基于物聯(lián)網(wǎng)技術(shù)的矸石發(fā)電機(jī)組故障診斷系統(tǒng)設(shè)計

王立新，張恒遠(yuǎn)，賈瑞龍，劉景輝，柴耀軍

(1.國家能源集團(tuán)準(zhǔn)能集團(tuán)科學(xué)技術(shù)研究院，內(nèi)蒙古 鄂爾多斯 010300；2.國家能源集團(tuán)準(zhǔn)能集團(tuán)矸石發(fā)電公司，內(nèi)蒙古 鄂爾多斯 010300)

0 引言

隨著可持續(xù)發(fā)展理念的逐步滲透，以煤炭開采與加工過程中所產(chǎn)生的廢料為燃料的發(fā)電方式已經(jīng)逐步普及，這種方式就是矸石發(fā)電。矸石發(fā)電作為可持續(xù)發(fā)展戰(zhàn)略中的重要項(xiàng)目，對環(huán)境保護(hù)以及實(shí)現(xiàn)資源充分利用起著關(guān)鍵作用。為此，需要掌握有效的運(yùn)維方式，在維持矸石發(fā)電廠穩(wěn)定運(yùn)行的同時及時找出發(fā)電機(jī)組可能存在的故障，降低經(jīng)濟(jì)損失。

目前，關(guān)于電機(jī)故障診斷的研究成果較多，辛健等[1]結(jié)合光纖傳感器給出一種診斷系統(tǒng)，該系統(tǒng)通過數(shù)據(jù)轉(zhuǎn)換、主微控制等功能模塊，采集和分析信號頻譜特征實(shí)現(xiàn)電機(jī)的故障診斷，經(jīng)實(shí)驗(yàn)結(jié)果證明該系統(tǒng)能夠完成大部分故障類型的診斷，但是診斷精度會因受到電磁干擾而降低，還需要在抗干擾方面進(jìn)一步改進(jìn)；楊曉珍等[2]采用粗糙集理論構(gòu)建故障特征集，并輸入至改進(jìn)貝葉斯分類模型中完成故障診斷，實(shí)驗(yàn)結(jié)果表明該方法的抗干擾能力較強(qiáng)，但是模型構(gòu)建需要大量的故障樣本，耗時過長，系統(tǒng)運(yùn)行效率較低。

因此，本文結(jié)合物聯(lián)網(wǎng)技術(shù)設(shè)計了一種矸石發(fā)電機(jī)組的故障診斷系統(tǒng)。

1 矸石發(fā)電機(jī)組故障診斷系統(tǒng)硬件設(shè)計

1.1 下位機(jī)電路設(shè)計

數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊與通信模塊共同構(gòu)成了下位機(jī)，具體結(jié)構(gòu)如圖1所示。

圖1 下位機(jī)硬件組成結(jié)構(gòu)

1.1.1 傳感器電路設(shè)計

為使數(shù)據(jù)采集結(jié)果更全面， 采用圖 2 中的霍爾電流傳感器[3]和電壓傳感器，以上2種傳感器動態(tài)性能強(qiáng)、響應(yīng)速度快以及操作簡單。以電流傳感器為例，在使用的過程中只需將母線按照規(guī)定的電流方向串入傳感器孔中即可，根據(jù)實(shí)際情況在傳感器副邊加入適當(dāng)?shù)牟蓸与娮?，就可以采集到與電流相應(yīng)的電壓值。假設(shè)采集點(diǎn)處的電阻RM=20 Ω，那么該處的電壓大致就在±3 V范圍內(nèi)浮動。同時，為提高下位機(jī)電路的負(fù)載能力，濾除干擾，在2種傳感器的輸出端接入1個二階低通濾波器[4]電路及1個電壓跟隨器[5]。電流傳感器的具體電路如圖2所示。

圖2 霍爾電流傳感器電路

1.1.2 通信模塊設(shè)計

系統(tǒng)通信由ZigBee通信模塊[6]完成，芯片為CC2420，主要包含物理層和媒體訪問控制層2部分，其功耗較低，喚醒時間在15～30 ms之間、傳輸速度能夠達(dá)到250 kbit/s。通過4線SPI總線來設(shè)置通信模塊中的讀寫數(shù)據(jù)緩存、工作模式等。將以上各元件的管腳與微處理器連接，完成系統(tǒng)數(shù)據(jù)的無線發(fā)送和接收設(shè)置。

