基于模糊神經(jīng)網(wǎng)絡(luò)的礦井提升機故障診斷研究

王偉新

摘 要：本文對礦井提升機進行故障診斷的研究，采用先進的診斷技術(shù)——模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，模糊神經(jīng)網(wǎng)絡(luò)主要由模糊量化和神經(jīng)網(wǎng)絡(luò)組成，在模糊神經(jīng)理論的基礎(chǔ)之上并結(jié)合現(xiàn)代礦井提升機的實際情況，建立其故障診斷的數(shù)學模型，并對其進行分析研究。

關(guān)鍵詞：模糊 神經(jīng)網(wǎng)絡(luò) 提升機 診斷

中圖分類號：TP277 文獻標識碼：A 文章編號：1674-098X（2017）08（c）-0087-02

礦井提升機作為現(xiàn)代礦井的大型機電設(shè)備，綜合機、電和液壓等先進技術(shù)于一體，是地面與井下相互聯(lián)系的主要設(shè)備之一，主要實現(xiàn)礦物的提升、人員和設(shè)備的輸送等多項工作任務(wù)[1]。驅(qū)動礦井提升設(shè)備的最大功率可以使用1～1.5萬kW的電動機，提升容器每次可以有效提升30～50t的礦物，且其在井筒中安全運行時，可以實現(xiàn)的最高運行速度是每秒達到20～25m。因此在提升機工作時，必須保證其安全運行，從而保障整個礦井的安全生產(chǎn)。如果出現(xiàn)故障，很難及時、準確地定位故障源，增加了故障排除的難度，勢必會造成停工停產(chǎn)，必然造成重大的經(jīng)濟損失，嚴重時會出現(xiàn)傷亡事故，造成不良的社會影響。提高礦井生產(chǎn)效率，降低事故率是礦井生產(chǎn)追求的目標之一，如何做到礦井提升機的本質(zhì)安全高效是函待解決的主要問題，先進的故障診斷技術(shù)——模糊神經(jīng)網(wǎng)絡(luò)技術(shù)成為了研究的重點。因此，將模糊神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于礦井提升機顯得特別重要。

1 礦井提升機故障診斷的基本策略

實現(xiàn)提升機故障診斷的基本策略：設(shè)備檢測目標可能發(fā)生的全部狀態(tài)（正常或故障），組成狀態(tài)空間S，它的觀測量特征的取值全體構(gòu)成特征空間Y，當系統(tǒng)為某一狀態(tài)S時，系統(tǒng)的確定特征Y，即存在映射g：

反之，一定的特征也對應(yīng)確定的狀態(tài)，即存在映射f：

狀態(tài)空間與特征空間的關(guān)系如圖1所示。

當f和g是雙射函數(shù)（特征空間與狀態(tài)空間一一對應(yīng)）時，那么特征向量就可以確定系統(tǒng)狀態(tài)的惟一性，反之相同。根據(jù)可測量的特征向量來實現(xiàn)對系統(tǒng)處于何種狀態(tài)進行判斷就是故障診斷的目的。

在礦井提升機中實現(xiàn)故障診斷的目的在于根據(jù)各個檢測量的特征向量間接判斷系統(tǒng)處于什么狀態(tài)，因此，動態(tài)檢測就顯得非常重要。動態(tài)檢測相當于對整個系統(tǒng)運行狀態(tài)的順序掃描及控制的過程，在系統(tǒng)的周期掃描運行機制的基礎(chǔ)上，控制程序的設(shè)計通過3個功能模塊的設(shè)計來完成：輸入信號檢測模塊，完成對外部各開關(guān)量（主令信號、各傳感器信號、操作按鈕信號等）和模擬量（液壓站信號、電壓信號、電流信號）反饋信號的檢測與轉(zhuǎn)換；系統(tǒng)狀態(tài)轉(zhuǎn)換模塊，檢測信號、歷史狀態(tài)和實際要求，確定系統(tǒng)的當前狀態(tài)；輸出信號轉(zhuǎn)換模塊，根據(jù)系統(tǒng)當前狀態(tài)，確定各控制信號的狀態(tài)。因為一般故障狀態(tài)具有一定模糊性，決定其所對應(yīng)的特征值也有一定模糊性，因此故障診斷的關(guān)鍵是解決狀態(tài)量的模式識別問題。

