一种矿井主要通风机故障诊断系统.pdf

第 4 3卷 第 6期 2 O l 7年 6月 工矿 自 动化 I ndu s t r y a n d M i n e Aut o ma t i o n V0 1 ． 4 3 NO ． 6 J un ．2 0 1 7 ’ ‘ ’ ’。 i 经验交流 ⋯． ．⋯ ．1 ◆I ．’ 文 章编 号 1 6 7 1 2 5 1 X 2 0 1 7 0 6 0 0 6 9 0 3 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 6 ． 0 1 6 王 浩宇 ， 陈 颖 ， 缪 燕子 ， 等 ． 一种 矿井 主要 通 风机 故 障诊断 系统 I- J ] ． 工矿 自动 化 ， 2 0 1 7 ， 4 3 6 6 9 7 1 ． 一 种矿井主要通风机故障诊断系统 王浩 宇 ， 陈颖 ， 缪 燕子 ， 陈炳 光 中国矿业大学 信息与控制工程学院，江苏 徐州 2 2 1 1 1 6 摘 要 采 用经极 限 学 习机 训练 的神 经 网络 建 立故 障诊 断模 型 ， 基 于该 模 型设计 了一种矿 井主要 通风机 故 障诊断系统， 介绍 了该 系统 的软硬件设 计方案。测试 结果表 明， 该 系统 中极 限学 习机 算法运行 时间仅 为 0 ． 0 3 1 3 S ， 故 障诊 断准 确率 不低 于 9 7 ． 3 5 ， 其 实 时性 和 准确 性优 于基 于 B P神 经 网络 、 E L MAN 神 经 网络 、 经 支持 向量机 训 练的神 经 网络 等模 型的 主要 通风机 故 障诊 断 系统 。 关键 词 煤炭 开采 ；主要 通风机 ；故 障监测 ；故 障诊 断 ； 极 限 学 习机 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 5 2 6 1 0 0 2 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 5 2 6 ． 1 0 0 2 ． 0 1 6 ． h t ml A f a u l t d i a g no s i s s y s t e m o f mi ne ma i n v e n t i l a t o r W ANG H a o yu， CH EN Yi n g， M I AO Ya nz i ， CHEN Bi ng gu a ng S c h o o l o f I n f o r ma t i o n a n d C o n t r o l En g i n e e r i n g，Ch i n a Un i v e r s i t y o f M i n i n g a n d Te c h n o l o g y ，Xu z h o u 2 2 1 1 1 6，Ch i n a Abs t r a c t A f a ul t d i a gno s i s mo de l wa s bui l t by us e of ne u r a l ne t wor k t r a i ne d b y e xt r e m e l e a r ni n g ma c h i n e ．A f a u l t d i a g n o s i s s y s t e m o f mi n e ma i n v e n t i l a t o r b a s e d o n t h e mo d e l wa s d e s i g n e d ，a n d s o f t wa r e a nd ha r d wa r e de s i gn s c he m e s o f t he s ys t e m we r e i nt r o du c e d． The t e s t r e s ul t s s ho w r unn i ng t i me of e x t r e me l e a r ni n g m a c hi ne a l go r i t h m i n t he s ys t e m i s on l y 0． 0 31 3 S a nd a c c u r a c y r a t e o f f a ul t di a gn os i s i s n ot l e s s t ha n 9 7． 