基于改進蟻群算法的破碎機設備故障預測研究

摘要：破碎機在惡劣環境下產生故障的特征值很難被提取，因此，故障預測率低、誤判率高?；诖?，提出改進蟻群算法的預測方法。首先，采集基礎數據和振動信號、溫度、壓力等原始數據。其次，對數據進行整合并歸類，去除噪聲，并填補缺失值，篩選異常值，采用歸一化的處理方式，進行數據轉換，利用標準差來表征數據的基本特征值。最后，結合改進蟻群算法，設計破碎機設備故障預測處理模型。經實驗，該方法的預測誤判率平均為12.6%。因此，設計方法有效提高了故障預測率，降低了誤判率。

關鍵詞：改進蟻群算法""設備感應""故障預測""異常數據采集

Research"on"Fault"Prediction"of"Crusher"Equipment"Based"on"Improved"Ant"Colony"Algorithm

DOU"Xu""LIU"Guiping

Yongping"Copper"Mine"of"Jiangxi"Copper"Corporation"Limited，Shangrao，"Jiangxi"Province，"334000"China

Abstract：The"characteristic"values"of"faults"generated"by"crushers"in"harsh"environments"are"difficult"to"extract，"resulting"in"low"fault"prediction"rates"and"high"misjudgment"rates."Based"on"this，"an"improved"ant"colony"algorithm"prediction"method"is"proposed."First，"collect"basic"data"and"raw"data"such"as"vibration"signals，"temperature，"and"pressure."Second，"integrate"and"classify"data，"remove"noise，"fill"in"missing"values，"screen"for"outliers，"use"normalization"processing，"and"perform"data"transformation，"use"standard"deviation"to"characterize"the"basic"characteristic"values"of"data.Finally，"combined"with"the"improved"ant"colony"algorithm，"a"fault"prediction"and"handling"model"for"crusher"equipment"is"designed.Through"experiments，"the"average"prediction"misjudgment"rate"of"this"method"is"12.6%."Therefore，"the"design"method"effectively"improves"the"fault"prediction"rate"and"reduces"the"misjudgment"rate.

Key"Words："Improved"ant"colony"algorithm;"Equipment"sensing;"Fault"prediction;"Abnormal"data"collection

在長時間運行過程中，破碎機因工作環境惡劣、負載波動，常會出現故障，影響生產線的連續性和安全性。為避免故障設備對后期的生產造成影響和阻礙，設計針對故障特征的預測方法。SITKO"J等人[1]提出信息化和智能化機電設備故障預測方法，通過集成傳感器、數據分析與機器學習技術，實時監測設備狀態，提取關鍵運行參數。在大數據技術的輔助與分析下，構建預測模型，識別異常模式。趙經國等人[2]提出測振儀圓錐破碎機故障預測方法，監測圓錐破碎機振動信號，結合信號處理技術提取特征參數。通過機器學習模型分析振動數據預測故障類型與發生時間。這一類方法雖然可以實現實時的勘測方法，但仍存在預測范圍受限、效率低下、收斂速度慢等缺陷[3]。為此提出對基于改進蟻群算法的破碎機設備故障預測方法的設計與實際分析。

1"建立破碎機設備故障改進蟻群測算預測方法

1.1 障特征提取

在破碎機設備運行過程中，采集基礎數據，以及振動信號、溫度、壓力等原始數據并進行數據整合與歸類，去除數據中的噪聲，并填補缺失值，篩選異常值，采用歸一化的處理方式，進行數據轉換，利用標準差來表征數據的基本特征[4，5]，具體如下。

式（1）中：STD為數據處理標準差；N為樣本總數；為信號樣本值；為信號均值。

通過頻域引導，將信號從時域轉換到頻域，并對破碎機運行過程形成的信號進行特征描述[6]。結合不同時間點的頻率變化與波動規律，計算出對應的特征值，具體如下。

式（2）中：為特征值；和為非對稱性和尖峰性質；為突發敏感值。

根據特征值的變化，得出信號分布的偏斜程度，對破碎機運行時的特征進行基礎性的判定與分析。

1.2"不平衡特征集降維測算

通過PCA正交變換將相關變量轉為線性不相關變量，作為降維目標。再分解特征值得特征向量（主成分），并計算特征的協方差，具體如下。

式（3）中：為特征協方差；為初始特征向量；為降維數；為隨機預測范圍；為可擴展預測范圍。

設特征協方差為引導，結合蟻群算法進行不平衡特征集的設定，同時進行破碎機空間尋優處理，在復雜的背景環境下，實現預測路徑的選擇。不平衡特征集的有效降維，能夠降低數據處理的復雜度，還能提升故障預測的準確性和魯棒性。

