煤礦機(jī)電設(shè)備智能診斷技術(shù)研究與應(yīng)用

山東能源西北礦業(yè)平?jīng)鑫迮e煤業(yè)有限公司 趙仁漁

煤礦是我國(guó)重要的能源原材料基地，煤礦機(jī)電設(shè)備是煤礦生產(chǎn)的重要保障。然而，由于煤礦環(huán)境的惡劣、設(shè)備的復(fù)雜、運(yùn)行的高強(qiáng)度等，導(dǎo)致煤礦機(jī)電設(shè)備經(jīng)常發(fā)生故障，給煤礦生產(chǎn)帶來(lái)嚴(yán)重的安全隱患和經(jīng)濟(jì)損失。因此，及時(shí)、準(zhǔn)確、有效地診斷煤礦機(jī)電設(shè)備的故障狀態(tài)，對(duì)于保障煤礦安全生產(chǎn)、提高設(shè)備利用率、降低維修成本都具有重要的意義。

目前，對(duì)于煤礦機(jī)電設(shè)備的故障診斷，主要采用的方法有基于模型的方法、基于信號(hào)處理的方法、基于人工智能的方法等。這些方法各有優(yōu)缺點(diǎn)，但也存在一些共同的局限性，如對(duì)設(shè)備選型和故障機(jī)理要求較高，難以適應(yīng)復(fù)雜多變的故障情況；對(duì)信號(hào)采集和處理要求較高，易受噪聲和干擾的影響；對(duì)數(shù)據(jù)量和質(zhì)量要求較高，需要大量的先驗(yàn)知識(shí)和經(jīng)驗(yàn)等。因此，如何克服這些局限，提出一種更加魯棒的故障診斷技術(shù)，是當(dāng)前研究的一個(gè)重要課題。

鑒于此，本文提出了一種基于諧波信號(hào)監(jiān)測(cè)與分析的智能診斷技術(shù)。該技術(shù)具有以下優(yōu)點(diǎn)：一是不依賴于設(shè)備模型和故障機(jī)理，能夠適應(yīng)多種類(lèi)型和不同程度的故障。二是不受噪聲和干擾的影響，能夠在復(fù)雜環(huán)境中穩(wěn)定運(yùn)行。三是不需要大量的數(shù)據(jù)和知識(shí)，能夠自主學(xué)習(xí)和適應(yīng)新故障情況。

1 煤礦機(jī)電設(shè)備故障特點(diǎn)及診斷方法

1.1 煤礦機(jī)電設(shè)備的常見(jiàn)故障類(lèi)型和原因

煤礦機(jī)電設(shè)備是指在煤礦生產(chǎn)過(guò)程中使用的各種電氣、機(jī)械、液壓、氣動(dòng)等設(shè)備。這些設(shè)備長(zhǎng)期在惡劣的環(huán)境中運(yùn)行，受到高溫、高壓、高腐蝕等多種因素的影響，容易發(fā)生各種故障，影響煤礦的安全生產(chǎn)和經(jīng)濟(jì)效益[1]。

現(xiàn)階段，根據(jù)故障的發(fā)生原因，煤礦機(jī)電設(shè)備的故障可以分為以下兩類(lèi)。

第一，損壞性故障。這類(lèi)故障是指設(shè)備或部件在運(yùn)行過(guò)程中出現(xiàn)變形、裂紋、斷裂、燒損等物理性損壞，導(dǎo)致設(shè)備不能正常工作。原因主要有材料質(zhì)量不合格或選用不當(dāng)；加工或裝配質(zhì)量不良；設(shè)計(jì)或制造缺陷；外力或內(nèi)應(yīng)力過(guò)大；環(huán)境溫度或濕度過(guò)高或過(guò)低等。

第二，松脫型故障。這類(lèi)故障是指設(shè)備或部件在運(yùn)行過(guò)程中出現(xiàn)松動(dòng)、脫落、滑移等連接性失效，導(dǎo)致設(shè)備不能正常工作。原因主要有連接件質(zhì)量不合格或選用不當(dāng)；連接件安裝不牢固或緊固力不足；連接件受到振動(dòng)、沖擊或溫差等影響而松動(dòng)；連接件受到腐蝕或磨損而失效等。

1.2 煤礦機(jī)電設(shè)備的故障診斷方法及其局限性

煤礦機(jī)電設(shè)備的故障診斷方法是指在不拆卸設(shè)備的情況下，通過(guò)對(duì)設(shè)備的運(yùn)行信號(hào)進(jìn)行采集、分析和處理，判斷設(shè)備的運(yùn)行狀態(tài)和故障類(lèi)型的技術(shù)。根據(jù)不同的信號(hào)處理方法。

