劉強(qiáng)強(qiáng)

霍州煤電集團(tuán) 云廈白龍礦建分公司,山西 霍州 031400)

采煤機(jī)為井下開采關(guān)鍵設(shè)備之一,主要用于完成破煤以及裝煤工作,其安全可靠運(yùn)行與否會(huì)直接對(duì)煤礦的生產(chǎn)造成影響。目前使用的采煤機(jī)普遍存在運(yùn)行狀態(tài)評(píng)估參數(shù)單一、預(yù)測(cè)結(jié)果偏差大、誤判嚴(yán)重等問題,影響采煤機(jī)安全運(yùn)行?；诖?通過Arima模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,采用權(quán)重分配設(shè)計(jì)新的運(yùn)行狀態(tài)預(yù)測(cè)模型,同時(shí)提出設(shè)備健康度概念,通過層次分析法,完成采煤機(jī)運(yùn)行狀態(tài)的評(píng)估,保證采煤機(jī)安全運(yùn)轉(zhuǎn),旨在更好地實(shí)現(xiàn)采煤機(jī)智能化控制。

1 采煤機(jī)狀態(tài)評(píng)價(jià)與描述

采煤機(jī)運(yùn)行過程無法實(shí)現(xiàn)對(duì)每個(gè)部件都進(jìn)行監(jiān)控,通常情況下會(huì)在關(guān)鍵部位安裝傳感器實(shí)現(xiàn)關(guān)鍵參數(shù)的監(jiān)控采集,通過對(duì)參數(shù)的監(jiān)控,完善采煤機(jī)健康狀態(tài)的評(píng)價(jià)指標(biāo),進(jìn)而對(duì)采煤機(jī)運(yùn)行過程中數(shù)據(jù)偏差程度進(jìn)行對(duì)比,完成采煤機(jī)的運(yùn)行狀態(tài)評(píng)估分析。圖1為評(píng)估采煤機(jī)運(yùn)行狀態(tài)的關(guān)鍵參數(shù)層次體系圖。

由圖1可知,采煤機(jī)可以分為m個(gè)關(guān)鍵部件,而設(shè)備的狀態(tài)可以用集合H=[H1,H2,…,Hi,…,Hm],其中可以表示采煤機(jī)第i個(gè)部件狀態(tài)的集合為Hi=[Hi1,Hi2,…,Hii,…,Him]. 通過查閱資料,將采煤機(jī)關(guān)鍵部位狀態(tài)評(píng)價(jià)指標(biāo)進(jìn)行匯總,見表1.

圖1 采煤機(jī)運(yùn)行狀態(tài)評(píng)估層次體系圖

按照表1給出的采煤機(jī)關(guān)鍵部位評(píng)價(jià)指標(biāo)參數(shù)極限值,對(duì)采煤機(jī)的運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià)。為了確保評(píng)價(jià)的合理性,將設(shè)備運(yùn)行狀態(tài)進(jìn)行等級(jí)劃分,不同等級(jí)分別代表設(shè)備不同的健康度,具體見表2.

2 基于AB組合預(yù)測(cè)采煤機(jī)運(yùn)行狀態(tài)模型定義

ARIMA模型的預(yù)測(cè)原理是根據(jù)時(shí)間推移將確定的預(yù)測(cè)對(duì)象轉(zhuǎn)換為時(shí)間序列,再按照相關(guān)數(shù)學(xué)模型對(duì)時(shí)間序列進(jìn)行描述,通過已知輸入?yún)?shù)來確定模型的未知數(shù)值,進(jìn)而推算得到完整的數(shù)學(xué)模型,此時(shí)便能夠按照現(xiàn)在以及過去的參數(shù)來預(yù)測(cè)未來的參數(shù)。ARIMA模型全稱為差分自回歸移動(dòng)平均模型[1]. 其中,ARIMA模型包含了自回歸模型、移動(dòng)平均模型、自回歸移動(dòng)平均模型。在使用ARIMA模型時(shí),應(yīng)重點(diǎn)關(guān)注數(shù)據(jù)平穩(wěn)性,對(duì)于不滿足要求的數(shù)據(jù)首先要進(jìn)行差分運(yùn)算,再將得到的新數(shù)據(jù)導(dǎo)入ARMA模型公式,進(jìn)而確定相關(guān)性系數(shù),其中自相關(guān)函數(shù)表示不同時(shí)間同一序列的相關(guān)程度,而偏自相關(guān)函數(shù)則表示排除干擾變量外其他兩個(gè)變量的相關(guān)程度,隨后通過自相關(guān)圖完成對(duì)比,最終得出最佳系數(shù)。具體的控制流程圖見圖2.

