煤化工廠煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法

譚興富 鄔金亮 徐虎彪

摘 要 提出基于多傳感器的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法。基于多傳感器的組成結(jié)構(gòu)及自身優(yōu)勢，將其安裝到洗選機(jī)械設(shè)備中，通過多傳感器獲取不同環(huán)境下的設(shè)備運(yùn)行信號(hào)，再將信號(hào)輸送到建立的設(shè)備信號(hào)采集模型中，完成對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)變化的記錄及分析，實(shí)現(xiàn)設(shè)備運(yùn)行信號(hào)采集；構(gòu)建特征分析模型提取設(shè)備運(yùn)行狀態(tài)特征，再通過增量式學(xué)習(xí)機(jī)制對(duì)設(shè)備運(yùn)行特征數(shù)據(jù)集開展動(dòng)態(tài)聚類，以此實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)的自動(dòng)辨識(shí)。實(shí)驗(yàn)結(jié)果表明：采用筆者所提方法進(jìn)行設(shè)備運(yùn)行狀態(tài)監(jiān)測，其結(jié)果假陽率低、真陽率高，可實(shí)現(xiàn)準(zhǔn)確可靠的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。

關(guān)鍵詞 多傳感器 煤炭洗選機(jī)械 狀態(tài)監(jiān)測 特征提取 采集模型 動(dòng)態(tài)聚類

中圖分類號(hào) TP212? ?文獻(xiàn)標(biāo)志碼 A? ?文章編號(hào) 1000?3932（2024）01?0128?05

近年來，煤礦資源開采智能化已成為我國能源產(chǎn)業(yè)發(fā)展的新戰(zhàn)略［1，2］。煤礦領(lǐng)域通常使用煤炭洗選機(jī)械設(shè)備對(duì)煤炭洗選進(jìn)行加工，它不僅可以有效提升煤礦資源利用率，同時(shí)對(duì)環(huán)境保護(hù)也有重要作用，可見煤炭洗選機(jī)械設(shè)備的智能化程度是反映煤炭加工設(shè)備智能化趨勢的重要指標(biāo)［3］。隨著對(duì)高質(zhì)量煤炭需求的日漸增多，煤炭洗選加工率超過50%，導(dǎo)致煤炭洗選機(jī)械設(shè)備的使用頻率逐漸增高。在這種高頻率使用下，煤炭洗選機(jī)械設(shè)備極易出現(xiàn)運(yùn)行故障等多種問題，為此需對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測。

研究學(xué)者們對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法進(jìn)行了諸多研究。文獻(xiàn)［4］以大數(shù)據(jù)技術(shù)為主，結(jié)合大數(shù)據(jù)應(yīng)用數(shù)據(jù)與物聯(lián)網(wǎng)，建立了一個(gè)運(yùn)行狀態(tài)監(jiān)測系統(tǒng)。文獻(xiàn)［5］針對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測系統(tǒng)時(shí)效性差的問題，將系統(tǒng)與無線傳感網(wǎng)絡(luò)相結(jié)合，在系統(tǒng)內(nèi)設(shè)計(jì)了能量采集模塊、無線傳感網(wǎng)絡(luò)和監(jiān)測模塊，每個(gè)模塊所具備的功能不同，如能量采集模塊主要對(duì)煤炭洗選機(jī)械設(shè)備的振動(dòng)能量進(jìn)行采集，并將采集的能量供給設(shè)備電路，達(dá)到節(jié)省電能的目的。文獻(xiàn)［6］對(duì)設(shè)備運(yùn)行狀態(tài)參數(shù)開展了詳細(xì)分析，提出了一種設(shè)備狀態(tài)監(jiān)測終端，利用監(jiān)測終端對(duì)設(shè)備中的環(huán)境溫度、電路電流等實(shí)施監(jiān)測和測量，并將測量結(jié)果輸入到物聯(lián)網(wǎng)中，實(shí)現(xiàn)監(jiān)測終端與云平臺(tái)的數(shù)據(jù)通信，最后依據(jù)接收的通信數(shù)據(jù)信息完成設(shè)備運(yùn)行狀態(tài)監(jiān)測。

然而，隨著煤炭洗選機(jī)械設(shè)備復(fù)雜程度的不斷遞增，設(shè)備運(yùn)行狀態(tài)特征數(shù)據(jù)也越來越復(fù)雜，導(dǎo)致目前的研究方法存在監(jiān)測可靠性低的問題。為此，筆者提出一種基于多傳感器的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法。