第一，基于解析模型的檢測(cè)和診斷方法。這類(lèi)方法是根據(jù)設(shè)備的物理原理和數(shù)學(xué)模型，建立設(shè)備的正常運(yùn)行狀態(tài)和故障狀態(tài)下的解析模型，然后通過(guò)對(duì)比實(shí)測(cè)信號(hào)和模型輸出信號(hào)，判斷設(shè)備是否存在故障以及故障位置。該方法優(yōu)點(diǎn)是具有較強(qiáng)的可解釋性，但缺點(diǎn)是需要準(zhǔn)確的模型參數(shù)，而且很難考慮到復(fù)雜環(huán)境和非線性因素的影響[2]。

第二，基于人工智能的方法。這類(lèi)方法是利用如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、模糊邏輯、專(zhuān)家系統(tǒng)等人工智能技術(shù)，對(duì)設(shè)備的運(yùn)行信號(hào)進(jìn)行分類(lèi)、識(shí)別和推理，實(shí)現(xiàn)故障檢測(cè)與診斷。方法優(yōu)點(diǎn)是能夠處理非線性、非平穩(wěn)和不確定性等復(fù)雜問(wèn)題，而且能夠利用先驗(yàn)知識(shí)和經(jīng)驗(yàn)規(guī)則，但缺點(diǎn)是需要大量的訓(xùn)練數(shù)據(jù)和合適的網(wǎng)絡(luò)結(jié)構(gòu)，而且很難保證系統(tǒng)的魯棒性。

1.3 基于諧波信號(hào)監(jiān)測(cè)與分析的智能診斷方法

基于諧波信號(hào)監(jiān)測(cè)與分析的智能診斷方法是一種新型的煤礦機(jī)電設(shè)備故障診斷方法，利用設(shè)備運(yùn)行時(shí)產(chǎn)生的諧波信號(hào)作為故障特征，通過(guò)對(duì)諧波信號(hào)進(jìn)行采集、濾波、變換、提取和識(shí)別等，實(shí)現(xiàn)對(duì)設(shè)備故障的智能診斷。方法優(yōu)點(diǎn)是能夠有效地克服傳統(tǒng)方法中存在的模型不準(zhǔn)確、參數(shù)不確定、信號(hào)特征不明顯等問(wèn)題，提高故障診斷的準(zhǔn)確性和可靠性。

基于諧波信號(hào)監(jiān)測(cè)與分析的智能診斷方法主要包括以下五個(gè)步驟。一是諧波信號(hào)采集。二是諧波信號(hào)濾波。三是諧波信號(hào)變換。四是諧波信號(hào)提取。五是諧波信號(hào)識(shí)別。

2 諧波信號(hào)監(jiān)測(cè)與分析技術(shù)

諧波信號(hào)是指頻率為基波頻率的整數(shù)倍的正弦信號(hào)，其是一種常見(jiàn)的非正弦信號(hào)，可以用傅里葉級(jí)數(shù)展開(kāi)為基波和各次諧波的疊加。諧波信號(hào)的原理和特征如下。

一是諧波信號(hào)的原理。當(dāng)一個(gè)周期性信號(hào)不是正弦波時(shí)，可以看作是由多個(gè)不同頻率、幅值和相位的正弦波疊加而成的，這些正弦波稱(chēng)為諧波[3]。

二是諧波信號(hào)的特征。諧波信號(hào)的特征主要包括幅值譜、相位譜和功率譜等。幅值譜是指各次諧波的幅值隨頻率的變化曲線，反映信號(hào)中各次諧波的能量分布情況。相位譜是指各次諧波的相位角隨頻率的變化曲線，代表信號(hào)中各次諧波的相位關(guān)系。功率譜是指各次諧波的功率隨頻率的變化曲線，反映信號(hào)中各次諧波對(duì)總功率的貢獻(xiàn)程度[4]。

諧波信號(hào)監(jiān)測(cè)與分析技術(shù)是指利用各種儀器和方法對(duì)產(chǎn)生或含有諧波信號(hào)的電氣系統(tǒng)進(jìn)行檢測(cè)。對(duì)諧波信號(hào)進(jìn)行監(jiān)測(cè)與分析階段，需要進(jìn)行信號(hào)采集和處理。采集方法有模擬采集和數(shù)字采集兩種，模擬采集是利用模擬電路對(duì)信號(hào)進(jìn)行放大、濾波、調(diào)制等處理，然后通過(guò)示波器或頻譜儀等儀器進(jìn)行顯示；數(shù)字采集是利用模數(shù)轉(zhuǎn)換器（ADC）對(duì)信號(hào)進(jìn)行采樣、量化和編碼，然后通過(guò)計(jì)算機(jī)或數(shù)字存儲(chǔ)示波器等儀器進(jìn)行存儲(chǔ)。

