基于EMMD-RVM的煤礦采礦機械設(shè)備異常檢測系統(tǒng)

侯瑞麗

(新疆石河子職業(yè)技術(shù)學(xué)院，新疆 石河子 832000)

目前，國內(nèi)煤礦采礦機械設(shè)備異常檢測系統(tǒng)主要是通過有線信號進行，而且系統(tǒng)的運行狀態(tài)不穩(wěn)定，不利于設(shè)備異常行為的采集。煤礦采礦機械設(shè)備在惡劣環(huán)境下進行長時間的連續(xù)操作，對設(shè)備的安全狀況有較高的要求。在煤炭生產(chǎn)中，煤礦采礦機械設(shè)備的投資比例最高，其后期維修成本較高，占總維修成本的40%左右。但是，由于礦井的特殊性，煤礦采礦機械設(shè)備的失效概率也較大。根據(jù)統(tǒng)計，煤礦采礦機械設(shè)備的失效事故發(fā)生率每年都在增加，這是由于許多機械設(shè)備在維護中的細節(jié)未被及時察覺。因此，對煤礦采礦機械設(shè)備進行安全監(jiān)控是十分必要的[1]。國內(nèi)目前介紹了一套以B/S為基礎(chǔ)的多層次結(jié)構(gòu)的監(jiān)控系統(tǒng)，通過該系統(tǒng)能夠?qū)崿F(xiàn)設(shè)備異常狀態(tài)的實時檢測與顯示。后來，又提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的設(shè)備狀態(tài)監(jiān)測系統(tǒng)，通過構(gòu)建煤礦采礦機械設(shè)備的實時監(jiān)控，煤礦采礦機械設(shè)備的正常使用得到了有效保證。之后，利用無線檢測設(shè)備作為數(shù)據(jù)傳輸環(huán)節(jié)，研制了煤礦采礦機械設(shè)備的無線狀態(tài)監(jiān)測系統(tǒng)。但是，現(xiàn)有的監(jiān)控技術(shù)主要依靠人工對設(shè)備進行定期的檢測，并對其操作參數(shù)進行記錄，該方法缺乏實時性和可靠性，不適用于煤礦生產(chǎn)[2]。在物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展下，將物聯(lián)網(wǎng)與無線通信技術(shù)相結(jié)合，實現(xiàn)對煤礦采礦機械設(shè)備的實時監(jiān)控與預(yù)警，是保障礦井安全生產(chǎn)的有效手段。針對該問題，設(shè)計了一套以EMMD-RVM為基礎(chǔ)的煤礦采礦機械設(shè)備異常檢測系統(tǒng)。

1 設(shè)備異常檢測系統(tǒng)

1.1 系統(tǒng)結(jié)構(gòu)

基于EMMD-RVM的煤礦采礦機械設(shè)備異常檢測系統(tǒng)結(jié)構(gòu)，主要由3個層次組成，分別是感知層、網(wǎng)絡(luò)層和應(yīng)用層，如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)Fig.1 System structure

由圖1可知，該系統(tǒng)是由3個層次組成的，分別是感知層、網(wǎng)絡(luò)層和應(yīng)用層。①感知層。主負責(zé)基礎(chǔ)數(shù)據(jù)收集工作，主要分為ZigBee模塊和4G DTU模塊，包含了多種傳感器無線信號的采集。②網(wǎng)絡(luò)層。由網(wǎng)絡(luò)傳輸模型和數(shù)據(jù)集成網(wǎng)類組成，主要通過數(shù)據(jù)整合網(wǎng)關(guān)和網(wǎng)絡(luò)傳送模式，負責(zé)數(shù)據(jù)的統(tǒng)一存取與高并發(fā)的傳輸。③應(yīng)用層。包括存儲服務(wù)器和應(yīng)用服務(wù)器，負責(zé)對所采集的資料進行存儲、分析和處理。利用EMMD-RVM方法對時序信號(如振動、噪聲等)進行處理，使得其均勻分布，并消除了序列的異方差[3-4]。

1.2 硬件設(shè)計

1.2.1 數(shù)據(jù)采集模塊

系統(tǒng)的數(shù)據(jù)采集模塊主要包括2個電路，分別是信號處理電路和AD變換電路。為了適應(yīng)煤礦采礦機械設(shè)備多路振動檢測的需要，選擇TI公司開發(fā)的4通道AD變換器和2片ADS1174數(shù)據(jù)表，使系統(tǒng)能夠高速、同步、串口取樣[5-7]。采用4～20 mA的振蕩傳感器，以達到高信噪比AD取樣，提高信號的可靠性和數(shù)據(jù)的采集精度。

