胡圣航
中国船舶集团有限公司第七一○研究所，湖北 宜昌 443003
摘 要：针对磁计量仪器故障模式多样的特点，提出了一种基于改进的贝叶斯优化算法的故障模式聚类分析方法。该算法通过将免疫算法选择优良个体方法与先验信息运算算法这两种方法相结合对贝叶斯优化算法进行改进，既提高了优良种群的多样性同时又避免了信息浪费，从而综合提高了算法的全局性和快速收敛性。在理论上对贝叶斯优化算法在故障模式分析的应用进行了研究。
关键词：磁计量仪器；贝叶斯方法；亲和度；聚类分析
1 引言
贝叶斯优化算法（BOA，Bayesian Optimization Algorithm）使用概率模型来模拟种群中个体的分布情况，是一种基于概率进化的分布估算算法。由于传统的贝叶斯优化算法BOA采用由目标函数值确定的适应度作为优良个体选择依据,对于约束优化问题,采用由罚函数值确定的适应度作为依据。这样会导致优化进行到一定代数之后,所选个体相似度高,个体多样性差,抽样时难以生成更好的新个体,使得算法容易陷入局部最优。另外由于在常规算法中未考虑先验信息，结果又造成了信息浪费不能重复利用数据。
针对上述问题，本文对故障分析中的贝叶斯优化算法进行综合改进：首先是在优秀个体选择上引入了免疫算法中的亲和度和浓度概念,将个体适应度概率和个体浓度概率相结合,形成贝叶斯优化算法选择优良个体的依据。其次是在算法上结合先验信息修正贝叶斯网络，充分利用数据。最后应用改进的算法结合数据最优聚类分析方法，根据聚类分析的相似度和聚类目标函数进行故障判断。
2 贝叶斯优化算法
贝叶斯优化算法是一种基于概率分布的进化算法。BOA使用贝叶斯网络BN来模拟各变量之间相关性,这种相关性反映了模式理论中的模式。贝叶斯网络是一个有向无环图,用它来表示一组变量之间概率关系。在贝叶斯优化算法中,建立贝叶斯网络是算法的核心和关键。如图1所示。
.png)
图1 7节点的贝叶斯网络
贝叶斯网络是联合概率分布的图形表示形式。一个贝叶斯网络由两部分组成:结构B和参数θ。结构B是一个有向无环图,其节点表示各个变量,节点之间的有向边表示变量之间的条件依赖关系,两个节点之间若没有有向边,则说明这两个随机变量是相对独立的。
.png)
.png)
.png)
6 结束语
本文对故障分析中的贝叶斯优化算法进行了综合优化改进。算法既引入了免疫算法中的亲和度和浓度概念提高了选择种群分布的多样性，又具有结合先验信息运算的快速收敛性，最后结合聚类分析方法完成了故障模式分类。本文的方法对磁计量仪器的故障分析有一定的借鉴作用。
参考文献
[1] 宋蕾. 优化贝叶斯的数据融合算法[J].电子技术与软件工程,2019,6
[2] 曾国斌,冉兆春. 基于贝叶斯算法的神经网络优化方法研究[J].数码世界.2017，12
[3] 梁瑞鑫,张长水,郭国营,等. 一种混沌贝叶斯优化算法[J].计算机工程与应用.2004，36
[4] 周东华,叶银忠.现代故障诊断与容错控制[M]. 清华大学出版社: 2008.
[5] 钟小平,李为吉，等. 改进的贝叶斯优化算法及应用[J]. 机械科学与技术,2006,4.
[6] 刘小雄,武燕，等. 一种故障诊断的贝叶斯优化算法研究[J]. 计算机应用研究. 2009,1