摘要：礦山機電設(shè)備的工作環(huán)境復(fù)雜，故障診斷是保障機電設(shè)備高效維修的關(guān)鍵手段。為此，設(shè)計了一種新的機電設(shè)備維修故障診斷方法?；赯igbee技術(shù)設(shè)計的礦山機電設(shè)備監(jiān)測系統(tǒng)，采集機電設(shè)備運行狀態(tài)數(shù)據(jù);構(gòu)建并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型，將利用小波包方法提取的故障特征向量作為網(wǎng)絡(luò)測試樣本，精準診斷礦山機電設(shè)備的故障情況。該方法檢測的礦山機電設(shè)備故障精準度高達91%。

關(guān)鍵詞：礦山機電設(shè)備;傳感器;神經(jīng)網(wǎng)絡(luò);故障診斷

0 引言

機電設(shè)備是礦山開采的重要工具，但是機電設(shè)備具有易消耗特質(zhì)，容易發(fā)生斷裂、變形、磨損等故障。如何精準判斷機電設(shè)備故障，提高礦山機電設(shè)備開采工作效率是亟待解決的問題。本文結(jié)合無線傳感網(wǎng)絡(luò)與Zigbee技術(shù)，提出了一種故障診斷技術(shù)，可以通過智能化、自動化方式快速實現(xiàn)礦山機電設(shè)備的故障檢測。

1 礦山機電設(shè)備故障診斷技術(shù)

1.1 ? ?機電設(shè)備狀態(tài)數(shù)據(jù)采集

為提高開采效率，需要實時監(jiān)測礦山機電設(shè)備的運行狀態(tài)，為此基于Zigbee技術(shù)和無線傳感器網(wǎng)絡(luò)，設(shè)計了礦山機電設(shè)備監(jiān)測系統(tǒng)[1]，采集機電設(shè)備的多種狀態(tài)數(shù)據(jù)?；诙喙δ苄枰瑢igbee節(jié)點劃分為不同類型：Sink節(jié)點、路由節(jié)點、無線傳感器節(jié)點。通過以上節(jié)點采集機電設(shè)備傳感器輸送的設(shè)備狀態(tài)信號，實現(xiàn)機電設(shè)備運行狀態(tài)監(jiān)測與狀態(tài)數(shù)據(jù)采集。

系統(tǒng)硬件包括礦山地面裝置與地下裝置，有線傳輸、地面調(diào)度控制中心是地面裝置的主要構(gòu)成;有線網(wǎng)絡(luò)傳輸、基于Zigbee技術(shù)的無線傳感網(wǎng)絡(luò)是地下裝置的主要構(gòu)成，圖1為礦山機電設(shè)備監(jiān)測系統(tǒng)的無線傳感布局。

基于Zigbee技術(shù)的無線傳感網(wǎng)絡(luò)監(jiān)測系統(tǒng)的運行原理如下：

（1）節(jié)點功能分析：傳感器節(jié)點、路由節(jié)點、Sink節(jié)點是無線傳感網(wǎng)絡(luò)部分的主要節(jié)點類型。海量傳感器節(jié)點基于無線網(wǎng)自組織方式構(gòu)成網(wǎng)絡(luò)，以采集設(shè)備運行狀態(tài)數(shù)據(jù)、設(shè)備定位數(shù)據(jù);監(jiān)測系統(tǒng)的無線傳感節(jié)點以多跳無線通信方式運行。和傳感器節(jié)點緊密聯(lián)系的是路由節(jié)點，路由節(jié)點完成信號中繼任務(wù)，目的是增加無線傳輸距離。路由節(jié)點與傳感器節(jié)點將采集的機電設(shè)備運行數(shù)據(jù)傳輸至Sink節(jié)點并使其接收。

（2）地面調(diào)度控制中心是接收和處理系統(tǒng)監(jiān)測數(shù)據(jù)的平臺;CAN總線是連接無線傳感網(wǎng)絡(luò)和以太網(wǎng)的重要介質(zhì)[2]，通過CAN總線的連接，地面調(diào)度控制中心接收到來自無線傳感網(wǎng)絡(luò)采集的礦山機電設(shè)備狀態(tài)數(shù)據(jù)。