1.1.3 微處理器選擇

微處理器是完成現(xiàn)場數(shù)據(jù)通信和采樣現(xiàn)場保護(hù)的核心部分。本文使用的是16位高性能低功耗的MSP430F449微處理器，其外設(shè)資源較為豐富，含有8通道12位高速AD轉(zhuǎn)換器、2個16位定時器、2組時鐘模塊等。處理器的正常工作電壓是1.8～3.6 V，正常運(yùn)行時多用功耗為225 μA/MIPS，待機(jī)狀態(tài)下耗電量僅需0.8 μA，從待機(jī)狀態(tài)進(jìn)入運(yùn)行狀態(tài)僅需1 μs。

1.2 嵌入式網(wǎng)關(guān)設(shè)計

嵌入式網(wǎng)關(guān)主要負(fù)責(zé)完成接收下位機(jī)通過通信模塊發(fā)出的電流數(shù)據(jù)，采用通用分組無線服務(wù)技術(shù)及TCP/IP協(xié)議，將處理后的數(shù)據(jù)發(fā)送給數(shù)據(jù)采集中心的上位機(jī)內(nèi)。網(wǎng)關(guān)硬件主要包括微處理器、射頻模塊以及通信模塊等。

將ARM9作為系統(tǒng)的微處理器，ARM9為32位的RISC微處理器，內(nèi)核為ARM920T，最高主頻為400 MHz。系統(tǒng)的射頻收發(fā)由CC2420射頻單元完成，通用分組無線服務(wù)(GPRS)則通過Q2406A通信實(shí)現(xiàn)數(shù)據(jù)傳輸，Q2406A負(fù)責(zé)GPRS網(wǎng)絡(luò)附著以及網(wǎng)絡(luò)接入等功能，使得系統(tǒng)在獲得正確的IP地址后，即可以與上位機(jī)建立通信。

2 矸石發(fā)電機(jī)組故障診斷系統(tǒng)軟件設(shè)計

2.1 系統(tǒng)軟件組成及內(nèi)部數(shù)據(jù)流分析

系統(tǒng)軟件主要由預(yù)處理機(jī)、狀態(tài)服務(wù)器和Web服務(wù)器組成，綜合系統(tǒng)的總體功能，給出系統(tǒng)內(nèi)部數(shù)據(jù)流如圖3所示。

圖3 系統(tǒng)內(nèi)部數(shù)據(jù)流

機(jī)組的狀態(tài)信號以模擬電壓或電流的模式發(fā)送給采集系統(tǒng)，通過預(yù)處理機(jī)將以上狀態(tài)信號轉(zhuǎn)換成更易識別和存儲的數(shù)據(jù)。另一方面，既定時域數(shù)據(jù)和各個派生出的特征數(shù)據(jù)、趨勢數(shù)據(jù)的提取也由預(yù)處理機(jī)完成。此外，在狀態(tài)服務(wù)器首次安裝或者重置時，需要將對應(yīng)的配置數(shù)據(jù)提供給預(yù)處理機(jī)，才能實(shí)現(xiàn)二者之間的數(shù)據(jù)傳輸連接。預(yù)處理機(jī)將數(shù)據(jù)發(fā)送給狀態(tài)服務(wù)器后，由狀態(tài)服務(wù)器將數(shù)據(jù)轉(zhuǎn)送給監(jiān)測中心，監(jiān)測中心也可以通過轉(zhuǎn)換器將數(shù)據(jù)轉(zhuǎn)送至狀態(tài)服務(wù)器，二者的數(shù)據(jù)傳輸是雙向的，而相關(guān)管理人員可通過狀態(tài)服務(wù)器中完成數(shù)據(jù)的交互。

2.2 物聯(lián)網(wǎng)技術(shù)下矸石發(fā)電機(jī)組故障診斷算法

本文采用物聯(lián)網(wǎng)下傳感器技術(shù)，通過上述軟硬件獲得矸石發(fā)電機(jī)組的實(shí)時數(shù)據(jù)和參數(shù)，同步分析采集數(shù)據(jù)特征，在發(fā)生故障早期及時診斷，降低設(shè)備的運(yùn)維成本，提高設(shè)備可靠性。首先確定傳感器基陣的分布結(jié)構(gòu)如圖4所示，給出相應(yīng)的通信規(guī)則，將各傳感器采集所得數(shù)據(jù)相互融合，實(shí)現(xiàn)矸石發(fā)電機(jī)數(shù)據(jù)信息的多維度跟蹤。