1 基于多傳感器的煤炭洗選機(jī)械設(shè)備運(yùn)行數(shù)據(jù)采集

1.1 基于多傳感器的煤炭洗選機(jī)械設(shè)備

1.1.1 多傳感器組成

多傳感器［7］主要由敏感元件、轉(zhuǎn)換元件和基礎(chǔ)電路3部分組成，具有將外界信號(hào)轉(zhuǎn)換成電信號(hào)的優(yōu)勢，它可以對(duì)機(jī)械設(shè)備的信號(hào)進(jìn)行采集和監(jiān)控，也可以進(jìn)行傳輸和處理。由于煤炭洗選機(jī)械設(shè)備的電信號(hào)極易被放大、濾波、存儲(chǔ)，所以需要將多傳感器安裝到設(shè)備中，并將其與網(wǎng)絡(luò)技術(shù)相結(jié)合，以便采集設(shè)備信息數(shù)據(jù)。

1.1.2 多傳感器安裝

多傳感器在設(shè)備中的安裝位置會(huì)對(duì)信號(hào)的獲取產(chǎn)生較大影響，所以需要作出以下設(shè)置：

a. 任意選擇一個(gè)煤炭洗選機(jī)械設(shè)備，并將該設(shè)備作為新設(shè)備；

b. 將多傳感器中的振動(dòng)傳感器和聲發(fā)射傳感器安裝在設(shè)備中間，從而利用振動(dòng)傳感器獲取機(jī)械設(shè)備的振動(dòng)方向，利用聲發(fā)射傳感器對(duì)設(shè)備的距離進(jìn)行檢測；≥

c. 采用機(jī)械設(shè)備反復(fù)進(jìn)行洗選工藝操作，利用多傳感器獲取設(shè)備中的信號(hào)。

1.2 構(gòu)建煤炭洗選機(jī)械設(shè)備信號(hào)采集模型

多傳感器安裝完畢后，可以獲取不同方向、不同距離的設(shè)備運(yùn)行信息，并以此建立信號(hào)采集模型（圖1）［8，9］。將獲取的信息數(shù)據(jù)輸送到模型中，利用模型對(duì)設(shè)備產(chǎn)生的任何運(yùn)行狀態(tài)變化情況進(jìn)行記錄和分析，從而實(shí)現(xiàn)煤炭洗選機(jī)械設(shè)備運(yùn)行信號(hào)的采集。

圖1中，t軸表示監(jiān)測時(shí)間；x軸表示信號(hào)采集維數(shù)，維數(shù)決定設(shè)備的特征提取能力；y軸表示煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測點(diǎn)。在t時(shí)刻，利用該模型采集到的x維設(shè)備運(yùn)行狀態(tài)信號(hào)可記錄為（x，y，t）。

根據(jù)圖1模型對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)信號(hào)進(jìn)行記錄，即可完成運(yùn)行狀態(tài)信號(hào)采集。

2 煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測

2.1 運(yùn)行狀態(tài)信號(hào)特征提取

基于多傳感器，完成煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)信號(hào)數(shù)據(jù)采集后［10］，根據(jù)建立的特征分析模型即可提取設(shè)備運(yùn)行狀態(tài)特征。特征分析模型表達(dá)式為：

C（m，n）=cum{x（t），x（t），x（t），x（t）｝，m≥0，n≤p-1（1）

其中，C（m，n）為動(dòng)態(tài)特征量，cum為累積量，x（t）為狀態(tài)信號(hào)值，x（t）為監(jiān)測信號(hào)值，p為動(dòng)態(tài)特征總維度。

基于多目標(biāo)檢測方法［11，12］對(duì)煤炭洗選機(jī)械設(shè)備的運(yùn)行狀態(tài)監(jiān)測，再利用該模型對(duì)監(jiān)測結(jié)果的動(dòng)態(tài)特征分析，從而取得煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)分析的均勻譜。

依據(jù)機(jī)械設(shè)備的振動(dòng)特征［13，14］，完成設(shè)備的非平衡數(shù)據(jù)多目標(biāo)檢測，從中取得設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)檢測輸出參數(shù)，相關(guān)方程為：

