1 引言

随着科学技术的发展, 如何降低设备的维护维修成本成为非常关键的问题. 一些贵重精密仪器, 对于外部环境等因素十分敏感, 对于传统的人工故障检测, 存在维修周期长、费用贵、代价高的问题, 导致设备的利用率偏低. 仪器共享平台中存储了医用影像设备使用时的各种信息, 但是这些并没有得到充分利用, 只是用于存档查询等功能, 如果利用系统中的设备信息, 找到仪器故障点以及引发仪器发生故障的原因, 那么就能为设备维护维修提供更有针对性的方向, 对缩短维修周期、减少维修费用以及提高仪器利用率具有积极意义.

关于故障检测问题, 为提升故障检测模型的性能, 许多专家学者尝试了多种方法. 文献[1, 2]使用贝叶斯网络分别对电子设备、电流互感器进行故障检测, 有效地提高了故障检测的效率与准确率. 文献[3]使用基于XGBoost算法对变压器故障进行检测判别, 结果表明XGBoost分类效果最优. 文献[4, 5]采用了SVM的故障检测模型分别用于轴承故障检测与钢丝绳诊断中, 验证该模型可以提高故障检测的准确率. 文献[6]使用改进粒子群算法优化SVM应用于煤层气单井系统故障诊断中, 验证了该算法的精度优于普通粒子群算法和遗传算法. 文献[7]中P. Arpaia等人使用隐马尔可夫模型检测流体机械故障, 该方法的准确性在CERN的螺杆压缩机上得到了验证. 上述文献大多单个分类器, 存在分类精度低、泛化能力弱等问题. 本文采用集成学习模型, 把单一的学习模型结合起来获得更准确的结果以及更好的泛化性能. 随机森林是一种集成学习模型, 具有很好的预测精度, 近年来已被广泛应用于特征选择领域. 特征选择算法有过滤式、包裹式及嵌入式, 考虑到本题的数据量及维度不大, 选择包裹式特征选择策略. 基于Boosting策略的LightGBM算法具有训练速度快、准确率高、支持并行学习等特点^[8].

综上所述, 本文采用一种粒子群算法优化随机森林(PSO_RF)的双向特征选择和LightGBM的故障检测方法. 利用随机森林算法对原始数据进行双向特征选择, 然后将数据输入LightGBM模型中训练. 使用LightGBM不但大大加快训练速度, 还能保证不错的准确率. 将此模型应用于医学影像设备的故障原因检测中, 对加快检测故障点的发现具有重要意义.

2 算法描述 2.1 LightGBM

GBDT(梯度提升树), 通过多轮迭代, 来不断提高最终分类器的精度.

在GBDT到的迭代中, 假设我们前一轮得到的强学习器是 ${F_{t - 1}}(x)$ , 损失函数是 $L(y,{F_{t - 1}}(x))$ , 那么本轮的目标是找到一个弱学习器 ${h_t}(x)$ , 使得本轮的损失函数最小, 本轮的损失函数为:

${h_t}(x) = \mathop {\arg \min }\limits_{h \in H} \sum {L(y,{F_{t - 1}}(x) + h(x))} $

(1)

然后计算损失函数的负梯度, 来拟合本轮损失的近似值. 损失函数的负梯度表示为:

${r_{ti}} = - \dfrac{{\partial L(y,{F_{t - 1}}({x_i}))}}{{\partial {F_{t - 1}}({x_i})}}$

(2)

通常使用平方差来近似拟合 ${h_t}(x)$ :

${h_t}(x) = \mathop {\arg \min }\limits_{h \in H} \sum {{{({r_{ti}} - h(x))}^2}} $

(3)

从而本轮的强学习器如下:

${F_t}(x) = {h_t}(x) + {F_{t - 1}}(x)$

(4)

LightGBM在GBDT算法的基础上进行了改进. 改进的地方主要包含两个方面: Gradient-based One-Side Sampling (GOSS)和Exclusive Feature Bundling (EFB).

基于梯度的单面采样(GOSS). 根据信息增益的定义, 具有较大梯度的那些实例对信息增益会做出更大的贡献, 梯度小的样本进行进一步的学习对改善结果精度帮助并不大. 因此, 为保持信息增益估计的准确对数据实例进行采样时, 应该更好的保留那些具有较大贡献的实例, 删除一部分具有小梯度的样本.

互补特征压缩(EFB), 是一种可以减少高维数据的特征数目并且使损失最小的一种算法. 这里不是使用所有特征来获得最佳分割点, 而是将某些特征合并到一起降低特征维度来使寻找最优分割点的消耗减少. LightGBM关于互斥特征的合并用到了直方图(Histogram)算法^[9]. EFB通过捆绑合并相互独立的特征, 来减少特征的数量. 这样既降低了内存占用, 又降低了时间复杂度.

