基于光纖偵聽監(jiān)測(cè)預(yù)警技術(shù)在研判辨識(shí)井筒危險(xiǎn)因素的研究與應(yīng)用

＊胡萬忠

（開灤能源化工股份有限公司范各莊礦業(yè)分公司 河北 063109）

引言

采用分布式光纖偵聽系統(tǒng)對(duì)礦井井筒內(nèi)裝備運(yùn)行情況實(shí)時(shí)在線監(jiān)測(cè)，光纖偵聽主機(jī)將實(shí)時(shí)采集的振動(dòng)語音數(shù)據(jù)傳送至服務(wù)器，根據(jù)音頻頻譜變化規(guī)律分析出設(shè)備運(yùn)行狀況，工作人員在遠(yuǎn)程監(jiān)控端實(shí)時(shí)查看設(shè)備運(yùn)行振動(dòng)情況。當(dāng)設(shè)備運(yùn)行異常時(shí)產(chǎn)生的音頻頻譜會(huì)發(fā)生變化，利用神經(jīng)網(wǎng)絡(luò)判斷故障點(diǎn)，分析故障情況，遠(yuǎn)程監(jiān)控界面收到故障報(bào)警，以便工作人員根據(jù)報(bào)警采取維護(hù)措施。

1.分布式光纖語音傳感原理

利用光在光纖中傳輸產(chǎn)生的背向瑞利散射，只需要單根光纖，不需要構(gòu)成光纖回路。中央基站對(duì)于各個(gè)單基站的通訊光纖即可滿足要求，無須另外鋪設(shè)光纖，利用其中的任意1芯。

光纖中傳輸?shù)墓庹顟B(tài)及受干擾狀態(tài)傳播方式的圖形比較如下：

圖1 振動(dòng)引起瑞利散射示意圖

觸碰、振動(dòng)、或擠壓會(huì)導(dǎo)致形態(tài)干擾而產(chǎn)生光信號(hào)相位的改變。系統(tǒng)軟件接收器對(duì)相位改變進(jìn)行探測(cè)，可探測(cè)干擾的強(qiáng)度，并對(duì)探測(cè)到的信號(hào)進(jìn)行處理，能對(duì)該點(diǎn)振動(dòng)數(shù)據(jù)解析為音頻流。

采用線性脈沖激光器產(chǎn)生光源，同時(shí)疊加可調(diào)衰減器進(jìn)行光功率的調(diào)節(jié)與收縮，由于光學(xué)傳輸原理使用激光器，有利于傳輸更長(zhǎng)距離。設(shè)備亦可以選用其它頻率強(qiáng)激光器，但其它頻率的光信號(hào)傳輸會(huì)迅速衰減。數(shù)字控制開關(guān)量的調(diào)制器對(duì)光頻率進(jìn)行調(diào)制，達(dá)到窄帶線性激光器的工作門限值，增強(qiáng)光傳輸距離。對(duì)光路進(jìn)行前向信號(hào)放大處理，可以有效增加光信號(hào)的增益。在光纖內(nèi)壁進(jìn)行反射的光信號(hào)進(jìn)行開關(guān)量的捕捉，設(shè)定統(tǒng)一頻率與功率，把光信號(hào)轉(zhuǎn)換為電信號(hào)。

2.光纖聲音還原原理

當(dāng)檢測(cè)光纖受到聲音振動(dòng)時(shí)，光纖中傳輸光的部分特性就會(huì)改變，對(duì)信號(hào)進(jìn)行采集，判斷光纖振動(dòng)信號(hào)產(chǎn)生瑞利散射回光，進(jìn)而可檢測(cè)出發(fā)生振動(dòng)位置對(duì)應(yīng)的信號(hào)波還原出聲音。瑞利散射產(chǎn)生光纖有效振動(dòng)對(duì)音頻還原系統(tǒng)，能夠?qū)崿F(xiàn)準(zhǔn)確的采集音頻引起的光纖振動(dòng)信號(hào)對(duì)音頻進(jìn)行還原。

圖2 光纖上某點(diǎn)的振動(dòng)還原

在時(shí)間序列上，對(duì)光纖瑞利散射的回光信號(hào)進(jìn)行實(shí)時(shí)的處理，可以在計(jì)算機(jī)上播放音源點(diǎn)的聲音信號(hào)，提高了音頻還原的實(shí)時(shí)性，即提高了光纖環(huán)境狀況瑞利散射的光纖音頻信號(hào)的還原實(shí)時(shí)監(jiān)聽。

