基于改进BP神经网络的矿用通风机故障诊断.pdf

第 4 3卷 第 4期 2 0 1 7年 4月 工矿 自 动化 I n dus t r y a nd M i ne Aut o ma t i o n Vo 1 ． 43 No ． 4 Ap r ． 2 0 1 7 文章编 号 1 6 7 1 2 5 1 X 2 0 1 7 0 4 0 0 3 7 0 5 D OI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 7 ． 0 4 ． 0 0 9 孙慧影， 林中鹏 ， 黄灿 ， 等． 基于改进 B P神经网络的矿用通风机故障诊断口] ． 工矿自动化 ， 2 0 1 7 ， 4 3 4 3 7 4 1 ． 基于改进 B P神经网络的矿用通风机故障诊断 孙 慧影 ， 林 中鹏 ， 黄灿 ， 陈鹏 1 ． 山东 科技 大学 电气 与 自动化 工程 学 院 ，山东 青 岛 2 6 6 5 9 0 ； 2 ． 国网山东省电力公司检修公司 ，山东 济南 2 5 0 0 0 0 摘 要 针 对矿 用通风机 故 障与征 兆对 应关 系复 杂的特 点 ， 提 出一 种 用动 态适 应布 谷 鸟搜 索 算法优 化 B P 神 经 网络 并进行 故 障诊 断的方 法 。利 用动 态适应 布谷 鸟搜 索算 法 的全局 搜 索能 力 ， 求解神 经 网络 的 最优 初 始参数； 然后对 B P神经网络进行学习训练， 得到最终的故障诊断模型。实例分析结果表明， 该方法能有效 地进行矿用通风机故障诊断， 且具有收敛速度快、 精度高的特点， 对测试样本的诊 断准确率达到了 9 2 ． 5 。 关键词 矿用通风机 ； 故障诊断；动态适应布谷鸟搜索算法； B P神经 网络 中图分 类号 TD 6 3 5 文献标 志码 A 网络 出版 时间 2 0 1 7 0 3 2 8 1 7 1 8 网络 出版地 址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 7 0 3 2 8 ． 1 7 1 8 ． 0 0 9 ． h t ml Fa u l t d i a g n o s i s o f mi ne ve nt i l a t o r ba s e d o n i mpr o v e d BP ne ur a l ne t wo r k SU N Hui yi ng ，LI N Zh o ng pe ng ，H UANG Ca n ， CH EN Pe ng 1 ． C o l l e g e o f El e c t r i c a l En g i n e e r i n g a n d Au t o ma t i o n ，S h a n d o n g Un i v e r s i t y o f S c i e n c e a n d Te c h n o l o g y ，Qi n g d a o 2 6 6 5 9 0，Ch i n a； 2． S t a t e Gr i d S h a n d o n g El e c t r i c P o we r Co r p o r a t i o n M a i n t e n a n c e Co mp a n y，J i n a n 2 5 0 0 0 0，Ch i n a Abs t r a c t I n vi e w o f c ha r a c t e r i s t i c s o f c o m p l i c a t e d c o r r e l a t i o n o f m i ne v e nt i l a t or f a i l ur e a nd s y mpt o m ，a f a u l t d i a gn os i s me t h o d u s i ng BP ne u r a l ne t wor k o pt i mi z e d by dy na mi c a da p t a t i on c uc ko o s e a r c h a l g o r i t hm wa s p r op o s e d．