3 5 ，whi c h ha s b e t t e r r e a l t i m e pe r f or ma nc e a n d a c c ur a c y t h a n f a ul t d i a g no s i s s ys t e m s b a s e d on BP ne ur a l n e t wor k， ELM AN ne ur a l n e t wo r k o r ne ur a l n e t wo r k t r a i ne d b y s up po r t v e c t o r ma c hi ne ． Ke y wo r d s c o a l mi n i n g；ma i n v e n t i l a t o r ；f a u l t mo n i t o r i n g；f a u l t d i a g n o s i s ；e x t r e me l e a r n i n g ma c h i n e 0 引言 矿井 主要通风机为井下工人提供新鲜空气 ， 其 一 旦发 生 故 障 ， 将会 危及 井下 人员 生命 安 全_ l ] 。因 此 ， 快 速 、 准 确 地 诊 断 主 要 通 风 机 故 障 状 态 非 常 重 要 。在现有矿井主要通风机故 障诊断方法中 ， 传统 的非 智 能诊 断方 法 仅依 靠 人 为 经 验 诊 断故 障 ， 可 靠 性低 ； 基 于 小波 分 析 的故 障诊 断 方法 [ 3 采 用 非 平 稳 信号 ， 容易产生虚假信号和假频等现象l_ 4 ； 基于故障 树_ 5 ] 、 基于 B P神经网络[ 6 。 的故障诊 断方法存在学 习速 度较 慢 、 易 陷入 局部 收敛 等 问题 ； 基 于支 持 向 量 机 S u p p o r t Ve c t o r Ma c h i n e ， S VM L 9 ] 的 故 障诊 断方 法容 易 陷入局 部最 优 问题 。针对 上 述 问题 并 结 合现 场 实 际 情 况 ， 笔 者 采 用 极 限 学 习 机 E x t r e me L e a r n i n g Ma c h i n e ， E L M 来训 练单隐层神经 网络 ， 以提高 神 经 网络 的训 练 速 度 ， 并 将 经 E L M 训 练 的 神经 网络 应用 于矿 井 主 要 通 风 机 故 障诊 断 中 ， 设 计 了一种 基 于 E L M 的 矿 井 主 要 通 风 机 故 障诊 断 系 收稿 日期 2 0 1 6 1 1 2 9 ； 修 回日期 2 0 1 7 - 0 4 2 4 ； 责任编辑 李明。 基金项 目 国家 自然科学基金资助项 目 6 1 3 0 3 1 8 3 。 作者简介 王浩宇 1 9 9 2 一 ， 男 ， 河南 南 阳人 ， 硕士 研究 生 ， 研究 方 向为 矿 山机 电设 备故 障诊 断 ， E ma i l 2 5 4 0 8 5 4 8 0 0 q q ． c o rn。通信 作 者 陈颖 1 9 6 O 一 ， 女 ， 河北唐 山人 ， 副教授 ， 研究方 向为信息融合 、 自动化控制技术 ， E ma i l x z c h e n y i n g 1 2 6 ． c o rn。 7 0 工矿 自动化 2 O 1 7年 第 4 3卷 统 ， 可提 高 主要通 风 机故 障诊 断 的速度 和准 确性 。 1系统 设计 1 ． 1 系统硬 件 结构 基 于 E L M 的矿 井 主要通 风机 故 障诊 断 系统 结 构 如 图 1 所 示 。振 动传感 器采 集 主要通 风机 振 动信 号 ， P L C将振动信号转换为数字信号并传送 到上位 机 进行 处理 ， 上位 机 组 态 王 软件 界 面 可显 示 振 动 值 及 故 障诊 断结果 。系统 中 P L C A 和 P L C B互 为 冗余 。2 个 P L C通过以太网与对应的上位机连接 。 振 动 传 恩 器 图 1 矿井 主要 通风机故障诊断系统结构 系统采用对高频信号敏感 的 J z 一3 O压 电式加 速度传感 器 测 量 主要 通 风机 振 动 值 。