·450· 智能系统学报 第3卷 电力变压器故障诊断中，能有效地对变压器故障进 将经过上述无量纲化处理后的机组故障信息分 行分类 为2组，一组作为训练抗原集，一组作为检测抗原 本文受克隆选择原理与免疫网络算法在解决与 集.然后应用克隆选择算法对其训练，生成成熟的检 自然免疫相类似的模式识别问题的启发，提出了一 测器集合。 种新的免疫网络学习算法用于旋转机械故障诊断中 13故障检测器的产生 131亲和度计算 1新型免疫网络学习算法 计算训练抗原与初始抗体之间的亲和度，通 1.1抗体初始化 常情况下，亲和度是用二者的海明距离或欧式距离 抗体所受到的激励由3部分组成：抗原对它的 来描述.海明距离用在抗原抗体为二进制串的情况， 刺激、邻近抗体对它产生的刺激、邻近抗体对它的抑 欧式距离用在抗原与抗体为实数值的情况.在以往 制.而在aNet中，抗体所受到的刺激仅考虑了抗 的文献中抗原与抗体亲和度用其欧式距离的倒数 原对它的刺激，邻近抗体对它的抑制推迟到记忆细 ,=D,来量度.在本文中的亲和度由二者之间欧 胞集产生后，删除细胞集里自识别的细胞来实现.笔 式距离的-12次方来描述.两者之间的距离越小， 者在抗体初始化过程中引入了一次抑制初始抗体 则匹配程度越高，亲和力越大 抑制.该抑制阈定义如下： f,=D克， 0=a·D,a∈0.1)， D.=Ab -Ab ll,i=1..N. (3) 万=2∑ 1) 由指数函数的性质可知，当底数小于1时，函数 m(m-1)- 呈递减趋势，当亲和度用距离的~12次方度量，亲 式中：0表示抗体抑制阈，万表示抗体集Ab中所有 和度对较小的D敏感程度明显缩小了.大大地缓解 个体两两之间距离的平均值，其中m为当代网络中 了亲和度对较小的D的敏感程度 的抗体总数.该抑制阈的引进保证了网络中抗体的 132抗体选择 多样性在一个较高的水平，避免某种局部相似抗体 一次选择：将式(3)计算得到的亲和度按降序 的大量存在.它决定网络的特异性、聚类的精度和网 排列，选取其中n个高亲和度的抗体构成Ab 络的可伸缩性 集合： 在0,1区间内随机产生的一组数据，对其进 二次选择：二次选择发生在抗体克隆与变异之 行初始抑制处理.选择其中一元素，计算它和其余各 后，计算训练抗原与成熟抗体的亲和度友与前面亲 元素之间的相似度，将相似度小于阈值日的元素删 和度的计算方法一致，并从变异后得到的抗体集C' 除.在删除处补充与任何抗体一个都不相似的数据。 中选择1%亲和度高的抗体做为克隆记忆抗体集M: 如此类推直到初始抗体集中的元素两两都不相似， 133抗体克隆 并使抗体数目达到规定值. 定义1一种抗原选择几种相关的抗体进行增 12故障特征处理 殖，每种抗体细胞克隆增殖的数量与其所受到的激 将采集到的故障数据进行无量纲化处理.无 励水平成正比.受激励越大的抗体其克隆数量越多， 量纲指标是由2个具有相同量纲的量的比值组成， 反之亦然 当它描述某一特定体系时具有一定的物理意义.无 抗体克隆遵循进化论的优胜劣汰原则，只有那 量纲参数定义如下： 些受抗原激励程度高的抗体才进行克隆，那些受抗 原激励水平较低的抗体不发生克隆增殖，并逐渐死 2》 亡.将一次选择出的n个被选取的抗体，以亲和度为 比例进行克隆增殖，生成克隆集合C,亲和度越高 式中：x表示振动幅值，p(x)表示振动幅值的概率密 则对应的抗体的克隆规模越大.则克隆完成后得到 度函数 的抗体总数为 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net电力变压器故障诊断中 ,能有效地对变压器故障进 行分类. 本文受克隆选择原理与免疫网络算法在解决与 自然免疫相类似的模式识别问题的启发 ,提出了一 种新的免疫网络学习算法 ,用于旋转机械故障诊断中. 1 新型免疫网络学习算法 1. 1 抗体初始化 抗体所受到的激励由 3部分组成 :抗原对它的 刺激、邻近抗体对它产生的刺激、邻近抗体对它的抑 制 [ 4 ] . 