任孟林

（西山煤電集團(tuán)有限責(zé)任公司西銘礦，山西 太原 030053）

引言

在我國煤炭資源開采過程中，由于礦山地質(zhì)水文條件較為復(fù)雜，使得煤礦經(jīng)常出現(xiàn)一系列安全事故，對礦山人員及設(shè)備的安全造成了嚴(yán)重的影響。礦井風(fēng)機(jī)作為礦井重要的通風(fēng)設(shè)備，其一旦發(fā)生故障，會造成工作面瓦斯聚集，造成瓦斯事故，所以對礦井風(fēng)機(jī)進(jìn)行故障及時(shí)診斷是十分重要的[1-2]。在進(jìn)行風(fēng)機(jī)的故障診斷時(shí)經(jīng)常會對風(fēng)機(jī)的溫度、振動及轉(zhuǎn)速等參數(shù)進(jìn)行統(tǒng)計(jì)診斷，實(shí)現(xiàn)故障分析[3-4]。本文通過對礦井通風(fēng)機(jī)振動信息進(jìn)行采集，利用軟件對信息進(jìn)行故障診斷和識別，為提升礦井風(fēng)機(jī)的安全性及可靠性提供一定的依據(jù)，同時(shí)為實(shí)現(xiàn)礦井智能化作出貢獻(xiàn)。

1 振動故障信息處理

時(shí)頻分析法主要是對非平穩(wěn)時(shí)段信號頻域和時(shí)域進(jìn)行信息分布，從而得到時(shí)間與頻率間的函數(shù)關(guān)系。在進(jìn)行信號處理時(shí)，常見的分析為傅里葉變換和和傅里葉反交換，但由于其本質(zhì)是整體對整體的交換，所以使得時(shí)間與頻率在個(gè)體上是無法對應(yīng)的，所以無法實(shí)現(xiàn)故障定位。為了得到準(zhǔn)確的定位，時(shí)頻分析法可選短時(shí)傅里葉變化（STFT）、Hilbert-Huang 變化和Wigner-Ville 分布。對信號進(jìn)行EMD 分解后進(jìn)行希爾伯特變化，從而得出時(shí)間-頻率-能量的關(guān)系，同時(shí)得出Hilbert 邊際譜。為了清楚直觀地對HHT 變化結(jié)果進(jìn)行闡述，通過三維建模來展示HHT變化的情況，HHT 三維變化圖如1 所示。

從圖1 中可以看出，對收集到的振動信號進(jìn)行HHT 變換，經(jīng)過HHT 變化后可以將信號的頻率進(jìn)行有效分離，根據(jù)時(shí)頻圖可以實(shí)現(xiàn)準(zhǔn)確展示時(shí)間與頻率變換的相互關(guān)系，所以較好地驗(yàn)證了HHT 變化的分解性能的優(yōu)越性。所以選定Hilbert-Huang 時(shí)頻法對風(fēng)機(jī)振動故障進(jìn)行識別及診斷。

圖1 HHT 三維變化圖

在進(jìn)行振動收集過程中，由于噪音會對振動的收集有著一定的影響，所以需要對采煤機(jī)進(jìn)行降噪處理，選定二代小波變換進(jìn)行降噪，該方法的思路是通過整數(shù)變化進(jìn)行小波重構(gòu)和分解，達(dá)到小波變換的目的。風(fēng)機(jī)的振動是非線性的且非平穩(wěn)的，在實(shí)際工況下，信號的穩(wěn)定性較好時(shí)，信號多為有用信號，此時(shí)多為低頻信號且此時(shí)的小波系數(shù)也較低。噪音多為高頻信號，且小波信號較多，所以對采集的信號進(jìn)行分解，完成分解后進(jìn)行重構(gòu)，達(dá)到降噪的目的，具體降重的布置為：確定提升小波；信號小波分解；高頻系數(shù)的閾值量化；小波重構(gòu)。

通過HHT 特征提取方法對礦井風(fēng)機(jī)的振動信號進(jìn)行分析，采樣的頻率為1 000 Hz，采集后的振動信號經(jīng)過小波半軟降噪處理后信號的幅值會有一定的降低，且波動情況也有所改善。同時(shí)經(jīng)過EEMD 分解后,信號的IMF 值振幅減小。根據(jù)風(fēng)機(jī)的故障信息進(jìn)行分析，發(fā)現(xiàn)不同故障類型下的頻率也是不同的，所以不同故障能量也是不同的，經(jīng)過振動信號分解后對不同頻帶內(nèi)的能量進(jìn)行檢測，分析風(fēng)機(jī)的故障及時(shí)進(jìn)行預(yù)警。

2 模糊神經(jīng)網(wǎng)絡(luò)故障診斷

風(fēng)機(jī)過程中故障信號的頻率及能量分布不同，所以可以利用模糊神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)風(fēng)機(jī)振動信號的故障識別，礦井風(fēng)機(jī)發(fā)生故障時(shí)可以對故障類型及故障位置進(jìn)行精準(zhǔn)定位和預(yù)警。振動信號中具有大量風(fēng)機(jī)的運(yùn)行信息，而經(jīng)過處理的信號沒有直接評判風(fēng)機(jī)的故障類型，這就具有模糊性，所以結(jié)合風(fēng)機(jī)故障信息、信號降噪、HHT 分析及故障的診斷對風(fēng)機(jī)故障系統(tǒng)進(jìn)行設(shè)計(jì)，故障系統(tǒng)如圖2 所示。