LightGBM拥有更快的训练效率、更高的准确率、更低的内存使用, 并且可支持并行化学习, 故本文在基于PSO_RF的双向特征选择的过程中, 使用LightGBM根据混淆矩阵计算当前特征子集的精确度, 保证选出最优特征子集. 将经过特征选择方法处理后的数字X线摄影机故障数据输入LightGBM中训练模型, 通过交叉验证的方法来验证本文所采用方法的准确性, 进而说明本文方法对于X线摄影机的故障检测具有积极的推动作用.

2.2 基于PSO_RF的双向特征选择算法

特征重要性指特征对于样本预测结果的影响, 好的特征能够提高模型预测的准确率及性能.

随机森林(Random Forest, RF), 是一种基于决策树的算法. 随机森林在建立决策树的过程中做了一些改进^{[10, 11]}. 在整个随机森林算法的过程中, 有两个随机过程: 一是使用Bootstrap有放回的随机抽取样本来生成决策树; 二是在划分决策树左右子树时, 随机选择节点的部分特征, 然后在随机选取的特征中选取最优特征划分左右子树. 这两个随机过程一定程度上避免了过拟合的出现.

随机森林依据袋外数据误差率准则去度量特征准确性的, 主要思想是: 对一个相关的特征加入噪声后, 那么用仅对此特征进行变化特征之后的数据进行模型训练, 模型预测的准确率将降低; 反之, 如果某个特征是不重要的, 那么重新训练后模型预测准确率变化不大.

粒子群算法(Particle Swarm Optimization, PSO)已经被广泛应用于各种优化问题上. 种群中每个粒子代表一个可行解, 但不一定是最优解, 粒子在迭代过程中, 通过学习历史经验来调整自身的速度和位置矢量, 最终求得最优解.

本文采用基于PSO_RF的双向特征选择方法. 首先采用随机森林度量特征重要性并将结果进行降序排序, 其中引入粒子群算法对随机森林进行参数寻优. 然后, 从特征的全集开始搜索, 每次从当前特征子集中删除重要性最低的特征, 组成新的特征子集; 然后进行前向选择部分, 使用LightGBM根据混淆矩阵对当前特征子集的精确度进行计算, 如果精确度下降, 则回收刚删除的特征, 如此循环直至结束. 这样, 在特征重要性的基础上, 加上当前特征子集分类精度作为评价指标, 能够降低特征波动性, 保证选出的最优特征子集冗余少且不损失分类精度.

算法的具体过程如算法1(m为原始数据中特征总数, U表示数据集中全部特征).

算法1. 基于PSO_RF的双向特征选择算法

输入: 数据集D, 特征集 $\scriptstyle C = \{ {f_i}|i = 1,2, \cdots ,m\} $

输出: 最优特征子集 $\scriptstyle {{C}}$

1) 使用粒子群优化的随机森林分别计算特征 $\scriptstyle {f_i}$ 的特征重要性程度 $\scriptstyle {I_i}$ ;

2) 根据第一步得到的 $\scriptstyle {I_i}$ 对特征进行降序排序;

3) 使用LightGBM进行评估. 对于步骤2)中排序后的特征子集进行后向选择, 子集搜索策略遍历特征空间:

while $\scriptstyle C \ne \emptyset $

计算 $\scriptstyle {a_i}$ ; //计算当前特征子集的精确度

$\scriptstyle C = C - {f_i}$ ; //删除特征 $\scriptstyle {f_i}$

计算 $\scriptstyle {a_{tmp}}$ ; //计算删除特征后的精确度

if ${a_i}$ > $\scriptstyle{a_{tmp}}$ : //如果新的精确率小于旧的

$\scriptstyle C = C + {f_i}$ ; //回收之前删除的特征

end if;

end while;

3 实验分析

对于设备故障检测的研究过程主要包括以下几个步骤: 数据采集、数据预处理、特征选择、模型预测、实验结果分析. 设备故障检测模型流程图如图1所示.

3.1 数据采集

数据集包括了1200条X线摄影机的使用信息, 主要包括仪器编号、室内温度、湿度、电压、电压频率、电流等20个特征维度. 本实验所用真实数据来自于实验室的自主研发项目“大型仪器共享平台”, 此项目主要是解决高校仪器利用率不高等问题, 目前已服务于多所高校.