其中，Φ、Ω、Λ為設(shè)備的運(yùn)維形態(tài)檢測參數(shù)，diag［·］為對(duì)角矩陣，e為矩陣參數(shù)，γ為運(yùn)行狀態(tài)檢測值，L為維數(shù)，w為特征估計(jì)量。

設(shè)置煤炭洗選機(jī)械設(shè)備運(yùn)維形態(tài)分布矩陣為T，從中提取設(shè)備運(yùn)行狀態(tài)特征量后即可實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)特征的提取。

2.2 基于增量式學(xué)習(xí)的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測

基于提取的煤炭洗選機(jī)械設(shè)備運(yùn)行特征向量，建立特征集合，再采用增量式學(xué)習(xí)機(jī)制對(duì)設(shè)備運(yùn)行特征數(shù)據(jù)集開展動(dòng)態(tài)聚類［15，16］，從而實(shí)現(xiàn)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。

特征集合狀態(tài)不同，與之對(duì)應(yīng)的流形結(jié)構(gòu)也不相同。為提升聚類結(jié)果的準(zhǔn)確性，在特征集合中隨機(jī)選取若干特征數(shù)據(jù)建立訓(xùn)練樣本集，使用LSTM算法對(duì)樣本實(shí)施維數(shù)約簡［17，18］，并將訓(xùn)練樣本集在低維嵌入空間中的中心點(diǎn)坐標(biāo)用作機(jī)械設(shè)備的運(yùn)行狀態(tài)監(jiān)測依據(jù)。

筆者采用增量式學(xué)習(xí)方法對(duì)特征集合中的訓(xùn)練樣本點(diǎn)開展動(dòng)態(tài)聚類，其具體流程如下：

a. 在每一類特征集合訓(xùn)練樣本中加入一個(gè)低維坐標(biāo)作為標(biāo)記，并采用平均歐式距離計(jì)算獲取樣本聚類中心坐標(biāo)點(diǎn)；

b. 若出現(xiàn)新增的樣本點(diǎn)，則需要采用LTSA算法計(jì)算其相應(yīng)的低維坐標(biāo)，并及時(shí)更新流形結(jié)構(gòu)。

LTSA算法的計(jì)算步驟為：

a. 設(shè)特征數(shù)據(jù)中的新增樣本點(diǎn)為r（N代表樣本點(diǎn)數(shù)量），以k近鄰規(guī)則對(duì)鄰域矩陣更新；

b. 采用奇異值分解方法對(duì)更新后的矩陣實(shí)施分解處理，取得設(shè)備的局部幾何坐標(biāo)，再利用LTSA算法建立新的矩陣；

c. 通過Rayleigh?Ritz子空間對(duì)矩陣中的特征向量不斷更新計(jì)算，其最終更新結(jié)果就是機(jī)械設(shè)備的全局坐標(biāo)映射。

根據(jù)以上操作流程，對(duì)中心點(diǎn)坐標(biāo)與低維坐標(biāo)距離進(jìn)行計(jì)算，按照距離相似度準(zhǔn)則判斷煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)類別［19］。相似度測度函數(shù)表達(dá)式如下：

其中，C為中心點(diǎn)向量坐標(biāo)，t為嵌入坐標(biāo)，β為樣本點(diǎn)的歐氏距離，d為距離。

基于增量式學(xué)習(xí)的煤炭洗選機(jī)械設(shè)備特征數(shù)據(jù)樣本點(diǎn)的動(dòng)態(tài)聚類流程如圖2所示。

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證基于多傳感器的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法的整體有效性，需要對(duì)該方法開展對(duì)比測試。

選取一款煤炭洗選機(jī)械設(shè)備作為本次實(shí)驗(yàn)研究對(duì)象，如圖3所示。

除了測試目標(biāo)外，傳感器附近其他金屬物的

存在以及不適當(dāng)?shù)陌惭b位置，將有礙于正確測試。目前，主流的3種傳感器安裝方式及其安裝效果如圖4所示。由于安裝方式1沒有角度遮擋死區(qū)，故筆者選擇圖4中的安裝方式1安裝傳感器。