Th e o pt i m a l i ni t i a l pa r a m e t e r s of ne u r a l ne t wo r k a r e s ol v e d by us i ng gl o ba l s e a r c h a bi l i t y of dy na m i c a da pt a t i o n c u c k oo s e a r c h a l g o r i t hm ．The n，t he BP n e u r a l ne t w o r k i s t r a i ne d t o o bt a i n t he f i na l f a u l t d i a g n o s i s mo d e 1 ．Th e e x a mp l e a n a l y s i s r e s u l t s s h o w t h a t t h e me t h o d c a n e f f e c t i v e l y a c h i e v e f a u l t di a gn os i s o f mi ne v e n t i l a t or a nd ha s t he c h a r a c t e r i s t i c s of f a s t c on ve r ge nc e a n d hi g h p r e c i s i o n， a n d t he d i a g n os i s a c c u r a c y o f t he t e s t s a m p l e i s 9 2． 5 ． Ke y wo r ds mi ne ve nt i l a t o r；f a ul t d i a gn os i s；d yn a mi c a da pt a t i o n c u c k oo s e a r c h a l go r i t h m ；BP n e ur a l n e t wor k 0 引言 矿用通风机是保障矿井作业安全进行的关键设 备， 全 国的瓦斯爆炸事故中， 7 0 ～8 0 都是由通风 系统 故障 导致 ， 因此 ， 对矿 用通风 机进 行故 障诊 断具 有重 要意义 。 由于系统的复杂性和非线性， 故障特征与故障 类别并非一一对应 ， 而且各类故障之间也存在着复 杂的耦合关系口 ] 。目前研究最广泛的是基于神经网 络的故障诊断方法 ， 如文献E 4 ] 提 出用 B P神经网络 进行矿用通风机故障诊断 ， 文献E 5 1 研究了将小波分 析 和 B P人 工 神 经 网络 融 合 的诊 断方 法 。此 外 ， 还 有 模糊 神 经 网络 、 概 率 神 经 网 络 、 E l ma n神 经 网 络 等， 但这些神经网络大多采用单一 的传统单点式搜 收稿 日期 2 0 1 6 1 0 3 1 修 回日期 2 0 1 7 0 2 1 5 ； 责任编辑 胡娴 。 基金项 目 国家自然科学基金项 目 6 1 3 0 4 0 8 0 。 作者简介 孙慧影 1 9 7 4 一 ， 女， 山东青岛人 ， 副教授 ， 博士， 主要研究方向为计算机仿真控制和电缆设备控制系统 ， E - ma il ．． s u n h y i n g g n mi l ． C O n l 。 3 8 工矿 自动化 2 0 1 7年 第 4 3卷 索算法 ， 收敛较 慢 ， 诊 断 效 率 较 差 ， 且 容 易 陷 入 局部 极小值。文献[ 6 7 ] 针对小样 本情 况提出了结合 小 波分析和支持 向量 机的诊断方法 ， 但是泛化能力较 差 ； 文献[ 8 2 提出了一种基于改进证据理论信息融合 的故 障诊 断 方法 。以 上 方法 大多 存 在 准 确 率 较 低 、 学 习速度 慢 等缺 陷 。 针对 以上问题， 本文将文献[ 7 3 中提出的动态适 应 布 谷 鸟 搜 索 Dy n a mi c Ad a p t a t i o n C u c k o o S e a r c h ， DAC S 算 法 引 入 B P神 经 网络 中进 行 矿 用 通 风机 故 障诊 断 。D AC S算 法能 在寻 优 中动 态 调 整 算法参数 ， 平衡局部搜 索精度和搜索范 围【 。