孫 潔，許清河，于鳳臣，朱 杰，張瑞新

(1.華北理工大學(xué)電氣工程學(xué)院，河北唐山 063210； 2.南堡開發(fā)區(qū)城市建設(shè)管理局，河北唐山 063305；3.唐山城市排水有限公司西郊污水處理二廠，河北唐山 063305；4.柯美瑞(唐山)環(huán)保科技有限公司，河北唐山 063000)

引言

液壓系統(tǒng)在污水處理中作為關(guān)鍵部分，保證液壓系統(tǒng)的正常運行和降低液壓設(shè)備故障率是污水處理生產(chǎn)過程中的核心要求，確定故障所在和實現(xiàn)故障預(yù)測是研究目標(biāo)。污水處理水質(zhì)環(huán)境中含有的各種物質(zhì)，環(huán)境惡劣，導(dǎo)致液壓系統(tǒng)會經(jīng)常發(fā)生故障[1]。實現(xiàn)污水處理中液壓系統(tǒng)故障檢測研究，不僅在實際生產(chǎn)中能提高效率，也能降低液壓設(shè)備故障率，對生產(chǎn)安全具有重大的實際意義。

目前，國內(nèi)在液壓故障檢測方面進行深入研究[2]，一部分利用支持向量機的方法實現(xiàn)故障檢測，將液壓系統(tǒng)所產(chǎn)生的初始信號進行特征分類[3]，從而實現(xiàn)液壓系統(tǒng)的故障檢測。但該方法存在一定的局限性，不能檢測出小幅度的故障。另一部分通過實際生產(chǎn)中的經(jīng)驗判斷，通過技術(shù)人員的操作確定故障問題，該方法不僅消耗人力，還不能及時定位故障問題所在，降低生產(chǎn)效率。

智能制造風(fēng)潮到來和物聯(lián)網(wǎng)技術(shù)的發(fā)展，使設(shè)備遠程監(jiān)控成為發(fā)展趨勢[4]。傳統(tǒng)故障檢測及維護，需要人工現(xiàn)場操作，存在效率低下等問題。在液壓故障診斷中利用物聯(lián)網(wǎng)技術(shù)，可實現(xiàn)液壓系統(tǒng)故障信息遠程傳輸，實現(xiàn)遠程維護，不僅提高工作效率，還同時降低維護成本等。

針對以上問題，提出一種基于物聯(lián)網(wǎng)技術(shù)和動態(tài)廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network，GRNN)模型的污水處理系統(tǒng)液壓故障檢測方法[5]來實現(xiàn)遠程維護及污水處理過程中設(shè)備的統(tǒng)籌管理。在污水處理生產(chǎn)過程中，由于污水環(huán)境所存在的不確定性，設(shè)備會不可避免的受到環(huán)境的影響，利用動態(tài)GRNN模型引入自適應(yīng)閾值機制，可有效提高故障檢測效率[6]，實現(xiàn)對液壓設(shè)備小幅度突變故障和早期緩變故障的檢測，保證液壓系統(tǒng)的穩(wěn)定性。

1 動態(tài)GRNN神經(jīng)模型理論

1.1 廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)

GRNN是建立在數(shù)理統(tǒng)計基礎(chǔ)上的徑向基函數(shù)網(wǎng)絡(luò)，理論基礎(chǔ)為非線性回歸分析[7]。GRNN算法在學(xué)習(xí)速度和非線性映射能力方面有很大的優(yōu)勢，且具有訓(xùn)練速度塊、逼近能力強、仿真精度高等優(yōu)點。

假設(shè)隨機變量x和隨機變量y聯(lián)合概率密度f(x,y)，則y相對于x的回歸可表示為:

(1)

式中,密度函數(shù)f(x,y)的估計可以通過對訓(xùn)練數(shù)據(jù)使用Parzen的非參數(shù)估計算子得到,其非參數(shù)估計為:

式中：

(3)

(4)

式中,xi代表的是x的觀測向量；yi為y的觀測值；σ為平滑系數(shù)；n為樣本數(shù)量；m為隨機向量x的維數(shù)。

(5)

(6)

1.2 動態(tài)GRNN模型結(jié)構(gòu)