3 基于人工神經(jīng)網(wǎng)絡(luò)的智能診斷算法

3.1 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能的計(jì)算模型，其由大量的簡(jiǎn)單處理單元（神經(jīng)元）通過(guò)連接閾值（突觸）相互連接而成。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、非線性、并行處理等特點(diǎn)，可以處理復(fù)雜的模式識(shí)別問(wèn)題[5]。

人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)一般分為輸入層、隱藏層和輸出層，其中輸入層接收外部輸入信號(hào)，隱藏層和輸出層的神經(jīng)元都是由前一層的神經(jīng)元傳遞信息得到，如圖1所示。根據(jù)不同的連接方式，人工神經(jīng)網(wǎng)絡(luò)可以分為前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)等類(lèi)型。常用的人工神經(jīng)網(wǎng)絡(luò)有BP 網(wǎng)絡(luò)、RBF 網(wǎng)絡(luò)、Hopfield 網(wǎng)絡(luò)、SOM 網(wǎng)絡(luò)等。

圖1 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

訓(xùn)練和測(cè)試方法包括五個(gè)步驟：一是確定網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，如神經(jīng)元的個(gè)數(shù)、激活函數(shù)的類(lèi)型、連接權(quán)值的初始值等。二是選擇合適的學(xué)習(xí)算法，如梯度下降法、遺傳算法、模擬退火法等，來(lái)調(diào)整連接權(quán)值，使得網(wǎng)絡(luò)的輸出與期望輸出之間的誤差最小化。三是利用一部分已知輸入輸出對(duì)（訓(xùn)練集）來(lái)訓(xùn)練網(wǎng)絡(luò)，直到達(dá)到預(yù)設(shè)的收斂條件或者最大訓(xùn)練次數(shù)。四是利用另一部分已知輸入輸出對(duì)（測(cè)試集）來(lái)測(cè)試網(wǎng)絡(luò)的泛化能力，即對(duì)未知輸入信號(hào)的處理能力，評(píng)估網(wǎng)絡(luò)的性能指標(biāo)。五是根據(jù)測(cè)試結(jié)果，對(duì)網(wǎng)絡(luò)進(jìn)行調(diào)整或優(yōu)化，如增加或減少隱藏層節(jié)點(diǎn)數(shù)、改變學(xué)習(xí)率、改變激活函數(shù)等，以提高網(wǎng)絡(luò)的性能。

3.2 人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用方式

一是利用人工神經(jīng)網(wǎng)絡(luò)作為故障分類(lèi)器，根據(jù)故障特征向量來(lái)判斷故障類(lèi)型和位置。例如，利用BP網(wǎng)絡(luò)對(duì)電機(jī)故障進(jìn)行分類(lèi)。二是利用人工神經(jīng)網(wǎng)絡(luò)作為故障檢測(cè)器，根據(jù)正常運(yùn)行狀態(tài)下系統(tǒng)輸出值與實(shí)際輸出值之間的偏差來(lái)判斷是否發(fā)生故障。例如，利用RBF 網(wǎng)絡(luò)對(duì)光伏逆變器故障進(jìn)行檢測(cè)。三是利用人工神經(jīng)網(wǎng)絡(luò)作為故障辨識(shí)器，根據(jù)系統(tǒng)輸出值或殘差來(lái)估計(jì)故障參數(shù)或大小。例如，利用Hopfield 網(wǎng)絡(luò)對(duì)航空發(fā)動(dòng)機(jī)傳感器故障進(jìn)行辨識(shí)。四是利用人工神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合進(jìn)行故障診斷，如與專(zhuān)家系統(tǒng)、模糊邏輯、小波分析等方法相結(jié)合，提高診斷效率。

4 設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)

4.1 設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)的架構(gòu)

設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警是指通過(guò)對(duì)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)采集、存儲(chǔ)、分析和評(píng)價(jià)，實(shí)現(xiàn)對(duì)設(shè)備的狀態(tài)識(shí)別，并對(duì)設(shè)備的異常情況進(jìn)行自動(dòng)報(bào)警、早期診斷，保障設(shè)備的安全運(yùn)行。設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警的目的是提高設(shè)備的可靠性，減少運(yùn)維成本，提高生產(chǎn)效率和經(jīng)濟(jì)效益。