3.2 数据预处理

由于原始数据数据不完整, 存在缺失值、重复等问题, 并且数据处理是否得当对训练和预测结果影响非常大. 所以本文对原始数据进行了数据清理、数据变换等操作, 丢弃重复数据, 对缺失值进行删除补齐等操作, 最后对数据进行MIN-MAX归一化处理.

3.3 特征选择

好的特征能够提升模型的性能, 降低复杂度, 提高模型的泛化能力, 对模型的正确性和有效性都会有很大的影响.

本文采用基于PSO_RF的双向特征选择方法进行特征选择, 对原始数据集中的设备故障有关信息进行特征选择, 为了快速找到模型最优参数, 本文采用了粒子群算法以加快寻找模型的最优参数, 然后通过交叉验证的方法来提高模型的稳定性. 最终选取的12个特征被选入最优特征子集, 作为模型的输入变量. 其中包括室内温度、室内湿度、电压、电压频率、电流、地阻、球管温度等.

3.4 模型预测

对于医用设备故障检测, 根据X线摄影机故障信息分为电源故障、接线故障、干扰故障、球管故障及其他故障. 本文使用LightGBM来建立模型, 通过对原始数据的预处理, 然后通过基于PSO_RF的双向特征选择算法进行特征选择, 然后与CFS算法进行比较, 验证本文所用特征选择方法的有效性. 将处理过后的12个特征变量作为输入变量输入LightGBM进行分类预测, 本次实验采用网格搜索算法进行参数寻优, 然后通过交叉验证的方法来计算故障检测模型的分类精度. 本文通过精确率、召回率、F1值以及运行时间方面, 通过与GBDT、随机森林模型进行对比分析, 可以得出LightGBM在处理该问题上更有优势.

3.5 评价标准

为了评价不同模型之间的性能, 需要统一的评价标准. 本文采用混淆矩阵对模型的优劣进行评价. 混淆矩阵见表1.

本文采用精确率、召回率及F1值作为评价标准. 评价指标的定义如下:

$precision = \dfrac{{TP}}{{TP + FP}}$

(5)

$recall = \dfrac{{TP}}{{TP + FN}}$

(6)

$F1 = \dfrac{{2 * precision * recall}}{{precision + recall}}$

(7)

其中, TP表示被模型预测为正的正样本, FP表示被模型预测为正的负样本, FN表示被模型预测为负的正样本, TN表示被模型预测为负的负样本. 另外, 如果样本数据量大, 模型复杂, 计算速度也是评价一个模型优劣的指标. 实验中采用Python的time.clock()来计算模型的运行时间.

3.6 实验结果分析

经过数据预处理, 然后使用基于PSO_RF的双向特征选择算法进行特征选择, 并与CFS进行对比, 表2是两者的结果对比, 其中, ${X_{\rm {num}}}$ 是特征数量.

从结果可以看出, 本文采用的基于PSO_RF的双向特征选择算法分类精度与F1值均优于CFS, 尤其是F1值达到了90.26%, 比其CFS提高了4.34%, 说明本文采用的特征选择方法是有效的, 并取得了不错的分类效果.

通过上述实验, 最后选出了最优特征子集, 然后用LightGBM算法建立故障检测模型, 并采用10折交叉验证对数据进行分组训练并测试. 对每组训练集与测试集, 分别采用LightGBM、GBDT和随机森林进行训练测试, 并取其平均值作为最终结果, 结果如表3所示.

从表3可以看出, 在精确率方面, LightGBM的结果高于其他3种模型, 精确率达到90.27%; 在召回率方面, LightGBM略低于GBDT, 好于随机森林; 在F1值方面, LightGBM是3种模型中结果最好的; 在运行时间方面, LightGBM的运行时间优于其他两种模型, 提升了计算速度.

综合以上, 本文采用的设备故障检测方法通过基于PSO_RF的双向特征选择算法筛选出最优特征子集, 然后在其基础上使用LightGBM对设备故障进行分类检测, 在结果上达到了更高的准确率, 并且提高了计算速度, 运行时间保持在0.3 s以内, 与文中其他的模型相比具有较大的性能提升.

4 结语

本文以设备故障检测为应用背景, 然后根据设备的数据信息, 提出一种基于PSO_RF的双向特征选择和LightGBM的故障检测方法并将其应用于X线摄影机故障检测中, 取得了不错的效果. 本文中, 对原始数据进行数据清理等预处理后, 采用基于PSO_RF的双向特征选择方法进行特征选择, 删除无关特征, 然后利用LightGBM训练速度快、精度高等特点, 构建了故障检测模型. 实验结果表明, 该模型在精确率、召回率、F1值以及模型训练时间上有着很好的表现, 可以为设备故障检测提供依据, 对设备的维护维修、提高设备利用率具有积极推动作用.