基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的煤礦井下排水泵故障診斷方法

劉懷奇

（內(nèi)蒙古平莊煤業(yè)（集團(tuán)）有限責(zé)任公司風(fēng)水溝煤礦，內(nèi)蒙古 赤峰 024081）

隨著科學(xué)技術(shù)的飛速發(fā)展，煤礦生產(chǎn)設(shè)備和生產(chǎn)管理技術(shù)發(fā)生了質(zhì)的變化。但我國(guó)煤礦井下生產(chǎn)環(huán)境依舊很差、安全事故仍時(shí)有發(fā)生、井下水災(zāi)占比依舊不小。礦井排水系統(tǒng)是煤礦六大系統(tǒng)之一，負(fù)責(zé)井下涌水排放，排水系統(tǒng)的可靠運(yùn)行是煤礦安全生產(chǎn)的必要保障之一［1］。近年來(lái)，伴隨著物聯(lián)網(wǎng)和人工智能等技術(shù)的快速發(fā)展，礦井排水系統(tǒng)實(shí)現(xiàn)了高度的自動(dòng)化控制，排水系統(tǒng)的監(jiān)管也相對(duì)完善。但井下惡劣的環(huán)境，對(duì)電氣設(shè)備的穩(wěn)定運(yùn)行仍是非常大的考驗(yàn)，而且井下設(shè)備的監(jiān)管及維修沒(méi)有地面設(shè)備方便，在一定程度上會(huì)影響排水系統(tǒng)主要設(shè)備的正常運(yùn)行，監(jiān)管不到位和維修不及時(shí)甚至?xí)绊懨旱V安全生產(chǎn)的正常進(jìn)行，造成的損失難以想象。

煤礦井下排水泵的遠(yuǎn)程監(jiān)控系統(tǒng)雖逐漸完善，但對(duì)于設(shè)備的故障診斷與預(yù)測(cè)還存在很多不足之處，主要表現(xiàn)在：故障檢測(cè)不全面、故障誤報(bào)、故障定位不準(zhǔn)確、故障狀況診斷不全面等方面。做到對(duì)水泵電機(jī)等設(shè)備的工作狀態(tài)進(jìn)行合理地監(jiān)控，對(duì)其工作態(tài)勢(shì)進(jìn)行準(zhǔn)確預(yù)警，不僅可以保證水泵等設(shè)備的正常運(yùn)行，同時(shí)還可以達(dá)到故障預(yù)知和維修預(yù)警的目的，增強(qiáng)了系統(tǒng)的可靠性。文獻(xiàn)［2］研究煤礦排水泵故障診斷與預(yù)防性管理；文獻(xiàn)［3］研究基于BP 神經(jīng)網(wǎng)絡(luò)的水電廠排水泵故障預(yù)警。但是上述方法均存在故障診斷準(zhǔn)確性較低的問(wèn)題，對(duì)此，本文研究基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的煤礦井下排水泵故障診斷方法。

1 煤礦井下排水泵信息處理

1.1 信號(hào)采集

煤礦井下排水泵的振動(dòng)主要是由于軸和葉輪的振動(dòng)引起的，故本文采用速度型振動(dòng)傳感器。所用振動(dòng)傳感器型號(hào)為CYT9200［4］，其參數(shù)如表1 所示。

表1 振動(dòng)傳感器技術(shù)參數(shù)

該振動(dòng)傳感器為檢測(cè)振動(dòng)信號(hào)時(shí)為接觸性安裝，故直接垂直安裝在泵體的軸伸端，對(duì)煤礦井下排水泵振動(dòng)信號(hào)進(jìn)行采集。速度型振動(dòng)傳感器在工作時(shí)，通過(guò)振動(dòng)傳感器的振動(dòng)變化，進(jìn)行振動(dòng)信號(hào)的獲取，最后輸出振動(dòng)信號(hào)接入到處理器中，其具體工作原理如圖1 所示。

