朱敬花,邵珠楓

(1.九州職業(yè)技術(shù)學(xué)院機(jī)電工程系,江蘇徐州 221116;2.徐州徐工筑路機(jī)械有限公司電氣控制研究所,江蘇徐州 221000)

養(yǎng)護(hù)機(jī)械電氣故障診斷系統(tǒng)的研究

朱敬花1,邵珠楓2

(1.九州職業(yè)技術(shù)學(xué)院機(jī)電工程系,江蘇徐州 221116;2.徐州徐工筑路機(jī)械有限公司電氣控制研究所,江蘇徐州 221000)

為了提高養(yǎng)護(hù)機(jī)械電氣系統(tǒng)的性能和可靠性,提出一種基于多傳感器信息融合的養(yǎng)護(hù)機(jī)械電氣故障診斷方法,采用多傳感器信息融合技術(shù)對養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)進(jìn)行故障采集和診斷。以綜合養(yǎng)護(hù)車滾筒熱風(fēng)加熱系統(tǒng)為研究對象,將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合,對其電控系統(tǒng)進(jìn)行分析,驗(yàn)證了該診斷方法的可靠性,而且實(shí)現(xiàn)了養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)的狀態(tài)報(bào)警和故障診斷。

傳感器;養(yǎng)護(hù)機(jī)械;神經(jīng)網(wǎng)絡(luò);故障診斷

0 引 言

養(yǎng)護(hù)機(jī)械發(fā)生故障時(shí)傳統(tǒng)的檢測方法是使用診斷設(shè)備或儀器讀取電控單元的各種數(shù)據(jù),從而判斷設(shè)備是否正常工作。這種方法耗時(shí)耗力,而且檢測結(jié)果不夠準(zhǔn)確。為解決這種弊端,本文提出采用多傳感器信息融合技術(shù)對養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)進(jìn)行故障采集和判斷,將傳感器采集到的信息數(shù)據(jù)進(jìn)行有效的集成與融合,提高養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)故障的診斷與定位效果。

1 電控系統(tǒng)檢測診斷特征參數(shù)的選擇

養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)比較復(fù)雜,出現(xiàn)電氣故障時(shí)反映電氣故障狀態(tài)的特征信息多種多樣,如果這些信息選擇不準(zhǔn)確,就不能對電氣系統(tǒng)的故障狀態(tài)進(jìn)行很好的診斷和定位,因此養(yǎng)護(hù)機(jī)械電控系統(tǒng)在進(jìn)行傳感器測量時(shí)的診斷參數(shù)選擇非常重要[1]。對于養(yǎng)護(hù)機(jī)械電控系統(tǒng)而言,主要診斷參數(shù)包括電壓、電流、速度、流量和溫度等[2]。

(1)基于對電控系統(tǒng)特點(diǎn)的分析,優(yōu)先選用那些有助于盡早發(fā)現(xiàn)故障的特征信息。將某一信號(hào)作為核心,其他信號(hào)作為補(bǔ)充,利用電壓和電流穩(wěn)定信號(hào)對電氣元件早期的故障進(jìn)行診斷。

(2)進(jìn)行電氣故障診斷時(shí)選取的特征信息與系統(tǒng)狀態(tài)之間應(yīng)呈單值的關(guān)系。由于電氣控制系統(tǒng)中電壓波動(dòng)和功率變化往往呈非線性關(guān)系,因此在對電控系統(tǒng)進(jìn)行故障診斷時(shí)應(yīng)該特別注意故障和特征之間一對多或多對多的情況。

(3)在安裝傳感器進(jìn)行故障信號(hào)檢測時(shí),其安裝位置不應(yīng)改變系統(tǒng)原有的回路結(jié)構(gòu)。

(4)所選的特征信息應(yīng)便于測量、分析,整個(gè)故障監(jiān)測系統(tǒng)的安裝、使用費(fèi)用應(yīng)合理。

2 總體結(jié)構(gòu)

基于多傳感器信息融合技術(shù)的電氣控制故障診斷系統(tǒng),主要由中心處理單元(專用控制器TTC200、TTC60、EPEC3724等)和多個(gè)信號(hào)采集單元組成。信號(hào)采集單元的個(gè)數(shù)視不同養(yǎng)護(hù)機(jī)械的結(jié)構(gòu)而定,各單元通過CAN總線進(jìn)行通訊。信號(hào)采集單元將采集到的信息(主要是電壓信號(hào)、電流信號(hào)和動(dòng)態(tài)波形信號(hào))經(jīng)特征提取后發(fā)送給中心處理單元,由中心處理單元對這些信息進(jìn)行分析處理,以此判斷系統(tǒng)是否處于故障狀態(tài),并將故障信息以報(bào)警信號(hào)的形式發(fā)出。用戶也可隨時(shí)調(diào)用故障診斷模塊對養(yǎng)護(hù)機(jī)械控制系統(tǒng)進(jìn)行故障分析和定位。系統(tǒng)的總體結(jié)構(gòu)如圖1所示[3]。