表1 采煤機(jī)關(guān)鍵部位狀態(tài)評(píng)價(jià)指標(biāo)表

表2 采煤機(jī)狀態(tài)等級(jí)描述分類表

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡(luò),即按照學(xué)習(xí)的輸入輸出關(guān)系,將輸出的誤差作為神經(jīng)網(wǎng)絡(luò)的輸入值,來輸出上一層的運(yùn)算誤差,通過往復(fù)計(jì)算,最終得到所有層的誤差預(yù)測(cè)。圖3為BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。基于拓?fù)浣Y(jié)構(gòu)圖,在神經(jīng)網(wǎng)絡(luò)算法中,將誤差逆向傳遞給中間層的隱含神經(jīng)元,進(jìn)而改變中間層與輸入層的比重以及對(duì)應(yīng)的閾值[2-3].

圖3 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖

BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)訓(xùn)練主要由兩部分組成:1) 訓(xùn)練樣本。2) 反向預(yù)測(cè)。通過把真實(shí)輸出數(shù)據(jù)與期望數(shù)據(jù)進(jìn)行差異對(duì)比,將其誤差輸入到中間層的神經(jīng)元中,采用調(diào)整網(wǎng)絡(luò)參數(shù)的手段降低誤差,直到滿足要求為止。預(yù)測(cè)操作過程見圖4.

由于使用單一模型進(jìn)行預(yù)測(cè)的結(jié)果通常與實(shí)際情況存在偏差,因此提出采用AB組合即ARIMA模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的方式進(jìn)行采煤機(jī)運(yùn)行狀態(tài)預(yù)測(cè)模型的建立。首先對(duì)AB組合預(yù)測(cè)模型準(zhǔn)確度進(jìn)行理論計(jì)算,隨后進(jìn)行組合預(yù)測(cè)模型分析。

圖4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)流程圖

假設(shè)ARIMA模型預(yù)測(cè)值為x1,BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值為x2,而AB組合的模型預(yù)測(cè)值為xa,兩個(gè)單個(gè)模型的預(yù)測(cè)誤差為e1、e2,其次對(duì)應(yīng)兩者的加權(quán)系數(shù)則為w1、w2. 因此AB組合模型預(yù)測(cè)值公式:

xa=x1w1+x2w2

(1)

計(jì)算AB組合預(yù)測(cè)誤差方差值:

2w1w2cov(e1,e2)

(2)

加權(quán)系數(shù)w1、w2的計(jì)算公式:

(3)

(4)

根據(jù)上述公式,計(jì)算的Var(ea)最小值均小于Var(e1)、Var(e2),這就說明AB組合預(yù)測(cè)模型的準(zhǔn)確度高于單個(gè)模型預(yù)測(cè)的準(zhǔn)確度。根據(jù)上述理論計(jì)算過程,進(jìn)行AB組合模型流程結(jié)構(gòu)圖的繪制,見圖5.

結(jié)合圖5以及上述理論計(jì)算,得出AB組合模型預(yù)測(cè)的具體過程分為5步。

1) 將A、B兩個(gè)模型的預(yù)測(cè)結(jié)果進(jìn)行導(dǎo)入。2) 根據(jù)式(2)方差公式計(jì)算A、B兩模型的方差。3) 按照式(3)、式(4)兩個(gè)公式進(jìn)行兩模型的加權(quán)系數(shù)的權(quán)重計(jì)算,再根據(jù)式(1)進(jìn)行AB模型的預(yù)測(cè)值計(jì)算。4) 將數(shù)據(jù)導(dǎo)入模型進(jìn)行預(yù)測(cè)。5) 預(yù)測(cè)結(jié)果評(píng)價(jià)。