圖1 振動(dòng)信號(hào)采集原理圖

1.2 信號(hào)預(yù)處理

噪聲的干擾會(huì)影響后續(xù)特征向量的提取，有效的降噪處理有利于后續(xù)操作的進(jìn)行，保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性與可信度。小波包（wavelet packet decomposition，WPD）可將要處理的信號(hào)分解成低頻成分和高頻成分兩部分，并逐層對(duì)高頻與低頻同時(shí)進(jìn)行分解，高頻成分可以捕捉在低頻中損失的一些特征［5］。設(shè)采集到的煤礦井下排水泵含噪聲振動(dòng)信號(hào)為y（t），可以用以下形式表達(dá)：

式中：x（n）為有用成分；α（n）為信號(hào)中包含的噪聲成分；β 為噪聲強(qiáng)度。運(yùn)用小波包分解對(duì)煤礦井下排水泵振動(dòng)信號(hào)降噪的過(guò)程如下：

（1）閾值處理

怎么選取閾值以及怎么量化閾值，是小波包去噪過(guò)程中最為重要的一步，在一定意義上直接關(guān)乎到數(shù)據(jù)的降噪的成效。本文采用硬閾值進(jìn)行處理，表達(dá)式如下：

對(duì)信號(hào)進(jìn)行降噪處理的目的在于凸顯煤礦井下排水泵振動(dòng)信號(hào)的特征信息，易于對(duì)其特征值提取，硬閾值降噪后小波系數(shù)能夠保留較多的特征信息，所以本文選擇硬閾值降噪處理。

（2）信號(hào)小波包分解

圖2 所示是小波包分解樹(shù)示意圖，其中信號(hào)S可用如下公式表示：

圖2 小波包分解樹(shù)示意圖

（3）信號(hào)小波包重構(gòu)

原始信號(hào)y（t）通過(guò)J 層分解后會(huì)擁有2J個(gè)小波包，為了實(shí)現(xiàn)對(duì)某個(gè)小波包的重建，需要先保持該小波包中的數(shù)據(jù)，再將該層中剩余的數(shù)據(jù)歸零，再對(duì)已被處理的小波包進(jìn)行重構(gòu)。重構(gòu)之后便能夠把這一小波包的時(shí)域分辨率增大到原本狀態(tài)，保障信號(hào)的不失真，重構(gòu)信號(hào)如下式所示。

1.3 信號(hào)特征提取

在煤礦井下排水泵的故障診斷中，振動(dòng)信號(hào)的特征提取是一個(gè)非常重要的任務(wù)。特征提取是對(duì)故障類(lèi)型進(jìn)行精確分類(lèi)的一個(gè)重要階段，它以最精確的樣本數(shù)來(lái)描述指定類(lèi)別的數(shù)據(jù)，以減少原始數(shù)據(jù)的維數(shù)。因此，選擇有效的信號(hào)處理方式來(lái)提取振動(dòng)信號(hào)的特征是能夠?qū)崿F(xiàn)煤礦井下排水泵故障診斷的關(guān)鍵［6］。特征提取步驟如下所示：

（1）計(jì)算經(jīng)過(guò)去噪后信號(hào)序列y′（t）的所有極值點(diǎn)。

記c（1t）＝（t），則c（1t）為y（′t）的第一個(gè)IMF分量：

但上述過(guò)程存在一個(gè)問(wèn)題，就是篩分次數(shù)的設(shè)定，即k 的取值問(wèn)題。因?yàn)槿羰侵颠^(guò)小，會(huì)導(dǎo)致所得結(jié)果中IMF 的局部對(duì)稱(chēng)性不足；若是值過(guò)大，則可能會(huì)導(dǎo)致所得結(jié)果中IMF 變?yōu)槌?shù)。為了解決這一問(wèn)題，提出了一個(gè)合理的停止準(zhǔn)則，該準(zhǔn)則由倆相鄰的（t）和片（t）之間的標(biāo)準(zhǔn)差SD 來(lái)定義：

式中，T 為y′（t）的時(shí)間長(zhǎng)度，當(dāng)篩分結(jié)果滿(mǎn)足式（9）的條件時(shí)，分解過(guò)程即會(huì)停止。所得IMF 也被視為符合條件的IMF。