故障診斷技術(shù)主要包括正確選擇與測取設(shè)備有關(guān)狀態(tài)的特征信號、正確地從特征信號中提取設(shè)備有關(guān)狀態(tài)的有用信息、根據(jù)征兆正確地進行設(shè)備的狀態(tài)診斷、根據(jù)征兆與狀態(tài)正確地進行設(shè)備的狀態(tài)分析和根據(jù)狀態(tài)分析正確地作出決策等5個方面的內(nèi)容。

對設(shè)備進行故障診斷的過程框圖如圖2所示。

2 模糊神經(jīng)網(wǎng)絡(luò)故障診斷模型的建立

對礦井提升機進行故障診斷采用的是模糊神經(jīng)網(wǎng)絡(luò)，主要由模糊量化和神經(jīng)網(wǎng)絡(luò)組成，分為輸入層、模糊化層、推理層和輸出層，模糊神經(jīng)網(wǎng)絡(luò)的模型如圖3所示。

第一層作為輸入層，決定故障診斷征兆，輸入信號的個數(shù)d決定了節(jié)點數(shù)，每個節(jié)點對應(yīng)一個輸入變量xi（i=1，2，…，d），因此其輸入向量為X=[x1，x2，…，xd]T。

第二層為模糊化層，這一層所進行的工作是利用隸屬度函數(shù)將輸入變量進行模糊化，將故障診斷征兆xi分割成Ti個模糊子集，則故障征兆xi就有Ti個模糊隸屬度值，它的第j個隸屬度函數(shù)就可以表示為sij=μij（xi），其中j=1，2，…，Ti，則模糊化層共有ΣTi個節(jié)點。

第三層為推理層，這一層實現(xiàn)模糊輸入變量映射到模糊輸出變量的功能，即確定故障原因與故障征兆的對應(yīng)關(guān)系。假設(shè)該層第i個節(jié)點與量化層各節(jié)點的連接權(quán)向量為WHi，則該節(jié)點的輸出為yi=f（WTHiX+θHi），其中f使用的是Sigmoid函數(shù)，θHi代表本節(jié)點的閾值。隱含層的節(jié)點數(shù)量可以使用來計算，其中a∈[1，10]。

第四層為輸出層，其每個節(jié)點都代表一種故障，它的值的大小代表故障存在的可能程度。假設(shè)有m個故障，該層第i個節(jié)點與隱含層每個節(jié)點的連接權(quán)向量為WOi，則該節(jié)點的輸出為yi=f（WOiTX+θOi），輸出層的節(jié)點數(shù)為故障的個數(shù)m個。

3 結(jié)語

綜上所述，在模糊神經(jīng)網(wǎng)絡(luò)技術(shù)的基礎(chǔ)上對礦井提升機的故障診斷技術(shù)進行研究，并有效應(yīng)用模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)，并創(chuàng)建數(shù)學模型，能夠為建立礦井提升機故障診斷系統(tǒng)提供理論支持，提高礦井提升機的運行效率和安全性，為礦井的安全生產(chǎn)提供有效保障。

參考文獻

[1] 周成寶.基于RBF神經(jīng)網(wǎng)絡(luò)的礦井提升機故障診斷研究[D].哈爾濱：哈爾濱工程大學，2009.

[2] 盧新彬.基于模糊神經(jīng)網(wǎng)絡(luò)的交流調(diào)速系統(tǒng)智能控制[D].哈爾濱：黑龍江科技學院，2010.

[3] 王新，馬慶林.變頻調(diào)速系統(tǒng)的故障診斷與健康診斷[M].北京：煤炭工業(yè)出版社，2009.