
}；其中，f
m
代表故障率；(1.2)对系统进行检测的n类传感器中，传感器备选测试表示为T＝{t1,t2,t3,
…
t
n
}，t
n
代表第n种传感器；(1.3)将系统故障—传感器相关性矩阵记为布尔矩阵D＝{FT}＝[f
i
t
j
]
m*n
，其中FT是一个m*n维的矩阵，F代表传感器的故障模式集，T代表传感器备选测试集；相关性矩阵的行代表故障模式；列代表传感器。3.根据权利要求2所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：步骤(1.1)中，所述故障模式通过故障等级来体现，所述故障等级P＝[p1,p2,p3,,,pm]；其中，pm代表第m种故障模式所属的故障等级。4.根据权利要求2所述的基于改进离散粒子群算法优化故障等级的传感器布局方法，其特征在于：所述系统故障—传感器相关性矩阵为二值相关性矩阵，若f
i
t
j
＝1，则代表第i
种故障模式被第j种传感器检测出，即t
j
与f
i
相关；反之f
i
t

【专利技术属性】
技术研发人员：李震，詹梦园，苗虹，田璐，李阳，王召斌，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：