利用 D AC S算法的全局搜 索能力 和较快 的搜 索速 度对 B P神 经 网络进 行优 化 ， 克 服 了单 纯 B P神 经 网络 存 在的收敛慢、 易陷入局部极小值等缺陷。将优化的 B P神 经 网络 应用 于 矿 用 通 风机 故 障诊 断 领 域 有 一 定 的研究 意 义 。 1 基本 布 谷 鸟算法 及其 改进 1 ． 1 基本 布谷 鸟算 法 基 本 布 谷 鸟 算 法 由 YANG Xi n s h e于 2 0 0 9年 提 出， 其具有很强的全局搜 索能力 ， 且控制参数少 ， 搜索速度快 ， 不易陷入局部最优L 1 ， 比传统群体智 能算 法效 率更 高 。 基本 布谷 鸟 算 法模 拟 布 谷 鸟 寄生 育 雏 的行 为 ， 首先 需要设 立 3个 规则 ① 每 只布 谷 鸟 1 次 产 1个 卵， 随机选取 1 个鸟巢 。② 质量最高的鸟巢将被保 留到下一 代 。③ 鸟 巢总数 固定 ， 寄 生卵 被 发 现 的概 率为 P， P∈ 0 ， 1 ， 存在寄生卵的鸟巢将被舍弃 ， 并 随 机建 立新 巢 。 存 算法 中鸟 巢 代 表 问题 的 解 ， 其 总 数 记 为 N， 每 个 鸟 巢 用 D 维 向量 一 ， ， ⋯ ， z ∞ 表 示 ， i l ， 2 ， ⋯ ， N。算 法 用 以 下 2种 方 式 更 新 鸟 巢 ① 使用L e v y飞行随机搜索机制更新鸟巢 ； ② 通过 固定 概率 P更 新 鸟巢 。 1 ． t ． 1鸟巢 更新 方式 1 鸟巢 更新 公式 为 x 一 x f a 5 L x f 一 Xb r 1 式中 和 x f 十 ”分别表示第 t 代和第 t 1代的 第 i 个鸟巢 ； a为 步长 因子 ～L 。 ， L 。 为 D 维 L e v y 分 布 ； Xb 为 历 史 最 优解 ； r ～ N。 0 ， 1 ， N。 O ， 1 为 D 维 正态分 布 。 I e v y飞 行 随机 搜 索 机 制 比布 朗随 机 运 动 更 加 有 效 ， 是一 种最 理 想 的搜 索 策 略[ ” 。 ， 为 方便 实 现 ， 根据文献[ 1 1 ] 中的方法 ， 将 L 。 表示为 一 南 2 式 中 “ ， 73 服从 标准 正态 分布 ， 即 ～ N 0 ， ， ～ N 0 ， d 3 r r 1 s i n h A ／ 2 ] l ， r 『 2 ] 式 中 r为标 准 g a mma函 数 ； 1 0 ． 3 a 一 a ，0 ． 2≤ R ≤ 0 ． 3 6 ／ _厂 0 ， R 0 ． 3 P 一 P ，0 ． 2≤ R≤ 0 ． 3 7 【 P ／ S P ， R 5 厂 ， 对 应 神 经 网 络 的 7个 输 入 层 节 点 I 一I ， 其中 ，为基频 。矿用通 风机常见故 障主要 有转子不平衡、 不对 中、 基础松动 、 碰磨故障及叶片 故障 ] ， 其 中转子 不平衡 和不 对 中 占常见故 障 的 7 O ， 将 这 5类 故 障 分 别 对 应 5个 输 出 层 节 点 o 一O ， 神经网络结构如图 2 所示 。 o l 02 03 04 O5 图 2 神 经网络拓 扑结 构 隐含层节点数 z 通过式 1 6 选取 Z一 ／ m -q- - n q -口 1 6 式中 m， ， z 分 别 为输 入 、 输 出节 点 数 ； 为 整 数， h b k b 4 0 工矿 自动 化 2 0 1 7年 第 4 3卷 ∈L 1 ， 1 o 3 。 由式 1 6 可知 隐含 层 节点 数 为 4 ～ 1 3 。在 网络 输 入 和输 出 、 学 习速率 相 同的情 况下 ， 通 过改 变 隐含 层节 点数 进 行训 练 ， 选 取误 差最 小 的 隐含层 节点 数 。 选取 5 O组 典 型 故 障 数 据 作 为 网络 学 习 样 本 ， 4 0组故障数据作为测试样本 ， 对确定后 的故障诊断 模 型 的诊断 效果 进行 检测 ， 样 本数 据见 表 1 。 表 1 故障数据样本 构成 3 ． 2 网络 学 习和训 练 在 Ma t l a b平 台上 ， 将 部 分 学 习 样 本 数 据 代 入 B P神经 网络 训 练 ， 将 隐含 层节 点 数选 为 4 ～ 1 3依 次 进行 测 试 ， 相 同训练 次数 下 的训 练 误 差 见表 2 ， 通 过 比较可 以发 现 ， 隐含 层节 点数 取 9时误 差 最小 。 