基于分布式光纖傳感器的落煤管堵塞智能監(jiān)測

摘 要：關(guān)于落煤管堵塞監(jiān)測，傳統(tǒng)的單點監(jiān)測是在落煤管的特定位置安裝傳感器，無法及時檢測出堵塞，導(dǎo)致監(jiān)測堵塞位置的精度較低。為解決該問題，本文提出一種基于分布式光纖傳感器的落煤管堵塞智能監(jiān)測方法。該方法在落煤管布設(shè)光纖傳感器，以實時感知管內(nèi)狀態(tài)變化；對采集的落煤管數(shù)據(jù)進(jìn)行預(yù)處理，采用高級算法提取多維特征參數(shù)，并據(jù)此確定堵塞位置，以實現(xiàn)高效智能監(jiān)測。試驗結(jié)果表明，基于分布式光纖傳感器的智能監(jiān)測方法具有更高的精度和準(zhǔn)確性，堵塞位置監(jiān)測結(jié)果更接近實際，提高了落煤管堵塞問題的監(jiān)測能力和監(jiān)測的準(zhǔn)確性、實用性。

關(guān)鍵詞：分布式光纖傳感器；落煤管堵塞；落煤管；堵塞智能監(jiān)測

中圖分類號：S 200" " " 文獻(xiàn)標(biāo)志碼：A

在現(xiàn)代化煤炭運輸中，落煤管堵塞會嚴(yán)重影響生產(chǎn)和安全。傳統(tǒng)人工巡檢效率低，無法實時監(jiān)測，不能及時發(fā)現(xiàn)問題，存在安全隱患。因此，開發(fā)高效智能的堵塞監(jiān)測方法至關(guān)重要。目前，眾多學(xué)者進(jìn)行了相關(guān)研究，并已經(jīng)取得了一定研究成果。例如文獻(xiàn)[1]提出基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的城市住宅污水管道防堵塞監(jiān)測系統(tǒng)，結(jié)合多種通信技術(shù)實時采集數(shù)據(jù)，進(jìn)行管道堵塞情況的實時監(jiān)測和預(yù)警，但是該系統(tǒng)可能無法適應(yīng)復(fù)雜多變的管道環(huán)境。文獻(xiàn)[2]提出基于PSO-BP的甘蔗聯(lián)合收割機(jī)物流堵塞預(yù)測預(yù)警方法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)，提高了預(yù)測精度和收斂速度，但是其模型泛化能力需要進(jìn)行驗證，以保證其具有廣泛適用性。為改進(jìn)上述問題，本文提出基于分布式光纖傳感器的落煤管堵塞智能監(jiān)測方法。分布式光纖傳感器具有分布式測量、抗電磁干擾等優(yōu)勢，在結(jié)構(gòu)監(jiān)測、滲漏探測等領(lǐng)域具有巨大的應(yīng)用潛力。本文將分布式光纖傳感器沿落煤管鋪設(shè)，實時、連續(xù)監(jiān)測管道內(nèi)煤流的狀態(tài)變化，進(jìn)行落煤管堵塞智能監(jiān)測。

1 布設(shè)分布式光纖傳感器

在火力發(fā)電廠等工業(yè)環(huán)境中，為保障落煤管安全運行，需要在關(guān)鍵位置鋪設(shè)高精度、長距離監(jiān)測的分布式光纖傳感器，實時感知煤流動態(tài)情況，為后續(xù)的數(shù)據(jù)處理和分析提供基礎(chǔ)數(shù)據(jù)支持。同時，引入非侵入式高精度電容傳感技術(shù)，以精確捕獲數(shù)據(jù)。在落煤管堵塞監(jiān)測過程中，以極致細(xì)密間距鋪設(shè)分布式光纖傳感器，構(gòu)建無死角的監(jiān)測網(wǎng)絡(luò)，實現(xiàn)數(shù)據(jù)全面覆蓋與高精度分析[3]。具體的傳感器布設(shè)位置見表1。

本文經(jīng)過周密的布局規(guī)劃與精細(xì)的安裝作業(yè)，將光纖傳感器部署于落煤管的關(guān)鍵監(jiān)控節(jié)點。這些光纖傳感線的總質(zhì)量僅為0.98kg，可降低落煤管系統(tǒng)的整體質(zhì)量，為系統(tǒng)的穩(wěn)定運行與高效性能提供有力保障。

