楊繼聰，周偉，王林琳

(湖北工業(yè)大學(xué)機(jī)械工程學(xué)院，湖北武漢 430068)

0 前言

2019年3月，一架客機(jī)波音737Max因傳感器故障引起飛機(jī)失控，導(dǎo)致了機(jī)毀人亡的悲劇。同年4月，甘肅某風(fēng)電場在進(jìn)行維護(hù)保養(yǎng)時(shí)，風(fēng)電機(jī)組發(fā)生倒塌事故，造成重大人員傷亡和巨額財(cái)產(chǎn)損失。這些由于設(shè)備故障而引起的重大事故，時(shí)刻提醒著人們對(duì)裝備健康進(jìn)行狀態(tài)監(jiān)測和故障預(yù)測極為重要。

彭飛和張堯基于物聯(lián)網(wǎng)和數(shù)據(jù)驅(qū)動(dòng)對(duì)交通軌道軸承進(jìn)行了故障診斷。劉冰冰等提出了一種基于隨機(jī)森林的故障預(yù)警模型，對(duì)風(fēng)電變頻器進(jìn)行了研究。郇雙宇等針對(duì)混合動(dòng)力鏟運(yùn)機(jī)的故障預(yù)測，提出了一種把最小二乘支持向量機(jī)和隱馬爾科夫模型相結(jié)合改進(jìn)的故障預(yù)測方法。黃新波等提出了一種基于時(shí)間序列和支持向量機(jī)的預(yù)測模型，對(duì)變壓器進(jìn)行了故障預(yù)測。滕偉等人提出了一種改進(jìn)粒子濾波的方法，對(duì)重型燃?xì)廨啓C(jī)的跳機(jī)故障進(jìn)行了預(yù)測。

上述研究都是針對(duì)單一裝備使用特定算法進(jìn)行故障預(yù)測，其中最大的限制是缺乏合適的用戶界面來根據(jù)不同的設(shè)備自定義設(shè)計(jì)合適的實(shí)驗(yàn)?zāi)Ｐ?暴露出模型構(gòu)建難、復(fù)用性差等問題。

相對(duì)于單一算法進(jìn)行故障預(yù)測，機(jī)器學(xué)習(xí)算法更加全面。張星星等將機(jī)器學(xué)習(xí)應(yīng)用于對(duì)滾動(dòng)軸承進(jìn)行故障分類和診斷。針對(duì)實(shí)驗(yàn)建模難和參數(shù)配置繁瑣的問題，將實(shí)驗(yàn)步驟可視化顯得十分重要。趙玲玲等提出了一種基于Spark的可視化流程式機(jī)器學(xué)習(xí)方法。

本文作者提出一種不需要修改源代碼，根據(jù)具體的業(yè)務(wù)需求來自定義算法模型的系統(tǒng)架構(gòu)。將工作流技術(shù)進(jìn)行改進(jìn)，應(yīng)用于故障預(yù)測實(shí)驗(yàn)。將實(shí)驗(yàn)的每一個(gè)步驟抽象成一個(gè)組件，通過將組件以可視化的方式、拖拉拽的形式來進(jìn)行算法建模，導(dǎo)入數(shù)據(jù)源調(diào)整某些初始參數(shù)就能夠適應(yīng)用戶需求的變化。該系統(tǒng)已成功應(yīng)用于國內(nèi)某鑄造車間表干爐設(shè)備的故障預(yù)測。

1 工作流技術(shù)

工作流是在將輸出結(jié)果呈現(xiàn)給用戶之前如何處理和格式化輸入數(shù)據(jù)的說明。工作流提供了一種直觀的能力，可以從算法概念躍進(jìn)到物理機(jī)器上實(shí)際實(shí)現(xiàn)，又不會(huì)失去對(duì)需要完成事務(wù)的控制，提供了決定“如何”執(zhí)行的自由。工作流可以抽象為具有任務(wù)節(jié)點(diǎn)(即活動(dòng))和流程(即任務(wù)節(jié)點(diǎn)之間的轉(zhuǎn)換)的網(wǎng)絡(luò)。黃達(dá)毅討論了基于工作流應(yīng)用程序的優(yōu)勢，如靈活性、集成性和可重用性。所有工作流管理系統(tǒng)都具有以下特征:

(1)使用建模工具或語言將應(yīng)用程序從復(fù)雜的過程定義中分離出來；

(2)有一個(gè)核心引擎，可以自動(dòng)驅(qū)動(dòng)有向無環(huán)圖形(DAG)，而無需用戶考慮其復(fù)雜性；

(3)具有可擴(kuò)展的接口。

本文作者在傳統(tǒng)工作流的基礎(chǔ)上提出了錨點(diǎn)的概念，通過錨點(diǎn)來對(duì)工作流輸入輸出數(shù)據(jù)的個(gè)數(shù)和類型進(jìn)行定義，嚴(yán)格控制任務(wù)節(jié)點(diǎn)之間數(shù)據(jù)傳遞的規(guī)范和輸入輸出錨點(diǎn)之間對(duì)應(yīng)關(guān)系以保證工作流的順利執(zhí)行。不同的角色在系統(tǒng)中有不同的責(zé)任，開發(fā)人員致力于開發(fā)一個(gè)可擴(kuò)展的框架，包括故障預(yù)測實(shí)驗(yàn)建模和工作流流程調(diào)度。部署工程師專注于利用組件組合管理進(jìn)行實(shí)驗(yàn)建模，并設(shè)置組件參數(shù)。用戶可以自定義實(shí)驗(yàn)?zāi)Ｐ突驅(qū)σ延心Ｐ瓦M(jìn)行調(diào)參。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

由于故障預(yù)測系統(tǒng)的復(fù)雜性，很難在單一模型中討論所有信息，因此提出用實(shí)驗(yàn)?zāi)Ｐ蛶?、資源庫和工具庫3個(gè)庫組成系統(tǒng)模型。對(duì)系統(tǒng)進(jìn)行形式化定義并對(duì)系統(tǒng)的運(yùn)行流程進(jìn)行描述。系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)

2.1 實(shí)驗(yàn)?zāi)Ｐ蛶?/h3>

實(shí)驗(yàn)?zāi)Ｐ蛶焓窃撓到y(tǒng)最重要的庫。每一個(gè)故障預(yù)測實(shí)驗(yàn)都可以配置全局屬性，每一個(gè)實(shí)驗(yàn)對(duì)應(yīng)一個(gè)實(shí)驗(yàn)流程定義，所有不同的流程定義組成了故障預(yù)測的實(shí)驗(yàn)?zāi)Ｐ蛶?。每一個(gè)實(shí)驗(yàn)流程定義都由一系列組件和描述它們之間邏輯關(guān)系的有向弧所組成。一個(gè)故障預(yù)測實(shí)驗(yàn)流程定義是由一個(gè)DAG來描述的，DAG還包括一些典型的邏輯節(jié)點(diǎn)，如分叉/連接邏輯。

對(duì)于每一個(gè)組件，有4種描述：屬性定義、行為腳本、資源映射和錨點(diǎn)。

(1)屬性定義。每個(gè)活動(dòng)的屬性定義分為靜態(tài)和非靜態(tài)的。前者是指在實(shí)驗(yàn)流程中不會(huì)改變的屬性，在系統(tǒng)中，這類屬性被定義為特征值、目標(biāo)值等；后者是指那些在運(yùn)行時(shí)值會(huì)動(dòng)態(tài)改變的屬性，這類屬性被定義為實(shí)際開始時(shí)間、完成時(shí)間和執(zhí)行狀態(tài)等。

(2)行為腳本指組件被調(diào)用后產(chǎn)生的活動(dòng)。提供一些資源(如數(shù)據(jù)預(yù)處理和算法資源)具體操作的入口，通過shell、sql、python等腳本來對(duì)相應(yīng)的資源進(jìn)行操作。

(3)資源映射指流程中每個(gè)活動(dòng)的資源分配。資源映射在連接實(shí)驗(yàn)?zāi)Ｐ蛶旌凸ぞ邘熘衅鹬匾淖饔?。資源映射為計(jì)劃和調(diào)度提供了資源訪問的方法，這種映射是訪問數(shù)據(jù)源、算法和評(píng)估等資源的橋梁。這些資源模型將在資源庫中討論。

