王瑞生

（西山煤電礦建公司， 山西 太原 030053）

引言

刮板輸送機擔負著煤礦綜采工作面的主要運煤工作，是主要的運輸設(shè)備。如今，煤礦的年產(chǎn)量在不斷提高，年產(chǎn)量達到千萬噸級礦井以及大采高工作面發(fā)展十分迅速，對于刮板輸送機的運輸能力也有了更高的要求，而刮板輸送機的功能也在不斷完善，自動化程度也隨之提高。一方面，刮板輸送機的結(jié)構(gòu)更加復雜，一個部件的損壞很可能會導致整個設(shè)備無法正常運行，進一步影響工作面的安全生產(chǎn)工作，造成刮板輸送機可靠性降低，出現(xiàn)失效或故障的風險增大；另一方面，刮板輸送機自動化程度的提高，能夠有效降低工作面的開采成本和工人的勞動強度，帶來較好的經(jīng)濟和社會效益?，F(xiàn)在的綜采工作面雖然能夠?qū)崿F(xiàn)刮板輸送機的自動化控制，但是卻缺乏自動化程度較高的狀態(tài)監(jiān)測和故障診斷系統(tǒng)[1-2]。

1 刮板輸送機狀態(tài)監(jiān)測系統(tǒng)設(shè)計

如圖1所示，綜采工作面刮板輸送機狀態(tài)監(jiān)測和故障診斷系統(tǒng)主要由一個主站以及多個分站組成，各個分站可以組成整體協(xié)調(diào)工作，也可以根據(jù)需要獨立工作。

1.1 監(jiān)測系統(tǒng)功能設(shè)計

監(jiān)測系統(tǒng)的分站主要是各傳感器發(fā)送的信號，這些信號多為模擬信號，需要監(jiān)測分站完成模數(shù)轉(zhuǎn)換，能夠根據(jù)數(shù)據(jù)確定刮板輸送機當前的工作狀態(tài)，對故障做出簡單診斷，并就地顯示報警信息和監(jiān)測到的實際數(shù)值。分站監(jiān)測的物理量包括：電機繞組溫度，冷卻水壓力和流量，轉(zhuǎn)子前、后軸承溫度，潤滑油液位、溫度，減速器低速軸、高速軸軸承溫度[3]。監(jiān)測系統(tǒng)主站負責收集來自分站的監(jiān)測和故障診斷信息，并將這些信息顯示出來以及打包上傳至上位機，工作人員還可以通過主站遠程修改分站的參數(shù)。

遠程終端的工業(yè)計算機有著強大的數(shù)據(jù)處理功能，能夠有效實現(xiàn)故障診斷與預警，歷史故障存儲與查詢等功能。

1.2 監(jiān)測系統(tǒng)硬件設(shè)計

監(jiān)測系統(tǒng)的控制核心選用S7-300 PLC，系統(tǒng)的顯示核心選用DOP-B型號的人機界面，在可以靈活配置硬件電路的基礎(chǔ)上，還可以借助該平臺完成較為復雜的控制策略和算法。為了保證監(jiān)測系統(tǒng)運行的穩(wěn)定性、可擴展性、易維護性，系統(tǒng)的分站和總站的硬件結(jié)構(gòu)如圖2和圖3所示。

1.3 監(jiān)測系統(tǒng)軟件設(shè)計

圖1 刮板輸送機狀態(tài)監(jiān)測與故障診斷系統(tǒng)總體結(jié)構(gòu)圖

圖2 刮板輸送機狀態(tài)監(jiān)測系統(tǒng)分站硬件設(shè)計結(jié)構(gòu)圖

圖3 刮板輸送機狀態(tài)監(jiān)測系統(tǒng)總站硬件設(shè)計結(jié)構(gòu)圖

監(jiān)測系統(tǒng)的軟件程序主要分為兩部分，分別是人機界面程序和PLC控制程序，在設(shè)計軟件程序時需要考慮到程序的擴展性和可移植性。主要包括主程序、中斷程序、子程序、初始化程序、輔助程序等[4]。

1.3.1 監(jiān)測系統(tǒng)人機界面程序設(shè)計

1）人機界面不僅是監(jiān)測系統(tǒng)的主要顯示單元，同時也是人與控制系統(tǒng)進行信息交互的平臺，主要實現(xiàn)的內(nèi)容包括：設(shè)置系統(tǒng)參數(shù)；監(jiān)測信息以列表或柱狀圖的形式顯示出來，包括報警、預警信息，傳感器的工作狀態(tài)；報警值以及修改過程需以列表的形式顯示。人機界面程序流程如圖4所示。

2）分站和主站的人機界面都包括參數(shù)設(shè)定界面、報警值顯示界面、監(jiān)測信息顯示列表界面、監(jiān)測信息顯示柱狀圖界面、歡迎界面等，如圖5所示。

圖4 人機界面程序流程圖

圖5 人機界面監(jiān)測信息顯示界面

1.3.2 監(jiān)測系統(tǒng)PLC程序設(shè)計

1）監(jiān)測總站的PLC主程序需要依次執(zhí)行初始化子程序、與分站的通信子程序、與上位機的通信子程序、人機界面控制子程序、報警處理子程序。這些子程序中，初始化程序非常重要，所需初始化的數(shù)據(jù)都存放在數(shù)據(jù)塊中，并且初始化程序僅在程序首次掃描執(zhí)行時運行。數(shù)據(jù)塊初始化的數(shù)據(jù)有：預警值、報警值、報警值可修改的范圍、報警方式[5]。

監(jiān)測分站的PLC主程序需要依次執(zhí)行初始化子程序、與主站的通信子程序、模擬量數(shù)據(jù)采集子程序、數(shù)字量數(shù)據(jù)處理子程序、人機界面控制子程序和報警處理子程序等。其中初始化的內(nèi)容和主站相比多了對傳感器類型、數(shù)量以及測量范圍進行賦值。