對(duì)煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測時(shí)，其監(jiān)測結(jié)果會(huì)出現(xiàn)假陰性及假陽性兩種虛假結(jié)果。假陰性表示將監(jiān)測設(shè)備運(yùn)行正常狀態(tài)判定為異常狀態(tài)；假陽性表示將監(jiān)測設(shè)備運(yùn)行異常狀態(tài)判定為正常狀態(tài)。其中假陽性對(duì)設(shè)備運(yùn)行狀態(tài)監(jiān)測的準(zhǔn)確性影響較大，極易隱藏安全隱患，為此需對(duì)其進(jìn)行準(zhǔn)確判別。采用假陽率作為衡量指標(biāo)，其計(jì)算式如下：

其中，F(xiàn)為假陽率，T為真陽率，n為異常狀態(tài)監(jiān)測判定為正常狀態(tài)，n為異常狀態(tài)監(jiān)測判定為異常狀態(tài)，n為正常狀態(tài)監(jiān)測判定為正常狀態(tài)，n為正常狀態(tài)監(jiān)測判定為異常狀態(tài)。

方案一為筆者所提方法，方案二采用文獻(xiàn)［4］方法，所得煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測結(jié)果如圖5所示。

由圖5a可知，方案二假陽率較高，采用方案一后假陽率明顯下降，可見方案一所得監(jiān)測結(jié)果更加可靠。圖5b中，方案二所得結(jié)果的真陽率較低，說明方案二的監(jiān)測準(zhǔn)確度不佳；采用方案一后，真陽率顯著提升，可見方案一的監(jiān)測準(zhǔn)確度更高。這是因?yàn)榉桨敢徊捎迷隽渴綄W(xué)習(xí)機(jī)制對(duì)提取的設(shè)備運(yùn)行特征數(shù)據(jù)集實(shí)施了動(dòng)態(tài)聚類，實(shí)現(xiàn)了對(duì)設(shè)備運(yùn)行狀態(tài)的辨識(shí)，以此提升了整體監(jiān)測準(zhǔn)確率，使得方案一對(duì)設(shè)備運(yùn)行狀態(tài)監(jiān)測具備更高的可靠性。

煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)譜峰及譜密度的維數(shù)決定著設(shè)備運(yùn)行特征提取能力，維數(shù)低，說明特征提取能力不足，維數(shù)高，則極易出現(xiàn)擬合問題，所以為了驗(yàn)證設(shè)備運(yùn)行狀態(tài)信號(hào)特征提取效果，設(shè)置設(shè)備運(yùn)維形態(tài)最佳譜峰及譜密度的維數(shù)為30，采用方案一和方案二對(duì)運(yùn)維形態(tài)維數(shù)進(jìn)行預(yù)測，并將結(jié)果與設(shè)置的最佳維數(shù)進(jìn)行對(duì)比，驗(yàn)證筆者所提方法的可靠性，結(jié)果如圖6所示。可以看出，在整體測試中，方案二所得結(jié)果與最佳維數(shù)相差較大，而方案一結(jié)果基本與設(shè)定值一致，誤差較小且均在允許范圍內(nèi)，可忽略不計(jì)。可見，采用筆者所提方法后，煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)信息的特征提取能力得到了提升、特征提取效果變好。

提取結(jié)果對(duì)比

4 結(jié)束語

煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測效果的不佳會(huì)導(dǎo)致設(shè)備出現(xiàn)故障，影響整體運(yùn)行效果，針對(duì)這一問題，提出基于多傳感器的煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法。該方法將多傳感器安裝到煤礦洗選設(shè)備中，結(jié)合建立的信號(hào)采集模型，實(shí)現(xiàn)設(shè)備信號(hào)采集。基于采集結(jié)果，提取設(shè)備運(yùn)行狀態(tài)特征，再利用增量式學(xué)習(xí)機(jī)制對(duì)提取的特征數(shù)據(jù)集開展動(dòng)態(tài)聚類，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)監(jiān)測。實(shí)驗(yàn)結(jié)果表明，采用筆者所提方法后，設(shè)備運(yùn)行狀態(tài)監(jiān)測具備更高的可靠性和準(zhǔn)確性，煤炭洗選機(jī)械設(shè)備運(yùn)行狀態(tài)信息的特征提取能力得到了提升、特征提取效果變好。

參 考 文 獻(xiàn)

［1］ 殷全增，陳中山，馮啟言，等.河北省主要礦區(qū)關(guān)閉煤礦資源再利用模式探討［J］.煤田地質(zhì)與勘探，2021，49（6）：113-120.