表 2 训练误差对 比 序 号 训 练 误 差 序 号 祟 训 练 误 差 1 4 0 ． 0 3 3 0 6 9 0 ． 0 1 7 4 2 5 0 ． 0 3 0 7 7 1 0 0 ． 0 1 7 8 3 6 0 ． O 2 5 6 8 1 1 0 ． 0 1 8 5 4 7 0 ． 0 0 2 1 9 1 2 0 ． 0 1 9 3 5 8 0 ． 0 2 0 3 1 0 l 3 O ． O 2 1 6 采 用 7 9 5结 构 的 B P神 经 网络 B P NN 、 布 谷鸟算法优化 B P神经 网络 C S - B P NN 、 D AC S算 法 优化 B P神 经 网络 DAC S B P NN 分 别 进 行 学 习 训练。网络寻优 中的 目标 函数值变化 曲线如图 3 所 示 ， 从 图 3可 以看 出， 相 比于 基 本 布 谷 鸟 算 法 ， DAc s算法能更好地平衡 局部搜 索精度 和搜索 范 围 ， 整 体 寻优效 率 也 更 高 。将 DAC S算 法 输 出的 全 局最 优解 作 为初 始参 数 后 ， 对 DAC S B P NN 进 行 学 习训 练 ， 误差 曲线 如 图 4所 示 。 3 ． 3测 试 结果及 分析 学习结束后 ， 分别用修正参数后的 3类神经 网 络 对选 取 的 8 0组 故 障 数 据 进 行 诊 断 ， 诊 断 结 果 见 表 3 。分 析 表 3 可 知 ， 3类 神 经 网 络 中 ， D AC S B P NN 准 确率最 高 ， 对 测 试 样 本 的 诊 断 准确 率 达 到 了9 2 ． 5 ％ ， 而 B P NN 和 C S B P NN 的准 确 率 分 别 为 8 0 ． 0 ， 8 7 ． 5 。 a C S B P NN 目标函数值 变化曲线 b DA CS - B P NN 目标 函数值变化曲线 图 3 网络寻优 中的 目标 函数值变化 曲线 霹 图 4 D AC S B P NN误差 曲线 表 3诊断结果对 比 第 4 3卷 第 4期 2 0 1 7年 4月 工矿 自 动化 I ndu s t r y a nd M i n e Au t oma t i on Vo 1 ． 4 3 NO ． 4 Apr ．2 01 7 文章 编 号 1 6 7 1 2 5 1 X 2 O 1 7 0 4 0 0 4 1 0 5 DO I 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 7 ． 0 4 ． 0 1 0 王敏 ， 武兵 ， 王娟． 考虑相关性的提升机制动系统可靠性分析[ J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 4 4 1 4 5 ． 考虑相关性的提升机制动系统可靠性分析 王敏 ， 武兵 ， 王娟。 1 ． 太原 理工 大学 机 械工程 学 院 ，山西 太原0 3 0 0 2 4 ； 2 ． 合肥天鹅制冷科技有限公司 ， 安徽 合肥2 3 0 0 0 0 摘要 以提 升机 制动 系统制 动 力不足 故 障作 为具体 研 究对 象 ， 分析 了提 升 机 制动 系统 可 靠度 函数模 型 ； 通过相关性分析得 出制动力不足故障的故障链 ， 结合独立故障率和相关系数计算 了考虑相关性的总故障率； 分析 了考虑相关性和不考虑相关性 2种情况下的制动力不足故障间隔时间分布， 线性拟合结果表 明， 考虑相 关性 的制 动 力不足故 障 间隔 时间分布 更符 合威 布 尔分 布模 型 。 实验 结果表 明 ， 故 障 率理 论 值 与 实 际值 的误 差 范 围为 1 ． 3 3 ～3 ． 2 5 ， 验证 了可 靠度 函数模 型 的正确 性 。 关键词 提升机 ； 制动 系统；可靠性；相关性 ； 故障率 ； 威布尔分布模型 中 图分 类号 T D5 3 4 文献 标志码 A 网络 出版 时间 2 0 1 7 0 3 2 8 1 7 2 1 网络出版地址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 7 0 3 2 8 ． 1 7 2 1 ． 