采煤機液壓故障診斷系統設計

牛麗 丁海波

摘? 要： 為了及時、有效地對采煤機液壓故障診斷提供支持，采用本體技術對液壓系統故障知識建模，結合模糊推理設計采煤機液壓故障診斷系統，通過故障案例驗證系統診斷的準確性，對采煤機液壓故障診斷技術有著一定的參考、促進作用。

關鍵詞： 液壓系統; 本體技術; 模糊推理; 故障診斷

Abstract： In order to support the fault diagnosis of shearer hydraulic system in time and effectively， the fault knowledge of the hydraulic system is modeled by the ontology technology， and a fault diagnosis system for shearer hydraulic system is designed by combining with the fuzzy reasoning. The accuracy of the diagnosis system is verified by the hydraulic fault cases， which has a certain reference and promotion effect on the hydraulic fault diagnosis technology of shearer.

0 引言

采煤機作為煤碳開采的關鍵設備，因其工作環境存在空氣潮濕、煤碳粉塵等雜質多、腐蝕性氣體含量高的惡劣狀況[1]，在運行時容易受到煤、巖石等外部因素的沖擊，煤礦企業為了保證效益，采煤機還需要長時間、超負荷工作等情況都促使采煤機發生故障的可能性較高，而液壓系統是采煤機所有系統中故障發生率最高的子系統，同時迅速高效地找出故障點、分析故障原因也較為困難，如不及時排除故障就影響煤礦生產，甚至引起安全事故，帶來更大的損失[2]。為了在故障發生時及時有效解決，需要液壓故障診斷系統的幫助，對故障進行診斷，為維修提供技術支持。

1 液壓系統故障知識模型構建

采煤機液壓系統由液壓泵，搖臂調高油缸，換向閥組件、液壓控制閥、電磁閥組件等控制閥，吸油、空氣等過濾器，管路、壓力表及油箱等組成。因礦井中環境較差，液壓系統發生故障的可能性大大增加，且原因復雜，具體故障知識見表1[3]。

故障診斷系統中專家知識的表達，關系到推理機的設計與推理效率、知識庫維護便利性和知識的重用性、共享性。本體作為一種知識表示方法，它表達了知識概念的結構、概念之間的關系等固有特征，在本體中概念即為該領域內已被普遍認同的知識，使用本體進行知識表示，能夠達到知識的共享及唯一[5]，使用本體對專家知識建模，根據采煤機液壓系統的組成結構與故障原理，推斷故障之間的知識邏輯，得出故障現象與原因及解決方案間的內在聯系。利用MySQL數據庫存儲本體知識，采用SWRL規則語言進行采煤機故障知識模型的構建。

SWRL規則語言主要由head與body構成，其中body表示單個或多個推理條件，head表示推理得到的結論，且結論具有唯一性，即SWRL規則可由若干個條件一起組成推理條件，但最終結論只有一個。按head和body構成SWRL的規則語言格式為：

從上述簡單的規則中可知SWRL規則能夠與本體相結合，表現出強大的語義邏輯推理能力，以“牽引速度低于0.5m/min，管路無泄漏，流量正常”時，認為“過濾器堵塞”為例，建立SWRL推理規則，如下所示：

隨著采煤機液壓故障診斷系統不斷開發，其知識規則也將不斷地被更新與補充，根據需要做出修改與完善，以保證系統推理的準確性。

2 采煤機液壓故障診斷系統設計

采煤機液壓故障原因具有不確定性、模糊性特征，不能簡單地用“是這個原因”或“不是這個原因”進行表達。而模糊推理非常適合解決不確定性，模糊性的問題。模糊專家系統通過邏輯推理模擬領域專家的思維，采煤機液壓故障診斷系統基于系統中存儲的專家知識經驗等數據，使用模糊推理方法來模擬專家的思維與判斷，進而診斷故障。系統的核心是故障知識推理，根據液壓系統的知識庫，利用故障現象和故障規則的匹配度完成故障匹配[4]。參考專家系統的一般組成結構，以及采煤機液壓故障診斷系統的需要，系統的結構組成如圖1所示。

