基于改進小波神經網絡的堵塞檢測研究

黨嬌

摘要：針對煤泥管道傳輸時的堵塞問題，搭建煤泥管道輸送實驗平臺，對管道傳輸的過程數據進行分析，討論外界環境對過程數據的影響，在工業現場對煤泥輸送管道的堵塞點進行檢測時，通過改進小波神經網絡的算法完成堵塞檢測，提高檢測精度。

關鍵詞：煤泥;管道傳輸;小波神經網絡;堵塞檢測

近年來，管道輸送己經成為煤泥處理過程中主要的輸送手段，但是管道輸送時堵塞問題頻出，傳統的人工處理方式對輸送系統造成了很多不可逆的傷害，嚴重影響了煤泥的管道傳輸效率。本文通過對煤泥傳輸過程中的特征數據進行分析處理，研究小波神經網絡算法在數據處理中的應用，并在原有小波神經網絡算法的基礎上將權重型和激活函數相結合，提高檢測精度。

一、小波神經網絡

小波神經網絡是將小波算法和神經網絡算法相結合，小波神經網絡算法既具有小波變換的時頻局部特性和變焦特性，又具有神經網絡算法的自學習推理能力和良好的容錯性，因此被廣泛應用在了故障診斷過程中。在實際應用中，常見的小波神經網絡模型有兩種結構形式，一種是先將特征信號進行小波變換再進行神經網絡處理的松散型小波神經網絡。另一種則是將小波變換和神經網絡直接融合到一起的激活函數型小波神經網絡，激活函數型小波神經網絡算法使用小波基函數來代替神經網絡的激勵函數，用小波基函數的尺度和平移參數來代替應的輸入層到隱層的權值和隱層的閾值。

二、煤泥輸送管道堵塞產生的原因分析

在煤泥的管道輸送過程中，可以通過安裝相應的傳感器來獲得管道運輸過程中的特征信號，通過對傳感器采集到的特征信號進行分析，當輸送管道沒有故障發生時，傳感器采集到的特征信號處于穩定狀態，但是當發生故障時，故障點附近的特征信號會發生突變。在這種情況下，只要及時檢測到突變的發生即能檢測到故障的發生。但是煤泥的狀態和處理都是相對復雜的，作為煤炭洗選過程的產物，煤泥中也容易摻入其他物質，影響煤泥質量，進而影響煤泥管道輸送過程的穩定性，使得堵塞故障發生。通過對煤泥的輸送過程及存放環境等因素進行分析，總結出煤泥管道輸送過程中產生堵塞的原因主要有煤泥的含水量、輸送管道的設計不合理、煤泥攪拌不均勻、存放時間過長、摻入過大的雜質、輸送系統工作不穩定等因素。在管道發生堵塞時，如果故障不嚴重，煤泥還可以繼續傳輸，但是傳輸效率會嚴重降低，如果故障嚴重，則會影響系統的正常運行甚至損壞系統。

三、煤泥輸送管道堵塞故障建模

根據力學和勢力學的基本定律，分析煤泥在管道中流動的過程，可推斷出煤泥輸送過程中的質量、動量及能量都守恒，則可建立煤泥在管道輸送過程中的流動模型。設煤泥的密度為ρ，輸送的時間為t，管道內部的壓力為P，煤泥在管道中的位置為x，通過對煤泥傳輸過程中的特征信號進行分析，結合質量可得出煤泥在管道中流動時的連續方程為：管道分為每段為△x的N等份，假設流過每段的時間為△t，時間和距離之間要滿足△x≥α△t，可在x-t平面內對求解式（4）、（5）和（6），將該求解過程放到煤泥輸送管道的壓力輸送過程中，則可根據采集到的壓力、溫度等信號得到發生堵塞時的壓力變化。因此可選擇不同形狀的傳輸管道進行分析，在所選管道兩端安裝壓力傳感器，分析故障發生前后壓力信號的變化，可知故障發生前壓力信號平穩。故障發生后堵塞點前端壓力傳感器采集到的值上升，后端采集到的值下降。根據壓力值的變化可判斷出管道是否發生堵塞。

四、基于改進小波神經網絡的堵塞點檢測算法

根據煤泥輸送管道堵塞故障模型，結合管道發生堵塞故障時的實際情況，在檢測過程中，本文將權重型小波神經網絡和激活函數型小波神經網絡相結合，具體檢測算法如下：

（1）通過用提升小波變換的方法對采集到的特征信號進行預處理，并對處理過的信號進行小波變換，提取新的特征序列;

（2）用提取到的特征序列進行小波神經網絡訓練;

（3）檢測到信號在某時刻發生了突變，則管道發生了堵塞故障，否則說明管道運行正常，采集新的特征信號并重復步驟（1）。

（4）檢測到故障并進行堵塞報警，并進入下一輪的特征信號采集并重復步驟（1）。

五、改進小波神經網絡算法完成管道堵塞檢測

使用改進小波神經網絡堵塞檢測算法隨采集到的特征信號進行仿真測試，根據測試結果可知管道在發生堵塞故障時會突變，而信號的突變點即為煤泥在輸送管道發生的故障點。

參考文獻：

[1]高美靈，柴洪偉.煤炭洗選對中國相關工業的影響[J].科技創新與應用，2014（3）：78.

[2]李禎，李彥平，孫萍等.基于BP神經網絡的漿體管道輸送系統故障診斷[J].機床與液壓，2012，40（7）：194-197.

[3]侯慶民.燃氣長直管道泄漏檢測及定位方法研究[D].哈爾濱工業大學博士論文，2014.4.

基金項目：重慶電子工程職業學院科研項目，項目編號：XJZK201904。