Research on Fault Diagnosis of Water-Based Dynamic Rodless Oil Pumping Machine Based on Manifold Learning and Genetic Algorithm

技術要約：ISOMAP-GAを用いた水駆動式ダイナミックロッドレス石油ポンプの故障診断

問題提起
水駆動式ダイナミックロッドレス石油ポンプは、従来のロッド式ポンプと比較して、効率の向上、コストの削減、およびロッド・チューブ間の摩耗の排除といった大きな利点を提供します。しかし、これらのシステムは、故障信号が非線形性、非定常性、および高い冗長性を備えた、複雑で時変的な非線形条件下で動作します。既存の診断手法には特定の限界があります。エキスパートシステムは正確な故障タイプの特定に欠けることが多く、運動学方程式に基づく手法は高ノイズ下でのパラメータマッピングに苦慮し、フラクタル理論によるアプローチはノイズ比が0.4を超えると識別能を失います。さらに、従来の多様体学習アルゴリズムは、設定されたデータ分布なしに固有の幾何学的構造を捉える能力には優れているものの、識別力の不足、ノイズや外れ値への敏感さ、コアパラメータ選択における手動の試行錯誤への依存、および大規模データセットに対する高い計算コストという課題を抱えています。

手法
本論文では、**ISOMAP（Isometric Mapping）多様体学習と遺伝的アルゴリズム（GA）**によるグローバル最適化を統合した故障診断フレームワークを提案しています。手法は以下の段階を経て進行します。

1. データ収集および特徴抽出：

   • オイル入口圧力、動力流流量、生産流流量、出口温度、シリンダ変位、および振動信号を測定するセンサーを備えた故障シミュレーション試験台からデータを収集します。
   • 生の振動信号に対してデノイジング（ノイズ除去）を行います。
   • 各サンプルに対して、13個の時系列特徴量（RMS、ピーク間値など）と7個の周波数領域特徴量（平均周波数、スペクトルピーク安定性など）を含む20次元の特徴ベクトルを構築します。
   • 4つの故障カテゴリを定義します：正常動作、オイル出口閉塞、動力流漏洩、および固定弁閉塞。

2. 比較多様体学習：

   • 初期実験において、ISOMAP、局所線形埋め込み（LLE）、およびラプラシアン固有写像（LE）を比較しました。
   • 結果として、LLEは局所的な近傍を保持するものの長距離相関を失い、LEは特徴空間を過度に圧縮してクラス間の識別能を低下させることが示されました。ISOMAPは、グローバルなトポロジー構造を保持し、異なる故障モードに対して明確なクラスターを形成する能力があることから、ベースとなる手法として選定されました。

3. ISOMAP-GA協調最適化：

   • ISOMAPの手動パラメータ調整への依存性とノイズへの敏感さに対処するため、GAを用いてISOMAPプロセスを最適化します。
   • エンコーディング： GAは、近傍サイズ（$k$）、次元削減次元（$d$）、測地線距離の重み（$w$）、および特徴量スクリーニングマスクを表す染色体に対して実数エンコーディングを使用します。
   • 適応度関数： 特徴量の分離性（$J$）、計算効率（$T$）、および物理的意味の相関（$P$）のバランスをとる多目的関数（$F$）を、$F = 0.6J + 0.2T + 0.2P$ として構築します。
   • 最適化プロセス： GAは、クラス間の距離を最大化しつつクラス内の分散を最小化する最適なパラメータを見つけるために、選択（エリート保持を伴うルーレット選択）、交叉（算術交叉、$p=0.8$）、および突然変異（ガウス分布に基づく突然変異、$p=0.1$）を実行します。

4. 分類：

   • 最適化された低次元多様体特徴を、最終的な故障モード認識のためにK近傍法（KNN）分類器に入力します。

主な貢献

• アルゴリズムの統合： 本論文は、遺伝的アルゴリズムがISOMAPのコアパラメータ（$k$および$d$）の選択を自動化し、特徴量サブセットを最適化するという相乗的なモデルを導入しており、手動の試行錯誤の必要性を排除しています。
• 識別能の向上： クラス間距離の最大化とクラス内距離の最小化を最適化することで、標準的なISOMAPと比較して、低次元空間における故障特徴の分離性を大幅に向上させています。
• 堅牢性： 適応度関数への故障メカニズムの制約の統合と、ノイズに強い特徴量の選択により、産業界のノイズや外れ値に対する手法の安定性を高めています。

実験結果

• 特徴量の分離性： 最適化された故障特徴分離指数（$J$）は、未最適化時の2.3141から79.7555へと増加し、約33.5倍の向上を示しました。
• クラスタリング性能： 2D多様体空間において、4つの故障カテゴリ（正常、漏洩、出口閉塞、弁閉塞）は、明確な境界を持ち、有意な重複のない、コンパクトで独立したクラスターを形成しました。
• 診断精度： KNN分類器と組み合わせた際、提案手法は**94.44%**の故障診断精度を達成しました。
• 混同行列分析： 混同行列は、すべてのサンプルが正しく分類され、クラス間の誤分類が発生しなかったことを示しており、マルチ故障モード認識における本手法の信頼性を実証しています。

意義および主張
本論文は、提案されたISOMAP-GA法が、水駆動式ロッドレス石油ポンプのインテリジェントな故障診断のための効果的なソリューションを提供すると主張しています。本手法は、これらのシステムに固有の高次元、非線形、かつノイズの多い故障信号の課題に対処します。著者らは、本手法が複雑な手動パラメータ調整を必要とせず、計算の安定性を維持できるため、強力な抗干渉能力とエンジニアリングへの適用性を備えていると断言しています。高い診断精度と明確な特徴の可視化を実現することで、本研究は油田環境におけるロッドレス石油ポンプ設備の状態監視および保守のための信頼性の高い技術的サポートを提供します。