分布式遠程故障診斷專家系統在磨礦自動化中的應用

滕　章　王建民

(華北理工大學電氣工程學院)

?

分布式遠程故障診斷專家系統在磨礦自動化中的應用

滕章王建民

(華北理工大學電氣工程學院)

摘要為解決選礦廠生產過程中設備故障而引起的生產停止或癱瘓等問題，選礦廠采用了一套智能故障診斷系統，可自動檢測出故障點并提出解決方案，做到及時發現及時解決，減少生產過程中不必要的經濟損失。實踐證明：故障診斷專家系統的應用可做到提前預防，減少故障發生率，增加廠礦經濟效益，同時還實現了出現故障時可迅速發現故障點并提出維修策略的目的，減輕了工人的工作強度。

關鍵詞磨礦自動化分布式系統故障診斷神經網絡專家系統

設備的正常運行是選礦廠穩定生產的必備條件，設備的故障率將直接影響選礦廠的生產效率和經濟利益。在整個生產過程中，可能由于給水量、給料量等磨機負荷的不穩定而給現場的工作人員帶來干擾，忽略了設備出現故障的可能。在現代大多數的磨礦領域中，監管一體化已成功應用到磨礦自動化系統，總體結構由三個層次構成，分別是自動控制層、監控管理層和生產管理層。

自動控制層采用總線技術、可編程序控制器(PLC)控制技術，通過對現場設備及儀表的監測、采集現場信號，實現對生產流程和設備的自動控制并使用西門子 SIEMENS 的 PROFIBUS 總線實現現場各 PLC 站點及智能儀表的連接。

監控管理層采用成熟的計算機技術，將現場的各個數據實時的傳入數據庫中，使磨礦廠所有現場設備的運行狀態得到顯示、工藝參數得到優化的同時完成報表查詢功能和過往數據的查看。監控管理層由 5臺操作計算機和1臺服務器組成。操作計算機互為備份，采用冗余技術確保數據完整、準確。

生產管理層屬于選礦廠的信息服務系統，是最高層的應用。使用以太網方便管理人員根據當前的參數曲線和設備的運行狀態來指導生產，進行調度和管理。在該層通常采用信息融合技術建立基于 Web 的實時監控、信息查詢應用；管理人員可以使用Web方式瀏覽監控管理的畫面，方便分析與了解設備的運行情況。

過程監控是整個系統的核心，此層次包含一些簡單的故障報警和上線報警，但是傳統的故障診斷知識、技術與信息不能得到共享和擴展，同時由于技術力量薄弱很難及時發現故障點并解決故障，所以傳統的故障診斷技術已不能滿足現代的需要，故筆者設計出一套遠程故障診斷專家系統，既可以使選礦廠的經濟效益在上升的同時還可縮小故障率和減少操作人員的工作強度。

1遠程故障診斷系統的設計

1.1網絡體系結構設計

隨著計算機技術與通信技術不斷地成熟，尤其是Internet技術的普及，目前比較流行的網絡體系結構有客戶端/服務器(C/S)結構，瀏覽器/服務器(B/S)結構以及混合(CS/+B/S)結構等[1-2]。

C/S結構的優點體現在易于編寫控制程序和交互程序、可靠性高和可進行大量的實時數據的傳輸等。另一方面，C/S結構還存在一定的缺點，不管是客戶端還是服務器都需要安裝必要軟件，這樣就使得系統維護變得相對困難，升級麻煩，更換服務器可能會造成更換新的客戶端軟件等[3-4]。B/S是一種三層的C/S結構，是開放式的、能支持多平臺的操作系統，通過瀏覽器可訪問不同程序服務器；其次，客戶端只需要瀏覽器，不需要其他額外軟件，利于用戶使用，發生故障時只需要維護服務器代碼，易于維護且費用低；但是B/S不利于大量實時數據的傳遞、穩定性和可靠性都不夠高。結合兩者優點提出了以C/S+B/S結構設計此遠程故障診斷系統，多層混合的分布式遠程故障診斷框架結構見圖1。

圖1　多層混合的分布式遠程故障診斷框架結構

處理層與后端數據庫服務器。前端用戶端主要實現人機交互界面的功能，顯示動態曲線與設備狀態；中間應用層是整個混合系統的核心部分，是連接前端與后端的橋梁；后端數據庫服務器負責數據的分類、處理、查詢與更新，并為來自處理層的數據庫請求提供服務。其優點是將整個混合系統分成不同的部分，各層次非常清晰；使維護和更新等操作都轉向服務器，并可完成不同邏輯塊的數據處理。