圖2 故障診斷系統(tǒng)示意圖

根據(jù)圖2 可以看出具體步驟為先對振動信號采集，將振動信號進(jìn)行小波降噪，完成降噪后對信號進(jìn)行HHT 時(shí)頻分析，對故障的特征量進(jìn)行提取，經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行故障的識別，最終給出風(fēng)機(jī)故障類型。

在對風(fēng)機(jī)的分析過程中，較為常見的故障有六種，分別為轉(zhuǎn)子不對稱、轉(zhuǎn)子的不平衡、轉(zhuǎn)子摩擦、基本的松動、油膜渦流和喘振。為了建立模糊神經(jīng)網(wǎng)絡(luò)需要先進(jìn)行樣本的的建立，選定2 000 組數(shù)據(jù)進(jìn)行樣本的建立，給定5 個(gè)輸入點(diǎn)，設(shè)定樣本的期望值0.001，達(dá)到誤差后樣本停止，根據(jù)數(shù)據(jù)的計(jì)算分析故障情況，由于系統(tǒng)設(shè)定為6 種故障隸屬度，所以當(dāng)期望誤差輸出為0.001 時(shí)，此時(shí)表示風(fēng)機(jī)出現(xiàn)故障。模糊神經(jīng)網(wǎng)絡(luò)計(jì)算誤差圖如3 所示。

根據(jù)圖3 可以看出，隨著訓(xùn)練次數(shù)的增大模糊神經(jīng)網(wǎng)絡(luò)樣本的誤差逐步減小，當(dāng)訓(xùn)練到30 次時(shí)，此時(shí)的訓(xùn)練誤差達(dá)到逐步收斂，當(dāng)訓(xùn)練次數(shù)來到65次時(shí)，此時(shí)的模糊神經(jīng)網(wǎng)絡(luò)的計(jì)算誤差已經(jīng)降低至9.1×10-4，完全滿足故障分析的要求。在進(jìn)行迭代過程中，曲線無較大的波動，曲線較為光滑，所以模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有一定的可行性[5-6]。

圖3 模糊神經(jīng)網(wǎng)絡(luò)計(jì)算誤差圖

經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)風(fēng)機(jī)故障訓(xùn)練后，選定不同的檢測樣本對模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行驗(yàn)證，選定礦井風(fēng)機(jī)振動信號經(jīng)過小波變換降噪后對數(shù)據(jù)進(jìn)行HHT 分析，將分析后的150 組數(shù)據(jù)進(jìn)行故障分析，將故障樣本導(dǎo)入模糊神經(jīng)網(wǎng)絡(luò)，驗(yàn)證樣本的診斷結(jié)果如表1 所示。

表1 系統(tǒng)診斷輸出結(jié)果計(jì)算誤差表

根據(jù)相應(yīng)的故障隸屬度設(shè)定，當(dāng)輸出數(shù)據(jù)大于0.6 時(shí)，此時(shí)為風(fēng)機(jī)故障的分界值，當(dāng)輸出數(shù)據(jù)大于0.8 時(shí)，此時(shí)的風(fēng)機(jī)出現(xiàn)故障且風(fēng)機(jī)故障相對較為嚴(yán)重，當(dāng)輸出數(shù)據(jù)小于0.2 時(shí)，此時(shí)代表風(fēng)機(jī)正常運(yùn)行不存在故障現(xiàn)象。根據(jù)固定輸出量的最大值為風(fēng)機(jī)的故障表征值，根據(jù)表1 可以看出，數(shù)據(jù)1的第一個(gè)數(shù)據(jù)出現(xiàn)明顯故障且故障較為嚴(yán)重，此時(shí)輸出的結(jié)果為轉(zhuǎn)子不平衡故障[7]。測點(diǎn)2、3、4 輸出的數(shù)據(jù)均在第二個(gè)值出現(xiàn)最大值，此時(shí)輸出故障為轉(zhuǎn)子不對稱故障，測點(diǎn)5、6的輸出數(shù)據(jù)數(shù)值均較小，且均小于0.2，所以風(fēng)機(jī)不會出現(xiàn)故障，正常運(yùn)行，與現(xiàn)實(shí)結(jié)果相近，所以模糊神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)的準(zhǔn)確性較好，可以用來對風(fēng)機(jī)故障進(jìn)行及時(shí)的診斷。

3 結(jié)論

利用模糊神經(jīng)網(wǎng)絡(luò)對風(fēng)機(jī)診斷系統(tǒng)進(jìn)行設(shè)計(jì)，通過對風(fēng)機(jī)的振動數(shù)據(jù)進(jìn)行實(shí)際驗(yàn)證，確定了模糊神經(jīng)網(wǎng)絡(luò)風(fēng)機(jī)診斷系統(tǒng)的可行性與可靠性，為礦山風(fēng)機(jī)故障的識別及預(yù)警作出一定的貢獻(xiàn)。