液壓支架故障混合智能診斷專家系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

史春鵬

(西山煤電(集團(tuán))有限責(zé)任公司 機(jī)電廠， 山西 太原 030053)

液壓支架是綜采工作面的核心設(shè)備，與采煤機(jī)、刮板輸送機(jī)協(xié)同配合完成綜采任務(wù)。液壓支架高效、可靠、安全運(yùn)行關(guān)系到綜采工作面的生產(chǎn)效率。液壓支架實(shí)際運(yùn)行時(shí)由于運(yùn)行環(huán)境惡劣，不可避免產(chǎn)生故障。國內(nèi)液壓支架故障診斷功能智能化水平不高，需人工逐架排查和定位[1-2]. 為提升液壓支架故障診斷能力，促進(jìn)綜采工作面智能化運(yùn)行水平，亟需對(duì)液壓支架故障診斷系統(tǒng)進(jìn)行設(shè)計(jì)和優(yōu)化，而設(shè)計(jì)系統(tǒng)具有故障智能診斷功能成為提升液壓支架運(yùn)行效率的重要目標(biāo)。以神經(jīng)網(wǎng)絡(luò)技術(shù)、專家系統(tǒng)理論提出的液壓支架故障混合智能診斷專家系統(tǒng)重點(diǎn)對(duì)液壓支架故障、故障分層模型、混合智能診斷專家模型結(jié)構(gòu)進(jìn)行設(shè)計(jì)闡述，通過系統(tǒng)測(cè)試驗(yàn)證上述功能的適用性和正確性，達(dá)到故障智能診斷的目的，對(duì)提升液壓支架作業(yè)效率和安全系數(shù)具有重要意義。

1 液壓支架故障分層模型

1.1 主要故障分析與總結(jié)

液壓支架設(shè)備復(fù)雜，使用場所環(huán)境惡劣，容易發(fā)生各種故障，根據(jù)現(xiàn)場調(diào)研和查閱資料，總結(jié)液壓支架常見故障并可分類為[3-4]：1) 液壓系統(tǒng)故障，如乳化液泵站供液壓力不穩(wěn)定、供液管路漏液、電磁先導(dǎo)閥故障、安全閥故障、液控單向閥故障等。2) 電控系統(tǒng)故障，如總線通信故障、鄰架通信故障、操作鍵盤故障、壓力傳感器故障、行程傳感器故障、移架不到位、升架達(dá)不到初撐力、推刮板輸送機(jī)不到位等。3) 機(jī)械故障，如結(jié)構(gòu)件焊點(diǎn)開裂、局部斷開、密封元件腐蝕失效、閥件運(yùn)轉(zhuǎn)阻滯、導(dǎo)向件磨損等。

1.2 故障分層模型

采用故障診斷專家系統(tǒng)中的層次分析法，將液壓支架故障由高層次的普遍模式向低層次的具體模式逐層分類，減少分類中的模式匹配搜索量，有效地解決了分類空間的組合爆炸問題，適合液壓支架復(fù)雜系統(tǒng)的故障診斷。當(dāng)某一層系統(tǒng)產(chǎn)生故障或者是它的子系統(tǒng)中的元素出現(xiàn)故障，或者是與它相關(guān)的同層次的子系統(tǒng)出現(xiàn)故障，也就是上級(jí)系統(tǒng)的故障由下級(jí)故障或與上級(jí)同層次系統(tǒng)的故障引起的，并且故障的傳播是由低向高逐層傳播，因此可以采用故障層次分類的辦法，以降低故障診斷問題的復(fù)雜性。

2 液壓支架故障混合智能診斷專家模型系統(tǒng)設(shè)計(jì)

液壓支架故障混合智能診斷專家模型結(jié)構(gòu)見圖1，即由特征信息預(yù)處理及分配單元大致判斷液壓支架故障發(fā)生的位置，然后轉(zhuǎn)到相應(yīng)的診斷模塊進(jìn)行詳細(xì)診斷[5-6]. 特征信息預(yù)處理及分配單元采用BP人工神經(jīng)網(wǎng)絡(luò)，利用BP神經(jīng)網(wǎng)絡(luò)的分類能力，根據(jù)檢測(cè)數(shù)據(jù)判斷故障發(fā)生的位置，作出故障系統(tǒng)初級(jí)診斷；根據(jù)建立液壓支架故障分層模型，細(xì)分為液壓系統(tǒng)故障診斷模塊、電控系統(tǒng)故障診斷模塊，各診斷模塊采用符號(hào)邏輯推理方式進(jìn)行故障確認(rèn)。

