采煤機液壓故障診斷系統(tǒng)設(shè)計

牛麗 丁海波

摘? 要： 為了及時、有效地對采煤機液壓故障診斷提供支持，采用本體技術(shù)對液壓系統(tǒng)故障知識建模，結(jié)合模糊推理設(shè)計采煤機液壓故障診斷系統(tǒng)，通過故障案例驗證系統(tǒng)診斷的準確性，對采煤機液壓故障診斷技術(shù)有著一定的參考、促進作用。

關(guān)鍵詞： 液壓系統(tǒng); 本體技術(shù); 模糊推理; 故障診斷

Abstract： In order to support the fault diagnosis of shearer hydraulic system in time and effectively， the fault knowledge of the hydraulic system is modeled by the ontology technology， and a fault diagnosis system for shearer hydraulic system is designed by combining with the fuzzy reasoning. The accuracy of the diagnosis system is verified by the hydraulic fault cases， which has a certain reference and promotion effect on the hydraulic fault diagnosis technology of shearer.

0 引言

采煤機作為煤碳開采的關(guān)鍵設(shè)備，因其工作環(huán)境存在空氣潮濕、煤碳粉塵等雜質(zhì)多、腐蝕性氣體含量高的惡劣狀況[1]，在運行時容易受到煤、巖石等外部因素的沖擊，煤礦企業(yè)為了保證效益，采煤機還需要長時間、超負荷工作等情況都促使采煤機發(fā)生故障的可能性較高，而液壓系統(tǒng)是采煤機所有系統(tǒng)中故障發(fā)生率最高的子系統(tǒng)，同時迅速高效地找出故障點、分析故障原因也較為困難，如不及時排除故障就影響煤礦生產(chǎn)，甚至引起安全事故，帶來更大的損失[2]。為了在故障發(fā)生時及時有效解決，需要液壓故障診斷系統(tǒng)的幫助，對故障進行診斷，為維修提供技術(shù)支持。

1 液壓系統(tǒng)故障知識模型構(gòu)建

采煤機液壓系統(tǒng)由液壓泵，搖臂調(diào)高油缸，換向閥組件、液壓控制閥、電磁閥組件等控制閥，吸油、空氣等過濾器，管路、壓力表及油箱等組成。因礦井中環(huán)境較差，液壓系統(tǒng)發(fā)生故障的可能性大大增加，且原因復(fù)雜，具體故障知識見表1[3]。

故障診斷系統(tǒng)中專家知識的表達，關(guān)系到推理機的設(shè)計與推理效率、知識庫維護便利性和知識的重用性、共享性。本體作為一種知識表示方法，它表達了知識概念的結(jié)構(gòu)、概念之間的關(guān)系等固有特征，在本體中概念即為該領(lǐng)域內(nèi)已被普遍認同的知識，使用本體進行知識表示，能夠達到知識的共享及唯一[5]，使用本體對專家知識建模，根據(jù)采煤機液壓系統(tǒng)的組成結(jié)構(gòu)與故障原理，推斷故障之間的知識邏輯，得出故障現(xiàn)象與原因及解決方案間的內(nèi)在聯(lián)系。利用MySQL數(shù)據(jù)庫存儲本體知識，采用SWRL規(guī)則語言進行采煤機故障知識模型的構(gòu)建。

SWRL規(guī)則語言主要由head與body構(gòu)成，其中body表示單個或多個推理條件，head表示推理得到的結(jié)論，且結(jié)論具有唯一性，即SWRL規(guī)則可由若干個條件一起組成推理條件，但最終結(jié)論只有一個。按head和body構(gòu)成SWRL的規(guī)則語言格式為：

從上述簡單的規(guī)則中可知SWRL規(guī)則能夠與本體相結(jié)合，表現(xiàn)出強大的語義邏輯推理能力，以“牽引速度低于0.5m/min，管路無泄漏，流量正?！睍r，認為“過濾器堵塞”為例，建立SWRL推理規(guī)則，如下所示：

隨著采煤機液壓故障診斷系統(tǒng)不斷開發(fā)，其知識規(guī)則也將不斷地被更新與補充，根據(jù)需要做出修改與完善，以保證系統(tǒng)推理的準確性。

2 采煤機液壓故障診斷系統(tǒng)設(shè)計

采煤機液壓故障原因具有不確定性、模糊性特征，不能簡單地用“是這個原因”或“不是這個原因”進行表達。而模糊推理非常適合解決不確定性，模糊性的問題。模糊專家系統(tǒng)通過邏輯推理模擬領(lǐng)域?qū)＜业乃季S，采煤機液壓故障診斷系統(tǒng)基于系統(tǒng)中存儲的專家知識經(jīng)驗等數(shù)據(jù)，使用模糊推理方法來模擬專家的思維與判斷，進而診斷故障。系統(tǒng)的核心是故障知識推理，根據(jù)液壓系統(tǒng)的知識庫，利用故障現(xiàn)象和故障規(guī)則的匹配度完成故障匹配[4]。參考專家系統(tǒng)的一般組成結(jié)構(gòu)，以及采煤機液壓故障診斷系統(tǒng)的需要，系統(tǒng)的結(jié)構(gòu)組成如圖1所示。