根據(jù)式(6)構(gòu)造廣義回歸神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)圖如圖1所示，整個結(jié)構(gòu)包含輸入層(Input layer)、模式層(Pattern layer)、求和層(Summation layer)和輸出層 (Output layer) 共4層神經(jīng)元。

2 污水處理液壓系統(tǒng)故障檢測研究

2.1 液壓系統(tǒng)數(shù)據(jù)信號采集研究設(shè)計

在污水處理液壓系統(tǒng)中，需要采集最重要的2個數(shù)據(jù)參數(shù)：流量和壓力。通過判斷這2個參數(shù)是否正常來對液壓系統(tǒng)進行故障診斷。如圖2所示為液壓機液壓系統(tǒng)主要元件測點分布原理圖。

圖1 GRNN結(jié)構(gòu)圖

圖2 液壓機液壓系統(tǒng)主要元件測點分布原理圖

從圖2可知，1YA～4YA為液壓系統(tǒng)的主要測點元件，為換向閥和電磁鐵線圈，監(jiān)測點①處放置流量傳感器檢測液壓系統(tǒng)油箱流量；監(jiān)測點②放置壓力傳感器檢測回油油量產(chǎn)生的壓力；監(jiān)測點③測量液壓泵進入液壓缸上腔的流量和保壓壓力；監(jiān)測點④與⑤檢測換向閥3的壓力和流量，以此來監(jiān)控?fù)Q向閥3的工作狀態(tài)；監(jiān)測點⑥監(jiān)控液壓系統(tǒng)中液壓泵的工作狀態(tài)；電磁換向閥2和液壓缸1的工作狀態(tài)通過監(jiān)測點⑦和⑧處的壓力和流量傳感器進行參數(shù)檢測。通過將采集的信號和參數(shù)結(jié)合GRNN模型來實現(xiàn)液壓系統(tǒng)的故障診斷。

2.2 構(gòu)建GRNN模型故障觀測器

污水處理系統(tǒng)環(huán)境中，各式各樣的傳感器組成的傳感器網(wǎng)絡(luò)對污水處理系統(tǒng)中的重要信號進行采集獲取。并通過GRNN觀測器模型進行訓(xùn)練，得到污水處理系統(tǒng)的殘差，構(gòu)建動態(tài)GRNN模型。如圖3所示為動態(tài)GRNN模型結(jié)構(gòu)圖。

圖3 動態(tài)GRNN結(jié)構(gòu)圖

通過動態(tài)GRNN結(jié)構(gòu)圖，可以清晰得到輸入和輸出的網(wǎng)絡(luò)模型表達式。

x(t)=[x(t-n),…,x(t-1),

y(t-n),…,y(t-1)]

(7)

y(t+1)=[y(t),…,y(t-n),

x(t-1),…,x(t-n)]

(8)

動態(tài)GRNN模型屬于全局的遞歸模型,這樣的模型往往涉及到模型的預(yù)測問題,即前一時刻的模型預(yù)測輸出值成為后一時刻的模型輸入值。一般的預(yù)測分為單步預(yù)測和多步預(yù)測,對于動態(tài)GRNN模型,主要使用的預(yù)測方法是多步預(yù)測。

2.3 基于動態(tài)GRNN模型的系統(tǒng)液壓故障檢測研究

結(jié)合污水處理中的液壓設(shè)備故障檢測的經(jīng)驗可知，在不同環(huán)境的污水處理中，隨機變量和隨機干擾存在相互影響，會導(dǎo)致不同種類的故障狀態(tài)。將1個正常的輸入信號樣本輸入動態(tài)GRNN模型，會得到1個模型輸出，將通過實際生產(chǎn)中所采集到的信號輸入該模型，會得到1個實際輸出值，將正常狀態(tài)下模型輸出值與實際輸出值作對比，算得1個殘差值，并將該殘差值控制在設(shè)定的閾值之內(nèi)。若液壓設(shè)備產(chǎn)生故障，會得出1個故障狀態(tài)的信號輸入，所產(chǎn)生的模型輸出與實際輸出之間的殘差會與先前設(shè)定的閾值產(chǎn)生較大的偏差，因此將會檢測出設(shè)備故障。

將液壓設(shè)備故障檢測以數(shù)學(xué)模型的形式進行闡述，系統(tǒng)殘差序列e表示如下：

(9)