2 落煤管數(shù)據(jù)預(yù)處理

在落煤管監(jiān)測系統(tǒng)中，布設(shè)好的分布式光纖傳感器會持續(xù)采集大量關(guān)于落煤管運行狀態(tài)的數(shù)據(jù)。這些數(shù)據(jù)雖然信息豐富，但是也會出現(xiàn)噪聲、異常值以及格式不統(tǒng)一等問題，直接用于分析可能回導(dǎo)致結(jié)果偏差。因此，需要進(jìn)行系統(tǒng)的數(shù)據(jù)預(yù)處理，以便為后續(xù)的多維特征參數(shù)提取提供有力保障。

在落煤管堵塞數(shù)據(jù)采集過程中，可能會出現(xiàn)由設(shè)備故障、數(shù)據(jù)傳輸錯誤等原因?qū)е碌臄?shù)據(jù)缺失現(xiàn)象，需要采用拉格朗日插值法對缺失值進(jìn)行填補(bǔ)。拉格朗日插值法能夠利用缺失值周圍已知數(shù)據(jù)點的信息構(gòu)造一個多項式函數(shù)，以近似表示原始數(shù)據(jù)，從而估算缺失值[4]，如公式（1）所示。

（1）

式中：x[n]是原始數(shù)據(jù)序列中的第n個數(shù)據(jù)點；k是選擇的插值點數(shù)量；ym+j是已知數(shù)據(jù)點的y值；m是缺失值或待插值點的位置索引；j是相對于m的偏移量。

原始數(shù)據(jù)包括一定的噪聲，可能表現(xiàn)為數(shù)據(jù)點的突然跳變、不合理的波動范圍或與整體趨勢不符的孤立點。為準(zhǔn)確反映落煤管的運行狀態(tài)，本文采用低通濾波對這些噪聲進(jìn)行有效清洗[5]。低通濾波是一種常見、有效的方法。移動平均濾波器會以公式（2）來描述離散時間信號（即時間序列數(shù)據(jù)）。

（2）

式中：y[n]是經(jīng)低通濾波（即移動平均）處理后的第n個數(shù)據(jù)點；M是移動平均濾波器的窗口大小，即參與平均的數(shù)據(jù)點數(shù)量；是從x[n]開始向前M-1個數(shù)據(jù)點的和。

上述數(shù)據(jù)預(yù)處理步驟能夠保證數(shù)據(jù)的完整性和連續(xù)性，減少由噪聲干擾導(dǎo)致的誤差。

3 多維特征參數(shù)提取

為全面反映落煤管狀態(tài)并識別堵塞，需要從預(yù)處理數(shù)據(jù)中選取多維特征參數(shù)，例如流速、流量變化率、振動頻譜和壓力分布等，以構(gòu)建出更全面、準(zhǔn)確的監(jiān)測模型，提高堵塞識別的準(zhǔn)確率和可靠性。

為精確評估不同特征變量在辨識落煤管堵塞與暢通狀態(tài)中的關(guān)鍵作用，需要篩選并確定建模過程中不可或缺的輸入特征集[6]。因此本文將循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）作為核心分析工具，精確量化這些多維特征參數(shù)的顯著性及其對結(jié)果的影響力。假設(shè)某個RNN模型在時間步t的輸入為xt，隱藏狀態(tài)為ht，輸出為yt，激活函數(shù)為σ，RNN單層網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

RNN的更新規(guī)則通常包括以下2個方面。1） 隱藏狀態(tài)的更新，如公式（3）所示。2） 輸出的計算，如公式（4）所示。

ht=σ（Whhht-1+Whxxt+bh） （3）

式中：Whh是隱藏層到隱藏層的權(quán)重矩陣；Whx是輸入層到隱藏層的權(quán)重矩陣；bh是隱藏層的偏置項；σ是激活函數(shù)。

yt=σ'（Wyhht+by） （4）

式中：Wyh是隱藏層到輸出層的權(quán)重矩陣；by是輸出層的偏置項；σ'是輸出層的激活函數(shù)（根據(jù)任務(wù)需求選擇，最終選擇壓力作為特征參數(shù)[7]）。