［2］ 法子薇，李新春.基于云模型的煤礦資源型城市生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)研究［J］.科技管理研究，2021，41（9）：190-194.

［3］ 王光新，訾濤，韓恒旺.豫西礦區(qū)高煤泥含量煤炭洗選工藝設(shè)計(jì)思路分析［J］.煤炭技術(shù)，2020，39（2）：157-159.

［4］ 張新.基于大數(shù)據(jù)技術(shù)的煤炭洗選設(shè)備運(yùn)行數(shù)據(jù)監(jiān)測系統(tǒng)設(shè)計(jì)［J］.化工礦物與加工，2020，49（10）：9-12；56.

［5］ 高揚(yáng)，穆繼亮，何劍，等.煤機(jī)設(shè)備無線自供電狀態(tài)監(jiān)測系統(tǒng)［J］.機(jī)械工程學(xué)報(bào)，2020，56（13）：41-49.

［6］ 劉春雨，羅群，顧強(qiáng)，等.智能配電網(wǎng)電能計(jì)量設(shè)備的運(yùn)行狀態(tài)監(jiān)測終端研究［J］.中國測試，2020，46（7）：68-74.

［7］ 田立勇，李文政，隋然.基于多傳感器的采煤機(jī)滑靴受力檢測系統(tǒng)研究［J］.煤炭學(xué)報(bào)，2020，45（4）：1547-1556.

［8］ 王海，徐罡，楊春來，等.預(yù)應(yīng)力式壓電能量采集器的模型和試驗(yàn)分析［J］.振動(dòng)與沖擊，2022，41（7）：88-96.

［9］ 譚江平，王光慶，鞠洋，等.多穩(wěn)態(tài)壓電振動(dòng)能量采集器的非線性動(dòng)力學(xué)特性及其實(shí)驗(yàn)研究［J］.振動(dòng)工程學(xué)報(bào)，2021，34（4）：765-774.

［10］ 丁毅，王亞林，李文藝，等.基于SHF信號(hào)采集和下混頻技術(shù)的方波下局部放電測試方法［J］.高電壓技術(shù)，2022，48（3）：1133-1141.

［11］ 羅大鵬，杜國慶，曾志鵬，等.基于少量樣本學(xué)習(xí)的多目標(biāo)檢測跟蹤方法［J］.電子學(xué)報(bào)，2021，49（1）：183-191.

［12］ 楊傳棟，劉楨，馬翰宇，等.一種基于改進(jìn)Yolov3的彈載圖像多目標(biāo)檢測方法［J］.彈箭與制導(dǎo)學(xué)報(bào)，2020，40（4）：149-153.

［13］ 張雷克，唐華林，王雪妮，等.磁流變液阻尼器控制下貫流式機(jī)組軸系碰摩振動(dòng)特性分析［J］.中國電機(jī)工程學(xué)報(bào)，2022，42（2）：693-702.

［14］ 耿令新，李康，龐靖，等.基于時(shí)頻和功率譜密度的移栽機(jī)振動(dòng)特性測試與分析［J］.農(nóng)業(yè)工程學(xué)報(bào)，2021，37（11）：23-30.

［15］ 黃永鑫，唐雪飛.基于近鄰傳播聚類和TANE算法的高校數(shù)據(jù)中函數(shù)依賴的發(fā)現(xiàn)［J］.計(jì)算機(jī)應(yīng)用，2020，40（1）：90-95.

［16］ 卜湛，王煜堯，馬麗娜，等.基于動(dòng)態(tài)類簇形成博弈的屬性圖聚類方法［J］.計(jì)算機(jī)學(xué)報(bào)，2021，44（9）：1824-1840.

［17］ 金莎，鄭穎春.基于區(qū)分對(duì)的混合型弱標(biāo)記數(shù)據(jù)增量約簡算法［J］.河南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，43（3）：92-99；10.

［18］ 吳婉琳，張賢勇，莫智文.基于粗糙集不確定度的特定類屬性約簡［J］.四川師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，44（6）：840-846.

［19］ 余刃，謝旭陽，秦法濤，等.一種用于旋轉(zhuǎn)設(shè)備運(yùn)行狀態(tài)無線監(jiān)測的智能無線振動(dòng)傳感器設(shè)計(jì)［J］.核動(dòng)力工程，2020，41（3）：221-226.