1.2.2 傳感器

在無線傳感器網(wǎng)絡(luò)中，ZigBee傳感器作為終端，通過對周邊環(huán)境進行數(shù)據(jù)采集，并將數(shù)據(jù)傳送到ZigBee網(wǎng)關(guān)，從而使其和工業(yè)以太網(wǎng)相互連接，實現(xiàn)數(shù)據(jù)交換[8]。傳感器包括電壓、電流傳感器、轉(zhuǎn)速傳感器、紅外成像傳感器、溫度傳感器，負責(zé)傳輸電壓、電流、轉(zhuǎn)速紅外成像和溫度。

(1)電壓、電流傳感器。霍爾電壓、電流傳感器可用于測量各種電壓、電流，從直流到數(shù)十千赫交流電。當(dāng)主導(dǎo)線經(jīng)過電壓、電流傳感器的主IP時，會形成一條磁力線，并在磁芯周圍處聚集，霍爾電極形成的電壓與原邊的磁力線呈正比，這種小的信號被電子線路變換為次級的電壓和電流[9-10]。電壓、電流傳感器技術(shù)參數(shù)：型號為ACS712ELCTR-30A-T；傳輸方式為4G、WiFi、ZigBee；精度為±1.5%；溫度范圍為-40～+85 ℃；輸出電流為4～20 mA；輸出偏流為12 mA；線性度為1%；電源電壓為5 V；頻率范圍為0.1～1.5(±10%)kHz；傳感器類型霍爾效應(yīng)，開環(huán)。

(2)轉(zhuǎn)速傳感器。轉(zhuǎn)速傳感器是一種將轉(zhuǎn)動煤礦采礦機械設(shè)備(例如軸承)的速度轉(zhuǎn)化為電能的一種傳感器，該傳感器是一種非直接測量裝置，其核心部件是磁性電阻器[11]。當(dāng)被測對象安裝有凸形(或凹形)磁或磁傳導(dǎo)材料時，該傳感器會在被測對象轉(zhuǎn)動時，產(chǎn)生與轉(zhuǎn)動頻率有關(guān)的脈沖信號，從而實現(xiàn)對煤礦采礦機械設(shè)備速度和位移的檢測[12-14]。轉(zhuǎn)速傳感器技術(shù)參數(shù)：型號為NanLi-003，傳輸方式為4G、WiFi、ZigBee，零點輸出/F.S.為1%；溫度范圍為-20～+65 ℃；非線性/F.S.為0.1%；極限超載/F.S.為200%；靈敏度為1.0～1.0 MV/V；激勵電壓為0 V；響應(yīng)頻率為100 μs。

(3)紅外成像傳感器。紅外圖像傳感器是通過對被測煤礦采礦機械設(shè)備進行紅外輻射的原理，將其反射到紅外探測器的感光元件上[15]。紅外成像傳感器工作原理如圖2所示。

圖2 紅外成像傳感器工作原理Fig.2 Working principle of infrared imaging sensor

由圖2可知，該傳感器在光學(xué)系統(tǒng)與紅外檢測器之間設(shè)置了一種光機掃描裝置，它可以掃描被測對象的紅外線熱成像，然后把它集中到一個單位或者一個光譜檢測器上[16]。檢測器把紅外線的能量轉(zhuǎn)換為電子訊號，經(jīng)過放大、轉(zhuǎn)換或標(biāo)準(zhǔn)處理，再由電視屏幕或監(jiān)視器呈現(xiàn)。紅外成像傳感器技術(shù)參數(shù)：YRH300礦用本安型，傳輸方式為4G、WiFi、ZigBee；精度為±1%；溫度范圍為-20～400 ℃；可見光圖像像素≥30萬；發(fā)射率sssss0.1～1.0；距離系數(shù)比為50∶1；電源電壓為4.3 V；顯示分辨率為1.9 mrad；防護等級≥IP54。

