劉湘婉 孫程斌 蔣彥龍 鄭文遠 高贊軍

機載制冷系統(tǒng)故障診斷及可視化軟件的研究

劉湘婉1孫程斌1蔣彥龍1鄭文遠2高贊軍2

（1.南京航空航天大學(xué)航空宇航學(xué)院 南京 210016；2.航空機電系統(tǒng)綜合航空科技重點實驗室 南京 211106）

目前，在機載蒸發(fā)循環(huán)制冷系統(tǒng)故障診斷的可視化軟件方面，國內(nèi)外相關(guān)的研究較少。建立了一種基于PSO-SVM的機載蒸發(fā)循環(huán)制冷系統(tǒng)故障診斷模型，利用PSO算法對SVM模型的參數(shù)進行優(yōu)化，以提高模型的診斷精度。為了便于機組人員實時監(jiān)測系統(tǒng)的運行狀況，使用MATLAB中的GUI模塊對所構(gòu)建的故障診斷模型進行了可視化界面設(shè)計。該軟件可用于訓(xùn)練和測試故障診斷模型，并診斷用戶輸入的系統(tǒng)運行數(shù)據(jù)。經(jīng)過驗證表明，該軟件運行可靠、診斷結(jié)果準確。

MATLAB GUI；制冷系統(tǒng)故障診斷；PSO-SVM；可視化；界面設(shè)計

0 引言

隨著航空工業(yè)技術(shù)的發(fā)展和民航客機的現(xiàn)代化、大型化，飛機環(huán)境控制系統(tǒng)的地位逐漸提升，飛機環(huán)境控制系統(tǒng)的設(shè)備更加完善。大功率高集成電子電器設(shè)備的增加在提高了飛機的整體性和作戰(zhàn)能力的同時，也給飛機帶來了巨大的熱負荷[1]。因此，飛行器的環(huán)境控制要求也在不斷增加。然而，在機載蒸發(fā)循環(huán)制冷系統(tǒng)的運行期間，系統(tǒng)難免會產(chǎn)生一些故障。若不能及時發(fā)現(xiàn)并消除這些故障，勢必會導(dǎo)致嚴重的后果。因此，機載蒸發(fā)循環(huán)制冷系統(tǒng)的故障診斷和排查直接影響著系統(tǒng)的可靠性和安全性。MATLAB軟件具有強大的計算功能和可視化的GUI模塊。利用MATLAB中的GUI模塊可以簡單、便捷地設(shè)計出美觀、方便的菜單化和控件式的人機交互界面。

研究旨在設(shè)計本出能夠直觀地顯示出機載蒸發(fā)循環(huán)制冷系統(tǒng)故障類型的軟件，為機組相關(guān)工作人員提供清晰、明確的參考依據(jù)。

1 機載蒸發(fā)循環(huán)制冷系統(tǒng)故障診斷模型的構(gòu)建

支持向量機（support vector machines，SVM）基于結(jié)構(gòu)風(fēng)險最小化原則和統(tǒng)計學(xué)習(xí)的相關(guān)理論，由Vapnik在上個世紀六十年代首次提出，并且在近些年成為一個廣受關(guān)注和研究的領(lǐng)域。SVM在解決以非線性、高維度、局部最小以及小樣本為特征的復(fù)雜實際問題上有著很大的優(yōu)勢[2]。但是對于SVM模型的參數(shù)的選擇問題，仍然缺乏足夠的理論指導(dǎo)。在樣本分類的過程中，人為確定的SVM參數(shù)不一定是最優(yōu)參數(shù)，并且人工選擇效率較低。而參數(shù)的選擇將對SVM模型的泛化能力和分類精度產(chǎn)生直接的影響。粒子群算法（particle swarm optimization，PSO）是由Etherhart和Kennedy從鳥群覓食這一現(xiàn)象得到靈感，從而提出的一種優(yōu)化算法。該算法在分類精度、參數(shù)選取等方面有著很大的優(yōu)勢[3]。

為了提高故障診斷的精度，本文提出了一種基于PSO-SVM算法的機載蒸發(fā)循環(huán)制冷系統(tǒng)故障診斷模型。

1.1 SVM原理[4-7]

SVM的原理是尋找一個能夠達到分類要求的最優(yōu)分類超平面，使得該超平面能夠最大化兩側(cè)的間隔，同時保證分類精度。間隔最大化的含義是：超平面距離兩側(cè)數(shù)據(jù)點的“間隔”越大，分類效果越好。這樣的超平面具有良好的泛化能力，不僅可以劃分樣本點，而且可以盡可能地將最接近超平面的點分開。