RNN架構(gòu)的顯著優(yōu)勢之一是其參數(shù)共享機(jī)制，該設(shè)計巧妙地簡化了網(wǎng)絡(luò)結(jié)構(gòu)，大幅降低了需要優(yōu)化的參數(shù)數(shù)量。與此同時，RNN的隱藏層具有至關(guān)重要的作用，它不僅是輸入與輸出間的橋梁，更是一個強(qiáng)大的記憶體，能夠持續(xù)累積并存儲關(guān)鍵數(shù)據(jù)點的信息，有效促進(jìn)數(shù)據(jù)間深層次關(guān)聯(lián)性的挖掘與傳遞，從海量數(shù)據(jù)中剝離出關(guān)鍵信息，精確提煉出區(qū)分堵塞與暢通狀態(tài)的核心特征。

4 確定落煤管堵塞位置

確定落煤管堵塞位置需要分析傳感器網(wǎng)絡(luò)中各點位的數(shù)據(jù)變化，并結(jié)合特征參數(shù)的綜合評估，以準(zhǔn)確定位堵塞發(fā)生的位置，這有助于及時采取措施消除堵塞，并為后續(xù)的設(shè)備維護(hù)和優(yōu)化提供重要參考。為更直觀地展現(xiàn)分布式光纖傳感器如何利用光纖光柵的特性進(jìn)行精確測量，本文繪制了光纖光柵反射譜和透射譜，如圖2所示。

當(dāng)光纖光柵所受外部應(yīng)力、溫度等發(fā)生變化時，有效折射率和/或光柵周期會發(fā)生變化，導(dǎo)致反射波波長偏移。可以對原始波長表達(dá)式進(jìn)行微分，并考慮相關(guān)參數(shù)的變化，以推導(dǎo)這一偏移量，即ΔλB。僅考慮溫度變化ΔT引起的折射率變化Δneff，那么波長偏移量如公式（5）所示。

（5）

式中：Δneff和ΔΛ均為溫度的函數(shù)。

在正常情況下，落煤管內(nèi)的物料流動應(yīng)保持一定壓力平衡。當(dāng)堵塞發(fā)生時，堵塞點上游的壓力可能會逐漸累積，而下游可能會出現(xiàn)壓力驟降[8]。因此，比較不同位置的壓力讀數(shù)，可以初步判斷堵塞可能發(fā)生的區(qū)域，并結(jié)合波長偏移量進(jìn)行精確定位。將特征參數(shù)數(shù)據(jù)集合（以壓力為例）記作P={p1，p2，...pn}，其中pi表示第i個傳感器位置的壓力讀數(shù)。將數(shù)據(jù)進(jìn)行融合，如公式（6）所示。

Z=f（ΔλB，P） （6）

其中，f的輸出是一個新的數(shù)據(jù)集，它綜合了壓力和波長偏移2個方面的信息。進(jìn)而將數(shù)據(jù)再次輸入RNN模型，分析融合后的數(shù)據(jù)集，并構(gòu)建管道狀態(tài)模型。此時模型RNN的輸入是融合后的數(shù)據(jù)，輸出是管道狀態(tài)的描述，包括堵塞的位置和程度等信息。

5 試驗

5.1 試驗準(zhǔn)備

火力發(fā)電廠中東方鍋爐廠DG445/13.7-Π1型鍋爐給煤系統(tǒng)是火力發(fā)電廠的核心設(shè)備，其運行效率直接受給煤系統(tǒng)穩(wěn)定性的制約。系統(tǒng)中配置的4臺計量式膠帶給煤機(jī)面對煤質(zhì)多樣性（尤其是水分含量的變化）的條件下，可能會出現(xiàn)落煤管堵塞的問題。給煤機(jī)現(xiàn)場配置如圖3所示，圖3直觀展示了給煤機(jī)的安裝位置、布局以及與落煤管的連接情況。

為精準(zhǔn)地模擬并研究落煤管堵塞問題，本文精心搭建了試驗環(huán)境，見表2。

根據(jù)試驗設(shè)計，在落煤管的關(guān)鍵位置安裝分布式光纖傳感器，保證傳感器能夠全面覆蓋監(jiān)測區(qū)域。將光纖傳感器連接至光纖解調(diào)儀，利用數(shù)據(jù)采集卡將數(shù)據(jù)傳輸至工業(yè)控制計算機(jī)。調(diào)試監(jiān)測設(shè)備，包括傳感器靈敏度、數(shù)據(jù)采集頻率和數(shù)據(jù)傳輸穩(wěn)定性等，保證所有設(shè)備能夠準(zhǔn)確、實時地將數(shù)據(jù)傳輸至中央控制系統(tǒng)。