P L C选 用 P L C一 3 0 0 。主要 通风 机空 载转 频为 1 7 9 7 r ／ rai n ， 采 样 频 率 为 1 2 k Hz ， 采 样 问 隔 为 1 S ， 采 样 点 数 为 1 2 0 0 0 个 。主要 通 风机 主要 故 障 出现 在轴 承 和 电动 机处 ， 因此 ， 将传感器安装在主要通风机轴承和电动 机 上 ， 对 这 2个 部件 进行 故障 监测 和诊 断 。 1 ． 2 系统 软 件 G．B ．HUANG等口 针对具有单个 隐含层 的前馈 型 神 经 网 络 ， 提 出 一 种 快 速 有 效 的 训 练 算 法E L M， 常用于在线故障诊断[ 。 。该算法通 过计算神经网络隐含层输出矩 阵得 到输 出权重 ， 而 不 是在 迭代 过 程 中进 行 调 节 ， 实 现 步 骤 少 、 计 算 量 小 ， 可在保证学习精度的前提下 ， 使故障诊断模型快 速 学 习新 故障 ， 并 及 时判 断 出故 障类 型 。 在 Ma t l a b中构 建 基 于 E L M 算 法 训 练 的 神 经 网络故障诊断模型， 即子函数 E L M MA I N。P L C一 3 0 0通过模 拟 量 模 块 S M3 3 1将 主要 通 风 机 振 动 信 号转换 为 4 ～2 O mA 电流信号 并传 输 到上 位 机 组态 王 软 件 。 采 用Ma t l a b 提 供 的 动 态 数 据 交 换 D y n a mi c D a t a E x c h a n g e ， D D E 协 议 客户端 建 立对 话 通道 ， 在 对话通 道 内与组 态 王对 象建 立 DD E热链 接 。当组态 王 中建 立 热 链 接 的监 控 数 据 发 生 变 化 时 ， Ma t l a b 自动 调 用 相 应 的故 障 诊 断子 函数 E L M MAI N。采 用改 进 的集 合 经 验 模 态 分 析 E n s e mb l e E mp i r i c a l Mo d e De c o mp o s i t i o n ， E E MD 方 法 副对 主要通风机故 障诊 断信号进行 分析和处理 。针对 E EMD分解 结 果 ， 采 用 特 征 能 量方 法 提 取 振 动信 号 的 8个特 征值 并进 行 归一 化 处 理 ， 将 归一 化 结 果 作 为故 障诊 断 子 函数 E I M MAI N 的 输 入 量 ， 输 入 神 经元 设 置 为 8个 。隐 含 层节 点 取 2 0个 。故 障类 型 分 为无故 障 、 不平 衡 故 障 、 不 对 准 故 障 、 机械 松 动 故 障l 1 ， 因此 输 出 神 经 元 设 置 为 4个 。输 出 结 果 无 故 障为 1 ， 0 ， 0 ， 0 ， 不 平衡 故 障为 o ， 1 ， 0 ， O ， 不 对 准 故 障为 0 ， 0 ， 1 ， O ， 机 械 松 动 故 障 为 0 ， 0 ， 0 ， 1 。诊 断结 果发 送 至组态 王 软件 ， 进 行 故 障 报警 和故 障类 型 显 示 。 2 系统 测试 在平 顶 山煤业 集 团 有 限责任 公 司五 矿对 矿井 主要 通 风 机 故 障诊 断 系 统进 行 测 试。现 场 采集 6 4个轴 流式 通 风机 轴承 振动 信号 。 系统 对 主要 通 风机 进 行故 障诊 断 的 步骤 ① 对 采集 的振 动 数 据 进 行 预 处 理 提 取 特 征 值 。建 立 一 组 含有 6 4个振 动 信 号 样 本 的 主 要 通 风 机故 障 数 据集 ， 用来进行分类测试 ， 其 中训练集包含 4 8个样 本 ， 测 试集 包 含 1 6个 样 本 。6 4个 样 本 的 故 障 属 性 包括 无故 障 、 不平 衡 故 障 、 不对 准 故 障 、 机 械 松动 故 障 。② 将训练集作为训练样本 ， 构造输入 、 输出变 量 ， 采用 E L M 训 练 神经 网 络 ， 构建 基 于该 神 经 网 络 的故障诊断模型。③ 采用故障诊断模 型对输入 的 测试 集进 行 故 障分 类 。④ 故 障诊 断 结 果 通 过 DD E 协议 反馈 给 组态 王 。 主要 通 风机 部分 故 障样本 数 据见 表 1 。 