李云

摘 要：本文取操動(dòng)機(jī)構(gòu)開斷過程中電流波形的特征量，對比手動(dòng)設(shè)置參數(shù)支持向量機(jī)（Support Vector Machine，SVM）與網(wǎng)格搜索法優(yōu)化SVM的故障診斷結(jié)果，得到網(wǎng)格搜索法優(yōu)化SVM的診斷結(jié)果準(zhǔn)確率更高。并通過實(shí)驗(yàn)對比傳統(tǒng)網(wǎng)格搜索法和改進(jìn)網(wǎng)格搜索法，得到改進(jìn)網(wǎng)格搜索法對比傳統(tǒng)網(wǎng)格搜索法，能兼顧效率和準(zhǔn)確率。

關(guān)鍵詞：故障診斷;SVM;網(wǎng)格搜索法

1 導(dǎo)論

SVM是統(tǒng)計(jì)學(xué)習(xí)理論中實(shí)用且較新的部分，它是在1995年提出的，是一個(gè)較有發(fā)展前景的分類技術(shù)，在處理非線性、小樣本和高維模式識別中，具有很多優(yōu)勢，由于高壓斷路器動(dòng)作較少，要獲取大量的動(dòng)作樣本很困難，所以選擇SVM用于斷路器故障診斷。

SVM思想是：輸入空間經(jīng)非線性變換到高維空間，再求最優(yōu)分類面，這里的非線性變換是由內(nèi)積函數(shù)（核函數(shù)）得到。

在SVM中，懲罰因子c和核函數(shù)g對SVM性能有決定性作用。核函數(shù)g反應(yīng)的是樣本轉(zhuǎn)變到高維空間后的維數(shù)即復(fù)雜度，維數(shù)和復(fù)雜度成正比;懲罰因子c的主要功能是調(diào)整置信范圍和經(jīng)驗(yàn)風(fēng)險(xiǎn)的比例，使其處于最好的狀態(tài)。

對這兩個(gè)參數(shù)，現(xiàn)有較常用的優(yōu)化SVM方法有：粒子群算法、遺傳算法、網(wǎng)格搜索等[1]。本文探討的優(yōu)化方法是網(wǎng)格搜索法。

2 實(shí)驗(yàn)數(shù)據(jù)

SVM是二分類狀態(tài)識別方法，在本文中，有六種狀態(tài)，使用的分類思想是“一對其余”，即6種狀態(tài)采用六級分類訓(xùn)練和識別。

用SVM對高壓斷路器操動(dòng)線圈電流信號進(jìn)行識別，診斷高壓斷路器是否正常。部分電流信號的樣本數(shù)據(jù)如表1所示[2]。實(shí)驗(yàn)分兩種方式，一種是手動(dòng)設(shè)置SVM參數(shù)故障診斷，另一種是網(wǎng)格搜索法優(yōu)化SVM。

3 手動(dòng)設(shè)置SVM參數(shù)故障診斷

從上面對SVM的介紹中可知，參數(shù)懲罰因子c和核函數(shù)g對診斷結(jié)果有較大影響，當(dāng)隨機(jī)手動(dòng)設(shè)置參數(shù)c和g時(shí)，斷路器的診斷結(jié)果差距較大。隨機(jī)設(shè)置二組參數(shù)值，測試故障診斷準(zhǔn)確率。

（1）當(dāng)c=0.8，g=63時(shí)，測試結(jié)果準(zhǔn)確率為79.17%。

（2）當(dāng)c=0.6，g=8時(shí)，測試結(jié)果準(zhǔn)確率為91.67%。

從二組隨機(jī)參數(shù)診斷結(jié)果可知，參數(shù)對診斷結(jié)果影響較大，且無明顯規(guī)律可循，為提高診斷準(zhǔn)確率，對SVM參數(shù)優(yōu)化顯得十分必要。

