選煤廠設備智能故障診斷系統(tǒng)設計

韓 龍

（西山煤電（集團）有限責任公司官地選煤廠，山西 太原030022）

選煤廠的核心作用是將原煤進行篩分、破碎后轉運至指定加工車間進行后續(xù)處理，如排矸、重介質分選、粗煤泥分選、浮選、濃縮、壓濾以及裝車等流程。隨著“中國制造2025”戰(zhàn)略實施，選煤廠逐漸向自動化、信息化、智能化方向發(fā)展，其內涵為以選煤工藝為基礎，以先進控制技術、信息技術、神經網絡技術以及人工智能為手段，實現(xiàn)選煤廠設備智能管理，最終達到減員增效、提高產品質量的目的。選煤廠設備較多、生產環(huán)境惡劣，設備故障率較高，嚴重影響產品質量和生產效率，亟需研究選煤廠設備智能故障診斷方案，降低設備故障發(fā)生率，提升選煤廠設備的生產效率。

1 BP 神經網絡原理

BP 神經網絡是一種由三層神經元組成的前向多層神經網絡，訓練過程采用back prppagation BP 算法，是進行設備故障診斷的有效網絡之一。標準BP 神經網絡由輸入層、隱含層以及輸出層三層結構組成，相鄰層之間采用全連接模式，結構簡圖見圖1[1-2]。BP 神經網絡采用BP 算法將節(jié)點輸出誤差逐層逆向傳播，獲取各層參考誤差并調整每個神經元的對應權值，使得輸出加權值滿足系統(tǒng)誤差要求。

圖1 BP 神經網絡結構簡圖

2 智能故障診斷方案

2.1 硬件設計

選煤廠智能故障診斷方案硬件設計框圖見圖2，由現(xiàn)場監(jiān)測站、故障遠程監(jiān)測中心兩部分組成。現(xiàn)場監(jiān)測站即采集安裝在設備上的各傳感器信息以及數(shù)據(jù)采集卡信息；核心傳感器有加速度傳感器，用于檢測設備的高頻振動；選用的型號為608A11 接觸式傳感器，緊貼振動設備外殼，具有靈活方便、抗干擾能力強的優(yōu)點。核心傳感器還包括位移傳感器，用于檢測低頻設備以及設備的低頻故障，選用的型號為JX70-M10-30K 電渦流傳感器，具有測量范圍寬、可靠性強，分辨率高、抗干擾能力強的優(yōu)點。數(shù)據(jù)采集卡選用的是NI92344 通道動態(tài)信號采集卡，可對IEPE信號進行調理，具有防混疊濾波器并兼容TEDS傳感器功能，能夠滿足選煤廠現(xiàn)場監(jiān)測站數(shù)據(jù)采集功能需求。

圖2 選煤廠智能故障診斷硬件設計框圖

2.2 軟件設計

（1）BP 神經網絡知識庫設計

根據(jù)選煤廠設備的故障的種類、現(xiàn)象、原因、維修及建議、歷史趨勢等設計故障診斷知識庫。設計時需遵循可控、可用、合理的分類原則；方便對知識庫的知識進行檢索、添加和刪除；方便分離知識庫和推理機。

根據(jù)選煤廠設備故障特點，將知識庫中的知識分為事實知識、規(guī)則知識兩類，可作為智能故障診斷系統(tǒng)的輸入。設備運行狀態(tài)，如設備運行正常、設備故障、設備警告等描述性語言，可作為智能故障診斷系統(tǒng)的輸出；設備故障類型，如電動機振動異常、電動機過壓故障、變頻器故障等[3-5]。維修建議，即針對發(fā)生設備的不同故障，給出針對性的解決方案，達到解決故障的目的，并使設備恢復至正常運行狀態(tài)。選煤廠智能故障診斷知識庫設計流程見圖3。

圖3 選煤廠智能故障診斷知識庫設計流程

（2）BP 神經網絡推理機設計

選煤廠智能故障診斷推理機設計采用基于規(guī)則的推理和基于實例的推理兩種設計方案，達到對發(fā)生的設備故障診斷清晰、準確、智能的目的。

a、基于規(guī)則的推理

基于規(guī)則的推理是指根據(jù)知識庫中的事實知識、規(guī)則知識對設備特征參數(shù)進行智能故障診斷，主要分為規(guī)則匹配、規(guī)則選擇以及執(zhí)行三個步驟，見圖4。

圖4 選煤廠智能故障診斷推理機設計流程-基于規(guī)則的推理

b、基于實例的推理

基于實例的推理是指從知識庫中尋找該故障的類似解決方案，通過之前的解決實例來指導并解決當前故障問題。將解決的故障實例擴充至知識庫，使得知識庫的實例不斷增多并進一步得到完善。基于實例的推理設計流程見圖5。

圖5 選煤廠智能故障診斷推理機設計流程-基于實例的推理

3 系統(tǒng)仿真

為驗證設計并實現(xiàn)的選煤廠智能故障診斷系統(tǒng)的有效性和正確性，以雙齒輥破碎機為故障診斷對象，在多功能轉子試驗平臺進行試驗。試驗時，在轉子系統(tǒng)中人為制造典型旋轉故障，對故障發(fā)生時的特征數(shù)據(jù)進行統(tǒng)計、分析、處理、對比。根據(jù)公式（1）確定BP 神經網絡隱含層節(jié)點個數(shù)L：

式中：M 為設計的BP 神經網絡輸入層節(jié)點數(shù)；N為輸出層節(jié)點數(shù)；X 為隨即數(shù)且滿足X∈[1，10]。經過計算可知，隱層層節(jié)點L取10 時，輸出誤差、訓練速度最優(yōu)。隱含層傳遞函數(shù)采用S 型正切函數(shù)，訓練函數(shù)為traingd，誤差要求為小于等于0.05。基于仿真平臺，對獲取的特征數(shù)據(jù)樣本進行BP 神經網絡學習，設定最大訓練次數(shù)epochs 為1000，學習速率lr 為0.05，訓練目標為0.05，仿真見圖6。當仿真程序運行至361 次時，輸出誤差滿足要求。

圖6 選煤廠智能故障診斷系統(tǒng)訓練次數(shù)誤差仿真

4 結論

為提升選煤廠設備的智能化、信息化水平，基于BP 神經網絡控制原理，設計選煤廠設備智能故障診斷系統(tǒng)，從硬件設計、軟件設計兩方面進行闡述并完成系統(tǒng)仿真測試，測試結果表明：

1）該故障智能診斷系統(tǒng)能夠全面、準確地對運行的設備進行故障診斷，實時采集各傳感器、數(shù)據(jù)采集卡信息并進行智能化處理。

2）可對設備異常振動、異常位移等情況進行故障預警，增強選煤廠運行的安全性。

3）提升了選煤廠設備的運行效率。