(4)溫度傳感器。溫度傳感器的原理是，煤礦采礦機械設(shè)備金屬膨脹能感應(yīng)到溫度，并把其轉(zhuǎn)化為一個可以利用的輸出信號來實現(xiàn)熱量的平衡，因此，溫度計的顯示可以直接反映被測量物體的溫度[17]。溫度傳感器技術(shù)參數(shù)：型號為STMicroelectronics；傳輸方式為4G、WiFi、ZigBee；ADC分辨率為12 bit；溫度監(jiān)測范圍為-40～+85 ℃；核心ARM Cortex M4；ADC通道數(shù)量為16 Channel；RAM為160 kB；電源電壓為3.6 V；最大時鐘頻率為80 MHz；程序存儲器類型為Flash。

1.2.3 傳感器網(wǎng)絡(luò)協(xié)議適配器

傳感器網(wǎng)絡(luò)協(xié)議適配器可以統(tǒng)一地訪問來自不同傳感器網(wǎng)絡(luò)的數(shù)據(jù)，其結(jié)構(gòu)如圖3所示。由圖3可知，該協(xié)議適配器整合了多種傳感器網(wǎng)絡(luò)協(xié)議的解析Jar包，將解析Jar包封裝成各個傳感器的網(wǎng)絡(luò)協(xié)議解析接口，通過調(diào)用不同傳感器協(xié)議接口來消除網(wǎng)絡(luò)異構(gòu)性，并獲取唯一數(shù)據(jù)統(tǒng)計格式[18-20]。

圖3 傳感器網(wǎng)絡(luò)協(xié)議適配器Fig.3 Sensor network protocol adapter

1.3 軟件設(shè)計

1.3.1 異常特征分析

極值域均值模式分解EMMD是一種用于分析局部波形的方法，利用 EMMD技術(shù)對煤礦采礦機械設(shè)備的異常特性進行了詳細分析。

(1) 由于一般信號的各局部極值點間的數(shù)據(jù)不一致，故2個極值點的平均值不在中間點。為此，通過使用加權(quán)平均法求出極值點的局部均值，并給出了它的幅度變化，如圖4所示。

圖4 EMMD分析信號的局部均值Fig.4 Local mean values of EMMD analysis signals

(2) 設(shè)定2個門限值，如果判定EMMD篩選程序是否結(jié)束的標(biāo)準(zhǔn)中，全部數(shù)值都低于其中一個門限，并且判定的標(biāo)準(zhǔn)積分不超過另一個門限，則該篩選程序結(jié)束。在對煤礦采礦機械設(shè)備的異常特征信號進行分析時，要選擇2個臨界點之間的標(biāo)準(zhǔn)偏差，也就是每個層次含有最多的特征信息。

(3) 經(jīng)過分解得到N個特征信息分層，對其進行希爾伯特變換，可以得到分層后的數(shù)據(jù)。根據(jù)分層后的數(shù)據(jù)，獲取特征分量的瞬時頻率。依據(jù)該頻率，確定頻率分量幅值，結(jié)合信號總的時間長度，計算特征信息分量的平均瞬時能量。

(4) 根據(jù)各頻率成分的自頻率信息和各頻率成分的能量信號，采用平均瞬時頻率特性信息對總能量信號進行檢測，提取出由平均瞬時頻率和總信號能量之比組成的煤礦采礦機械設(shè)備異常特性矩陣矢量，以此完成煤礦采礦機械設(shè)備異常特征分析。

1.3.2 設(shè)備異常檢測

通過基于EMMD的煤礦采礦機械設(shè)備異常特征分析結(jié)果，進行煤礦采礦機械設(shè)備異常特征分析。首先，構(gòu)建RVM支持向量機模型進行訓(xùn)練樣本擬合，之后使用RVM分類方法對故障進行識別。RVM支持向量機模型的構(gòu)建，如圖5所示。

圖5 RVM支持向量機的模型Fig.5 Model of RVM support vector machine

結(jié)合圖5，采用多線程技術(shù)實現(xiàn)對傳感器數(shù)據(jù)的連續(xù)檢測，以確保在不同的維修過程中系統(tǒng)可以實現(xiàn)對傳感器數(shù)據(jù)的連續(xù)檢測。在煤礦采礦機械設(shè)備異常檢測過程中，有3種不同的線程：①線程1。應(yīng)用程序服務(wù)器按規(guī)定的間隔將采集數(shù)據(jù)的命令發(fā)送給分站，并將數(shù)據(jù)存儲在數(shù)據(jù)庫中。②線程2。應(yīng)用程序伺服器定期將最近采集到的數(shù)據(jù)與告警上限及告警下限相比較，在超出極限的情況下，將派生線程3。③線程3。通過告警信息傳輸系統(tǒng)向有關(guān)人員的移動電話發(fā)送線程2所獲取的告警信息，并且將運行記錄寫入數(shù)據(jù)庫。