1.2系統整體結構設計

設計的整個遠程故障診斷系統由多個設備監測點、本地和遠程故障診斷中心組成，現場監測點對現場設備進行監測的同時將監測到的信號數據傳送到本地診斷中心。在設備正常工作時，其主要任務是采集和存儲從傳感器或者是控制器等設備運行的狀態信息，這些狀態信息按照定義的規則進行處理，實現參數顯示的同時將信息存入到數據庫；在設備故障時，可實現超限報警、故障初步診斷，并將報警信息存入數據庫，若出現本地故障診斷中心不能解決的故障，系統將會把設備運行狀態數據以文件的形式發送給Web服務器，由遠程故障診斷中心提供解決方案，協助其解決故障。遠程故障診斷中心建立在具有專家的異地，和本地故障診斷中心相結合組成一個分布式遠程故障診斷系統。分布式遠程故障診斷系統的理論基礎的相互關系見圖2。

2專家系統

專家系統結構包括知識庫、數據庫、推理機、解釋程序、知識獲取與用戶6部分[5]，一般專家系統的基本構架見圖3。

專家系統可近似為人工智能軟件程序，該程序會調用專家總結出的知識和推理方法去處理復雜的問題。專家系統提供的解決方案是以知識庫為起點，結合相關知識再通過推理機的推理所得到的。但目前知識庫擴充與更新的能力有限，這將阻礙專家系統的進一步發展。

圖2　分布式遠程故障診斷系統的理論基礎的相互關系

圖3　一般專家系統的基本構架

2.1知識庫的擴展

知識庫是專家系統中必不可少的一部分，其任務是存儲和管理專家系統中的相關知識[6]。傳統的專家系統在其開發研制中遇到了知識難以管理和擴充、推理能力弱的問題，這將阻礙專家系統的不斷發展，而人工神經網絡具有容錯、推理、記憶、自適應、自組織和實時學習的優勢，正好彌補了專家系統的不足；綜合兩者優點并將其結合起來，創建一個像專家人員那樣既可以直覺聯想又可以自主學習和推理的智能計算機系統，將知識不斷地更新與擴充，神經網絡故障診斷專家系統結構見圖4。

圖4　神經網絡故障診斷專家系統結構

本文用的神經網絡模型是BP神經網絡(多層前饋網絡)，BP神經網絡拓撲結構由輸入層(input)、隱含層(hidden layer)和輸出層(output layer)組成，BP網絡三層神經元結構見圖5[7-8]。

圖5　BP網絡三層神經元結構

BP神經網絡的學習過程可分為輸入信息的前向傳遞過程和誤差信息的后向傳遞過程。首先輸入信息先由輸入層各神經元接收，再通過隱含層的處理后將信息傳遞到輸出層節點，進而得到神經元的輸出數據，如果網絡的輸出與預計輸出相符，則完成此次學習；否則，進入誤差信息的后向傳遞過程，誤差先經過輸出層，再經過隱含層和輸入層。信息前向傳遞和誤差后向傳遞反復循環，使各層權值不斷得到調整，此過程直到誤差達到精度要求后結束。

(1)

式中，tpj為j節點的預計輸出值；Opj為j節點計算輸出值。如果所有輸出誤差都滿足Ep≤ε，則學習過程終止(ε為指定允許誤差)；否則，進入誤差后向傳遞過程，不斷調整各層權值。

2.2推理機

推理機是專家系統中實現知識推理的執行機構[10]，其主要任務是根據實際的問題，從知識庫中篩選相關知識，再根據預先定義的規則進行推理得到最終的方案反饋給用戶。

推理的過程如下(見圖6)：

(1)調入故障診斷知識庫。

(2)輸入各項故障征兆值{x1，x2，x3，…，xn}。

(3)計算隱含層的輸出。

(4)計算輸出層的輸出。

(5)根據預先設定的規則判定最終神經元的輸出。

3軟件設計

該系統的軟件設計分為兩部分，現場監控的軟件設計和遠程診斷的軟件設計。

(1)現場監控中心軟件程序設計。現場監控中心軟件是采用Visual C++6.0軟件編寫，其主要完成數據實時趨勢曲線、歷史趨勢曲線、報警顯示、報警數據查詢、監測工藝流程畫面以及對下位機的控制。圖7為磨礦狀態監測系統主顯示界面，系統上位機的監控軟件平臺能夠提供實時的監控畫面，實現對工藝流程運行狀態顯示，對超限的運行參數進行聲光報警，并且通過監控軟件的數據管理功能，可實現對監測數據的處理、分析、儲存、顯示和打印等功能。