為了解決該約束最優(yōu)化的問題，引入Lagrange函數(shù)：

式（2）中，為Lagrange乘數(shù)，C為懲罰系數(shù)。經(jīng)過對偶求解后，可以獲得最優(yōu)分類函數(shù)，如式（3）所示：

SVM的核心步驟為：利用核函數(shù)將非線性不可分類的樣本向量映射到一個高維特征空間中，將其轉(zhuǎn)變?yōu)榫€性可分的向量，然后在該高維特征空間中找到最優(yōu)分類超平面。因此，我們只需要用映射函數(shù)()替換，即可得到新的最優(yōu)分類函數(shù)。

1.2 PSO優(yōu)化SVM的方法[8-10]

PSO算法的本質(zhì)是通過群體中最優(yōu)個體間的信息傳遞和信息共享來尋求最優(yōu)解。粒子更新公式如下：

式中，=1，2，…，，是該群體中粒子的總數(shù)；為慣性權(quán)重；是算法當前迭代次數(shù)；v()表示第次迭代后粒子在維的空間速度；1和2為學(xué)習(xí)因子；1j和2j是[0，1]之間任意變化的隨機函數(shù)；p()為粒子i的歷史最優(yōu)解的維值；p()是所有粒子在第次迭代后的歷史最優(yōu)解(群體最優(yōu))的j維值；X()為第次迭代后粒子在維空間的位置。

本文利用粒子群優(yōu)化算法局部和全局的搜索能力，對SVM模型的參數(shù)（誤差懲罰參數(shù)和高斯核參數(shù)）來進行優(yōu)化，并且以訓(xùn)練集的分類精度為適應(yīng)度函數(shù)來進行PSO參數(shù)調(diào)整。選取兩個粒子定義為和，具體優(yōu)化步驟如下：

（1）初始化粒子群，隨機生成粒子的位置和速度。初始化SVM模型的參數(shù)；

（2）采用交叉驗證（Cross Validation，CV）的方法，結(jié)合系統(tǒng)故障樣本，訓(xùn)練SVM分類器并計算適應(yīng)度值；

（3）根據(jù)適應(yīng)度值更新P和G；

（4）根據(jù)公式（4）、（5）更新當前粒子的位置和速度；

（5）當滿足適應(yīng)度值條件或達到迭代次數(shù)時，終止迭代；否則返回步驟（2）繼續(xù)進行優(yōu)化。

PSO優(yōu)化SVM的流程圖如圖1所示。

圖1 PSO優(yōu)化SVM流程

2 機載蒸發(fā)循環(huán)制冷系統(tǒng)可視化軟件的設(shè)計

2.1 設(shè)計原則

作為一款應(yīng)用于機載設(shè)備的人機交互軟件，最重要的一點就是要便于使用。因此，所設(shè)計的界面應(yīng)該符合以下要求：簡潔性，可靠性，交互性[11]。

（1）簡潔性

軟件界面應(yīng)當爭取做到簡單明了，使用戶能快速了解使用方法，無需太多的學(xué)習(xí)時間成本。軟件設(shè)計應(yīng)旨在提高工作效率并降低用戶輸入頻率。

（2）可靠性

可靠性意為軟件應(yīng)在用戶使用期間保持穩(wěn)定。因此在設(shè)計軟件時，應(yīng)采用各種方法和技術(shù)，使軟件在滿足用戶需求的同時，保證運行的穩(wěn)定性。

（3）交互性

交互性是指軟件界面處處體現(xiàn)為用戶考慮的主旨。在設(shè)計軟件時應(yīng)當充分考慮用戶的操作感受，并不斷思考怎樣才能更好地服務(wù)用戶。

2.2 設(shè)計思路

（1）確定軟件需要實現(xiàn)的具體功能，并整理相應(yīng)的模塊。

（2）根據(jù)確定好的模塊，繪制用戶界面草圖，并對其進行調(diào)整和修改以確定最終方案。

（3）根據(jù)最終方案，使用MATLAB GUI為每個模塊創(chuàng)建人機交互界面和回調(diào)程序，并依次進行功能檢測。

2.3 窗口界面的實現(xiàn)

在MATLAB中點擊新建，選擇圖形用戶界面，即可新建GUI或選擇現(xiàn)有GUI。新建GUI界面可以選擇空白界面（Blank GUI）、包含有控件的模板界面（GUI with Uicontrols）、包含有軸對象和菜單的模板界面（GUI with Axes and Menu）、標準詢問窗口（Modal Question Dialog）等選項。