設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)的架構(gòu)一般包括數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、數(shù)據(jù)處理層和數(shù)據(jù)展示層，如圖2所示。數(shù)據(jù)采集層負(fù)責(zé)通過(guò)各種傳感器采集設(shè)備的振動(dòng)、電流、聲音、溫度等多種信號(hào)；數(shù)據(jù)傳輸層負(fù)責(zé)通過(guò)有線或無(wú)線網(wǎng)絡(luò)將采集到的數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理層；數(shù)據(jù)處理層負(fù)責(zé)通過(guò)特征工程、時(shí)頻感知、深度學(xué)習(xí)等方法對(duì)數(shù)據(jù)進(jìn)行分析和挖掘，構(gòu)建設(shè)備健康模型，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)的評(píng)估和預(yù)測(cè)，并生成報(bào)警信息和診斷結(jié)果；數(shù)據(jù)展示層負(fù)責(zé)通過(guò)可視化界面或移動(dòng)端將數(shù)據(jù)處理層的輸出展示給用戶，實(shí)現(xiàn)對(duì)設(shè)備健康狀態(tài)的實(shí)時(shí)監(jiān)控。

圖2 設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)的架構(gòu)

4.2 設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)的實(shí)現(xiàn)

設(shè)備健康狀態(tài)監(jiān)測(cè)與預(yù)警系統(tǒng)的實(shí)現(xiàn)和效果可以根據(jù)不同的應(yīng)用領(lǐng)域和場(chǎng)景進(jìn)行定制化開(kāi)發(fā)。例如，在制造業(yè)中，可以利用PreMaint 設(shè)備健康管理平臺(tái)，全面采集、監(jiān)測(cè)、記錄和分析生產(chǎn)線上的各類(lèi)設(shè)備數(shù)據(jù)，通過(guò)先進(jìn)的算法模型進(jìn)行綜合評(píng)估和預(yù)測(cè)分析，實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)的智能化管理。在能源領(lǐng)域，可以借助設(shè)備在線監(jiān)測(cè)與故障診斷系統(tǒng)，對(duì)風(fēng)力發(fā)電機(jī)組等新能源設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測(cè)，對(duì)設(shè)備的故障、損傷等進(jìn)行快速診斷，提出解決方案，保證風(fēng)力發(fā)電機(jī)組的安全運(yùn)行和電力發(fā)電效率。

本文以煤礦機(jī)電設(shè)備為研究對(duì)象，探討了人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用。主要成果和創(chuàng)新點(diǎn)有建立基于諧波診斷技術(shù)的設(shè)備智能診斷系統(tǒng)，實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行過(guò)程中的振動(dòng)、溫度等狀態(tài)信息參數(shù)的實(shí)時(shí)采集和分析；采用人工神經(jīng)網(wǎng)絡(luò)算法對(duì)機(jī)電設(shè)備異常狀態(tài)進(jìn)行智能診斷，提高診斷的準(zhǔn)確性；實(shí)現(xiàn)設(shè)備全生命周期的健康狀態(tài)監(jiān)測(cè)，對(duì)故障演變趨勢(shì)進(jìn)行分析，為設(shè)備的預(yù)知性維修提供依據(jù)。

由于煤礦機(jī)電設(shè)備種類(lèi)繁多、工作環(huán)境復(fù)雜、故障模式多樣，本文所采用的人工神經(jīng)網(wǎng)絡(luò)算法可能無(wú)法適應(yīng)所有情況，需要進(jìn)一步優(yōu)化。同樣，本文采用的諧波診斷技術(shù)只能監(jiān)測(cè)設(shè)備的振動(dòng)信號(hào)，而忽略了其他可能影響設(shè)備運(yùn)行狀態(tài)的因素，如電流、聲音等，需要結(jié)合其他信號(hào)分析技術(shù)，提高診斷的全面性。

隨著煤礦安全生產(chǎn)的要求不斷提高，機(jī)電設(shè)備的運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的需求也越來(lái)越多。同時(shí)，隨著人工智能技術(shù)的不斷發(fā)展和創(chuàng)新，人工神經(jīng)網(wǎng)絡(luò)算法也需不斷完善和優(yōu)化，提高智能化水平，為機(jī)電設(shè)備故障診斷提供更強(qiáng)大的支持；物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)的廣泛應(yīng)用，設(shè)備智能診斷系統(tǒng)可以實(shí)現(xiàn)與其他業(yè)務(wù)系統(tǒng)的數(shù)據(jù)共享，提高其智能化管理和優(yōu)化能力，為煤礦生產(chǎn)效率和經(jīng)濟(jì)效益的提升提供保障。