基于GA-BP的礦用提升機制動器故障診斷方法

狄日升

（同煤浙能麻家梁煤業(yè)有限責(zé)任公司大型一隊， 山西 朔州 036000）

引言

制動器是礦井提升機的重要組成部分，在保證礦井提升機正常、平穩(wěn)運行中起著不可或缺的作用，由于制動器的運行是依靠機電液耦合作用，各種信號的耦合是制動器發(fā)生故障時診斷困難的主要原因，因此，制動器故障診斷的研究對提高制動器的可靠性有重要的意義。礦井提升機在復(fù)雜、惡劣的環(huán)境下工作，其受到的載荷、運行速度等變化較為劇烈，運行過程中容易發(fā)生各種難以預(yù)測的問題，因此對礦井提升設(shè)備制動器的故障類型識別、故障嚴重程度評估以及故障診斷的研究具有重要的現(xiàn)實意義。

1 GA-BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種前向多層次的網(wǎng)絡(luò)，在網(wǎng)絡(luò)培訓(xùn)過程中，BP神經(jīng)算法即調(diào)整網(wǎng)絡(luò)權(quán)值的訓(xùn)練方法[1-2]。BP神經(jīng)算法作為神經(jīng)網(wǎng)絡(luò)中的精華部分，由于其機構(gòu)簡單，可塑性、非線性映射能力及分布式處理能力較強，因而在信息分類處理、數(shù)據(jù)壓縮等相關(guān)領(lǐng)域應(yīng)用較為廣泛。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層以及輸出層三部分構(gòu)成。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，神經(jīng)網(wǎng)絡(luò)的上、下層之間全部連接，各層之間的神經(jīng)元無連接。

GA-BP神經(jīng)網(wǎng)絡(luò)由于較BP神經(jīng)網(wǎng)絡(luò)具有收斂更快，記憶能力以及網(wǎng)絡(luò)學(xué)習(xí)能力更為穩(wěn)定等優(yōu)點[3]，如圖2所示是GA-BP神經(jīng)網(wǎng)絡(luò)算法流程示意圖。GA-BP神經(jīng)網(wǎng)絡(luò)由種群初始化、適應(yīng)度函數(shù)、選擇算子、交叉算子以及變異算子等要素組成。種群初始化采用二進制編碼；適應(yīng)度函數(shù)采用分配函數(shù)[4]FitnV=ranking（obi），其中，obj表示目標函數(shù)輸出值選擇算子應(yīng)用隨機抽樣；交叉算子采用單點交叉算子。遺傳算法具體運行參數(shù)如下：種群大小為100；二進制位數(shù)為10；遺傳代數(shù)為150；交叉概率采用0.7；代溝0.95；變異概率選用0.01。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖2 GA-BP神經(jīng)網(wǎng)絡(luò)算法流程示意圖

2 BP網(wǎng)絡(luò)輸入輸出參數(shù)的確定

通過對礦井提升機制動器的日常故障的先關(guān)資料和因素的收集，確定貼閘油壓（Pt/MPa）、制動正壓力（PN/kN）、液壓系統(tǒng)殘壓（Pc/MPa）、松閘油壓（Ps/MPa）、液壓站油壓（p/MPa）、閘瓦貼合狀態(tài)（Pk）、磨損超限判定油壓（Pt/MPa）等7個神經(jīng)元為BP網(wǎng)絡(luò)輸入層；制動器的故障類型構(gòu)成了BP網(wǎng)絡(luò)輸入層，共由6個神經(jīng)元組成，具體如表1所示。

表1 輸出層神經(jīng)元

3 神經(jīng)網(wǎng)絡(luò)建立

礦用提升設(shè)備的故障類型較多，神經(jīng)網(wǎng)絡(luò)中隱含層選取多少是較為困難的問題，隱含層選取過多導(dǎo)致神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長，運算過程中容易出錯，通過相關(guān)研究得知，BP神經(jīng)網(wǎng)絡(luò)隱含層從3開始到17時，神經(jīng)網(wǎng)絡(luò)的收斂及精度較高，因此，選取的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是7×17×6。

BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練樣本的選取對訓(xùn)練過程中的收斂有重要的影響，考慮到礦井提升設(shè)備的制動器影響因素較多，在最終確定訓(xùn)練樣本時每一種引起制動器故障的數(shù)據(jù)都應(yīng)加以考慮，經(jīng)反復(fù)選定，最終選取30組數(shù)據(jù)進行樣本進行訓(xùn)練，由于篇幅有限，文中僅列舉出故障的樣本數(shù)據(jù)。BP神經(jīng)網(wǎng)絡(luò)的輸入、輸出結(jié)果如表2、表3所示。

表2 故障診斷訓(xùn)練樣本數(shù)據(jù)

表3 輸出訓(xùn)練樣本

為了判斷GA-BP神經(jīng)網(wǎng)絡(luò)在故障診斷方面的表現(xiàn)，選取提升機制動器的30組數(shù)據(jù)運用GA-BP神經(jīng)網(wǎng)絡(luò)與Elman網(wǎng)絡(luò)及傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)分別進行訓(xùn)練，得到各個神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線，如圖3—圖5所示為GA-BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)及傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線。

從圖3—圖5可以清晰地得出：GA-BP神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)在3種迭代網(wǎng)絡(luò)中最低，為19次，Elman神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)是250次，較GA-BP神經(jīng)網(wǎng)絡(luò)迭代次數(shù)高13倍；傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中迭代次數(shù)是29次，較GA-BP神經(jīng)網(wǎng)絡(luò)迭代次數(shù)高2倍。GA-BP神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)及運算誤差均較傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)小的多，體現(xiàn)出GA-BP神經(jīng)網(wǎng)絡(luò)具有更強的全局搜索能力。為進一步判斷GA-BP神經(jīng)網(wǎng)絡(luò)的故障診斷能力，選取3組未訓(xùn)練的礦用提升機制動器的實測數(shù)據(jù)進行研判，具體測試數(shù)據(jù)樣本如表4所示，計算結(jié)果如第202頁表5所示。

圖3 GA-BP網(wǎng)絡(luò)迭代次數(shù)及訓(xùn)練誤差

圖4 傳統(tǒng)BP網(wǎng)絡(luò)迭代次數(shù)及訓(xùn)練誤差

圖5 Elman神經(jīng)網(wǎng)絡(luò)迭代次數(shù)及訓(xùn)練誤差

表4 測試樣本數(shù)據(jù)

4 結(jié)語

制動器是礦井提升機的重要組成部分，由于制動器處于潮濕、粉塵、腐蝕性氣體等各種不利因素混雜的惡劣環(huán)境下工作，導(dǎo)致其故障診斷比較困難。因此，對礦用提升機制動器故障診斷的研究顯得十分有意義，且GA-BP神經(jīng)網(wǎng)絡(luò)在礦用提升機制動器故障診斷方面更具優(yōu)勢，為礦用提升機制動器故障診斷提供一種新的、可行的手段。

表5計算結(jié)果