1.2 ? ?基于BP神經(jīng)網(wǎng)絡(luò)的機電設(shè)備故障診斷

根據(jù)Zigbee技術(shù)采集礦山機電設(shè)備的各種運行狀態(tài)數(shù)據(jù)，采用神經(jīng)網(wǎng)絡(luò)診斷機電設(shè)備故障。在此之前需要使用小波包分析技術(shù)過濾機電設(shè)備狀態(tài)數(shù)據(jù)的噪聲。本次機電設(shè)備故障診斷研究使用的狀態(tài)數(shù)據(jù)為設(shè)備的振動信號;然后基于小波包分析技術(shù)提取各頻帶重構(gòu)信號的能量，即機電設(shè)備故障特征向量，BP神經(jīng)網(wǎng)絡(luò)故障診斷采用的訓(xùn)練樣本和測試樣本即為此特征向量。

BP神經(jīng)網(wǎng)絡(luò)是按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練過程包括前向計算過程、誤差反向傳播過程：前者輸入向量從輸入層開始，經(jīng)過隱含層逐級求取不同神經(jīng)單元的輸出值;后者將輸出層的誤差逐級向前傳播，以隱含層為中介、代價函數(shù)作為最小目標(biāo)，求取不同神經(jīng)元誤差以修正前層權(quán)值。上述兩個部分共同完成特征空間向設(shè)備故障空間的非線性映射，實現(xiàn)機電設(shè)備的故障診斷[3]。圖2為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括輸入層、隱含層以及輸出層。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，將礦山機電設(shè)備狀態(tài)（設(shè)備振動信號）故障特征向量作為測試樣本輸入神經(jīng)網(wǎng)絡(luò)中，輸出結(jié)果即為機電設(shè)備故障診斷情況。

2 實驗結(jié)果分析

搭建礦山機電設(shè)備仿真環(huán)境展開測試，本次測試采用的機電設(shè)備為礦用電動機。經(jīng)過148次訓(xùn)練樣本學(xué)習(xí)，BP神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠完成機電設(shè)備的故障診斷，將監(jiān)測系統(tǒng)采集的300組數(shù)據(jù)作為測試樣本，其中每組故障類型的樣本數(shù)量為60組，神經(jīng)網(wǎng)絡(luò)故障診斷的輸出結(jié)果如表1所示。

表1展示的是本文方法正確檢測機電設(shè)備的故障情況，總計檢測出結(jié)構(gòu)松動故障5次、輕微裂紋故障4次、摩擦過大故障5次、振動過大故障6次，誤檢2次，總的來說本文方法檢測準確率可達91%。

3 結(jié)語

本文使用BP神經(jīng)網(wǎng)絡(luò)診斷機電設(shè)備故障之前，基于小波包分析方法預(yù)處理設(shè)備的振動信號數(shù)據(jù)，提取設(shè)備的故障特征向量作為神經(jīng)網(wǎng)絡(luò)的測試樣本。這種做法一定程度上濾除了設(shè)備原始振動信號的噪聲，使得礦山機電設(shè)備故障診斷結(jié)果更為精準。經(jīng)驗證，本文方法檢測礦山機電設(shè)備故障的精準度為91%，滿足現(xiàn)實中機電設(shè)備故障診斷需求。

[參考文獻]

[1] 張雅君，李明學(xué)，田由輝.基于Zigbee技術(shù)的煤礦井下設(shè)備監(jiān)測系統(tǒng)的研究[J].煤礦機械，2013（5）：271-272.

[2] 王彬.基于ZigBee技術(shù)的煤礦井下安全監(jiān)控系統(tǒng)設(shè)計[J].山東工業(yè)技術(shù)，2015（17）：206.

[3] 董超.基于小波神經(jīng)網(wǎng)絡(luò)的礦用主通風(fēng)機故障診斷研究[J].煤礦機械，2015，36（1）：276-278.

收稿日期：2020-04-29

作者簡介：張?。?993—），男，山西呂梁人，研究方向：礦山機電。