淺談煤礦機(jī)電設(shè)備故障檢測(cè)中小波分析的應(yīng)用

摘 要：煤礦機(jī)電設(shè)備故障檢測(cè)是針對(duì)煤礦機(jī)電設(shè)備平衡問題、對(duì)中問題、磨損（剝落）問題、斷裂（裂紋）問題等機(jī)電設(shè)備故障，總體思路是采集動(dòng)態(tài)信號(hào)，運(yùn)用智能預(yù)示例如信號(hào)處理與采集、提取特征、評(píng)估狀態(tài)等方法，準(zhǔn)確獲取反映設(shè)備故障信息的信號(hào)源，根據(jù)機(jī)電設(shè)備低速重載的特點(diǎn)，獲得振動(dòng)傳感器靈敏度、頻率范圍等指標(biāo)，提出故障解決方案的系統(tǒng)技術(shù)。與此，以小波變換中兩類“奇異點(diǎn)”的特征入手，分析了小波變換的檢測(cè)原理與方法，并提出了故障診斷專家系統(tǒng)、模糊診斷法和“人工神經(jīng)網(wǎng)絡(luò)”診斷法等故障檢測(cè)方法，最后提出了“信息融合”智能診斷法的工作原理和特點(diǎn)。

關(guān)鍵詞：煤礦機(jī)電設(shè)備；故障檢測(cè)；小波分析（變換）

1 小波變換在煤礦機(jī)電設(shè)備故障檢測(cè)中的應(yīng)用

1.1 小波變換中“奇異點(diǎn)”的特征概述

一般而言，故障信號(hào)存在兩種“奇異”狀況：其一是故障信號(hào)在某一時(shí)刻內(nèi)，幅值在某一點(diǎn)不連續(xù)，即發(fā)生突變現(xiàn)象，此類突變稱之為第一類間斷點(diǎn)；其二是故障信號(hào)外觀光滑，且其幅值未發(fā)生突變，但是故障信號(hào)的一階微分不連續(xù)，即發(fā)生突變，此類突變稱之為第二類間斷點(diǎn)。利用小波分析第一類間斷點(diǎn)時(shí)，因信號(hào)中突然增加中高頻正弦信號(hào)導(dǎo)致信號(hào)幅值突變，所以可以檢測(cè)其增加時(shí)間，即利用小波分析檢測(cè)第一類間斷點(diǎn)時(shí)，對(duì)檢測(cè)信號(hào)進(jìn)行多尺度細(xì)化分析，在信號(hào)出現(xiàn)突變現(xiàn)象時(shí)，檢測(cè)小波變換后系數(shù)的模量極大值點(diǎn)以確定故障發(fā)生的時(shí)間點(diǎn)。換言之，第一類信號(hào)間斷點(diǎn)不論尺度變換幅度，該信號(hào)小波變換系數(shù)模量的極大值始終保持不變，在高分辨率下檢測(cè)出小波變換的極大值即可測(cè)得故障發(fā)生的時(shí)間點(diǎn)。利用小波分析檢測(cè)第二類間斷點(diǎn)時(shí)，可以將檢測(cè)信號(hào)分解為高頻范圍和中低頻范圍，通過高頻范圍可明顯獲取信號(hào)的不連續(xù)點(diǎn)。換言之，第二類信號(hào)間斷點(diǎn)因某處突然增加不同頻率的信號(hào)，所以該處的小波變換數(shù)值會(huì)隨著分辨率的增大而上升，可以通過檢測(cè)大尺度下小波變換的極大值來檢測(cè)信號(hào)頻率的突變點(diǎn)。

1.2 小波變換的檢測(cè)原理與方法

煤礦機(jī)電設(shè)備故障檢測(cè)、診斷、分析過程中，故障通常變現(xiàn)為輸出信號(hào)突變，因此對(duì)于故障奇異點(diǎn)的檢測(cè)是故障檢測(cè)中的關(guān)鍵工作。長期以來，傅里葉變換是主要的故障檢測(cè)工具，其主要檢測(cè)方式是對(duì)故障信號(hào)進(jìn)行傅里葉變換，根據(jù)其在頻域內(nèi)的衰減現(xiàn)象判斷信號(hào)是否存在奇異點(diǎn)，并求出奇異點(diǎn)的奇異性，但是其存在的嚴(yán)重缺陷是無法根據(jù)頻域內(nèi)的奇異信息確定信號(hào)在時(shí)域內(nèi)故障點(diǎn)的分布狀況。因此，小波變換因用而生，它繼承傳統(tǒng)傅立葉變換描述信號(hào)頻率特性的優(yōu)點(diǎn)，能運(yùn)用于分析突變信號(hào)和非平穩(wěn)信號(hào)，根據(jù)小波分析中平移和伸縮的核心理論，解決具有時(shí)域-頻域局部化特性（時(shí)域-頻域奇異性）的問題。小波變換可通過多分辨率分析，通過小波變換濾波的方法，檢測(cè)出煤礦機(jī)電設(shè)備故障信號(hào)，例如，我們將“干凈”信號(hào)看做故障信號(hào)，則濾波過程就是提取故障信號(hào)的過程，具體的處理方式有分頻帶特征提取、時(shí)域-頻域分析、監(jiān)測(cè)奇異點(diǎn)等。因此，在實(shí)際使用中，以信號(hào)“奇異點(diǎn)”為重要特征檢測(cè)機(jī)電設(shè)備故障，既能獲取故障的特征信息，又能減少運(yùn)算量和和快速獲得結(jié)果，被譽(yù)為“信號(hào)分析顯微鏡”。