還原模塊能夠?qū)θ鹄⑸涞幕毓鈱?duì)應(yīng)的信號(hào)進(jìn)行音頻還原，故對(duì)信號(hào)的準(zhǔn)確采樣極其重要。還原模塊采用實(shí)時(shí)音頻處理方式，使得采樣信號(hào)更加及時(shí)準(zhǔn)確的處理。

3.設(shè)備異常檢測(cè)算法

(1)設(shè)備異常特征屬性

對(duì)各種類型的音頻采集后進(jìn)行打標(biāo)簽并且進(jìn)行音頻標(biāo)準(zhǔn)化處理，處理成標(biāo)準(zhǔn)的長(zhǎng)度和格式，讓其成為統(tǒng)一的標(biāo)準(zhǔn)。讀取音頻的時(shí)序能量值，將音頻做傅里葉變換成頻譜，頻譜表示了音頻在不同的頻率的能量柱子。頻譜通過對(duì)波形的傅里葉變換，把波形中的每個(gè)頻率拆開來，再在縱軸上展開，越往上頻率越高，頻譜相對(duì)于波形圖包含有更多信息。

量化后的特征屬性達(dá)到一定值的時(shí)候就會(huì)出現(xiàn)故障，通過特征屬性的量化很好的解決了設(shè)備運(yùn)行狀況，并且可以據(jù)此預(yù)測(cè)還未發(fā)生的故障。

圖3 特征量示例

分析出在該狀態(tài)下設(shè)備的摩擦、振動(dòng)、功率、質(zhì)量這些特征屬性，對(duì)特征進(jìn)行量化成數(shù)值。

(2)神經(jīng)網(wǎng)絡(luò)訓(xùn)練檢測(cè)流程

利用神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)設(shè)備健康度診斷流程包括模型訓(xùn)練和故障診斷，首先，采集設(shè)備正常運(yùn)轉(zhuǎn)，將音頻降噪并存儲(chǔ)到服務(wù)器。在訓(xùn)練模型過程中，取出在井筒內(nèi)采集的音頻數(shù)據(jù)，對(duì)音頻進(jìn)行時(shí)頻轉(zhuǎn)換并提取特征，利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，并存儲(chǔ)神經(jīng)網(wǎng)絡(luò)模型參數(shù)。

(3)異常檢測(cè)算法流程

①設(shè)備健康度評(píng)估算法

采集一段時(shí)間設(shè)備音頻，神經(jīng)網(wǎng)絡(luò)輸入大量正常數(shù)據(jù)訓(xùn)練收斂后，根據(jù)特征捕捉正常事件分布。檢測(cè)時(shí)輸入未知樣本輸入X，通過神經(jīng)網(wǎng)絡(luò)生成隨機(jī)變量Z的映射gn(Z,Θ)，如果X為正常事件，具有相似事件分布，則gn(Z,Θ)約等于X，具有較小的樣本距離。如果X為異常事件，事件分布不一致，則gn(Z,Θ)不約等于X具有較大的樣本距離。網(wǎng)絡(luò)輸入大量正常數(shù)據(jù)訓(xùn)練收斂后，捕捉異常事件分布。檢測(cè)時(shí)輸入未知樣本X，通過生成隨機(jī)變量Z的映射ga(Z,Θ)，如果X為正常事件，事件分布不一致，則ga(Z,Θ)不約等于X，具有較大的樣本距離。如果X為異常事件，具有相似事件分布，則ga(Z,Θ)約等于X，具有較小的樣本距離。如果生成器成功地學(xué)習(xí)到訓(xùn)練數(shù)據(jù)分布的良好近似，檢測(cè)時(shí)根據(jù)輸入事件與生成事件的樣本距離大小，實(shí)現(xiàn)對(duì)異常事件的精確檢測(cè)。網(wǎng)絡(luò)學(xué)習(xí)到了大量正常事件的特征，網(wǎng)絡(luò)學(xué)習(xí)到了大量異常事件的特征，檢測(cè)時(shí)檢測(cè)器通過計(jì)算輸入與模擬事件樣本空間距離的歐幾里得范數(shù)，計(jì)算異常分A(X,Θ)。異常分A(X,Θ)由輸入向量X與模擬正常事件誤差A(yù)n(X,Θ)及輸入向量與模擬異常事件誤差A(yù)a(X,Θ)決定。An(X,Θ)=XGn(Z)2(4)Aa(X,Θ)=X-Ga(Z)2(5)為更好地檢出異常事件，需要異常分A(X,Θ)盡量大，通過使An(X,Θ)盡可能大，同時(shí)使Aa(X,Θ)盡可能小實(shí)現(xiàn)。A(X,Θ)=An(X,Θ)-Aa(X,Θ)(6)通過計(jì)算異常分A(X,Θ)。在神經(jīng)網(wǎng)絡(luò)多次迭代后，檢測(cè)準(zhǔn)確率可達(dá)93%以上。