打開GUI Design Workbench，可以在此設(shè)計或修改界面的靜態(tài)組件。設(shè)計界面如圖2所示。

圖2 設(shè)計界面

2.4 主要模塊設(shè)計

本文所設(shè)計的軟件主要分成兩大模塊：模型訓(xùn)練模塊和故障診斷模塊。軟件的用戶界面如圖3所示。

圖3 用戶界面

（1）模型訓(xùn)練模塊

該模塊用于訓(xùn)練和測試兩種分類模型。其中，“訓(xùn)練”按鍵用于對分類模型進行訓(xùn)練，“測試”按鍵用于測試訓(xùn)練后模型的分類正確率。右側(cè)列表框用于顯示模型訓(xùn)練進程以及測試結(jié)果。

（2）故障診斷模塊

該模塊用于診斷用戶輸入的系統(tǒng)運行數(shù)據(jù)。其下設(shè)5個子模塊：蒸發(fā)溫度輸入模塊，冷凝溫度輸入模塊，壓縮機吸氣溫度輸入模塊，壓縮機排氣溫度輸入模塊，制冷劑過冷度輸入模塊?！霸\斷”按鍵用于啟動診斷程序，列表框用于顯示診斷結(jié)果?！巴顺觥卑存I用于清空軟件運行參數(shù)并關(guān)閉軟件界面。

3 機載蒸發(fā)循環(huán)制冷系統(tǒng)可視化軟件的應(yīng)用

軟件的主要使用步驟為：第一步，用戶選擇對模型的訓(xùn)練方式；第二步，點擊“訓(xùn)練”按鍵，對所選模型進行訓(xùn)練；第三步，待右側(cè)列表框顯示該模型訓(xùn)練結(jié)束后，點擊“測試”按鍵，對訓(xùn)練完成的模型進行測試，訓(xùn)練后模型的分類正確率將顯示在列表框中；第四步，用戶輸入待診斷的運行數(shù)據(jù)；第五步，點擊“診斷”按鍵，軟件將使用用戶選擇的訓(xùn)練方式進行故障診斷，診斷結(jié)束后按鍵下方列表框顯示診斷結(jié)果。用戶使用結(jié)束后，點擊“退出”按鍵，即可退出軟件。

例如，選擇SVM的訓(xùn)練方式，訓(xùn)練結(jié)束之后點擊“測試”按鍵，右側(cè)列表框顯示模型分類正確率為86.5%。而在PSO-SVM模型下訓(xùn)練后，測試結(jié)果表明模型分類精度為93.5%。兩種模型測試結(jié)果如圖4所示。由此結(jié)果可以看出，使用PSO優(yōu)化SVM模型可以大大提高模型分類的正確率。

圖4 模型測試結(jié)果

在PSO-SVM模型下，依次輸入系統(tǒng)運行某一時刻的蒸發(fā)溫度，冷凝溫度，壓縮機吸氣溫度，壓縮機排氣溫度，制冷劑過冷度數(shù)據(jù)，點擊“診斷”按鍵即可診斷出系統(tǒng)此時的運行狀態(tài)。例如，當輸入蒸發(fā)溫度-14.3℃，冷凝溫度24.6℃，壓縮機吸氣溫度-17.4℃，壓縮機排氣溫度58.7℃，制冷劑過冷度1.48℃時，軟件判斷故障類型為冷凝器結(jié)垢，導(dǎo)致系統(tǒng)性能下降。診斷結(jié)果界面如圖5所示。

圖5 診斷結(jié)果界面

隨機抽取10組運行數(shù)據(jù)對軟件進行驗證。驗證結(jié)果如表1所示。

表1 10組隨機數(shù)據(jù)診斷結(jié)果驗證

經(jīng)過多組運行數(shù)據(jù)的驗證，該軟件基本能準確無誤地診斷出系統(tǒng)的故障情況。同時，軟件還能在用戶操作不當時給出相應(yīng)的提示。例如，若用戶點擊訓(xùn)練按鍵時沒有選擇訓(xùn)練方式，則列表框提示“未選擇訓(xùn)練方式”，如圖6所示。若用戶選擇訓(xùn)練方式后直接點擊測試按鍵，則列表框提示“未訓(xùn)練”，如圖7所示。若用戶沒有完整地輸入運行數(shù)據(jù)就點擊診斷按鍵，則列表框提示“診斷條件不足”，如圖8所示。這些設(shè)計使用戶可以準確發(fā)現(xiàn)操作上的問題，并及時予以調(diào)整，大大提升了用戶的使用感。