0 1 0 ． h t ml 收稿 日期 2 0 1 6 - 1 0 2 7 ； 修 回日期 2 0 1 7 - 0 2 1 6 ； 责任编辑 胡娴 。 基金项 目 山西省科技基础条件平台建设计划项 目 2 0 1 5 0 9 1 0 0 7 。 作者简介 王敏 1 9 9 O 一 ， 男， 山西朔州人 ， 硕士研究生 ， 研究方向为机 电系统动态测试与故障诊断 ， E ma i l 9 0 5 9 0 8 1 3 7 q q ． t o m。 4结语 将 D AC S算法引入 B P神经 网络进行矿用通风 机的故障诊断 ， 克服了单点式搜索算法的诸 多缺陷。 实例 分析 结果 表 明 ， 由 D AC S算 法 优 化 后 的 B P神 经网络具有较快 的收敛速度和较高准确率 ， 对矿用 通 风机 的故 障诊断 具有一 定 实用价 值 。 参考文献 [1 ] [2 ] [3 ] [ 4] [5 ] [6] [7] 汪义鹏 ， 张树江 ， 阚哲． 矿井 主要通风机远程安 全监测 方案[ J ] ． 煤矿安全 ， 2 0 1 6 ， 4 7 8 1 0 1 1 0 2 ． 李曼 ， 李勇． 基于全 息谱 的矿 用通 风机故 障诊 断虚拟 仪器[ J ] ． 煤炭科学技术 ， 2 0 1 0 ， 3 8 3 9 3 9 6 ． 付华 ， 尹丽娜 ， 汪琦． 基 于小波和概率神经 网络 的煤矿 主通 风 机 故 障 诊 断 [ J ] ． 电 机 与 控 制 应 用 ， 2 0 0 8 ， 3 5 3 2 1 - 2 4 ． 江成玉 ， 李春辉． B P神经网络在矿井通风机 故障诊 断 中的应用[ J ] ． 矿业安全与环保 ， 2 0 1 2 ， 3 9 5 5 3 - 5 6 ． 荆双喜 ， 冷军 发 ， 李臻． 基于小波 一 神 经网络 的矿用 通 风机 故 障诊 断 研 究 [ J ] ． 煤 炭 学 报 ， 2 0 0 4 ， 2 9 6 73 6 7 39 ． 荆双喜 ， 华伟 ． 基 于小波 一支 持 向量 机的 矿用通 风机 故障诊断i- J ] ． 煤炭学报 ， 2 0 0 7 ， 3 2 1 9 8 1 0 2 ． 尹洪胜 ， 俞星 ， 刘瑶 ， 等． 基于 KI C A - S V M 的矿用主要 [ 8] [9 ] 1, 1 0 ] 1, 1 1 ] [ 1 2 ] 1, 1 3 ] 1- 1 4 ] [ 1 5 ] 通 风 机 故 障 诊 断 [ J ] ．煤 矿 安 全 ， 2 0 1 1 ， 4 2 2 1 3 O一 13 2 ． 程加堂 ， 熊伟 ， 艾莉 ． 基于改进 D - S 证 据理论 的煤矿通 风机故 障诊 断I- J ] ． 工 业安全 与环保 ， 2 0 1 4 ， 4 0 1 3 5 3 7． 张永耩 ， 汪镭 ， 吴 启迪 ． 动态适应布谷 鸟搜索算 法[ J ] ． 控制与决策 ， 2 0 1 4 4 6 1 7 6 2 2 ． 薛浩然 ， 张珂 珩 ， 李斌 ， 等． 基 于布谷 鸟算 法和支 持 向 量机的变压 器 故 障诊 断I- J ] ． 电力 系统 保 护 与控 制 ， 2 0 1 5 8 8 - 1 3 ． 海广超 ， 陈华 ， 金晓虎． 基于改进 布谷 鸟算 法含光伏 电 站 的无功优化[ J ] ． 水 电能源科学 ， 2 0 1 6 4 2 0 3 2 0 6 ． 王帅磊 ， 张金春 ， 曹彪 ， 等． 基于 L e v y飞行 的蜂 拥控制 算法在 目标 跟 踪 中 的应 用 [ J ] ． 兵 工 自动化 ， 2 0 1 6 ， 3 5 7 3 5 - 4 0 ． 张前图 ， 房立 清 ， 赵玉龙． 具有 L e v y飞行 特征 的双 子 群果蝇优化算法 I- J ] ． 计 算机应用 ， 2 0 1 5 ， 3 5 5 1 3 4 8 1 35 2． 宋云亭 ， 吴俊 玲 ， 彭冬 ， 等． 基 于 B P神 经 网络 的城 网 供 电可靠性 预 测方 法 I- J ] ． 电网技 术 ， 2 0 0 8 ， 3 2 2 0 5 6- 5 9． 王元章 ， 吴春 华 ， 周笛 青 ， 等． 基 于 B P神经 网络 的光 伏阵列故障诊断研究 [ J ] ． 电力 系统保护 与控制 ， 2 0 1 3 1 6 10 8 1 1 4．