圖1 系統(tǒng)總體結(jié)構(gòu)

3 信息融合的類別

養(yǎng)護(hù)機(jī)械電控系統(tǒng)信息融合的層次可以分為:初級數(shù)據(jù)信息融合、中級數(shù)據(jù)信息融合和高級數(shù)據(jù)信息融合。

(1)初級數(shù)據(jù)信息融合。初級數(shù)據(jù)信息融合是在對傳感器最初采集到的信息進(jìn)行預(yù)處理之前就對所獲信息進(jìn)行綜合與分析。這可以保留大量的原始信息,并通過對這些信息的識(shí)別分析來判斷電氣系統(tǒng)是否處于故障狀態(tài)。其主要缺點(diǎn)是處理信息時(shí)間長、代價(jià)高。這種融合是最低層次的融合,由于傳感器原始信息具有不確定性、不穩(wěn)定性,所以要求該層次的融合應(yīng)有較高的信息糾錯(cuò)能力,而且傳感器的種類應(yīng)該一致。初級融合過程如圖2所示[4]。

圖2 初級融合過程

(2)中級數(shù)據(jù)信息融合。中級數(shù)據(jù)信息融合屬于中間層次,它先對養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)多傳感器的原始信息進(jìn)行預(yù)處理和特征提取,然后對特征信息進(jìn)行綜合分析和處理,以便對整車電氣故障做出正確的決策。該層次的融合系統(tǒng)實(shí)時(shí)處理性能好,能最大限度地根據(jù)所采集到的信息做出決策,其融合過程如圖3所示[5]。

圖3 中級融合過程

(3)高級數(shù)據(jù)信息融合。高級數(shù)據(jù)信息融合的水平最高,實(shí)時(shí)性能好,可以從不同角度反應(yīng)環(huán)境信息,對傳感器的依賴程度小。當(dāng)某一傳感器出現(xiàn)故障時(shí),養(yǎng)護(hù)機(jī)械電氣系統(tǒng)的傳感器系統(tǒng)仍能獲得準(zhǔn)確信息,具有較好的信息容錯(cuò)性[6],其融合過程如圖4所示。

圖4 高級融合過程

4 信息融合與故障診斷系統(tǒng)

由于養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)比較復(fù)雜,運(yùn)行環(huán)境多變,因此傳感器系統(tǒng)檢測到的信息具有很大的不確定性,這使得故障診斷系統(tǒng)檢測的信息誤差率較高。基于多傳感器信息融合技術(shù)的養(yǎng)護(hù)機(jī)械電氣系統(tǒng)故障診斷方法,為解決系統(tǒng)的不確定性提供了一條新途徑[7]:采用模糊信息融合法,利用融合隸屬函數(shù)與模糊關(guān)系矩陣之間的關(guān)系來解決故障與故障發(fā)生前的狀態(tài)之間的不確定關(guān)系,進(jìn)而實(shí)現(xiàn)系統(tǒng)故障的檢測與診斷。其診斷故障的過程為:養(yǎng)護(hù)機(jī)械傳感器系統(tǒng)采集被測對象的相關(guān)信息,再利用這些信息求出各類故障的隸屬度值,將隸屬度值矢量作為神經(jīng)網(wǎng)絡(luò)的輸入,神經(jīng)網(wǎng)絡(luò)的輸出則為信息融合之后的隸屬度值矢量,最后對養(yǎng)護(hù)機(jī)械的故障狀態(tài)做出決策[8]。