圖4 傳感器基陣分布

設(shè)用于采集的物聯(lián)網(wǎng)傳感器基陣共由t個陣元構(gòu)成，各陣元隨機(jī)分布在發(fā)電機(jī)組的基準(zhǔn)面上，發(fā)射端共有M個信號源xi(t)(i=1,2,…,M)，共同完成機(jī)組的物理信號采集，傳感器基陣的分布呈均勻線列型[7]。在由M個信號源陣元形成物聯(lián)網(wǎng)模型中，第m(m=1,2,…,M)個陣元輸出的機(jī)組遠(yuǎn)程監(jiān)測信號為

(1)

θi為第i個采樣點(diǎn)輸入到物聯(lián)網(wǎng)某個節(jié)點(diǎn)的相位角；gm(θi)為第m個節(jié)點(diǎn)接收i個監(jiān)測數(shù)據(jù)所用的時間；nm為第m個傳感器節(jié)點(diǎn)所受的附加干擾值[8]。物聯(lián)網(wǎng)中每個節(jié)點(diǎn)采集所得的數(shù)據(jù)均不具備指向性特征，則各節(jié)點(diǎn)的發(fā)射輸出功率矩陣可表示為

(2)

為提高數(shù)據(jù)采集效率，提高均衡性，量化處理數(shù)據(jù)特征[9]后再進(jìn)行融合，可以將矸石發(fā)電機(jī)組監(jiān)測數(shù)據(jù)的量化融合，視為一個量化后在多各分區(qū)進(jìn)行融合的過程，量化融合的過程可以表示為

x(k+1)=A(k)x(k)+Γ(k)w(k)

(3)

x(k+1)為輸出數(shù)據(jù)的正常狀態(tài)；A(k)為狀態(tài)區(qū)分矩陣[10]；w(k)為均值為0但是方差不等于0的擾動項(xiàng)；Γ(k)為采集所需的分類函數(shù)。數(shù)據(jù)融合后可以進(jìn)一步表示為

zi(k)=Hi(k)x(k)+ui(k)i=1,2,…,N

(4)

zi(k)為第i個傳感節(jié)點(diǎn)采集到的測量值；Hi(k)為數(shù)據(jù)融合矩陣；ui(k)為功率密度矩陣[11]。

設(shè)w(k)和ui(k)之間存在關(guān)聯(lián)性，且各監(jiān)測數(shù)據(jù)之間呈正相關(guān)關(guān)系，則

(5)

其中，w(k)和ui(k)之間呈獨(dú)立同分布狀態(tài)。隨后通過自適應(yīng)量化數(shù)據(jù)跟蹤[12]，獲得傳感器采集數(shù)據(jù)的融合輸出為

(6)

(7)

N為加權(quán)指數(shù)；dik為樣本xk和第i類原型矢量vi間的歐氏距離。為提高診斷精度，進(jìn)一步選擇距離函數(shù)為

(8)

從式(8)中可以得出，聚類的實(shí)質(zhì)就是選擇出1組中心矢量，使得樣本到聚類中心的加權(quán)距離平方和最小，因此聚類就是為了獲得J(U,V)的最小值min{J(U,V)}，本文采用拉格朗日乘法求解出μik、vi，獲得聚類中心以及最佳分類矩陣。通過FCM算法計算出發(fā)電機(jī)組數(shù)據(jù)特征模式矢量，確定故障類別和中心矢量，通過FCM分類器完成數(shù)據(jù)的訓(xùn)練和聚類，實(shí)現(xiàn)在不依賴故障模型的條件下，完成發(fā)電機(jī)組的故障精準(zhǔn)診斷，具體步驟如下：

a.提取硬件采集信息，軟件計算數(shù)據(jù)特征矢量。

b.歸一化處理特征矢量。

c.構(gòu)建FCM分類器，求得各故障模式以及模式的中心矢量。

d.通過最大隸屬度原則和FCM聚類輸出故障類別，完成基于物聯(lián)網(wǎng)技術(shù)的矸石發(fā)電機(jī)組故障診斷。

3 仿真實(shí)驗(yàn)

3.1 診斷結(jié)果有效性測試

為驗(yàn)證本文系統(tǒng)能夠完成故障診斷需求，設(shè)計以下仿真實(shí)驗(yàn)。將內(nèi)蒙古某矸石發(fā)電廠的發(fā)電機(jī)組作為研究對象，以軸向磨損、軸向不對稱和油膜渦動3種典型故障為例，完成系統(tǒng)診斷有效性驗(yàn)證。