采煤機液壓知識庫、模糊推理機和人機界面等組成了故障診斷系統。采煤機液壓知識庫存儲著該領域專家、技術人員等知識與經驗信息，知識庫包含規則庫和本體庫，知識庫就是一個數據庫，存儲著本體庫、規則庫中的知識和運行過程中產生的數據。模糊推理機是診斷系統的核心，它以知識庫中一定的規則信息、故障現象作為依據，在模糊推理策略作用下進行推理，根據系統知識庫中保存的故障現象和規則數據，基于模糊推理的策略來推理，得出故障匹配原因及相應的解決方法。信息解釋是人機界面和與后臺運行文件的橋梁，信息解釋負責將推理的結果信息轉化為用戶可理解的信息，還負責將該領域專家知識和相關知識轉化為系統可識別的信息。人機界面是使用者與系統操作交互的媒介，如知識工程師、領域專家等用戶使用該平臺錄入或修改相關數據，比如添加、修改、刪除規則等。

模糊推理是基于規則的不確定性推理方法，根據模糊推理的算法導出結果，它的前件與結果都具有一定的模糊性，與知識庫中SWRL規則對應的模糊推理規則如下：

模糊矩陣R經過模糊推理得到模糊結論，它是一個模糊子集，通過對診斷結果進行去模糊化處理，變成精確信息供用戶使用，去模糊化處理主要采用最大隸屬度法以及重心法。最大隸屬度法先確定隸屬度向量中隸屬度最大的那一項，那么這一項便是液壓系統出現故障的原因，該方法計算方便、實時性好，更適合隸屬度數值相差較大的情況。最大隸屬度法數學表達式為：

在隸屬度數值間的差距不大時，則使用重心法來確定較為接近的錄屬度值，以便找出液壓系統故障的主要原因，盡可能地提高診斷的準確性，減少誤判。重心法數學表達式如⑻所示。

3 液壓系統故障診斷系統實現

采煤機液壓故障診斷系統主要功能是實現采煤機液壓系統出現的故障時，以知識庫、規則庫為依托，推理機為核心，通過模糊算法推理得出故障診斷結果。該系統由故障診斷、數據庫、系統維護、用戶等幾個主要模塊組成。診斷系統流程如圖2所示。

以“牽引速度低于0.5m/min、管路無泄漏、流量正常” 故障現象進行模糊推理，經過求解隸屬度函數、征兆去模糊化處理，推理得出牽引速度低的原因可能是過濾器堵塞，或者是液壓馬達泄漏，或者是液壓泵泄漏。結合專家評價牽引速度低、管路無泄漏、流量正常時，過濾器堵塞為故障原因的隸屬度最高，得出過濾器堵塞為故障原因的可能性較大。使用故障診斷系統進行驗證，故障診斷系統經過模糊推理，診斷后界面如圖3所示。系統給出故障結論與案列故障是一致的，驗證了該系統模型的正確性。

4 結論

采煤機在煤礦作業中起著舉足輕重的作用，煤礦作業中的安全生產需要確保它安全無故障地運行。采煤機液壓故障復雜、多變，不易被發現。從故障的知識規則出發建立故障知識構建本體模型，利用本體技術與模糊推理相結合的故障診斷模式，可以提高了采煤機故障診斷的效率。但本體的數量、質量決定了系統運行的效率、速度。液壓系統故障多樣，知識庫需要不斷的補充、更新，以適應故障診斷的需要。

參考文獻（References）：

[1] 史洪松.采煤機液壓故障檢測研究與應用[[J].煤礦機械，2019.40（2）：139-141

[2] 謝國民，王燦祥，佟瑩.采煤機電動機故障診斷專家系統的研究與應用[J].信息與控制，2013.3：358-363

[3] 張榮華.基于本體的采煤機故障診斷專家系統研究[D].山東科技大學，2017.

[4] 陳勁松.基于模糊邏輯的煤礦機械系統故障診斷[J].煤礦機械，2012.8：255-257

[5] 張冬明，牛占文，趙楠等.基于本體的產品設計知識表示方法[J].計算機應用，2012.1：206-209

[6] 修春波.人工智能技術[M].機械工業出版社，2018.