養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)通過神經(jīng)網(wǎng)絡(luò)接受外界輸入,對養(yǎng)護(hù)故障建立故障庫,將故障按不同類別和級別分成不同區(qū)域;每個(gè)故障點(diǎn)被定義為一個(gè)神經(jīng)元,各故障點(diǎn)在不同故障區(qū)域中與鄰近的神經(jīng)元進(jìn)行交互、競爭,自適應(yīng)地形成了對輸入的不同響應(yīng)。最后一個(gè)故障點(diǎn)優(yōu)先勝出,那些與獲勝神經(jīng)元有關(guān)的各連接權(quán)將朝著更有利于競爭的方向調(diào)整,通過多路徑競爭分析這樣的獲勝神經(jīng)元就表示對輸入的分類。此外還有一種通過抑制手段獲勝的方法,即網(wǎng)絡(luò)競爭層各神經(jīng)元都能抑制所有其他神經(jīng)元對輸入的響應(yīng)機(jī)會(huì),從而使自己成為獲勝者[9-13]。養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)故障確定算法為:對于輸入X=(X1,X2,X3,…,Xn)T,首先分析確定故障中心神經(jīng)元Mc,使其滿足‖X-Mc‖=min{‖X-Mc‖};然后對以Mc為中心的周圍神經(jīng)元的權(quán)向量按下式進(jìn)行調(diào)整。

經(jīng)過上式分析可以看到,Nc表示由Mc為中心周圍的神經(jīng)元組成的領(lǐng)域,在電氣故障判斷過程中,開始時(shí)Nc可取大些,然后隨著判斷逐步收縮;在開始判斷時(shí)系數(shù)a(k)可取接近1的常數(shù),然后通過該算法逐步收縮,最后確定電氣系統(tǒng)的故障原因并提示解決方案[14-17]。

5 仿真分析

以綜合養(yǎng)護(hù)車滾筒熱風(fēng)加熱系統(tǒng)為研究對象,在滾筒加熱常見故障與特征之間建立數(shù)據(jù)為BP神經(jīng)網(wǎng)絡(luò)的故障樣本,對數(shù)據(jù)進(jìn)行分析判斷,然后根據(jù)輸入的故障特征數(shù)據(jù)進(jìn)行診斷。將滾筒熱風(fēng)加熱系統(tǒng)3個(gè)溫度傳感器所獲得的故障信息送往BP神經(jīng)網(wǎng)絡(luò)中心,經(jīng)過診斷之后,每個(gè)傳感器可獲得4種故障信息,A1表示燃燒器故障,A2表示風(fēng)機(jī)故障,A3表示循環(huán)管路故障,A4表示滾筒故障,其基本可信任分配函數(shù)值見表1。

表1 三個(gè)溫度傳感器的可信任分配函數(shù)值

利用D-S論證法進(jìn)行分析論證,將傳感器1和傳感器2所采集到的信息進(jìn)行融合。概率值K反映了證據(jù)間沖突的程度,通過論證可得K=0.686 (故障概率系數(shù)),然后得出融合結(jié)果,如表2所示。傳感器1與傳感器2所獲信息經(jīng)神經(jīng)網(wǎng)絡(luò)診斷后,對應(yīng)于故障A1的基本可信任分配函數(shù)值分別為0.432和0.512;傳感器2采集到的信息經(jīng)過融合后,對應(yīng)故障A1的信任度增加到0.607,可知其基本信任度分配明顯增大。

表2 傳感器1、2的融合結(jié)果(可信任分配函數(shù)值)

將傳感器1和傳感器2的融合結(jié)果再與傳感器3采集到的信息進(jìn)行融合,K=0.616。以此類推可以得到綜合養(yǎng)護(hù)車滾筒熱風(fēng)加熱系統(tǒng)的融合結(jié)果,如表3所示。

表3 三個(gè)溫度傳感器的融合結(jié)果(可信任分配函數(shù)值)

3個(gè)溫度傳感器的采集信息經(jīng)融合后,對故障A1的基本可信任分配增加到0.787,由此可以得出系統(tǒng)的故障發(fā)生在燃燒器處,這與系統(tǒng)的實(shí)際故障吻合。

6 結(jié) 語

基于多傳感器信息融合的養(yǎng)護(hù)機(jī)械電氣故障診斷系統(tǒng)相比傳統(tǒng)故障診斷系統(tǒng)可以獲得更準(zhǔn)確的診斷結(jié)果;針對故障診斷中信息的多樣性,包括測試數(shù)據(jù)的不確定性和特征現(xiàn)象與故障原因之間關(guān)系的模糊性,利用BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論相結(jié)合對多傳感器系統(tǒng)信息進(jìn)行融合,來判斷養(yǎng)護(hù)機(jī)械電氣故障狀態(tài)。由診斷實(shí)例可知,診斷結(jié)果的可靠性和準(zhǔn)確性得到了很大的提高;采用該項(xiàng)故障診斷技術(shù)的神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合對電控系統(tǒng)進(jìn)行分析,實(shí)現(xiàn)了養(yǎng)護(hù)機(jī)械電氣控制系統(tǒng)的狀態(tài)報(bào)警和故障診斷,在電氣控制等領(lǐng)域中具有一定的應(yīng)用和推廣價(jià)值。

[1] 謝 嶸.基于CAN總線的分布式控制系統(tǒng)的研究與實(shí)現(xiàn)[D].上海:上海交通大學(xué),2003.