4 傳統(tǒng)網(wǎng)格搜索法與改進(jìn)網(wǎng)格搜索法優(yōu)化SVM故障診斷

對于傳統(tǒng)網(wǎng)格搜索法和改進(jìn)網(wǎng)格搜索法的區(qū)別在于：改進(jìn)網(wǎng)格搜索法[3]針對傳統(tǒng)網(wǎng)絡(luò)計(jì)算量大，運(yùn)行時(shí)間長提出。改進(jìn)網(wǎng)格搜索法節(jié)省時(shí)間且計(jì)算量少，它的思想是先以較大步長搜索全局，得到相對最優(yōu)c和g，再在此c、g附近做一個(gè)較小步長的搜索，這樣可使精度和計(jì)算量都能達(dá)到最好狀態(tài)。

傳統(tǒng)網(wǎng)格搜索法1：取步長為0.1的傳統(tǒng)網(wǎng)格搜索法，訓(xùn)練時(shí)間長達(dá)73.96秒，準(zhǔn)確率為96.67%;

傳統(tǒng)網(wǎng)格搜索法2：取步長為0.8的傳統(tǒng)網(wǎng)格搜索法，訓(xùn)練時(shí)間是1.177秒，準(zhǔn)確率為93.33%;

改進(jìn)網(wǎng)格搜索法：先取步長為0.8進(jìn)行全局搜索，得到最優(yōu)c和g，再在此c、g附近做一個(gè)步長為0.1的搜索。

對上面三個(gè)參數(shù)選擇結(jié)果相關(guān)參數(shù)，做一個(gè)表格進(jìn)行對比，如表2所示：

在表2中，第一組以0.1的步長進(jìn)行全局搜索，準(zhǔn)確度很高，但是運(yùn)行時(shí)間較長;第二組以0.8的步長進(jìn)行全局搜索，運(yùn)行時(shí)間很短，但是準(zhǔn)確度比第一組低3.329%;第三種情況是在第二組c、g的基礎(chǔ)上，再在其附近做一個(gè)小范圍的小步長搜索，準(zhǔn)確度和第一組一樣，但是運(yùn)行時(shí)間比第一組少很多。

由此可得結(jié)論：改進(jìn)網(wǎng)格搜索法能在保證準(zhǔn)確率的基礎(chǔ)上大大減少運(yùn)行時(shí)間，明顯優(yōu)于傳統(tǒng)網(wǎng)格?？赏茢?，當(dāng)樣本足夠多且復(fù)雜時(shí)，這種優(yōu)勢會(huì)表現(xiàn)的更加明顯。

用改進(jìn)網(wǎng)格搜索法優(yōu)化的SVM，測試基于電流信號的高壓斷路器工作狀態(tài)，檢測其是否處于正常狀態(tài)，若故障，是哪種故障。

用24組測試樣本，共有六種狀態(tài)，每種狀態(tài)4組數(shù)據(jù)，測試結(jié)果如圖2所示，其準(zhǔn)確率達(dá)到95.83%。

由上述仿真結(jié)果可知，手動(dòng)設(shè)置參數(shù)的SVM準(zhǔn)確率最低，僅91.67%，傳統(tǒng)網(wǎng)格搜索法還是改進(jìn)網(wǎng)格搜索法優(yōu)化后的SVM，其準(zhǔn)確率均比手動(dòng)設(shè)置SVM參數(shù)故障診斷準(zhǔn)確率高。

5 小結(jié)

比較隨機(jī)手動(dòng)設(shè)置SVM參數(shù)的診斷準(zhǔn)確率與網(wǎng)格搜索法優(yōu)化后SVM參數(shù)的診斷準(zhǔn)確率，后者比前者準(zhǔn)確率高，且前者準(zhǔn)確率隨參數(shù)變化較大;再對比傳統(tǒng)網(wǎng)格搜索法和改進(jìn)網(wǎng)格搜索法，得到改進(jìn)網(wǎng)格搜索法能在保證準(zhǔn)確率的基礎(chǔ)上較大限度的提高運(yùn)行時(shí)間，減少計(jì)算量。

參考文獻(xiàn)：

[1]徐曉明.SVM參數(shù)尋優(yōu)及其分類中的應(yīng)用[D].大連：大連海事大學(xué)，2014.

[2]白志艷.高壓斷路器故障診斷與狀態(tài)監(jiān)測研究[D].武漢：華中科技大學(xué)，2013.

[3]王健峰，張磊，陳國興等.基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J].應(yīng)用科技，2012，39（03）：29-31.