(4)錨點(diǎn)鑲嵌在組件上下兩端，用于連接有向弧，作為組件的輸入和輸出接口。每個(gè)組件除了根據(jù)DAG有向圖順序執(zhí)行外，還存在數(shù)據(jù)傳輸。上一個(gè)組件向下一個(gè)組件傳遞數(shù)據(jù)，用輸出錨點(diǎn)表示，鑲嵌在組件的下端；下一個(gè)組件接收上一個(gè)組件傳遞的數(shù)據(jù)，用輸入錨點(diǎn)表示，鑲嵌在組件的上端。錨點(diǎn)的數(shù)量決定了組件可輸入輸出數(shù)據(jù)集的個(gè)數(shù)，錨點(diǎn)的類型決定了組件可輸入輸出數(shù)據(jù)集的內(nèi)容形式。

2.2 資源庫

故障預(yù)測系統(tǒng)資源管理是一個(gè)真正復(fù)雜的過程。資源庫總體上可分為以下幾種：

(1)數(shù)據(jù)源資源。儲(chǔ)存故障預(yù)測實(shí)驗(yàn)所需數(shù)據(jù)，通過自定義創(chuàng)建表生成數(shù)據(jù)源資源，可分為3個(gè)步驟：①創(chuàng)建表，分為可視化和sql命令創(chuàng)建(類似于數(shù)據(jù)庫可視化工具Navicat)；②導(dǎo)入數(shù)據(jù)，選擇文件導(dǎo)入數(shù)據(jù)，支持.txt和.csv的文件格式；③生成數(shù)據(jù)源資源，導(dǎo)入數(shù)據(jù)成功匹配對(duì)應(yīng)表字段類型和字段個(gè)數(shù)即可成功生成數(shù)據(jù)源資源。

(2)數(shù)據(jù)預(yù)處理資源。提供一些對(duì)數(shù)據(jù)進(jìn)行處理的方法，處理后輸出目標(biāo)數(shù)據(jù)。真實(shí)場景中的數(shù)據(jù)往往是混亂和雜亂無章的(數(shù)據(jù)缺失、重復(fù)、值為空等)，對(duì)挖掘出數(shù)據(jù)中的有效信息造成了困擾，因此需要采取一些數(shù)據(jù)處理方法提高數(shù)據(jù)的質(zhì)量。目前系統(tǒng)提供了類型轉(zhuǎn)換、拆分、歸一化、缺失值填充、標(biāo)準(zhǔn)化等方法。

(3)算法資源。通過shell、sql、python等腳本可選擇性調(diào)用不同的算法庫。這些算法庫包含了二分類、多分類、聚類、回歸等常見算法，通過輸入符合算法模型要求的數(shù)據(jù)后可成功運(yùn)行。以多分類中的邏輯回歸多分類算法為例，輸入目標(biāo)數(shù)據(jù)源，對(duì)它進(jìn)行字段設(shè)置，如選擇特征列、標(biāo)簽列，配置完成即可運(yùn)行，最后輸出預(yù)測結(jié)果。

(4)評(píng)估資源。提供對(duì)實(shí)驗(yàn)?zāi)Ｐ洼敵龅念A(yù)測結(jié)果表進(jìn)行評(píng)估的方法。有二分類評(píng)估、回歸模型評(píng)估、聚類模型評(píng)估、混淆矩陣及多分類評(píng)估等方法。涉及到的評(píng)價(jià)指標(biāo)如表1所示，涉及的曲線有ROC-AUC曲線、PRC曲線和KS曲線等。

表1 評(píng)價(jià)指標(biāo)

表1中:為異常樣本數(shù);為正常樣本數(shù);為被正確檢測為異常的樣本數(shù);被正確檢測為正常樣本數(shù);被錯(cuò)誤檢測為異常的樣本數(shù);被錯(cuò)誤檢測為正常的樣本數(shù);為觀察到的符合比例；為由隨機(jī)產(chǎn)生的符合比例。