而在 aiNet中 ,抗体所受到的刺激仅考虑了抗 原对它的刺激 ,邻近抗体对它的抑制推迟到记忆细 胞集产生后 ,删除细胞集里自识别的细胞来实现. 笔 者在抗体初始化过程中引入了一次抑制 —初始抗体 抑制. 该抑制阈定义如下 : θ = a·DŠ, a ∈ (0, 1) , DŠ = 2 m (m - 1) 6 m k = i+1 fAb i , Ab j 1 (1) 式中 :θ表示抗体抑制阈 , DŠ表示抗体集 Ab中所有 个体两两之间距离的平均值 ,其中 m 为当代网络中 的抗体总数. 该抑制阈的引进保证了网络中抗体的 多样性在一个较高的水平 ,避免某种局部相似抗体 的大量存在. 它决定网络的特异性、聚类的精度和网 络的可伸缩性. 在 [ 0, 1 ]区间内随机产生的一组数据 ,对其进 行初始抑制处理. 选择其中一元素 ,计算它和其余各 元素之间的相似度 ,将相似度小于阈值 θ的元素删 除. 在删除处补充与任何抗体一个都不相似的数据. 如此类推直到初始抗体集中的元素两两都不相似 , 并使抗体数目达到规定值. 1. 2 故障特征处理 将采集到的故障数据进行无量纲化 [ 2 ]处理. 无 量纲指标是由 2个具有相同量纲的量的比值组成 , 当它描述某一特定体系时具有一定的物理意义. 无 量纲参数定义如下 : ζx = ∫ +∞ - ∞ | x | l p ( x) dx 1 l ∫ +∞ - ∞ | x | m p ( x) dx 1 m 1 (2) 式中 : x表示振动幅值 , p ( x)表示振动幅值的概率密 度函数. 将经过上述无量纲化处理后的机组故障信息分 为 2组 ,一组作为训练抗原集 ,一组作为检测抗原 集. 然后应用克隆选择算法对其训练 ,生成成熟的检 测器集合. 1. 3 故障检测器的产生 1. 3. 1 亲和度计算 计算训练抗原与初始抗体之间的亲和度 fi, j ,通 常情况下 ,亲和度是用二者的海明距离或欧式距离 来描述. 海明距离用在抗原抗体为二进制串的情况 , 欧式距离用在抗原与抗体为实数值的情况. 在以往 的文献中抗原与抗体亲和度用其欧式距离的倒数 fi, j = D - 1 i, j 来量度. 在本文中的亲和度由二者之间欧 式距离的 - 1 /2次方来描述. 两者之间的距离越小 , 则匹配程度越高 ,亲和力越大. fi, j = D - 1 2 i, j , Di, j = ‖A bi - A bj‖, i = 1, …, N1 (3) 由指数函数的性质可知 ,当底数小于 1时 ,函数 呈递减趋势 ,当亲和度用距离的 - 1 /2次方度量 ,亲 和度对较小的 D敏感程度明显缩小了. 大大地缓解 了亲和度对较小的 D的敏感程度. 1. 3. 2 抗体选择 一次选择 :将式 ( 3)计算得到的亲和度按降序 排列 , 选取其中 n 个高亲和度的抗体构成 Ab( n) 集合; 二次选择 :二次选择发生在抗体克隆与变异之 后 ,计算训练抗原与成熟抗体的亲和度 fk, j与前面亲 和度的计算方法一致 ,并从变异后得到的抗体集 C′ 中选择η%亲和度高的抗体做为克隆记忆抗体集 M; 1. 3. 3 抗体克隆 定义 1 一种抗原选择几种相关的抗体进行增 殖 ,每种抗体细胞克隆增殖的数量与其所受到的激 励水平成正比. 受激励越大的抗体其克隆数量越多 , 反之亦然. 抗体克隆遵循进化论的优胜劣汰原则 ,只有那 些受抗原激励程度高的抗体才进行克隆 ,那些受抗 原激励水平较低的抗体不发生克隆增殖 ,并逐渐死 亡. 将一次选择出的 n个被选取的抗体 ,以亲和度为 比例进行克隆增殖 ,生成克隆集合 C,亲和度越高 , 则对应的抗体的克隆规模越大. 则克隆完成后得到 的抗体总数为 ·450· 智 能 系 统 学 报 第 3卷 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net