[2] 王麗艷,侯明權(quán).一種多傳感器數(shù)據(jù)融合算法的研究[J].自動(dòng)化與儀器儀表,2009,31(4):126-128.

[3] 李逢換,孫勝祥.數(shù)據(jù)融合的故障診斷技術(shù)分析[J].鄂州大學(xué)學(xué)報(bào),2005,12(3):7-11.

[4] 云 俊,陳慶虎,王少梅.人工智能的新發(fā)展:人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J].計(jì)算機(jī)工程及應(yīng)用學(xué)報(bào),200l,37(9):55-56.

[5] 王計(jì)生,黃惟公,喻俊馨.小波分析和神經(jīng)網(wǎng)絡(luò)技術(shù)在故障診斷中的應(yīng)用[J].振動(dòng)、測試與診斷,2004,24(1):46-48.

[6] 蔡靜之.特征提取在工況監(jiān)測與故障診斷中的應(yīng)用[J].重慶大學(xué)學(xué)報(bào):自然科學(xué)版,2003,26(4):93-95.

[7] 王 剛.人工神經(jīng)網(wǎng)絡(luò)方法在智能儀表分布式控制系統(tǒng)中的應(yīng)用[D].南京:東南大學(xué),2003.

[9] 秦永生.芻議工程機(jī)械電器的常見故障與診斷維修[J].科技與企業(yè),2014(16):423.

[10] 張治坤,魏殿昌.工程機(jī)械電器故障診斷要點(diǎn)[J].工程機(jī)械與維修,2005(13):132.

[11] 王正蘭,傅香如.工程機(jī)械兩種常見電氣故障的診斷方法[J].工程機(jī)械與維修,2014(12):157.

[12] 莊聰聰.機(jī)械設(shè)備電氣系統(tǒng)的故障檢測與診斷[J].中國機(jī)械, 2015(23):151-152.

[13] 崔 濤.試析機(jī)電設(shè)備電氣回路故障的診斷與處理[J].中國機(jī)械,2015(1):107-108.

[14] 榮 彥.隔離試功能法在筑路機(jī)械電器故障診斷中的應(yīng)用[J].筑路機(jī)械與施工機(jī)械化,2007,24(12):77-80.

[15] 席剛平,黃 健,劉 偉.工程機(jī)械的故障檢測與維修[J].筑路機(jī)械與施工機(jī)械化,2009,26(12):82-84.

[16] 張白一,崔尚森.基于Web的汽車故障檢測專家系統(tǒng)的設(shè)計(jì)[J].長安大學(xué)學(xué)報(bào):自然科學(xué)版,2006,26(2):99-102.

[17] 蹇小平,張春化,王向東,等.電控汽油發(fā)動(dòng)機(jī)故障模擬試驗(yàn)[J].長安大學(xué)學(xué)報(bào):自然科學(xué)版,2008,28(1):97-102.

[責(zé)任編輯:王玉玲]

Research on Electrical Failure Diagnosis System of Maintenance Machinery

ZHU Jing-hua1,SHAO Zhu-feng2
(1.Department of Mechanical and Electrical Engineering,Jiuzhou Polytechnic,Xuzhou 221116,Jiangsu,China; 2.Institute of Electrical Control,Xuzhou Xugong Road Construction Machinery Co.,Ltd., Xuzhou 221000,Jiangsu,China)

In order to improve the performance and reliability of the electrical system of maintenance machinery,a diagnosis method for maintenance machinery was proposed,which applies the multi-sensor information fusion technology to conduct the failure acquisition and diagnosis of the electrical control system.The research on the hot air heating system of the drum was carried out,and the neural network and the expert system were combined to analyze the electronic control system.The reliability of the diagnostic method is verified,and the status alarm and fault diagnosis of the electrical control system of maintenance machinery can be realized.

sensor;maintenance machinery;neural network;failure diagnosis

U418.3

B

1000-033X(2017)07-0097-04

2016-11-30

朱敬花(1986-),女,山東臨沂人,碩士,研究方向?yàn)闄C(jī)器人技術(shù)。

邵珠楓(1984-),男,江蘇徐州人,碩士,研究方向?yàn)閿?shù)控智能控制。