(5)實(shí)驗(yàn)?zāi)Ｐ唾Y源。每一個(gè)實(shí)驗(yàn)?zāi)Ｐ投紩?huì)進(jìn)行保存。每份資源有部署狀態(tài)和非部署狀態(tài)兩種，在部署狀態(tài)下，可通過遠(yuǎn)程調(diào)用接口來進(jìn)行故障預(yù)測實(shí)驗(yàn)訓(xùn)練；在非部署狀態(tài)下可對(duì)實(shí)驗(yàn)?zāi)Ｐ瓦M(jìn)行調(diào)參優(yōu)化。

(6)模板資源提供了一些SQL和算法腳本的基本使用模板，以及針對(duì)組件錨點(diǎn)與有向弧之間一一對(duì)應(yīng)動(dòng)態(tài)模板的定義。

2.3 工具庫

工具庫提供了整個(gè)系統(tǒng)完美運(yùn)行所需要的工具。這些工具的功能如下:

(1)實(shí)驗(yàn)建模是一個(gè)可以直觀繪制出DAG模型的可視化建模工具，這個(gè)工具使得實(shí)驗(yàn)建模更容易理解。通過圖形元素組成真實(shí)的實(shí)驗(yàn)過程，如串行過程、并行過程和復(fù)雜過程。表2所示為實(shí)驗(yàn)建模管理中的主要圖形元素。表3所示為不同實(shí)驗(yàn)流程結(jié)構(gòu)的不同建模過程。

(2)流程調(diào)度是一個(gè)軟件程序。它包含DAG模型的調(diào)度信息，例如何時(shí)開始執(zhí)行給定的流程步驟以及要使用的資源，根據(jù)資源映射和當(dāng)前的實(shí)際能力提供準(zhǔn)確的資源。然而，關(guān)于調(diào)度器如何使用現(xiàn)有算法的問題不在文中討論范圍之內(nèi)。

(3)引擎是工作流領(lǐng)域的核心部分，它驅(qū)動(dòng)實(shí)驗(yàn)?zāi)Ｐ蛨?zhí)行的整個(gè)過程。通過ECA機(jī)制，可以在實(shí)驗(yàn)?zāi)Ｐ蛨?zhí)行過程中實(shí)現(xiàn)數(shù)據(jù)收集和狀態(tài)反饋的功能。

表2 圖形元素

表3 各流程結(jié)構(gòu)建模過程

2.4 形式化定義

實(shí)驗(yàn)?zāi)Ｐ?、資源和工具是組成此系統(tǒng)的基本元素，也是系統(tǒng)運(yùn)作流程中數(shù)據(jù)的載體。為更清楚地描述系統(tǒng)整體架構(gòu)，對(duì)整個(gè)系統(tǒng)做如下定義：

定義1：系統(tǒng)框架定義

架構(gòu)F=(Models,Resources,Tools)其中：

(1)Modles={modle|modle=(Element,Transit),=1,2,…,}是所有故障預(yù)測實(shí)驗(yàn)?zāi)Ｐ偷募?；Element={element∈element∪element∪element∪element,,=1,2,…,}是所有組件的集合；Transit={transit|=1,2,…,}是所有有向弧的集合；

(2)Resources={resource|=1,2,…,}是系統(tǒng)提供所有資源的集合；

(3)Tools={tool|=1,2,…,}是系統(tǒng)提供所有工具的集合。

定義2:數(shù)據(jù)對(duì)象定義

(1)組件Desp(element)={ID,Name,Property,Resource_id,Anchors,Script,Status}，即每一個(gè)組件都具有獨(dú)一無二的ID、名稱、屬性、資源、錨點(diǎn)、執(zhí)行腳本、當(dāng)前狀態(tài)；

(2)錨點(diǎn)Desp(anchor)={ID,Type,Data}，即每一個(gè)錨點(diǎn)都具有獨(dú)一無二的ID、類型、接口數(shù)據(jù)。