表 1 主要通风 机部分故障样本数据 序号 无故障 不平衡故障不对准故障 机械松动故障 0 ． 02 8 9 0． 03 1 9 0 ． 07 2 3 0 ． 07 8 0 0． 80 5 0 0． 47 3 4 0． 06 8 5 0 ． 33 l 7 选 用 B P神 经 网 络 、 E L MAN 神 经 网络 、 基 于 S VM 训 练 的 神 经 网 络 、 基 于 E I M 训 练 的 神 经 网 络 ， 分别 针对 主 要 通 风 机 故 障进 行 诊 断 。故 障 诊 断 模 型采用 最 常 见 的单 隐层 前 馈 神 经 网络 。B P神 经 网络 和 E L MAN神 经 网络 模 型 均 由 Ma t l a b中相 应 的 工具箱 建 立 。基 于 S VM 训 练 的神 经 网络 模 型 由 S VM 工 具箱 得 到 ， S VM 核 函数选 用径 向基 函数 ， 其 余参数取默认值 。基于 E L M 训练的神经 网络模型 2 0 1 7年 第 6期 王浩宇等 一种矿井主要通风机故障诊断 系统 7 l 相关参数参考文献[ 1 6 ] 。各故障诊断模型参数设置 见 表 2 ， 其 中 B P 、 E L MAN、 S VM 、 E L M 分 别 代 表 B P神 经 网络 、 E L MAN 神 经 网 络 、 基 于 S VM 训 练 的神经 网络 、 基 于 E L M 训 练 的神 经 网络 。 表 2 故障诊断模 型参数 设置 试 验 在 配 置 为 X 8 6 3 2 Wi n d o ws P C、 2 GB 内 存 、 2 GHz 主 频 的 i 3处 理 器 的工 控 机 上 进 行 ， 测 试 结果 见表 3 。 表 3 主要通风机故 障诊 断测试结 果 由于 E L M 算法随机设定神经 网络模型的权重 和 阈值 ， 所 以基 于 E L M 训 练 的 神 经 网 络模 型 出现 2种诊 断 结 果 。从 表 3可 看 出 ， 基 于 E L M 和 S VM 训 练 的 神 经 网 络 运 算 时 间 较 B P 神 经 网 络 和 E L MAN神经网络短 。考虑到矿井主要通风机故障 诊断系统对故障诊 断的实时性要求较高 ， 因此 ， 基于 E L M 和 S VM 训 练 的 神 经 网 络模 型更 适 用 于 该 系 统。基于 S VM 训练的神经网络模型故障诊断准确 率 为 8 7 ． 5 O ， 不 满 足实 际应 用 要 求 ； 而 基 于 E L M 训练的神经网络模型故障诊断准确率大于9 7 ． 3 5 ， 可实现主要通风机故障的快速 、 准确诊断 。 3 结语 基 于 E L M 的矿井 主要 通 风 机故 障诊 断 系统 将 采集的振动 数据传 送到组 态王 ， 由组态 王发 送至 Ma t l a b完成基于 E L M 算法的故障诊断， 最后将诊 断 结果 输 出并 在 组 态 王 界 面 中 显 示 。测 试 结 果 表 明 ， 运用 E L M 算 法 训 练 神 经 网 络 的故 障 诊 断 方 法 与常用故障诊断方法相比， 其算法运行时间短， 故障 诊断准确率高 ， 能够实现主要通风机故障的实时、 准 确诊 断 。 E L M 算 法具 有较 好 的泛化 性能 ， 可灵 活 地移 植 到嵌 入 式 系统 中 ， 设 计 针 对 不 同设 备 的故 障 诊 断 系 统。由于矿井主要通风机故 障率较低 ， 所 以故 障样 本数据较少， 而神经网络往往需要大量数据进行训 练。下一步将对主要通 风机故 障诊 断算 法进行改 进， 提高其对于小样本故障诊断的准确性 。 参考文献 [ 1] [ 2] [3] [4] [5 ] [6] [ 7] [ 8] [ 9] [- 1 0 ] [ 1 1 ] [ 1 2 ] [ 1 3 ] [ 1 4 ] [ 1 5 ] [ 1 6 ] 王利华 ， 王小松 ， 魏 广金． 矿井 主通风 机 自动监控 系统 的设计 [ J ] ． 工矿 自动化 ， 2 0 1 0 ， 3 6 1 2 9 5 9 9 ． 马小平 ， 吴新忠 ， 任 子晖． 基于移动互联 的煤 矿通风机 远程监控技术 [ J ] ． 工矿 自动化 ， 2 0 1 6 ， 4 2 3 7 - 1 2 ． 