5.2 試驗說明

使用仿真軟件CoalFlowSimV2.0模擬落煤管內(nèi)的堵塞情況，準(zhǔn)備不同水分含量（5%、10%和15%）的煤樣和摻燒煤泥的混合煤樣。堵塞位置模擬見表3。

記錄仿真過程中的關(guān)鍵數(shù)據(jù)——堵塞位置。將仿真數(shù)據(jù)與試驗數(shù)據(jù)進(jìn)行比較，評估監(jiān)測方法的準(zhǔn)確性和可靠性。

5.3 試驗結(jié)果與分析

完成試驗環(huán)境的搭建與煤樣的準(zhǔn)備后，按照既定試驗方案，全面、細(xì)致地對落煤管堵塞位置進(jìn)行監(jiān)測。運用本文所提方法、基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的城市住宅污水管道防堵塞監(jiān)測系統(tǒng)技術(shù)（方法一）以及基于PSO-BP的甘蔗聯(lián)合收割機(jī)物流堵塞預(yù)測預(yù)警（方法二），獲取各煤樣在不同水分含量和摻燒煤泥條件下的堵塞位置數(shù)據(jù)，見表4。

比較本文方法、方法一和方法二在監(jiān)測落煤管堵塞位置上的表現(xiàn)，可以明顯看出本文方法具有更高的精度和準(zhǔn)確性。本文方法測得的堵塞位置與實際值更接近，誤差范圍更小。該結(jié)果表明，本文提出的基于分布式光纖傳感器的智能監(jiān)測方法在解決落煤管堵塞問題方面具有顯著優(yōu)勢，為火力發(fā)電廠的穩(wěn)定運行提供了強(qiáng)有力的技術(shù)支持。

6 結(jié)語

基于分布式光纖傳感器的落煤管堵塞智能監(jiān)測方法能夠準(zhǔn)確捕捉落煤管內(nèi)煤流狀態(tài)的變化，及時預(yù)警堵塞風(fēng)險，有效減少生產(chǎn)中斷和安全隱患，還能智能化、自動化的監(jiān)測手段，降低人工巡檢的成本和勞動強(qiáng)度，提升整體生產(chǎn)效率和安全性。但是在實際應(yīng)用中，基于分布式光纖傳感器的落煤管堵塞監(jiān)測方法也存在一些不足。光纖傳感器的安裝和維護(hù)相對復(fù)雜，對安裝環(huán)境和技術(shù)人員的要求較高。未來，隨著光纖傳感技術(shù)不斷發(fā)展和創(chuàng)新，光纖傳感器的性能將進(jìn)一步改進(jìn)，其穩(wěn)定性、抗干擾能力和使用壽命將得到顯著提高，能夠為煤炭運輸行業(yè)的安全高效運行提供更有力的技術(shù)支撐。

參考文獻(xiàn)

[1]唐錦源，林海冪，田青青，等.基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的城市住宅污水管道防堵塞監(jiān)測系統(tǒng)技術(shù)研究及應(yīng)用[J].數(shù)字通信世界，2023（11）：85-87.

[2]陳遠(yuǎn)玲，陳浩楠，王肖，等.基于PSO-BP的甘蔗聯(lián)合收割機(jī)物流堵塞預(yù)測預(yù)警研究[J].廣西大學(xué)學(xué)報（自然科學(xué)版），2023，48（3）：662-673.

[3]胡鳳琴.基于后裝分布式光纖的高架橋樁基監(jiān)測技術(shù)研究[J].公路與汽運，2024，40（2）：126-129.

[4]王治國，左悅.給煤機(jī)落煤管堵塞技術(shù)優(yōu)化[J].企業(yè)管理，2023（增刊2）：268-269.

[5]武湛君，董珊珊，李建樂，等.基于分布式光纖傳感與U-Net網(wǎng)絡(luò)的復(fù)合材料分層損傷定量識別方法[J].航空制造技術(shù)，2024，67（13）：20-27.

[6]英成境.電廠輸煤落煤管堵煤防范措施研究[J].內(nèi)蒙古煤炭經(jīng)濟(jì)，2022（22）：81-83.

[7]李建民.火力發(fā)電廠輸煤落煤管堵煤之防范[J].重慶電力高等?？茖W(xué)校學(xué)報，2022，27（3）：10-12.

[8]楊博.直吹式制粉系統(tǒng)給煤機(jī)落煤管堵煤問題研究[J].現(xiàn)代制造技術(shù)與裝備，2024，60（4）：157-159，173.