圖1 液壓支架故障混合智能診斷專家模型結(jié)構(gòu)圖

3 液壓支架故障混合智能診斷專家模型系統(tǒng)實(shí)現(xiàn)

3.1 特征信息預(yù)處理與分配

基于BP神經(jīng)網(wǎng)絡(luò)對(duì)液壓支架故障特征信息進(jìn)行分配，主要包括液壓以及供液系統(tǒng)流量、壓力傳感器、行程傳感器、電磁先導(dǎo)閥開度、液控單向閥開度、總線通訊心跳等。將獲取的液壓支架故障特征信息進(jìn)行BP神經(jīng)網(wǎng)絡(luò)特征信息分配，如有故障，則輸出故障發(fā)生大致位置后轉(zhuǎn)至各診斷模塊并定位故障；否則繼續(xù)對(duì)檢測(cè)到的液壓支架數(shù)據(jù)進(jìn)行預(yù)處理。預(yù)處理過程為：經(jīng)模糊化和歸一化方法將輸入信息統(tǒng)一至[0,1]內(nèi)，歸一化公式為[7-8]：

(1)

其中，xmax為變量x變化的最大值，xmin為最小值，y為歸一化值并作為BP神經(jīng)網(wǎng)絡(luò)輸入信號(hào)。BP神經(jīng)網(wǎng)絡(luò)的輸出單元共6個(gè)，輸出值為0或1，且定義1表示產(chǎn)生故障；0表示未產(chǎn)生故障；采用7-2-6三層結(jié)構(gòu)，選取100組典型數(shù)據(jù)樣本進(jìn)行訓(xùn)練。故障判斷步驟為：若第i個(gè)神經(jīng)元的輸出為yi，故障發(fā)生閾值θ1，正常狀態(tài)閾值θ2，θ1和θ2由經(jīng)驗(yàn)確定：

1) 當(dāng)yi≥θ1時(shí)，則認(rèn)為該神經(jīng)元對(duì)應(yīng)的系統(tǒng)出現(xiàn)故障。

2) 當(dāng)yi≤θ2時(shí)，則認(rèn)為該神經(jīng)元對(duì)應(yīng)的系統(tǒng)工作正常。

3) 當(dāng)θ2

3.2 知識(shí)庫

知識(shí)庫包含知識(shí)的分類、知識(shí)表示方法、知識(shí)獲取、知識(shí)庫的實(shí)現(xiàn)與維護(hù)4部分。

1) 知識(shí)分類。

獲取液壓支架系統(tǒng)知識(shí)并用適當(dāng)?shù)囊?guī)則進(jìn)行表達(dá)和維護(hù)。液壓支架知識(shí)可分為背景知識(shí)，即液壓支架實(shí)際運(yùn)行過程中長期累積下得到的，如液壓支架系統(tǒng)正常運(yùn)行時(shí)，架間CAN總線通訊時(shí)間間隔為10～15 ms，可將該知識(shí)表示為：

IF 10 ms≤架間通訊時(shí)間≤15 ms THEN 通訊正常

ElSE 架間通訊異常

END

經(jīng)驗(yàn)感官知識(shí)，如液控單向閥的壓力傳感器值頻繁跳動(dòng)可初步判斷該單向閥故障。故障機(jī)理知識(shí)，即故障形成和發(fā)展的規(guī)律性知識(shí)，包括故障發(fā)生的征兆、原因等。如當(dāng)液壓系統(tǒng)流量不足時(shí)，液壓支架的升降柱等動(dòng)作緩慢或者不動(dòng)作。決策性知識(shí)，即當(dāng)液壓系統(tǒng)產(chǎn)生故障時(shí)，排除故障應(yīng)采取的措施及方法。如液壓支架行程傳感器故障時(shí)，排除該故障的措施有檢查傳感器連接器、傳感器本體是否進(jìn)水損壞、傳感器磁環(huán)是否脫落。

