EBZ-160型掘進機截割部故障診斷研究

閻 虹

（陽泉煤業(yè)集團礦山救護大隊， 山西 陽泉 045008）

引言

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)主要信息的正向傳播和誤差的反向傳播構(gòu)成，其中誤差反向傳播主要利用網(wǎng)絡(luò)將誤差信號反饋，然后修改各級神經(jīng)元參數(shù)差距降低誤差信號，而正向信息傳播主要將輸入信息在隱含層神經(jīng)元內(nèi)處理后輸出，各層神經(jīng)元的狀態(tài)會正向影響。因此根據(jù)BP神經(jīng)網(wǎng)絡(luò)的傳輸過程可采用相應(yīng)的方式進行完善，從而為BP網(wǎng)絡(luò)掘進機截割部故障提供依據(jù)。

1 BP神經(jīng)網(wǎng)絡(luò)簡析

BP神經(jīng)網(wǎng)絡(luò)優(yōu)化主要有兩種方法：一是自適應(yīng)學(xué)習(xí)速率法。二是附加動量法。主要是在BP算法的前提下，將各級權(quán)值變化量依次相加，從而促使新的權(quán)值產(chǎn)生。實際應(yīng)用中常結(jié)合自適應(yīng)學(xué)習(xí)速率方式和附加動量兩種方式進行計算，從而在保證BP網(wǎng)絡(luò)的運行穩(wěn)定性的同時，也可以有效提升網(wǎng)絡(luò)的運行速率，因此這兩種優(yōu)化方式結(jié)合后統(tǒng)稱為快速BP法[1-2]。

2 信息數(shù)據(jù)分析

在信息數(shù)據(jù)的分析過程中首先需要對特征定量進行選擇，由于掘進機截割部故障發(fā)生時，其振動信號數(shù)值較穩(wěn)定，同時掘進機受到的沖擊、振動偏離程度及振動能量都有較大的差異，因此在判定掘進機截割部故障振動狀態(tài)時，可采用方差為判定依據(jù)，同時由于BP網(wǎng)絡(luò)中對故障的反應(yīng)較為劇烈，且掘進機截割部故障也會導(dǎo)致截割電動機三相電流發(fā)生變動，因此可加入有效值、峭度量及截割電動機的三相電流為特征向量。其次為了更直觀地表現(xiàn)掘進機截割部故障振動信號變化，可將掘進機截割部故障發(fā)生時的信號繪制成波形圖，然后根據(jù)BP網(wǎng)絡(luò)的要求將向量的數(shù)值輸入，最后作統(tǒng)一處理[1]。

分析圖1可知，在掘進機截割部進行截割時，其信號會產(chǎn)生偏差，同時截割電動機的三相電流會逐漸增大。再加上掘進機截割部在截割狀態(tài)信號會發(fā)生變化，因此為了保持掘進機截割狀態(tài)信號檢測數(shù)據(jù)的全面性，可將掘進機三相電流進行區(qū)別，即對非截割狀態(tài)及截割狀態(tài)的掘進機三相電流進行分別分析。

圖1 掘進機截割部故障信號振動波形圖

3 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

3.1 初始參數(shù)及樣本

在BP神經(jīng)網(wǎng)絡(luò)構(gòu)建過程中首先需要對采集到的信息數(shù)據(jù)進行分析，選取適當(dāng)?shù)某跏紨?shù)值，如可分別將掘進機截割部故障信號檢測輸出定量確定為兩個，故障定量[1，0]及非故障定量[0，1]，然后依據(jù)上述信息數(shù)據(jù)分析的過程，將峭度量、方差、有效值及截割電動機三相電流作為向量輸入，同時為了優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，可選取一個隱含層的BP神經(jīng)網(wǎng)絡(luò)，輸入項、輸出向量在0～1之間取值，然后結(jié)合自適應(yīng)學(xué)習(xí)速率法、附加動量法兩個BP網(wǎng)絡(luò)優(yōu)化方法，設(shè)定神經(jīng)網(wǎng)絡(luò)中輸入層激活函數(shù)為logsing，同時輸出層激活函數(shù)也為logsing，而最大訓(xùn)練步數(shù)為2 000，且初始權(quán)值與偏差均為系統(tǒng)隨機選取的任意數(shù)值，其他參數(shù)見下頁表1。

樣本數(shù)據(jù)中可分為兩組，即掘進機非截割狀態(tài)40組，掘進機截割狀態(tài)40組，而掘進機截割狀態(tài)又包括有故障20組、無故障20組，掘進機非截割狀態(tài)數(shù)據(jù)分布與截割狀態(tài)相同。同時為了更好地表現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計的效果，可將掘進機截割狀態(tài)非故障、掘進機截割狀態(tài)故障、掘進機非截割狀態(tài)故障、掘進機非截割狀態(tài)非故障四組數(shù)據(jù)進行單獨展示，而在掘進機截割狀態(tài)故障發(fā)生時其向量參數(shù)會發(fā)生較明顯的突變，同時掘進機截割電動機電流會持續(xù)上升額定電流一半以上，掘進機截割電動機電流的變化也可稱為判定掘進機截割部故障發(fā)生的標準。

表1 初始樣本其他參數(shù)分析

3.2 訓(xùn)練及仿真

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練首先需要明確初始化網(wǎng)絡(luò)、學(xué)習(xí)函數(shù)信號參數(shù)，其次需要明確BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模式，然后在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模式的基礎(chǔ)上，確定BP神經(jīng)網(wǎng)絡(luò)的輸出模式，同時判定其是否滿足與期望模式的誤差要求，最后確定無誤之后再對各層誤差權(quán)值、偏差進行計算、優(yōu)化，反之則終止訓(xùn)練。在這種訓(xùn)練模式下對掘進機截割部故障數(shù)據(jù)、非故障數(shù)據(jù)進行訓(xùn)練，01—05為掘進機截割或非截割正常信號，而06—10為掘進機截割或非截割故障信號，由此可得出掘進機截割時正常及故障信號見表2。

而掘進機非截割正常及故障信號見表3。

表2 掘進機截割時正常及故障信號數(shù)據(jù)分析

表3 掘進機非截割正常及故障信號數(shù)據(jù)分析

4 結(jié)語

結(jié)合自適應(yīng)學(xué)習(xí)速率與附加變量兩種方式對BP網(wǎng)絡(luò)進行相應(yīng)優(yōu)化，同時對EBZ-160型掘進機截割部數(shù)據(jù)特征向量參數(shù)進行收集、分析，即對掘進機截割狀態(tài)正常與故障數(shù)據(jù)、掘進機非截割狀態(tài)正常與故障數(shù)據(jù)四種信號動態(tài)顯示的數(shù)據(jù)進行綜合分析，可有效判斷掘進機故障的發(fā)生情況。在EBZ-160上的實驗，表明這種診斷方法可行，能夠提升掘進機截割部故障診斷的質(zhì)量和效率。