(3)有向弧Desp(transit)={ID,Anchor_start_id,Anchor_end_id,}，即每一個(gè)有向弧都具有獨(dú)一無二的ID、起始錨點(diǎn)、終止錨點(diǎn)；

(4)資源Desp(resource)={ID,Name,Type,Script,Params}，即每一個(gè)資源都具有獨(dú)一無二的ID、名稱、類型、腳本、參數(shù)。

2.5 運(yùn)行流程

通過闡述實(shí)驗(yàn)?zāi)Ｐ蛷臉?gòu)建到完成部署的過程來說明故障預(yù)測系統(tǒng)的運(yùn)行流程，并對(duì)其中的步驟進(jìn)行描述。系統(tǒng)運(yùn)行流程如圖2所示。

圖2 系統(tǒng)運(yùn)行流程

3 實(shí)驗(yàn)驗(yàn)證

3.1 樣本選擇

本文作者基于國內(nèi)某發(fā)動(dòng)機(jī)制造廠商的鑄造車間進(jìn)行研究。通過長時(shí)間觀察和了解，發(fā)現(xiàn)該鑄造車間設(shè)備的正常運(yùn)行是通過維修人員定時(shí)檢修或故障后維修的方式保證的，這種傳統(tǒng)的維修方式造成了大量人力和物力的浪費(fèi)。在如今智能化的大環(huán)境下，有必要建立一個(gè)故障預(yù)測系統(tǒng)去提高該車間在設(shè)備維護(hù)方面的水平。

表干爐設(shè)備是通過循環(huán)風(fēng)機(jī)將燃燒室中的熱氣送入爐內(nèi)，再對(duì)運(yùn)行在錕道上的浸涂砂芯進(jìn)行射流烘干的。一般反映表干爐設(shè)備是否能正常工作的參數(shù)有4個(gè)，如表4所示。

表4 影響參數(shù)

從現(xiàn)場了解到，該車間會(huì)根據(jù)這4個(gè)因素，按照某些評(píng)估方法對(duì)表干爐設(shè)備每周進(jìn)行1次健康狀態(tài)評(píng)估，并會(huì)給該設(shè)備的健康狀態(tài)進(jìn)行等級(jí)劃分，如表5所示。結(jié)合在該車間現(xiàn)場采集表干爐設(shè)備的歷史數(shù)據(jù)，從中選取近3年數(shù)據(jù)作為訓(xùn)練樣本(150組進(jìn)行健康狀態(tài)評(píng)估過的數(shù)據(jù))。

表5 設(shè)備健康等級(jí)

3.2 實(shí)驗(yàn)建模分析

表干爐設(shè)備的故障預(yù)測實(shí)驗(yàn)建模分為以下幾個(gè)步驟：(1)通過導(dǎo)入文本數(shù)據(jù)的方式導(dǎo)入表干爐數(shù)據(jù)源，使原始數(shù)據(jù)成為單一的數(shù)據(jù)源組件，拖到畫布中進(jìn)行實(shí)驗(yàn)建模；(2)健康等級(jí)轉(zhuǎn)換組件調(diào)用數(shù)據(jù)預(yù)處理資源中類型轉(zhuǎn)換方法，使用SQL腳本對(duì)原始數(shù)據(jù)進(jìn)行類型轉(zhuǎn)換，將健康等級(jí)轉(zhuǎn)換為數(shù)字表示；(3)特征值歸一化組件調(diào)用數(shù)據(jù)預(yù)處理資源中的歸一化方法選擇訓(xùn)練特征列(此處的特征列為表4中的4個(gè)參數(shù))進(jìn)行歸一化處理；(4)訓(xùn)練拆分組件調(diào)用數(shù)據(jù)預(yù)處理資源中的拆分方法對(duì)處理后的數(shù)據(jù)按0.8的比例來拆分為訓(xùn)練數(shù)據(jù)和預(yù)測數(shù)據(jù)，訓(xùn)練數(shù)據(jù)作為回歸算法訓(xùn)練錨點(diǎn)輸入，預(yù)測數(shù)據(jù)輸出到故障預(yù)測組件的第2個(gè)輸入錨點(diǎn)；(5)回歸算法訓(xùn)練組件屬性定義選擇訓(xùn)練特征列和目標(biāo)列，調(diào)用算法資源中的邏輯回歸多分類方法對(duì)拆分后的訓(xùn)練數(shù)據(jù)進(jìn)行回歸訓(xùn)練，將訓(xùn)練結(jié)果輸入故障預(yù)測組件第1個(gè)輸入錨點(diǎn)；(6)故障預(yù)測組件調(diào)用算法資源中的預(yù)測資源，字段設(shè)置選擇特征列，將結(jié)果輸入到預(yù)測結(jié)果評(píng)估組件調(diào)用評(píng)估資源即可進(jìn)行預(yù)測結(jié)果評(píng)估，設(shè)置原分類結(jié)果列和預(yù)測分類結(jié)果列后點(diǎn)擊模型運(yùn)行，運(yùn)行成功與否組件右邊會(huì)有狀態(tài)展現(xiàn)，成功即可查看預(yù)測結(jié)果。系統(tǒng)界面如圖3所示。