1.3"設計改進蟻群測算破碎機設備故障預測模型

按照下述流程對蟻群算法進行改進，具體步驟如圖1所示。

結合改進蟻群算法，設計破碎機設備故障預測處理模型?；诋斍捌扑闄C的運行狀態與實況，先定義蟻群算法中的關鍵參數，具體如下表1所示。

構建迭代故障計算過程，每只螞蟻根據當前位置的信息素濃度和啟發式信息選擇下一步的移動方向，基于特征的變化，計算出覆蓋范圍之內破碎機故障的相似度，具體如下。

式（4）中：Heuristic為故障相似度；為調節系數；Distance（為特征與特征之間距離；Similarity為歷史故障數據中特征與特征的相似度。

螞蟻在移動過程中釋放信息素，形成對應的預測路徑，當路徑出現故障或異常時，通過多次迭代，算法逐漸收斂于最優或次優的故障預測模型，此時，針對形成的各個故障預測路徑，進行最優預測解的計算，具體如下。

式（5）中：為最優預測解；為故障覆蓋范圍；為可識別故障節點；為故障重疊預測值。

針對上述計算的最優預測解，同時基于輸入設備的數據與信息，準確預測破碎機的故障類型與發生概率。需要注意的是，當前設定的預測結果僅是單元針對性的，代表的是單個破碎機單個故障點的異常，并不具有綜合性概括作用，為確保最終預測結果的真實與可靠，需要進行綜合性計算對比，確保測試結果的可靠與真實。

1.4"自適應異常點位核驗實現預測處理

自適應異常點位核驗機制通過動態調整算法參數與策略，精準識別并驗證數據中的異常點。這一過程采用對比核驗方式，旨在提升故障預測的準確性和時效性。依據自適應處理機制，將異常點識別邏輯融入信息素更新規則中，結合移動路徑上的信息素濃度與啟發式信息，設計自適應處理環節，具體流程如圖2所示。

隨著自適應迭代處理，異常點位逐漸顯現，先引入自適應核驗機制，再根據歷史數據和當前系統狀態，動態調整異常閾值，制定多層級、多目標的驗證策略，據此更新異常閾值，具體如下。

式（6）中：為更新異常閾值；和為近期數據的均值和標準差；為系統特性值。

結合更新的異常閾值，設定自適應的異常點位對比。通過自適應核驗的異常點位，結合破碎機的運行機理和故障模式庫，進行故障類型識別和預測處理，得出最終的預測結果，實現故障的早期預警和有效應對。

2"實驗

2.1"測試準備

選定K礦山工程施工的G4369HD旋回式破碎機作為測試的目標設備。

基于實際的測定需求，在測試區域內部署溫度傳感裝置、振動傳感裝置、壓力傳感裝置等進行覆蓋式監測，便于實時數據和信息的采集。在傳感覆蓋范圍之內進行實時監測節點的部署，節點之間互相搭接，形成覆蓋式的監測背景與約束條件，與傳感裝置互聯。

2.2"測試過程與結果分析

預設6個獨立的預測周期，與其他方法進行對比，預測誤判率測試結果如表2所示。

分析表2，設計方法預測誤判率較低，更加靈活、精準、穩定，覆蓋范圍得到進一步擴展，實現更加靈活的故障瞬時捕捉，穩定預測效率，減少預測誤差，確保預測結果的真實。

3"結語

本研究引入了改進的蟻群算法，并構建了相應的故障預測模型。基于優化蟻群算法的信息素更新策略和搜索機制，設計更加靈活、多變的預測機制，在面對復雜環境時，不僅可以提高算法的收斂速度和全局搜索能力，一定程度上還可以增強故障預測的準確性和可靠性，擴大預測范圍的同時，增加預測管控效率，確保預測的精度，為工業生產中的設備維護與管理提供了重要的技術支持。

參考文獻

[1]JACEK"S"，ZAKIRHUSSAIN"F.Analysis"of"mechanical"equipment"failure"at"the"hard"coal"mine"processing"plant[J].Acta"Montanistica"Slovaca，2020，25（3）：350-360.

[2]趙經國，熊健，吳佳佳，等.基于測振儀的圓錐破碎機故障診斷[J].煤礦機械，2022，43（9）：188-190.

[3]張潮軍，于月朋，徐永坤.某企業HPT500多缸液壓圓錐破碎機典型故障分析及對策研究[J].現代礦業，2024，40（3）：189-192.

[4]張文昌，杜進毅，趙廣華.對輥式破碎機運行中常見的故障原因及解決方法[J].鑿巖機械氣動工具，2024，50（1）：50-52.

[5]ESHAGHIAN"O，HOSEINIE"S"H，MALEKI"A.Multi-attribute"failure"analysis"of"coal"cutting"picks"on"longwall"shearer"machine[J].Engineering"Failure"Analysis，2021，120（1）：105069.

[6]韓穎.基于卷積神經網絡的電力設備故障預測模型的研究[J].自動化應用，2023，64（24）：107-109.