基于人工免疫系统的数控机床故障诊断系统研究

张春霞

（天津市渤海化工职工学院，天津300450）

0 引言

数控机床由机床、数控装置、伺服系统、程序载体、检测装置、反馈装置等多个子系统构成［1］，其中机床发生的故障约占所有故障的57%，数控装置故障约占5.5%，电气装置故障约占37.5%，故障种类多且复杂［2］。因此，有必要采用人工免疫系统技术对数控机床故障进行分析，创建一种完善有效的故障诊断系统。

1 人工免疫系统技术分析

人工免疫系统是受自然界生物免疫机理的启示而提出的，通过对生物免疫系统的原理和特征进行借鉴和模拟，进而发展为可以在工程中应用的信息处理技术。免疫系统主要包括免疫分子、免疫细胞、免疫组织和器官三部分，具有识别和自我修复能力，能够检测并消除因自体病变和外界病原体引发的功能紊乱［3］。

模式识别可分为两步：（1）进行样本学习；（2）用经过学习的系统对实测数据进行分类。

基于人工免疫系统的数控机床故障诊断也需要按模式识别划分为两步：（1）利用故障的已知症状（疫苗）进行学习产生检测器集（抗体）；（2）再利用已经形成的检测器对测得的信号（抗原）进行判断，如果异常再判断属于哪一类故障［1］。

2 模型建立

基于免疫机理，建立一个数控机床故障诊断系统。首先给出与系统相关的定义，然后建立故障诊断系统模型。

2.1 相关定义

定义1：系统状态集。收集数控机床系统运行时的一些信息参数作为状态特征向量，记为A＝（A1，A2，…，An），其中Ai（i＝1，2，…，n）表示系统的某个特征属性。由状态特征向量构成系统状态集，记为S。分别用Snormal和Sabnormal表示正常和异常两种状况。信息参数的选取应尽量反映系统运行全貌。

定义2：自体集。数控机床系统正常运行时的状态特征向量的集合，用U来表示，U∈Snormal。自体集尽量全面地收集系统正常运行状态的特征向量，以避免将正常数据误判为异常，可以在收集正常样本时尽量用较长的时间段，以使正常状态集被较完全地覆盖。

定义3：检测器空间。记为B＝（B1，B2，…，Bn）。指定特征参数的幅度，在此幅度内生成检测器。

定义4：检测器集。通过定义检测器集来发现系统是否发生新异常。随机生成检测器并在自体集中检测是否耐受成功，成功则加入正常检测器集中，检测不成功的抗体则在变异后继续检测耐受，直到指示器显示达到指定阈值、抗体死亡。

定义5：记忆检测器集。系统在异常状态下收集得到的检测器，记为N，用来表示曾经检测到的系统故障。当发现这种过去曾检测到过的系统故障时，就能快速报警。

定义6：阈值。由于对自体集进行分类要使得每个自体有代表性，从而实现反映系统运行状态正常的全面性，在分类时需通过自体之间亲和力能否达到阈值来判断。当判断检测器是否耐受成功时也需设定抗体与自体抗原的亲和力阈值；对一个未知新样本进行检测时也需确定一个阈值，达到该值则激活检测器。

定义7：异常度。辨识需检测样本的异常程度。设样本与抗体的最大亲和力为hb，抗原与该样本最大亲和力为hg，异常度定义为C＝hb／（hb－hg），C＝0时为正常，C＝1时为异常。

2.2 故障诊断系统算法过程描述

步骤1：初始免疫网络。由成熟的检测器集组成，对抗体的允许变异值范围、阈值等网络参数进行设定。

步骤2：抗体识别。对样本与记忆检测器集中每个检测器的亲和力进行计算，如果亲和力最高值达到阈值，则样本标记为故障并报告异常，否则进入下一个样本检测。

步骤3：免疫网络识别。对样本与网络中所有检测器依次计算亲和力，当亲和力最高值达到阈值，则标记故障并报告异常，并将该样本加入记忆检测器，否则进入下一个样本检测。

步骤4：检测器的克隆变异。根据亲和力得到每个检测器的变异幅度和克隆数量。克隆后的每个检测器形成新的检测器子集，再对检测器子集进行随机变异，并计算亲和力。若亲和力比原来检测器的最大亲和力值大，则替换原来的检测器。

步骤5：抗体抑制。用其他检测器与替换后的克隆变异检测器重新进行计算，若亲和力高于设定阈值，则删除克隆变异得来的检测器。通过抗体在免疫网络中的相互抑制作用保证每个检测器都具有特异性。

步骤6：用新的免疫网络进行样本识别，直到指定步数为止。

步骤7：对无法识别的样本，计算其亲和力并输出它的异常度。

2.3 模型中的几个关键点

（1）抗体规模。抗体集需要达到一定规模才能保持在抗体识别过程中的多样性，在本文基于遗传算法的免疫系统识别模式中，识别一种抗原需要16个左右的抗体，需要注意的是，随着抗体集的规模增大，计算量会大增。

（2）抗体产生的阈值设定。阈值是用来控制抗体在产生后是否进化成熟的，本系统在数控机床的实际应用中，可根据同类故障的分布情况来确定。阈值太大会混淆抗原种类，降低检测效果；阈值太小会漏检错误。

（3）检测样本时的阈值设定。在进行样本检测时，阈值是用来确定实时状态样本类型的。该值主要用来调节抗体空间，阈值太大会混淆错误，太小会漏检错误。

（4）抗体间亲和力。抗体需保持其多样性，一方面是通过进化生存，另一方面是通过相互抑制。抗体间的相互抑制需要通过计算其亲和力来实现。

（5）特征向量的权重。同一种故障对不同传感器的敏感度不一样，提取的特征向量维数也不相同。在检测时，计算抗原和抗体两者之间的欧几里德距离，不同向量应有不同权重［4－5］。

3 结语

本文根据生物免疫机理对数控机床提出的故障诊断系统模型主要优势在于：提取故障样本的方式快捷方便，对所检验数据预测精度高，对变异数据的跟随性好。人工免疫系统在故障诊断中的应用有着巨大的发展前景，也需要进行更多的研究与探索，建议在数学理论方面对该算法进行改进。

［1］魏巧玲，赵劲松，钟本和.基于模拟疫苗的人工免疫系统在氯乙烯聚合间歇过程故障诊断中的应用［J］.化工学报，2015，66（2）：635－639.

［2］杨曾芳，吕希胜.基于故障数的数控机床故障诊断系统［J］.科技创新导报，2012（18）：68－69.

［3］张敏，丁跃浇.基于振动分析结合人工免疫算法的高压断路器故障诊断预测系统研究［J］.机电一体化，2014（6）：46－50.

［4］杨超.人工免疫系统在入侵检测系统中的应用［J］.信息通信，20，15（1）：6－7.

［5］叶洪涛，罗飞，许玉格.改进的免疫算法及其在函数优化中的应用［J］.系统工程与电子技术，2011，33（2）：464－467.