圖3 系統(tǒng)界面

表6所示為預(yù)測結(jié)果(此處僅展現(xiàn)了10條數(shù)據(jù))，每一條數(shù)據(jù)由其原結(jié)果和進(jìn)行預(yù)測后的評(píng)價(jià)屬性值組成(輸出結(jié)果、輸出分?jǐn)?shù)、輸出詳細(xì))。表6中清晰、直觀地給出了預(yù)測結(jié)果。

表6 預(yù)測結(jié)果

模型評(píng)估報(bào)告分為混淆矩陣、比例矩陣、統(tǒng)計(jì)信息、總覽四部分，分別如圖4、圖5、表7、表8所示。總覽通過精度、Kappa系數(shù)和宏平均(MacroAveraged)對(duì)所有類別進(jìn)行總體分析，而統(tǒng)計(jì)信息是對(duì)每個(gè)類別分別進(jìn)行指標(biāo)分析?；煜仃嚭捅壤仃囃ㄟ^矩陣圖像來反映分類結(jié)果的精準(zhǔn)。由表8所示的模型評(píng)估報(bào)告總覽可以看到精確率達(dá)到了93.33%，驗(yàn)證了該模型故障預(yù)測的可行性。

圖4 混淆矩陣 圖5 比例矩陣

表7 統(tǒng)計(jì)信息

表8 模型評(píng)估報(bào)告總覽

將該模型進(jìn)行部署，通過Postman調(diào)用生成的接口進(jìn)行測試，輸入生成的Token和需要預(yù)測的數(shù)據(jù)：

[{″main_tmpt″:213,″:3.5,″air_volume″:34}]

得到如下形式的預(yù)測結(jié)果：[{″ifhealth″:3}]。

4 結(jié)論

本文作者采用基于改進(jìn)工作流的可視化建模思想設(shè)計(jì)構(gòu)建了故障預(yù)測系統(tǒng)。系統(tǒng)整個(gè)架構(gòu)分為3個(gè)模塊，對(duì)實(shí)驗(yàn)?zāi)Ｐ蛶爝M(jìn)行了介紹，重點(diǎn)對(duì)組件的組成進(jìn)行了詳細(xì)描述,提出了錨點(diǎn)的概念；對(duì)系統(tǒng)的資源做出了介紹，將系統(tǒng)的資源劃分為幾個(gè)部分以降低復(fù)雜度，對(duì)每一部分的資源進(jìn)行了詳細(xì)描述；介紹工具庫，著重對(duì)可視化建模的圖形結(jié)構(gòu)和流程形式進(jìn)行了討論；對(duì)系統(tǒng)進(jìn)行形式化定義，描述系統(tǒng)的數(shù)據(jù)資源與模塊的相互作用關(guān)系，并對(duì)系統(tǒng)的運(yùn)行流程進(jìn)行了詳細(xì)描述。通過對(duì)表干爐設(shè)備進(jìn)行故障預(yù)測實(shí)驗(yàn)及分析，證實(shí)了該系統(tǒng)架構(gòu)設(shè)計(jì)的可行性。