2 智能診斷技術(shù)在煤礦機(jī)電設(shè)備故障檢測(cè)中的應(yīng)用

傳統(tǒng)診斷技術(shù)以經(jīng)典控制理論和現(xiàn)代控制理論為基礎(chǔ)，以建立診斷對(duì)象數(shù)學(xué)模型為前提，以常規(guī)理論框架下的數(shù)學(xué)公式、算法、思維等簡單刻劃診斷對(duì)象的動(dòng)態(tài)行為，但是隨著科學(xué)技術(shù)、工業(yè)生產(chǎn)、現(xiàn)代軍事等諸多方面的迅速發(fā)展進(jìn)步，其領(lǐng)域內(nèi)涉及到越來越多的監(jiān)測(cè)過程和檢測(cè)對(duì)象，使傳統(tǒng)診斷技術(shù)的研究對(duì)象、變量、變量間關(guān)系越趨復(fù)雜，提高了對(duì)傳統(tǒng)診斷技術(shù)判別、推理的準(zhǔn)確性要求，已無法滿足處理結(jié)構(gòu)復(fù)雜和深層次故障診斷的現(xiàn)實(shí)需求。

2.1 故障診斷專家系統(tǒng)

在人工智能技術(shù)日趨成熟的時(shí)代，從20世紀(jì)70年代末到80年代中后期，故障智能診斷技術(shù)經(jīng)歷了以模糊集合論、人類思維信息加工認(rèn)識(shí)、智能診斷規(guī)則運(yùn)算推理、計(jì)算機(jī)技術(shù)智能診斷等過程，并迅速發(fā)展成故障診斷領(lǐng)域的核心技術(shù)之一，已廣泛應(yīng)用于生產(chǎn)實(shí)踐。故障診斷專家系統(tǒng)是故障診斷技術(shù)的發(fā)展方向之一，其主要運(yùn)用于無法建立或者很難建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)，主要組成結(jié)構(gòu)包括知識(shí)庫、綜合數(shù)據(jù)庫、推理機(jī)、解釋機(jī)、人機(jī)交互子系統(tǒng)、故障征兆采集和識(shí)別子系統(tǒng)、知識(shí)獲取子系統(tǒng)等，其優(yōu)點(diǎn)之一是與人類思維同步，可用基本規(guī)則表示或者解釋，易于理解；之二是個(gè)別事實(shí)的變化狀況易于修改，并無需輸入過多的細(xì)節(jié)知識(shí)；之三是可以解釋自我推理、判斷和診斷過程。但其仍存在例如準(zhǔn)確度不穩(wěn)定、知識(shí)庫建立復(fù)雜困難、經(jīng)驗(yàn)難于形式化描述、“沖突消解”和“組合爆炸”問題、推理效率低、缺少自我學(xué)習(xí)系統(tǒng)和自我適應(yīng)機(jī)制等局限性，所以，還需通過智能化技術(shù)不斷的完善改革以趨于完美化。

2.2 模糊診斷法和“人工神經(jīng)網(wǎng)絡(luò)”診斷法

模糊診斷法指通過利用“集合論”中隸屬度函數(shù)和模糊關(guān)系矩陣的概念，解決故障與征兆間的不確定關(guān)系的方法，其中構(gòu)造隸屬度函數(shù)是實(shí)現(xiàn)模糊故障診斷的前提，主要運(yùn)用于解決機(jī)械振動(dòng)故障診斷中遇到的模糊性問題，其優(yōu)點(diǎn)是模糊變量可讀性強(qiáng)，模糊推理邏輯嚴(yán)謹(jǐn)，但是存在難以確定模糊關(guān)系、轉(zhuǎn)換隸屬度困難、獲取模糊診斷知識(shí)困難等局限，因此在實(shí)際應(yīng)用中，模糊診斷法不能對(duì)煤礦機(jī)電設(shè)備的某些故障機(jī)理研究透徹，且研究過程缺乏系統(tǒng)性、綜合性和確定性，在故障診斷率和確診率等方面還存在研究問題。

“人工神經(jīng)網(wǎng)絡(luò)”診斷法指通過模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，調(diào)整內(nèi)部大量節(jié)點(diǎn)間的復(fù)雜、無規(guī)律的相互連接關(guān)系，從而進(jìn)行分布式、并行式信息獲取、分析、處理的算法數(shù)學(xué)模型。其具有自我學(xué)習(xí)、自我適應(yīng)、自我組織、聯(lián)想記憶的功能，核心技術(shù)為故障模式識(shí)別，可解決傳統(tǒng)模式識(shí)別問題。

3 結(jié)束語

因上述故障診斷專家系統(tǒng)、模糊診斷法和“人工神經(jīng)網(wǎng)絡(luò)”診斷法等方法均存在一定的局限性，于是綜合各種智能診斷思想，即通過綜合集成、優(yōu)點(diǎn)融合將諸多知識(shí)表達(dá)方法和推理方法實(shí)現(xiàn)多角度、多層次、多領(lǐng)域的診斷集成，組成一種全新的智能診斷技術(shù)——“信息融合”智能診斷法。它通過多傳感器進(jìn)行多維度、多方位物理量的探測(cè)，運(yùn)用計(jì)算機(jī)監(jiān)測(cè)系統(tǒng)進(jìn)行多傳感器信息源分析，在一定原則下進(jìn)行自動(dòng)分析、估計(jì)狀態(tài)、關(guān)聯(lián)與優(yōu)化、判決狀態(tài)等多級(jí)處理，可有效提高故障確診率和確信度。

參考文獻(xiàn)

[1]胡昌華，張軍波，等.基于MATLAB的系統(tǒng)分析與設(shè)計(jì)—小波分析[M].西安：西安電子科技大學(xué)出版社，2008.

[2]周小勇.小波分析在故障診斷中的應(yīng)用[D].上海：上海海運(yùn)學(xué)院，2008.