圖6 未選擇訓(xùn)練方式

圖7 未訓(xùn)練

圖8 診斷條件不足

4 結(jié)論

本文通過構(gòu)建PSO-SVM模型對機載蒸發(fā)循環(huán)制冷系統(tǒng)進行故障診斷。研究表明，PSO算法計算簡單，且能達到相當高的分類精度。利用PSO算法對SVM模型的參數(shù)進行優(yōu)化后，模型的故障診斷正確率可達到93.5%，相比SVM模型得到了顯著的提升。在此基礎(chǔ)上利用MATLAB GUI模塊設(shè)計出了一款能夠準確診斷系統(tǒng)故障類型的軟件。該軟件可以對比PSO優(yōu)化前后SVM模型的分類精度，并對用戶輸入的工況數(shù)據(jù)進行故障診斷。經(jīng)過多組運行數(shù)據(jù)的驗證，該軟件基本能準確無誤地診斷出系統(tǒng)的故障情況。這對機載蒸發(fā)循環(huán)制冷系統(tǒng)的故障診斷和排查有著十分重要的理論與實踐意義。并且該軟件的構(gòu)建平臺MATLAB在國內(nèi)應(yīng)用范圍較廣，依據(jù)該平臺編寫的軟件易學(xué)易用，更便于對機載蒸發(fā)循環(huán)制冷系統(tǒng)的運行狀況進行實時監(jiān)測，具有很強的應(yīng)用前景。

[1] 趙俊茹.飛機環(huán)境控制系統(tǒng)的故障診斷研究[D].西安:西北工業(yè)大學(xué),2005.

[2] Li H, Braun J. A Methodology for Diagnosing Multiple Simultaneous Faults in Vapor-Compression Air Conditioners[J]. HVAC&R Research, 2007,13(2):369- 395.

[3] ?TIMAC Goranka BRAUT Sanjin ?IGULI? Roberto. Comparative Analysis of PSO Algo-Rithms for PID Controller Tuning[J]. CHINESE JOURNAL OF MECHANICALENGINEERING, 2014,27(5):928-936.

[4] 孫楷政,胡云鵬,陳煥新,等.基于SVM的不同故障程度下冷水機組故障診斷[J].制冷與空調(diào),2016,30(4): 377-381.

[5] 丁世飛,齊丙娟,譚紅艷.支持向量機理論與算法研究綜述[J].電子科技大學(xué)學(xué)報,2011,(1):2-10.

[6] 肖健華,樊可清,吳今培,等.應(yīng)用于故障診斷的SVM理論研究[J].振動.測試與診斷,2001,21(4):258-262.

[7] 王紅軍,徐小力,張建民.設(shè)備狀態(tài)趨勢的SVM預(yù)示技術(shù)研究[J].機械科學(xué)與技術(shù),2006,25(4):379-381.

[8] 何園園,張超,朱騰飛.ELMD熵特征融合與PSO-SVM在齒輪故障診斷中的應(yīng)用[J/OL].機械科學(xué)與技術(shù):1-6[2018-11-11].https://doi.org/10.13433/j.cnki.1003-8728.20180171.

[9] 邵信光,楊慧中,陳剛.基于粒子群優(yōu)化算法的支持向量機參數(shù)選擇及其應(yīng)用[J].控制理論與應(yīng)用,2006, (5):740-743.

[10] 鄭皓文,趙根,胡英國,等.基于ACOR-LSSVM算法的爆破振動速度預(yù)測[J].爆破,2018,35(3):154-158.

[11] 楊紅剛,鄭敬霖,梁開水,等.基于Matlab GUI的爆破粉塵可視化軟件設(shè)計與實現(xiàn)[J].爆破,2015,32(1):146-150.

Research on Fault Diagnosis and Visualization Software of Airborne Refrigeration System

Liu Xiangwan1Sun Chengbin1Jiang Yanlong1Zheng Wenyuan2Gao Zanjun2

( 1.Nanjing University of Aeronautics and Astronautics, Nanjing, 210016;2.Aviation Key Laboratory of Science and Technology on Aero Electromechanical System Integration, Nanjing, 211106 )

At present, there are few related researches at home and abroad on the visualization software for fault diagnosis of airborne evaporation cycle refrigeration systems. In this paper, a fault diagnosis model of airborne evaporative cycle refrigeration system based on PSO-SVM is established. The PSO algorithm is used to optimize the parameters of SVM model to improve the diagnostic accuracy. In order to help the crew to monitor the operation conditions of the system in real time, we use the GUI module in MATLAB to design the visualized interface of the fault diagnosis model in this paper. The software can be used to train and test fault diagnosis models and to diagnose operational data entered by users. The verification results indicates that the software runs reliably and the diagnosis results are accurate.

MATLAB GUI; Fault diagnosis of refrigeration systems; PSO-SVM; Visualization; Interface design

TP391.5

A

1671-6612（2019）05-457-05

南京航空航天大學(xué)航空科學(xué)基金（20162852026）

劉湘婉（1994-），女，在讀碩士研究生，E-mail：liuxiangwan@163.com

蔣彥龍（1977-），男，教授，博士生導(dǎo)師，E-mail：jiang-yanlong@nuaa.edu.cn

2018-12-03