礦井通風(fēng)機(jī)故障預(yù)警系統(tǒng)的設(shè)計研究

張威

摘 要：本文對礦用通風(fēng)機(jī)預(yù)警系統(tǒng)的硬件和軟件進(jìn)行了研究，在小波神經(jīng)網(wǎng)絡(luò)及遺傳算法的基礎(chǔ)上，實(shí)現(xiàn)了對通風(fēng)機(jī)振動信號的分頻統(tǒng)計，通過構(gòu)造的特征向量作為故障預(yù)警的參考。通過實(shí)際應(yīng)用，證實(shí)了通風(fēng)故障預(yù)警系統(tǒng)的可行性，為通風(fēng)機(jī)故障預(yù)警系統(tǒng)的改進(jìn)提供了參考。

關(guān)鍵詞：通風(fēng)機(jī);故障預(yù)警系統(tǒng);波神經(jīng)網(wǎng)絡(luò);遺傳算法

礦井通風(fēng)機(jī)對于工作面順利掘進(jìn)、巷道供風(fēng)有重要作用，一旦通風(fēng)機(jī)發(fā)生故障，對于礦井生產(chǎn)以及工作人員的生命安全都構(gòu)成一定程度的威脅。為此，大量學(xué)者對通風(fēng)機(jī)運(yùn)行過程中的系統(tǒng)狀態(tài)進(jìn)行了研究，這些研究主要集中在通風(fēng)機(jī)故障在線診斷檢測，借助分析方法，實(shí)現(xiàn)了對故障的初步診斷，但是礦井工作環(huán)境復(fù)雜，不同類型故障之間相互作用，很難實(shí)現(xiàn)對故障的準(zhǔn)確診斷，加上已有診斷系統(tǒng)智能化水平較低，實(shí)現(xiàn)通風(fēng)機(jī)故障的預(yù)警功能更是難上加難[1]。為此，本文對故障預(yù)警系統(tǒng)進(jìn)行了研究，通過優(yōu)化算法，成功實(shí)現(xiàn)了通風(fēng)機(jī)故障診斷及預(yù)警功能，研究思路及結(jié)果供后續(xù)研究參考。

1 礦井通風(fēng)機(jī)故障預(yù)警系統(tǒng)研究

通風(fēng)機(jī)是礦井重要的通風(fēng)設(shè)備，是礦井安全生產(chǎn)的重要保障。在井下惡劣的開采條件下，通風(fēng)機(jī)經(jīng)常發(fā)生故障，給生產(chǎn)帶來了極大的不便。目前，礦井通風(fēng)機(jī)故障主要有機(jī)械故障和電氣故障兩種，機(jī)械故障居多，且對生產(chǎn)影響較小，在合理的數(shù)據(jù)監(jiān)測和計劃檢修上，基本上都能排查;電氣故障雖發(fā)生次數(shù)少，但是對于通風(fēng)機(jī)的運(yùn)行影響較大，甚至可能造成工作面的停產(chǎn)。為了解決通風(fēng)機(jī)故障，礦井多采用監(jiān)測系統(tǒng)對通風(fēng)機(jī)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測，本文以通風(fēng)機(jī)監(jiān)測系統(tǒng)為基礎(chǔ)，通過故障診斷方法實(shí)現(xiàn)對通風(fēng)機(jī)故障的預(yù)警。

1.1 預(yù)警系統(tǒng)硬件設(shè)計

通風(fēng)機(jī)故障信息主要通過機(jī)械參數(shù)和電氣參數(shù)顯示，無論是機(jī)械故障參數(shù)還是電氣故障參數(shù)，都通過振動信號顯示。對于預(yù)警系統(tǒng)的硬件設(shè)計，依賴于傳感器采集的振動信號，經(jīng)過小波理論的特征提取，便可得到通風(fēng)機(jī)運(yùn)行過程中的狀態(tài)。本文研究中，利用多個傳感器對通風(fēng)機(jī)運(yùn)行過程中風(fēng)速、風(fēng)壓、電壓、功率等振動信號進(jìn)行測量，通過對采集信號的處理，判斷出故障類別，在原有監(jiān)測系統(tǒng)的基礎(chǔ)上，實(shí)現(xiàn)了對通風(fēng)機(jī)的預(yù)警功能。