圖6　神經網絡推理過程

(2)遠程診斷的軟件設計。此部分的任務就是對數據庫的編程，選用的數據庫為SQL Sever，負責組織、接收與管理數據。代碼如下：

Void add_to_sql()

{ string connStr，insertCmd；

connStr =“Server=.；Database=kmydata；uid=sa；pwd=123”；

insertCmd=“Insert Into kmy(snum，kmymatersv，materpv，kmymatermv，kmywatersv，waterpv，kmywatermv，materweight，materspeed，watertomater，densitypv，optpeaksound，soundsv，soundpv，soundmv，currentpv，acumMater，acumWater，acmB1Out，acmB2Out，acumB3Out，PcRunCmd，kmyState)

values(@snum，@kmymatersv，@materpv，@kmymatermv，@kmywatersv，@waterpv，@kmywatermv，@materweight，@materspeed，@watertomater，@densitypv，@optpeaksound，@soundsv，@soundpv，@soundmv，@currentpv，@acumMater，@acumWater，@acmB1Out，@acmB2Out，@acumB3Out，@PcRunCmd，@kmyState)”

SqlConnection conn；

SqlCommand cmd；

conn=new SqlConnection(conStr)；

conn.Open()；

cmd=new SqlCommand(insertCmd，conn)；

cmd.Parameters.Add(new SqlParameter(“@snum”，OleDbType.DBTimeStamp))；

圖7　磨礦狀態現場監控主界面顯示

…

…

…

cmd.Parameters.Add((new SqlParameter(“@kmyState”，OleDbType.Integer))；

cmd.ExecuteNonQuery()；

cmd.Clone()；

conn.Close()；

}

4仿真

該專家系統的故障診斷系統已在河北某選礦廠得到應用。以恒速皮帶秤故障為例，此專家系統運行的仿真結果如圖8所示。由圖8可以看出，此系統可以準確的檢測出故障的原因。

圖8　仿真結果

5結論

分布式遠程故障診斷專家系統是傳統的故障診斷與網絡技術相結合的一種開放式的設備故障診斷。研究成果表明，該系統無需人工檢查故障點，同時解決了傳統故障診斷不能及時發現故障和準確解決故障的問題，極大地降低了生產中事故的發生率及維修帶來的經濟損失；但是由于能力和時間有限，此系統還存在不足應加以改進，如知識庫的更新和推理機的智能化等。

參考文獻

[1]周冬婉.遠程診斷在工業控制上的應用[D].武漢：武漢理工大學，2005.

[2]陳波.分布式遠程故障診斷專家系統的框架及若干關鍵技術的研究[D].大連：大連理工大學，2002.

[3]劉媛，張偉，王知學.基于B/S和C/S架構的嵌入式遠程監控系統[J].儀表技術與傳感器，2008(10):39-41.

[4]黃培標，柴華昕.基于Web Service的自動升級設計與實現[J].桂林電子科技大學學報，2008(6):483-485.

[5]潘大志，黃青松.基于構件的專家系統開發工具的研究[J].西華師范大學學報：自然科學版，2003(4):454-457.

[6]趙時.基于GSM網絡掉話故障診斷系統的設計與實現[D].沈陽：東北大學，2008.

[7]姚曉睿.基于Web遠程故障診斷系統的研究[D].西安：西安科技大學，2008.

[8]郭龍鋼.基于BP人工神經網絡電力負荷預測[J].洛陽理工學院學報：自然科學版，2013(1):62-64.

[9]劉瑞春，聶建亮，廖順山.基于ALR的Hopfield神經網絡在高程擬合中的應用[J].地球科學與環境學報，2007(4):408-411.

[10]李允俊.網絡專家系統開發平臺NESP的設計與實現[J].東北師大學報：自然科學版，2006(3):13-20.

(收稿日期2016-02-17)

滕章(1992—)，男，碩士研究生，063009 河北省唐山市新華西道46號。