(10)

利用式(10)計算殘差序列平方和J(k+1)，N表示窗口長度，下面是N值大小的兩種情況：

圖4 目標(biāo)故障種類檢測圖

將污水處理液壓系統(tǒng)故障檢測閾值設(shè)為ε0在不同的環(huán)境下ε0不同，通常情況下取正常樣本殘差平方和J0的2至3倍，即ε0=2J0，我們可以得到設(shè)備故障檢測的判別式：

(11)

在污水處理環(huán)境下，動態(tài)GRNN模型診斷出液壓系統(tǒng)的故障問題時，還可以通過Jf值大小，判斷液壓系統(tǒng)故障嚴(yán)重程度。

3 實驗結(jié)果與分析

利用MATLAB構(gòu)建GRNN故障觀測器仿真平臺，實現(xiàn)對污水處理系統(tǒng)液壓故障檢測。實驗中所輸入的實驗信號通過流量傳感器和壓力傳感器進行數(shù)據(jù)采集。在液壓系統(tǒng)中，需要采集的實驗信號如出口流量、出口壓力、液壓缸腔的壓力等，共采集30組樣本。利用采集出的信號樣本構(gòu)建液壓系統(tǒng)的動態(tài)GRNN模型，設(shè)定液壓系統(tǒng)的目標(biāo)故障共6種目標(biāo)類型。通過動態(tài)GRNN模型，可以得到正常狀態(tài)下的檢測閾值，在采集的樣本中抽取10組作為測試樣本，然后通過MATLAB仿真觀測診斷結(jié)果。如圖4a～圖4j所示，可以清晰的檢測出故障點。當(dāng)不同種類的目標(biāo)故障閾值小于對應(yīng)的檢測閾值時，則該點為故障點。

值得注意的是圖4f～圖4h，有2類目標(biāo)故障小于檢測閾值，需比較這兩類的閾值大小，哪一類的閾值更小，則判定該點為故障點。通過對所有采集的樣本進行測試，表明該方法能夠有效的應(yīng)用在污水處理液壓系統(tǒng)。

在污水處理實際生產(chǎn)中，液壓系統(tǒng)參數(shù)采集和監(jiān)測往往不能達到實時同步，很難實現(xiàn)提前預(yù)知。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，無線傳感網(wǎng)絡(luò)技術(shù)日趨成熟，將液壓系統(tǒng)中設(shè)備實現(xiàn)物物相連，對液壓系統(tǒng)的參數(shù)實現(xiàn)實時監(jiān)測和采集，通過動態(tài)GRNN模型分析觀察提前發(fā)現(xiàn)液壓系統(tǒng)的異常狀態(tài)，快速實現(xiàn)液壓設(shè)備故障診斷，找出故障原因所在。

4 融合物聯(lián)網(wǎng)技術(shù)的動態(tài)GRNN模型液壓系統(tǒng)故障檢測研究

4.1 物聯(lián)網(wǎng)概述

物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，物物相連、數(shù)據(jù)共享已經(jīng)成為現(xiàn)實，在生產(chǎn)生活中，遠程控制已經(jīng)成為各個企業(yè)生產(chǎn)、綜合管理改革的趨勢，如在智能家居、無人駕駛和設(shè)備遠程管控方面已經(jīng)實現(xiàn)[8-9]。

在污水處理中，距離實現(xiàn)液壓系統(tǒng)各設(shè)備的控制、各數(shù)據(jù)參數(shù)實時監(jiān)控，實現(xiàn)物物相連、綜合管控還存在一定差距。保障液壓系統(tǒng)正常運行，是污水處理過程中重中之重。引入物聯(lián)網(wǎng)技術(shù)，是為了更好地實現(xiàn)對液壓設(shè)備的實時狀態(tài)、故障信號采集，提前預(yù)知設(shè)備異常狀態(tài)，降低設(shè)備的故障率，保證生產(chǎn)發(fā)展，提高生產(chǎn)效率。

4.2 無線傳感網(wǎng)絡(luò)