采煤機液壓知識庫、模糊推理機和人機界面等組成了故障診斷系統(tǒng)。采煤機液壓知識庫存儲著該領(lǐng)域?qū)＜摇⒓夹g(shù)人員等知識與經(jīng)驗信息，知識庫包含規(guī)則庫和本體庫，知識庫就是一個數(shù)據(jù)庫，存儲著本體庫、規(guī)則庫中的知識和運行過程中產(chǎn)生的數(shù)據(jù)。模糊推理機是診斷系統(tǒng)的核心，它以知識庫中一定的規(guī)則信息、故障現(xiàn)象作為依據(jù)，在模糊推理策略作用下進行推理，根據(jù)系統(tǒng)知識庫中保存的故障現(xiàn)象和規(guī)則數(shù)據(jù)，基于模糊推理的策略來推理，得出故障匹配原因及相應(yīng)的解決方法。信息解釋是人機界面和與后臺運行文件的橋梁，信息解釋負責將推理的結(jié)果信息轉(zhuǎn)化為用戶可理解的信息，還負責將該領(lǐng)域?qū)＜抑R和相關(guān)知識轉(zhuǎn)化為系統(tǒng)可識別的信息。人機界面是使用者與系統(tǒng)操作交互的媒介，如知識工程師、領(lǐng)域?qū)＜业扔脩羰褂迷撈脚_錄入或修改相關(guān)數(shù)據(jù)，比如添加、修改、刪除規(guī)則等。

模糊推理是基于規(guī)則的不確定性推理方法，根據(jù)模糊推理的算法導(dǎo)出結(jié)果，它的前件與結(jié)果都具有一定的模糊性，與知識庫中SWRL規(guī)則對應(yīng)的模糊推理規(guī)則如下：

模糊矩陣R經(jīng)過模糊推理得到模糊結(jié)論，它是一個模糊子集，通過對診斷結(jié)果進行去模糊化處理，變成精確信息供用戶使用，去模糊化處理主要采用最大隸屬度法以及重心法。最大隸屬度法先確定隸屬度向量中隸屬度最大的那一項，那么這一項便是液壓系統(tǒng)出現(xiàn)故障的原因，該方法計算方便、實時性好，更適合隸屬度數(shù)值相差較大的情況。最大隸屬度法數(shù)學(xué)表達式為：

在隸屬度數(shù)值間的差距不大時，則使用重心法來確定較為接近的錄屬度值，以便找出液壓系統(tǒng)故障的主要原因，盡可能地提高診斷的準確性，減少誤判。重心法數(shù)學(xué)表達式如⑻所示。

3 液壓系統(tǒng)故障診斷系統(tǒng)實現(xiàn)

采煤機液壓故障診斷系統(tǒng)主要功能是實現(xiàn)采煤機液壓系統(tǒng)出現(xiàn)的故障時，以知識庫、規(guī)則庫為依托，推理機為核心，通過模糊算法推理得出故障診斷結(jié)果。該系統(tǒng)由故障診斷、數(shù)據(jù)庫、系統(tǒng)維護、用戶等幾個主要模塊組成。診斷系統(tǒng)流程如圖2所示。

以“牽引速度低于0.5m/min、管路無泄漏、流量正常” 故障現(xiàn)象進行模糊推理，經(jīng)過求解隸屬度函數(shù)、征兆去模糊化處理，推理得出牽引速度低的原因可能是過濾器堵塞，或者是液壓馬達泄漏，或者是液壓泵泄漏。結(jié)合專家評價牽引速度低、管路無泄漏、流量正常時，過濾器堵塞為故障原因的隸屬度最高，得出過濾器堵塞為故障原因的可能性較大。使用故障診斷系統(tǒng)進行驗證，故障診斷系統(tǒng)經(jīng)過模糊推理，診斷后界面如圖3所示。系統(tǒng)給出故障結(jié)論與案列故障是一致的，驗證了該系統(tǒng)模型的正確性。

4 結(jié)論

采煤機在煤礦作業(yè)中起著舉足輕重的作用，煤礦作業(yè)中的安全生產(chǎn)需要確保它安全無故障地運行。采煤機液壓故障復(fù)雜、多變，不易被發(fā)現(xiàn)。從故障的知識規(guī)則出發(fā)建立故障知識構(gòu)建本體模型，利用本體技術(shù)與模糊推理相結(jié)合的故障診斷模式，可以提高了采煤機故障診斷的效率。但本體的數(shù)量、質(zhì)量決定了系統(tǒng)運行的效率、速度。液壓系統(tǒng)故障多樣，知識庫需要不斷的補充、更新，以適應(yīng)故障診斷的需要。

參考文獻（References）：

[1] 史洪松.采煤機液壓故障檢測研究與應(yīng)用[[J].煤礦機械，2019.40（2）：139-141

[2] 謝國民，王燦祥，佟瑩.采煤機電動機故障診斷專家系統(tǒng)的研究與應(yīng)用[J].信息與控制，2013.3：358-363

[3] 張榮華.基于本體的采煤機故障診斷專家系統(tǒng)研究[D].山東科技大學(xué)，2017.

[4] 陳勁松.基于模糊邏輯的煤礦機械系統(tǒng)故障診斷[J].煤礦機械，2012.8：255-257

[5] 張冬明，牛占文，趙楠等.基于本體的產(chǎn)品設(shè)計知識表示方法[J].計算機應(yīng)用，2012.1：206-209

[6] 修春波.人工智能技術(shù)[M].機械工業(yè)出版社，2018.