基于該線程，煤礦采礦機械設(shè)備異常檢測線程如圖6所示。

圖6 煤礦采礦機械設(shè)備異常檢測線程Fig.6 Abnormal detection thread of miningmachinery in coal mine

由圖6可知，選取了從訓(xùn)練樣本中提取的典型相位空間，以確保特征的一致性。在此基礎(chǔ)上，將其他樣點的投影系數(shù)引入到RVM支持向量機模型中，之后再采用 RVM分類器進行參數(shù)分類。在參數(shù)訓(xùn)練階段，利用一個子集作為訓(xùn)練對象，并對其余的子集進行檢測，將檢測結(jié)果實時存儲到數(shù)據(jù)庫中。最后，將分類結(jié)果進行概化處理，并將其歸一化誤差最小的模型參數(shù)作為其最終的參數(shù)，由此獲取煤礦采礦機械設(shè)備的異常數(shù)據(jù)。系統(tǒng)異常檢測的流程如圖7所示。

圖7 異常檢測流程Fig.7 Anomaly detection process

2 系統(tǒng)應(yīng)用

選擇煤礦采礦機械設(shè)備的起重機軸承為研究對象，軸承內(nèi)圈為動圈，外圈為固定狀態(tài)。該軸承結(jié)構(gòu)如圖8所示。分別使用電火花在內(nèi)圈、滾動體和外圈進行直接加工，形成了一個長為0.54 mm、深0.25 mm的凹坑，由此模擬軸承的內(nèi)圈故障、滾動體故障和外圈故障。

圖8 煤礦采礦機械設(shè)備的起重機軸承構(gòu)造Fig.8 Crane bearing structure of miningmachinery in coal mine

使用基于EMMD-RVM的煤礦采礦機械設(shè)備異常檢測系統(tǒng)，分別對正常狀態(tài)、內(nèi)圈故障、滾動體故障和外圈故障這4種情況，在頻率為15 kHz、時間為10 s的情況下進行采樣，得到的EMMD分解結(jié)果如圖9所示。

圖9 故障信號分解結(jié)果Fig.9 Decomposition results of fault signals

由圖9可知，正常信號的高頻分量明顯比故障高頻分量低，只要采集高頻分量信息，就能進行異常檢測。

應(yīng)用該系統(tǒng)的異常檢測原理，提取信號的高頻分量，提取結(jié)果見表1。

表1 不同信號下的高頻分量提取結(jié)果Tab.1 Extraction results of high-frequency components under different signals Hz

由表1可知，正常狀態(tài)下的高頻分量與故障狀態(tài)下的高頻分量明顯不同，而各種故障問題之間的高頻分量也不同。以IMF的高頻分量作為特征向量，能夠較好地描述煤礦采礦機械設(shè)備的起重機軸承正常和各種故障狀態(tài)下的信息，也說明使用該系統(tǒng)可以用來對煤礦采礦機械設(shè)備的起重機軸承的故障檢測。

在信號檢測過程中，使用ROC曲線作為分析工具，用于判定檢測結(jié)果是否精準(zhǔn)，ROC曲線如圖10所示。越接近R1的R2曲線上的點，越說明判定檢測結(jié)果越精準(zhǔn)，通過分析圖10可知，設(shè)計的基于EMMD-RVM的煤礦采礦機械設(shè)備異常檢測系統(tǒng)，所繪制的ROC曲線與R1直線非常接近，說明使用該系統(tǒng)檢測結(jié)果精準(zhǔn)。

圖10 ROC曲線Fig.10 ROC curve

3 結(jié)語

構(gòu)建的基于EMMD-RVM的煤礦采礦機械設(shè)備異常檢測系統(tǒng)，針對煤礦采礦機械設(shè)備異常特征值對檢測值的影響，提出以EMMD極值域均值模式分解方法分析煤礦采礦機械設(shè)備異常特征，提出新的篩選停止規(guī)則，更好地對信號進行分解與分析。對分析得到特征信息，構(gòu)建RVM支持向量機分類模型，檢測煤礦采礦機械設(shè)備異常特征。利用上述系統(tǒng)，通過對實際異常信號的分析，證明了該系統(tǒng)能夠更好檢測異常設(shè)備。因此，該系統(tǒng)適用于對煤礦采礦機械設(shè)備進行故障診斷與識別。