在智能化生產(chǎn)中，無線傳感網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)作為一種核心技術(shù)[10-12]，如對感知環(huán)境變量和對相關(guān)數(shù)據(jù)處理的操作，廣泛運用在工業(yè)生產(chǎn)中，具有成本低、功耗低、可實現(xiàn)分布式設(shè)備自組網(wǎng)的優(yōu)勢。大量傳感器分布在液壓設(shè)備上，分別采集各設(shè)備的運行狀態(tài)參數(shù)，并通過無線傳感網(wǎng)絡(luò)的數(shù)據(jù)通信技術(shù)實現(xiàn)數(shù)據(jù)傳輸、信號雙向互動，不僅能實現(xiàn)設(shè)備故障及時發(fā)現(xiàn)、為液壓系統(tǒng)提供安全、可靠的服務(wù)，還能實現(xiàn)各設(shè)備之間物物相連，實現(xiàn)統(tǒng)籌管理。分布式液壓設(shè)備無線傳感網(wǎng)絡(luò)結(jié)構(gòu)圖如圖5所示。

4.3 系統(tǒng)總體設(shè)計方案

物聯(lián)網(wǎng)在技術(shù)架構(gòu)上主要分為參數(shù)信息采集層、數(shù)據(jù)信號傳輸層、綜合分析診斷層[13-14]。參數(shù)信息采集層：利用無線傳感網(wǎng)絡(luò)在液壓系統(tǒng)安裝傳感設(shè)備采集數(shù)據(jù)。數(shù)據(jù)信號傳輸層：實現(xiàn)對分布式設(shè)備數(shù)據(jù)傳輸如壓力、流量等重要數(shù)據(jù)傳到監(jiān)控界面實現(xiàn)遠程監(jiān)控液壓系統(tǒng)運行狀況[15]。綜合分析診斷層：通過動態(tài)GRNN模型對輸入的動態(tài)信號、數(shù)據(jù)，快速診斷分析故障原因，得出目標(biāo)故障，并提供相應(yīng)的維修策略，系統(tǒng)的總體方案設(shè)計如圖6所示。

圖5 分布式液壓設(shè)備無線傳感網(wǎng)絡(luò)結(jié)構(gòu)圖

圖6 系統(tǒng)總體方案設(shè)計圖

首先利用大量的無線傳感器所組成的無線傳感網(wǎng)絡(luò)進行對底層的液壓設(shè)備進行相應(yīng)的數(shù)據(jù)采集和監(jiān)測，使得系統(tǒng)對液壓系統(tǒng)、設(shè)備相應(yīng)的運行狀態(tài)和故障信號形成監(jiān)控。

其次，通過物聯(lián)網(wǎng)通訊技術(shù)將采集的數(shù)據(jù)信號傳輸?shù)皆破脚_進行信息綜合處理，利用動態(tài)GRNN模型對故障信號進行分析診斷，得出液壓設(shè)備的故障情況[16-20]，并從而做出相應(yīng)的解決方案，解決液壓系統(tǒng)所出現(xiàn)的故障問題，從而實現(xiàn)遠程監(jiān)測和各設(shè)備之間物物相連。

5 結(jié)論

針對污水處理過程中環(huán)境所導(dǎo)致液壓系統(tǒng)產(chǎn)生故障的問題，在污水處理中引入一種動態(tài)GRNN模型的液壓系統(tǒng)故障檢測方法，并融合物聯(lián)網(wǎng)技術(shù)提供全面的征兆信息、故障信號，借助仿真軟件實現(xiàn)故障診斷，減少診斷的不確定性，提高診斷準(zhǔn)確性和可靠性。

融合物聯(lián)網(wǎng)技術(shù)故障檢測系統(tǒng)，以物聯(lián)網(wǎng)的智能控制為依托，解決液壓設(shè)備之間協(xié)作安全問題，并且利用無線傳感網(wǎng)絡(luò)可以加強數(shù)據(jù)信號采集安全性，極大的降低物聯(lián)網(wǎng)的運行成本，實現(xiàn)液壓系統(tǒng)故障診斷和遠程維護。實際生產(chǎn)中可減少維修工程師現(xiàn)場維修方式，不僅能保障產(chǎn)品的使用能力，提高水廠生產(chǎn)效率，維護設(shè)備的工作能力。滿足企業(yè)未來發(fā)展需求，也給其他行業(yè)帶來新的發(fā)展方式。