應用改進粒子群算法的冶金機械機電設備故障檢測方法

張 慧，王 楠，楊天博

（1.盤錦職業技術學院，遼寧 盤錦 124010；2.北控水務（中國）投資有限公司，北京 100000）

冶金機械機電設備在安裝過程中一定要保證零件的校對，在安裝之前對零件進行其清點，很多機電設備頻繁故障的原因就是在安裝的時候零件出現問題導致的，在安裝完成之后還應及時對機電設備進行調試和運行，觀察在運行過程中機電設備有無問題發生[1]。但及時經過完善的前期準備降低了機電設備故障發生的概率，為了冶金生產的安全，還是要定期進行設備故障檢測，傳統的設備檢修方法主要是基于溫度的變化進行振動檢測，該方法可以有效的對設備的潛在危險因素進行篩查，并將有故障的設備的篩查數據展現在計算機上，給予維修設備工作一定的參考價值[2]。但是該傳統方式檢查出的故障不全面，通常在機械已經發生故障后才發出預警，很多本能避免的故障使用該方式或錯過最佳的維修時間，因此該檢測方式具有缺陷，應今早研究解決辦法。

故障檢測相關的專家通過對大量設備故障檢修實例的分析和推測，發現改進粒子群算法比較適合應用于設備的故障檢修當中。此種結合了改進粒子群算法的檢測方式不僅可以準確的定位到故障發生的具體位置，還能夠降低檢測故障所花費的時間。彌補了傳統檢測方式的缺陷，提高了冶金機械機電設備故障檢測工作的工作效率。

1 機電設備故障數據檢測

改進粒子群算法的子目標函數在粒子約束下進行初步優化，設定子目標Q1：冶金機械的動力能量最大值，Q2：機電設備的故障概率函數最優解，Q3：函數能量值，則算法的目標函數為：

其中，r1、r2、r3為目標函數對應的權重系數。因此r1、r2、r3的和為1。根據機電故障的特點判定故障的數據檢測的特征，設備使用的時間越長[3]，產生的故障就越多，一臺使用年限超過5年的冶金機械機電設備的故障數據要比兩臺使用年限不超過兩年的機電設備故障數據還多。冶金屬于重工業范疇，因此冶金設備的故障爆發具有突發性特征，故障發生規律相比于輕工業機械更難總結。機電的故障信息在曲線圖上呈現出不均勻分布的狀態，不均勻分布又導致數據具有冗余性特征。故障數據相比于其他數據會受到更大的噪聲干擾，因此在機電設備的故障數據檢測中盡量在維修之間多檢測一些故障數據，方便設計維修方案。當然故障數據不只包括設備的狀態，基于改進粒子群算法原理，故障數據還應包括維修人員的基本情況和倉庫包配件的基本情況也應該納入數據采集的范圍當中。

在傳統的故障數據采集中，只收集與機電故障相關的數據，例如加點設備的轉速、設備的溫度和電壓電流狀態，在分析完設備情況之后，再進行維修數據的匹配，這樣不僅浪費時間還容易數據對應不準確。現將所有的數據信息整合成數據模型，將故障的維修要求和維修方式在結構化的數據模型中相對應，為下一步的故障檢測做鋪墊。

2 實現設備故障診斷

改進粒子群算法的設備故障診斷原理是通過該算法整合故障數據模型，將原始的故障大數據和機電設備進行關聯，將數據之間的關系還原到設備與故障之間的關聯上。故障數據的數據集合數據值的支持度、置信度都要在診斷故障之前進行確認。設備故障的診斷流程圖，如圖1所示。

頻繁工作模式在傳統的故障診斷中不被啟用，但是在本文設計的冶金機械機電設備故障檢測當時中應被設定為常用模式，設備的內部的運行數據在機械工作狀態都應該被檢測，正常工作狀態與發生故障后的工作狀態是不同的，一旦在對比數據的時候發現數據與正常工作狀態是的數據不同，基本就可以判斷發生了故障。機電設備故障檢測系統會發出報警。

記錄信息使用的是迭代數據集，通過正常數據集與機械運作時期的數據進行對比，數據狀態一致判定為正常運行，數據不一致的判定為發生故障，利用改進粒子群算法進行數據對比的時候要壓縮數據搜索的空間，這樣可以減少故障診斷中的數據調取次數，提高故障檢測效率。

3 仿真實驗

為了研究應用改進粒子群算法的冶金機械機電設備故障檢測方法是都在診斷故障中起作用，設計對比實驗，該方式和傳統方式相比故障的診斷準確率的高低來判斷本文設計的方式的故障診斷效率。

3.1 實驗準備

驗證融入改進粒子群算法冶金機械機電設備故障檢測發放首先要設置算法參數，以其中一個參數的粒子模型作為擬合對象，實驗參數的設置如表1所示：

表1 仿真實驗模擬參數

在上述仿真實驗環境中，設定仿真機電故障共30個，試驗中通過改變冶金機械機電設備的模擬故障位置來驗證故障檢測方式的故障定位能力和故障的檢測的準確性質。

3.2 實驗結果與分析

在上述仿真環境下進行故障檢測，對比傳統方法和本文設計的檢測方法的故障檢測的準確率，實驗結果如表2：

表2 故障檢測的準確率對比

由表2所知，傳統方法1的故障檢測的準確率很不穩定，在第4次實驗的時候雖然故障檢測準確率達到73%，但實驗中最低的一次準確率只有35%，檢測結果十分不穩定，想要用該方法檢測故障需要多次檢測，浪費檢測時間降低效率。傳統方式2和本文設計的方法的檢測準確率很穩定，但本文設計的方法的準確率比傳統方法2高。

4 結語

本文基于改進粒子群算法的特征對傳統的冶金機械機電設備故障檢測方法進行改造，在故障數據的整合方面優于傳統的檢測方法。研究故障與機械工作狀態的。