2) 知識(shí)表示方法。

采用神經(jīng)網(wǎng)絡(luò)表示法，即將故障的征兆和原因之間對(duì)應(yīng)關(guān)系的知識(shí)存儲(chǔ)在神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值中并自動(dòng)計(jì)算得出結(jié)果。如對(duì)液壓支架電磁閥故障用神經(jīng)網(wǎng)絡(luò)表示法可表示為：

<電控系統(tǒng)>：<電磁閥>IF線圈斷路THEN電磁閥不吸合

IF電磁閥孔堵塞THEN電磁閥不吸合

…… ……

3) 知識(shí)獲取。

以人工獲取為主，神經(jīng)網(wǎng)絡(luò)獲取為輔，液壓支架系統(tǒng)專家對(duì)液壓支架故障及故障診斷知識(shí)進(jìn)行整理、分類并通過人機(jī)交互界面輸入故障診斷系統(tǒng)。神經(jīng)網(wǎng)絡(luò)對(duì)獲取的液壓支架故障樣本數(shù)據(jù)進(jìn)行訓(xùn)練并修正權(quán)值和閾值。

4) 知識(shí)庫的實(shí)現(xiàn)與維護(hù)。

用數(shù)據(jù)庫技術(shù)對(duì)液壓支架系統(tǒng)故障知識(shí)庫進(jìn)行實(shí)現(xiàn)和維護(hù)，建立系統(tǒng)類別表、故障部位表、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)表、運(yùn)行記錄表、前提條件表、事實(shí)表、規(guī)則表以及維修建議表。

3.3 診斷模塊

診斷模塊需根據(jù)各自的規(guī)則庫規(guī)則進(jìn)行反向推理，即故障發(fā)生的系數(shù)作為推理初始目標(biāo)選擇的依據(jù)，如下式[9-10]：

(2)

其中，Xi表示第i種故障已經(jīng)發(fā)生的次數(shù)，它是隨著診斷次數(shù)的增加而變化的變量。Pi和Xi的初始值可根據(jù)領(lǐng)域?qū)＜医?jīng)驗(yàn)和現(xiàn)場的設(shè)備維修記錄綜合考慮后分配。初始目標(biāo)選定后，再利用高效率反向推理進(jìn)行推理，見圖2. 當(dāng)每個(gè)推理循環(huán)中可能觸發(fā)的規(guī)則有多條時(shí)，根據(jù)各種規(guī)則以前調(diào)用的次數(shù)，優(yōu)先選用執(zhí)行次數(shù)高的規(guī)則消解該沖突。

圖2 診斷模塊反向推理流程示意圖

4 系統(tǒng)驗(yàn)證

根據(jù)液壓支架實(shí)際運(yùn)行時(shí)發(fā)生的故障信息以及人工經(jīng)驗(yàn)，建立液壓支架故障混合智能診斷專家模型并完成特征信息預(yù)處理與分配、建立知識(shí)庫和診斷模塊。在實(shí)驗(yàn)室搭建液壓支架系統(tǒng)并模擬液壓系統(tǒng)流量不足、總線通信故障、電磁先導(dǎo)閥故障等，基于設(shè)計(jì)的混合智能診斷專家系統(tǒng)對(duì)實(shí)際發(fā)生的故障進(jìn)行診斷和定位，診斷結(jié)果見表1. 由表1可知，該系統(tǒng)的故障診斷正確率可達(dá)87%～96%，縮短了液壓支架故障定位、檢修時(shí)間，有助于提升液壓支架運(yùn)行效率。

表1 液壓支架不同故障類別診斷結(jié)果表

5 結(jié) 論

以液壓支架為研究背景，根據(jù)液壓支架實(shí)際運(yùn)行中的故障狀況，建立了液壓支架故障分層模型，并運(yùn)用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)理論，建立了一種混合智能故障診斷專家系統(tǒng)模型并完成系統(tǒng)驗(yàn)證：

1) 根據(jù)液壓支架故障分層模型，基于BP神經(jīng)網(wǎng)絡(luò)可對(duì)故障進(jìn)行系統(tǒng)級(jí)判斷，由各診斷模塊進(jìn)行詳細(xì)推理并確認(rèn)故障點(diǎn)。

2) 經(jīng)系統(tǒng)測(cè)試，液壓支架故障混合智能診斷專家系統(tǒng)滿足設(shè)計(jì)要求，提升了液壓支架故障診斷智能化水平，有助于提升綜采工作面作業(yè)安全系數(shù)和作業(yè)效率。