首先通過系統(tǒng)下位機(jī)和嵌入式網(wǎng)關(guān)獲取發(fā)電機(jī)組的數(shù)據(jù)，由預(yù)處理機(jī)隨機(jī)選擇出50組訓(xùn)練樣本和10組實(shí)驗(yàn)樣本，通過FCM分類器訓(xùn)練，輸出10組數(shù)據(jù)診斷結(jié)果，如表1所示。其中，×表示未診斷出該類型故障，√表示診斷出該類型故障。

表1 故障診斷結(jié)果輸出

從表1中可以看出，系統(tǒng)給出的10組診斷結(jié)果均與實(shí)際情況相符，可以根據(jù)已知數(shù)據(jù)準(zhǔn)確地診斷出發(fā)電機(jī)組是否存在軸向磨損、油膜渦動和軸向不對稱3種典型故障，證明了該系統(tǒng)能夠高質(zhì)量地完成發(fā)電機(jī)組的故障診斷任務(wù)。

3.2 系統(tǒng)響應(yīng)時間測試

以數(shù)據(jù)上傳響應(yīng)時間、診斷輸出響應(yīng)時間為測試指標(biāo)，將本文系統(tǒng)與文獻(xiàn)[1]系統(tǒng)、文獻(xiàn)[2]系統(tǒng)的各項(xiàng)性能進(jìn)行對比，結(jié)果如圖5、圖6所示。

圖5 3種系統(tǒng)數(shù)據(jù)上傳響應(yīng)時間

圖6 3種系統(tǒng)診斷結(jié)果輸出響應(yīng)時間

由圖5可知，本文系統(tǒng)隨著數(shù)據(jù)的增多，上傳響應(yīng)時間呈線性增長，增幅大致相同，但與文獻(xiàn)[1]系統(tǒng)和文獻(xiàn)[2]系統(tǒng)相比，響應(yīng)時間一直處于最低水平。

圖6中，本文系統(tǒng)的診斷結(jié)果輸出響應(yīng)時間也低于文獻(xiàn)[1]系統(tǒng)和文獻(xiàn)[2]系統(tǒng)，進(jìn)一步證明了系統(tǒng)具有較快的運(yùn)行速度且穩(wěn)定性較高，能夠滿足故障診斷的實(shí)時性要求。

3.3 系統(tǒng)界面功能測試

采用黑盒測試[13]系統(tǒng)驗(yàn)證可視化界面功能，黑盒測試可以檢測出系統(tǒng)的錯誤類型如下：

a.系統(tǒng)是否存在功能錯誤或數(shù)據(jù)遺漏。

b.系統(tǒng)是否能夠正常彈出頁面，頁面是否可以正常操作，是否存在頁面錯誤等現(xiàn)象。

c.系統(tǒng)數(shù)據(jù)結(jié)構(gòu)是否正常，能否被正常訪問和調(diào)取。

在測試過程中系統(tǒng)給出的故障診斷結(jié)果頁面如圖7所示。

圖7 系統(tǒng)頁面顯示

從圖7中可以看出，系統(tǒng)可以通過對傳感器采集的數(shù)據(jù)信息進(jìn)行分類，頁面清晰簡潔便于操作，系統(tǒng)沒有明顯的數(shù)據(jù)結(jié)構(gòu)錯誤出現(xiàn)，且界面彈出正常，各按鈕操作正常，能夠正常進(jìn)行數(shù)據(jù)庫訪問和數(shù)據(jù)檢索等操作，可以有效地執(zhí)行業(yè)務(wù)規(guī)則，完成相關(guān)操作。

4 結(jié)束語

為了能夠在矸石發(fā)電機(jī)徹底損壞之前診斷出其故障原因，提高發(fā)電機(jī)的使用壽命，提出了一種矸石發(fā)電機(jī)組故障診斷系統(tǒng)，系統(tǒng)采用物聯(lián)網(wǎng)技術(shù)與FCM分類器相結(jié)合的方法實(shí)現(xiàn)發(fā)電機(jī)組的故障診斷。實(shí)驗(yàn)條件下以內(nèi)蒙古某一矸石發(fā)電廠的發(fā)電機(jī)組數(shù)據(jù)為例，證明了本文系統(tǒng)能夠精準(zhǔn)地診斷出電機(jī)軸向磨損、油膜渦動、軸向不對稱3種典型發(fā)電機(jī)故障，且系統(tǒng)的響應(yīng)時間較短，穩(wěn)定性較高，頁面清晰簡潔，能夠根據(jù)給出的相關(guān)算法有效地完成矸石發(fā)電機(jī)組的故障檢測。