胡汉辉 ， 杨洪 ， 谭青 ， 等． 基于小 波分 析 的风机 故障诊 断 [ J ] ． 中南 大 学 学 报 自然 科 学 版 ， 2 0 0 7 ， 3 8 6 1 1 69 11 7 3． 钟佑 明 ， 秦树人 ， 汤 宝平． Hi l b e r t - Hu a n g变换 中的理 论研究[ J ] ． 振动 与冲击 ， 2 0 0 2 ， 2 1 4 1 3 1 7 ． 蔡培． 基 于故障树 的矿井风机故障诊断知识库 的构建 I- D ] ． 唐 山 河北联合大学 ， 2 0 1 4 ． 周丽霞 ， 杨荣 松 ， 熊瑞 平 ， 等． 改 进 的 B P神经 网络在 风机 故 障 诊 断 中 的应 用 [ J ] ． 机 床 与 液 压 ， 2 0 0 7 ， 3 5 2 2 1 8 - 2 2 0 ． J I NG S X， CHANG Y， LENG J F ．M i n e v e n t i l a t o r f a u l t di a gn os i s b as e d o n ha r mon i c wa ve l e t a na l ys i s [ J ] ．Ap p l i e d Me c h a n i c s a n d Ma t e r i a l s ， 2 0 1 1 ， 1 4 3 ／ 1 4 4 61 3 - 61 7 ． YU F， XU X． A s h o r t - t e r m l o a d f o r e c a s t i n g mo d e l o f na t ur a l ga s ba s e d On o pt i mi z e d ge ne t i c a l go r i t hm a nd i mp r o v e d B P n e u r a l n e t w o r k[ J ] ．A p p l i e d E n e r g y ， 2 01 4， 13 4 1 02 1 1 3． 石 瑶 ， 任清 阳． 基于 支持 向量机 的矿井通 风机 故障诊 断系统 的研 究 [ J ] ．自动 化 与 仪 器 仪 表 ， 2 0 1 3 5 1 8 2 O． HUANG G B，ZHU Q Y，S I EW C K．Ex t r e me l e a r n i n g ma c h i n e t h e o r y a n d a p p l i c a t i o n s [ J ] ． Ne u r o c o mp u t i n g， 2 0 0 6 ， 7 0 1 ／ 2 ／ 3 4 8 9 5 0 1 ． HUANG G B， ZH0U H ， DI NG X，e t a l I Ex t r e m e l e a r ni ng m a c hi ne f o r r e g r e s s i o n a n d mu l t i c l a s s c l a s s ． f i c a t i 0 n [ J ] ． I E E E T r a n s a c t i o n s o n S y s t e ms Ma n a n d Cy b e r n e t i c s ，Pa r t B， 2 0 1 2， 4 2 2 5 1 3 - 5 2 9 ． 张英堂 ， 马超 ， 尹刚 ， 等． 基 于多极 限学习机在线 集成 的柴 油 机 故 障 诊 断 方 法 研 究 [ J ] ． 车 用 发 动 机 ， 2 O 1 2 6 8 5 8 9 ． 苑津莎 ， 张利伟 ， 王瑜 ， 等． 基于极 限学 习机 的变 压器 故障诊 断 方 法 研 究 [ J ] ．电 测 与 仪 表 ， 2 0 1 3 1 2 2 1 2 6． 占健 ， 吴 斌 ， 王加 祥 ， 等． 基 于 O S E L M 的风 机关 键 机械部件故 障诊 断方 法 [ J ] ． 机 械制 造 ， 2 0 1 5 ， 5 3 4 6 6 7 O． 位 礼奎． 基于振动信号分析 的煤 矿主通风机故 障诊 断 研 究[ D ] ． 徐州 中国矿业大学 ， 2 0 1 6 ． 刘静雅 ． 基于极限学 习机 的航空发 动机传 感器故 障诊 断研究 [ D ] ． 天津 中国 民航大学 ， 2 0 1 5 ．