在計(jì)算設(shè)備健康度過程中，一分鐘計(jì)算一次，每次采集數(shù)據(jù)6s，采集10次，10次的音頻特征與正常音頻特征誤差 （檢測(cè)時(shí)檢測(cè)器通過計(jì)算輸入與模擬事件樣本空間距離的歐幾里得范數(shù)）計(jì)算平均值，將計(jì)算的平局值與標(biāo)準(zhǔn)的樣本特征差值比作為設(shè)備健康度。

②設(shè)備狀態(tài)變化情況

將設(shè)備的運(yùn)行狀態(tài)量化，以此量化了的設(shè)備狀態(tài)能夠清晰的描述設(shè)備的運(yùn)行狀況，并且表征設(shè)備的歷史狀況。在全新設(shè)備所有的部件都是完好的情況下，設(shè)備的工作狀態(tài)評(píng)分為100分，采集到的音頻作為最優(yōu)狀態(tài)。新設(shè)備運(yùn)行的時(shí)候，所有的部件全部完好，其可以作為一個(gè)參考初始值。在該狀態(tài)下提取到的摩擦特征是平穩(wěn)的，在該狀態(tài)下設(shè)備參數(shù)的摩擦量化的特征值小，產(chǎn)生的振動(dòng)特征的量化值小，產(chǎn)生的功率量化值大，產(chǎn)生的質(zhì)量量化值大，此種狀態(tài)為設(shè)備最優(yōu)狀態(tài)。以此時(shí)的狀態(tài)為參考，當(dāng)這個(gè)狀態(tài)發(fā)生變化了，算出變化量。最后算出一個(gè)總分，此時(shí)狀態(tài)為最優(yōu)。

設(shè)備的運(yùn)行狀態(tài)發(fā)生變化，采集到的音頻也發(fā)生變化。在采集的設(shè)備音頻不再是那么有平穩(wěn)有規(guī)律，會(huì)出現(xiàn)波動(dòng)。在其變化中，因?yàn)楣收系念愋筒煌渥兓绊懙奶卣饕膊幌嗤Ｈ绻休p微的比如設(shè)備在生成過程中缺掉一塊也會(huì)產(chǎn)生振動(dòng)，就會(huì)有大幅度的起伏，振動(dòng)的頻率也與設(shè)備的生成速度有關(guān)。功率發(fā)生變化的特征屬性為其設(shè)備生成狀況，質(zhì)量主要是看高頻的頻譜的平穩(wěn)程度。將上述特征屬性量化后計(jì)算出一個(gè)值，作為設(shè)備當(dāng)前狀態(tài)的評(píng)分。如果評(píng)分在80分以上，表示設(shè)備都是正常運(yùn)行。

在設(shè)備沒有進(jìn)行維護(hù)繼續(xù)運(yùn)行設(shè)備，設(shè)備情況就會(huì)變的更糟，設(shè)備根據(jù)傳感器采集到的音頻分離出來的特征屬性，此種狀態(tài)下設(shè)備的評(píng)分在60-80分。就會(huì)發(fā)生大幅的變化，在事件故障點(diǎn)產(chǎn)生后會(huì)發(fā)出故障報(bào)警。

其中，在不進(jìn)行設(shè)備維護(hù)的時(shí)候，設(shè)設(shè)備故障會(huì)更加惡化，會(huì)導(dǎo)致設(shè)備故障停機(jī)。此處產(chǎn)生的的音頻會(huì)有更大幅度的變化，這個(gè)時(shí)候根據(jù)特征屬性與良好狀態(tài)計(jì)算出來的屬性特征量化評(píng)分在60分以下。

4.結(jié)語

通過評(píng)估算法對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行評(píng)分，根據(jù)各個(gè)特征屬性的變化給出出現(xiàn)故障種類，根據(jù)變化的程度與趨勢(shì)，預(yù)測(cè)出現(xiàn)故障的可能性以及給出維護(hù)意見，能夠避免產(chǎn)生事故，達(dá)到預(yù)測(cè)性維護(hù)作用。