（4）將IMF1（t）從y′（t）中去除，得到原信號(hào)的殘余分量r1（t）：

（5）將以上步驟不斷重復(fù)，即可得到若干符合條件的IMF 和一個(gè)殘余分量r1（t），則最終原信號(hào)可表示為：

從式（11）可以看出，原始信號(hào)y′（t）被分解為n 個(gè)IMFci（t）以及一個(gè)殘余項(xiàng)r1（t）。

基于上述內(nèi)容完成煤礦井下排水泵振動(dòng)信號(hào)的去噪處理，提高煤礦井下排水泵振動(dòng)信號(hào)特征提取的精準(zhǔn)性。

2 基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的排水泵故障診斷

利用訓(xùn)練完整的網(wǎng)絡(luò)模型作為故障模式判別依據(jù)，通過(guò)輸出結(jié)果來(lái)實(shí)現(xiàn)煤礦井下排水泵故障的識(shí)別，可以有效降低識(shí)別過(guò)程所用時(shí)間。改進(jìn)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖3 所示。

圖3 改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)表達(dá)式如下：

式中：m 表示隱含節(jié)點(diǎn)數(shù)；n 表示輸入節(jié)點(diǎn)數(shù)；W（k）表示總輸出；Wb1表示隱含層偏差權(quán)值；Wo表示隱含層到輸出層的權(quán)值。

式中，?i（k）表示第i 個(gè)隱含層節(jié)點(diǎn)的輸出；ξ表示隱含節(jié)點(diǎn)層的激活函數(shù)。

式中，Ii（k）表示本網(wǎng)絡(luò)在時(shí)間k 的第i 個(gè)輸入；Wb2表示輸出層偏差單元權(quán)值；Wx表示輸入層到隱含層的權(quán)值；Wy表示反饋誤差權(quán)值。隱含層各單元輸入輸出：

輸出層各單元輸入及輸出響應(yīng)：

輸出層各單元的一般化誤差：

隱含層各單元的一般化誤差：

修正連接權(quán)值：

改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的模型如下圖4 所示。

基于上述改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，輸出結(jié)果為礦井下排水泵故障識(shí)別結(jié)果，完成礦井下排水泵的故障診斷。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

本文方法基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行煤礦井下排水泵故障診斷，為驗(yàn)證本文方法的性能，采用MD450-60X5 排水泵作為實(shí)驗(yàn)對(duì)象，其性能參數(shù)如表2 所示。

表2 MD450-60X5 性能參數(shù)

3.2 去噪性能對(duì)比

采用去噪性能作為實(shí)驗(yàn)指標(biāo)進(jìn)行測(cè)試，結(jié)果如下圖6 所示。

根據(jù)圖5 可以看出，本文方法能夠有效去除煤礦井下排水泵振動(dòng)信號(hào)中的噪聲，說(shuō)明本文方法具有有效性。

圖5 排水泵振動(dòng)信號(hào)去噪效果圖

3.3 煤礦井下排水泵故障診斷準(zhǔn)確性對(duì)比

為進(jìn)一步驗(yàn)證本文方法的實(shí)用性，以煤礦井下排水泵故障診斷準(zhǔn)確性為實(shí)驗(yàn)指標(biāo)進(jìn)行對(duì)比測(cè)試，測(cè)試結(jié)果如下圖6 所示。

圖6 排水泵故障診斷準(zhǔn)確性結(jié)果

根據(jù)圖6 可以看出，本文方法的排水泵故障診斷準(zhǔn)確性最高達(dá)98%，文獻(xiàn)［2］方法的排水泵故障診斷準(zhǔn)確性最高為87%，文獻(xiàn)［3］方法的排水泵故障診斷準(zhǔn)確性最高為84%。由此可見(jiàn)，本文方法的排水泵故障診斷準(zhǔn)確性明顯高于文獻(xiàn)［2］方法、文獻(xiàn)［3］方法。說(shuō)明本文方法對(duì)排水泵故障診斷的準(zhǔn)確性較高，其技術(shù)水平和應(yīng)用價(jià)值較高。

4 結(jié)論

本文研究基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的煤礦井下排水泵故障診斷方法。實(shí)驗(yàn)結(jié)果表明：本文方法能夠有效對(duì)煤礦井下排水泵振動(dòng)信號(hào)進(jìn)行去噪，且煤礦井下排水泵故障診斷準(zhǔn)確性高達(dá)98%，證明本文所述方法具有有效性且有較高的技術(shù)水平和應(yīng)用價(jià)值。