2）模擬量數(shù)據(jù)處理子程序。系統(tǒng)采用的溫度傳感器、壓力傳感器、流量傳感器等輸出信號都為4～20mA的模擬電流信號，分站在采集到這些信號后通過PLC的模擬量轉(zhuǎn)換模塊轉(zhuǎn)成單極性數(shù)字量。該子程序啟動后，系統(tǒng)會首先檢測模擬量轉(zhuǎn)換模塊能否正常工作，如果能夠正常工作，那么就將轉(zhuǎn)換后的值從模擬量輸入映象區(qū)轉(zhuǎn)移到V存儲區(qū)中，并存儲起來，然后即可調(diào)用計算庫子程序進行計算。

3）人機界面控制子程序。雖然系統(tǒng)采用的人機界面自身也有處理數(shù)據(jù)的能力，但處理能力較弱，現(xiàn)場應用實踐表明，利用PLC處理數(shù)據(jù)，然后由人機界面進行顯示可以有效提高顯示數(shù)據(jù)的實時性。

2 故障診斷系統(tǒng)設(shè)計

2.1 基于BP神經(jīng)網(wǎng)絡的故障診斷

本文設(shè)計了兩個BP神經(jīng)網(wǎng)絡分別診斷減速器和電動機的故障。

1）電動機故障診斷BP網(wǎng)絡。電動機故障診斷BP網(wǎng)絡分為3層，其中有1層為隱含層。需要輸入的節(jié)點有冷卻水壓力、冷卻水流量、轉(zhuǎn)子前軸溫度、轉(zhuǎn)子后軸溫度、繞組溫度，共有5個節(jié)點；輸出的節(jié)點有軸承故障、繞組故障、無故障，共3個節(jié)點。隱含層節(jié)點有11個。

2）減速器故障診斷BP網(wǎng)絡。減速器故障診斷BP網(wǎng)絡也分為3層，也有1個隱含層。需要輸入節(jié)點有冷卻水壓力和流量、油位、油溫、低速軸承溫度、高速軸承溫度，共有6個節(jié)點；輸出層節(jié)點有低速軸承故障、高速軸承溫度、無故障，共有3個節(jié)點。隱含層節(jié)點數(shù)有13個。

針對減速器只出現(xiàn)高速軸承故障的情況，利用matlab進行故障診斷仿真實驗。首先對來自傳感器的原始信號進行歸一化處理，然后將得到的信息源輸入減速器故障診斷BP神經(jīng)網(wǎng)絡，通過神經(jīng)網(wǎng)絡工具箱的計算從而得到故障的初步診斷結(jié)果。表1顯示了連續(xù)3個時刻t1—t3的故障診斷結(jié)果，表中Y3、Y2、Y1分別代表了低速軸承故障、高速軸承溫度、無故障的故障率初步診斷結(jié)果。

表1 故障率診斷結(jié)果

2.2 基于D-S證據(jù)理論的故障預測

按照D-S證據(jù)理論的合并規(guī)則，將一些在同一辨識框架下的不同證據(jù)體合并成為一個新的證據(jù)體，能夠解決多傳感器信息融合過程中出現(xiàn)的不確定性問題。其中，如何根據(jù)現(xiàn)有的證據(jù)體構(gòu)造基本概率賦值是非常重要的，由于D-S證據(jù)理論沒有進行基本概率賦值的方法，所以本文將神經(jīng)網(wǎng)絡的訓練誤差作為系統(tǒng)的不確定因素，歸一化處理輸出節(jié)點的輸出數(shù)據(jù)，并將其作為基本概率值，即m（Ai），其中的計算公式如下：是神經(jīng)網(wǎng)絡的樣本誤差；Ai是需要早診斷的故障模式；y（Ai）是BP神經(jīng)網(wǎng)絡輸出節(jié)點的輸出；yj和tj分別是j個神經(jīng)元的實際值和期望值。將不確定的故障、低速軸承故障、高速軸承故障和無故障分別設(shè)為 Θ、A3、A2、A1，那么根據(jù)公式（1）就可以得出基本概率賦值，如表2所示。

該公式中

表2 基本概率賦值

為了提高診斷的精度，利用D-S證據(jù)理論在時間域上對BP神經(jīng)網(wǎng)絡不同時刻的連續(xù)輸出結(jié)果進行融合，m1（Ai）和m2（Ai）的融合結(jié)果如表3所示，融合的結(jié)果如下：m'（Θ）=0.000 1，m'（A3）=0.025 2，m'（A2）=0.974 7，m'（A1）=0.000 1。然后利用m1（Ai）和m2（Ai）的融合結(jié)果與m3（Ai）再進行融合，最后的融合結(jié)果為m''（Θ）=0，m''（A3）=0.0020，m''（A2）=0.998 1，m''（A1）=0。

表3 m1（Ai）和m2（Ai）時域融合結(jié)果

對比神經(jīng)網(wǎng)絡的輸出結(jié)果和最終融合結(jié)果對比可以看出，故障判斷過程中的不確定因素大幅減少，可以準確判斷出故障為高速軸承故障。

3 結(jié)語

本文設(shè)計的刮板輸送機狀態(tài)監(jiān)測及故障診斷系統(tǒng)實現(xiàn)了對刮板輸送機的電動機和減速器運行狀態(tài)的實時監(jiān)測和故障診斷功能。利用D-S證據(jù)理論對BP神經(jīng)網(wǎng)絡系統(tǒng)進行優(yōu)化，進一步提高了故障診斷的可靠性和準確性，對于實現(xiàn)高效生產(chǎn)的無人值守工作面有著重要意義。