對于故障信息而言，主要通過設(shè)備機(jī)械參數(shù)表現(xiàn)出來，因此主要對通風(fēng)機(jī)運(yùn)行過程中的機(jī)械參數(shù)進(jìn)行測量。對于硬件系統(tǒng)的設(shè)計，主要依賴于硬件設(shè)備，主通風(fēng)機(jī)主要負(fù)責(zé)動態(tài)數(shù)據(jù)的提供，傳感器負(fù)責(zé)對振動信號進(jìn)行采集，并進(jìn)行信號的轉(zhuǎn)化，本文中采用YD-35型傳感器，該傳感器具有良好的擴(kuò)展性能，且電路可將電流轉(zhuǎn)化為電壓，橫向靈敏度小于5%，確保了傳感器具有較好較強(qiáng)的靈敏性，受噪音影響較小。數(shù)據(jù)采集卡主要作用是進(jìn)行信號的轉(zhuǎn)化，本文選用PCI-6259數(shù)據(jù)采集卡，轉(zhuǎn)換速率為1.25MS/s。

1.2 預(yù)警系統(tǒng)軟件設(shè)計

預(yù)警系統(tǒng)軟件的設(shè)計，主要是對故障類型識別，將傳感器采集的數(shù)據(jù)直接進(jìn)行故障診斷顯然不合適，往往需要對采集數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)的預(yù)處理通過小波分析得到，在此只做簡單的闡述，下文會對小波分解技術(shù)做詳細(xì)的介紹。小波分析的原理是將采集到的振動信號進(jìn)行能量分解，根據(jù)頻帶的不同，將分解的能量進(jìn)行分類統(tǒng)計，構(gòu)造出特征向量作為故障預(yù)警的參考。

2 小波神經(jīng)網(wǎng)絡(luò)與礦用通風(fēng)機(jī)故障預(yù)警

小波分析法因?yàn)閷︻l段有較高的識別能力且具有良好的數(shù)據(jù)處理能力，被廣泛應(yīng)用于機(jī)械故障的診斷中。為了提高故障識別的準(zhǔn)確性和智能化，將神經(jīng)網(wǎng)絡(luò)與小波分析結(jié)合，通過松散型結(jié)合的方式，實(shí)現(xiàn)了對不同頻帶下能量值的統(tǒng)計和特征向量構(gòu)造。

圖1為小波神經(jīng)網(wǎng)絡(luò)模型圖，圖中振動器采集到的信號為s1（t）、s2（t）、…Si（t），振動信號通過特征提取后，得到不同頻段的振動信號分量，通過歸一化處理，構(gòu)造出0-1的特征向量，隨后通過以下方法進(jìn)行神經(jīng)元函數(shù)選擇：

①根據(jù)輸入層Sigmoid神經(jīng)元函數(shù)，得到節(jié)點(diǎn)輸出公式為Qi=Pi;

②用對數(shù)型Sigmoid激活神經(jīng)元隱含層函數(shù)，得到j(luò)點(diǎn)的輸出公式為;則j點(diǎn)的能量總輸入值為nj= ∑iQiWji+bj;

③同樣用Sigmoid函數(shù)激活神經(jīng)元輸出函數(shù)，得到k點(diǎn)的輸出公式為;則k點(diǎn)的能量總輸入值為nk=∑iQiWki+bk。

將能量輸入值中的權(quán)值Wji、Wki和閾值bj、bk進(jìn)行初始數(shù)值確定，便可得到能量輸出值和預(yù)期值之間的差值，差值關(guān)系式表達(dá)如下：

（1）

因此得到權(quán)值公式如下：

σk=f（nk）（1-f（nk））（dk-f（nk））（2）

對權(quán)值公式進(jìn)行修正，得到以下公式：

Wji（t+1）=Wji（t）+ησjOi（3）

公式（3）中，效率值會影響數(shù)據(jù)處理速度，即使值不大，但是因?yàn)樵斐傻氖噶孔兓沟脭?shù)據(jù)處理過程忽略了值較小的點(diǎn)，針對此現(xiàn)象，結(jié)合遺傳算法進(jìn)行數(shù)據(jù)的處理，在這種算法下，即使會出現(xiàn)偏導(dǎo)數(shù)的誤差，但是依舊可以迭代回之前的點(diǎn)，這種情況下不會出現(xiàn)漏掉極小值點(diǎn)的狀況。

3 預(yù)警系統(tǒng)應(yīng)用效果分析

在上述通風(fēng)機(jī)故障預(yù)警系統(tǒng)的研究基礎(chǔ)上，對通風(fēng)機(jī)運(yùn)行狀態(tài)進(jìn)行監(jiān)測，得到表1所示的結(jié)果。

從表1中可以看出，此次故障振動數(shù)據(jù)的監(jiān)測主要通過對轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡、油膜渦動、喘振、動靜碰摩擦和基座松動進(jìn)行了分析。其中，轉(zhuǎn)子不對中是通風(fēng)機(jī)最常見的故障，造成轉(zhuǎn)子不對中的原因是設(shè)備制造或安裝時斷面與軸中心不對中造成，導(dǎo)致設(shè)備運(yùn)行過程中出現(xiàn)周期性彎矩，根據(jù)這個特征對故障進(jìn)行判斷。轉(zhuǎn)子不對中故障發(fā)生時，振動信號會出現(xiàn)高頻信號，當(dāng)頻率中有2倍甚至3倍振動信號時，故障現(xiàn)象嚴(yán)重，隨著通風(fēng)機(jī)負(fù)載的波動，振動信號波動越大。轉(zhuǎn)子不平衡故障也是通風(fēng)機(jī)的常見故障之一，主要是制造和安裝不當(dāng)造成。當(dāng)風(fēng)機(jī)轉(zhuǎn)子不平衡時，檢測到的振動信號會出現(xiàn)正弦波形，且故障頻率與風(fēng)機(jī)基頻保持一致。

當(dāng)油膜渦動出現(xiàn)故障時，振動信號會出現(xiàn)突增現(xiàn)象，此時轉(zhuǎn)子速度增加明顯，當(dāng)轉(zhuǎn)子速度下降至較為穩(wěn)定值時，監(jiān)測到的振動信號為零。動靜碰摩擦是轉(zhuǎn)子突然不對中造成，當(dāng)發(fā)生故障時，振動信號會出現(xiàn)高低頻疊加的現(xiàn)象，且振動信號頻率范圍較大，常伴頻的出現(xiàn)伴隨著基頻和2倍頻?；蓜又饕窃O(shè)備使用年限過長造成，當(dāng)機(jī)座松動故障發(fā)生時，振動信號會出現(xiàn)1X頻和分?jǐn)?shù)倍頻疊加的現(xiàn)象，同時還會伴隨高倍頻的發(fā)生，基座松動時的振動信號檢測是最為復(fù)雜的一種。在故障診斷系統(tǒng)和預(yù)警系統(tǒng)的結(jié)合下，實(shí)現(xiàn)了礦井通風(fēng)機(jī)運(yùn)行狀態(tài)的預(yù)警功能，縮短的故障診斷的同時，實(shí)現(xiàn)了智能化監(jiān)測預(yù)警的功能，具有極大的應(yīng)用價值。

4 結(jié)論

本文提出了一套完整的礦井通風(fēng)機(jī)硬件以及軟件設(shè)計系統(tǒng)，通過小波神經(jīng)網(wǎng)絡(luò)以及遺傳算法，實(shí)現(xiàn)實(shí)時、高精度故障診斷的同時，實(shí)現(xiàn)了故障預(yù)警功能，通過實(shí)際應(yīng)用，得到了轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡、油膜渦動、喘振、動靜碰摩擦和基座松動故障頻率值，供后續(xù)研究參考。

參考文獻(xiàn)：

[1]孫麗萍.轉(zhuǎn)子故障的小波尺度譜數(shù)字特征提取與診斷技術(shù)研究[D].南京：南京航空航天大學(xué)，2010.