3 基于AB組合預(yù)測(cè)采煤機(jī)運(yùn)行狀態(tài)模型的建立

采煤機(jī)的狀態(tài)參數(shù)是隨時(shí)間變化的,因此要將設(shè)備的健康度定義為與時(shí)間相關(guān)的函數(shù),即Hr=[H1,H2,…,Hi,…,Hrm]. 采煤機(jī)系統(tǒng)是由很多子系統(tǒng)組成,將t時(shí)刻下采煤機(jī)m個(gè)關(guān)鍵部位正常情況下的參數(shù)集合表示為Hr=Hr[H1,H2,…,Hri,…,Hrm]. 當(dāng)在某一時(shí)刻下某一關(guān)鍵參數(shù)比正常狀態(tài)偏差較大,但沒有超出極限時(shí),其狀態(tài)等級(jí)為提醒預(yù)警,一旦超過極限值,即為報(bào)警。故使用采煤機(jī)健康度可以表示機(jī)器偏離正常的程度,即Hr=[H1,H2,…,Hi,…,Hrm]. 按照層次分析法結(jié)合AB組合模型預(yù)測(cè)的方法,建立采煤機(jī)運(yùn)行狀態(tài)模型,具體的流程結(jié)構(gòu)見圖6[4].

圖5 AB組合模型流程結(jié)構(gòu)圖

采煤機(jī)運(yùn)行狀態(tài)評(píng)價(jià)模型的工作步驟是:

1) 確定采煤機(jī)關(guān)鍵部位的關(guān)鍵參數(shù)指標(biāo)。2) 通過傳感器進(jìn)行關(guān)鍵參數(shù)的采集,同時(shí)將數(shù)據(jù)采集的步長(zhǎng)固定。3) 將采集的數(shù)據(jù)導(dǎo)入ARIMA模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合預(yù)測(cè)模型進(jìn)行預(yù)測(cè),對(duì)采煤機(jī)未來的參數(shù)值進(jìn)行預(yù)測(cè),同時(shí)計(jì)算預(yù)測(cè)設(shè)備的健康度。4) 利用層次分析法構(gòu)建模型,進(jìn)而確定采煤機(jī)目標(biāo)部位的評(píng)價(jià)指標(biāo)權(quán)重。5) 根據(jù)嶺形分布來確定采煤機(jī)各健康狀態(tài)的區(qū)間,公式見(5). 式(5)中,m、n、p、q為計(jì)算系數(shù),取值分別為0、0.25、0.6、0.85. 6) 構(gòu)建采煤機(jī)設(shè)備健康狀態(tài)評(píng)價(jià)向量,見式(6),再按照隸屬度函數(shù)計(jì)算方式,計(jì)算健康度矩陣。7) 按照最大隸屬度的原則,對(duì)采煤機(jī)此時(shí)以及下一時(shí)刻的健康狀態(tài)進(jìn)行評(píng)價(jià),如果狀態(tài)正常,則重新回到步驟4),繼續(xù)進(jìn)行下一循環(huán),如狀態(tài)為提醒或故障,將會(huì)發(fā)出報(bào)警,同時(shí)對(duì)故障出現(xiàn)的時(shí)間進(jìn)行預(yù)測(cè)。

(5)

健康狀態(tài)評(píng)價(jià)向量:

E=WR=[νiⅠνiⅡνiⅢνiⅣ]

(6)

4 采煤機(jī)運(yùn)行狀態(tài)預(yù)測(cè)模型的試驗(yàn)驗(yàn)證

以晉牛煤礦采煤工作面上采煤機(jī)為研究對(duì)象,借助現(xiàn)有的傳感器,對(duì)采煤機(jī)關(guān)鍵部位的參數(shù)進(jìn)行采集。為降低運(yùn)算量,將從每秒采集的點(diǎn)位中使用步長(zhǎng)的形式進(jìn)行數(shù)據(jù)抽取,隨后抽取的數(shù)據(jù)進(jìn)行導(dǎo)入預(yù)測(cè),其中導(dǎo)入預(yù)測(cè)數(shù)據(jù)取樣時(shí)間間隔固定為10 min,其步長(zhǎng)600點(diǎn)(每秒采集一個(gè)點(diǎn)位),預(yù)測(cè)時(shí)間為未來2 h,即在未來2 h內(nèi),每隔10 min,每隔600個(gè)數(shù)據(jù)點(diǎn)位,確定一個(gè)數(shù)據(jù)點(diǎn)位為取樣數(shù)據(jù),此過程會(huì)確定每個(gè)評(píng)價(jià)指標(biāo)各12個(gè)數(shù)據(jù)。按照表1確定關(guān)鍵指標(biāo),將數(shù)據(jù)導(dǎo)入AB組合模型后,計(jì)算得出關(guān)鍵部位評(píng)價(jià)指標(biāo)預(yù)測(cè)數(shù)值,見表3.

表3 采煤機(jī)關(guān)鍵部位評(píng)價(jià)指標(biāo)預(yù)測(cè)數(shù)值表

根據(jù)健康度的計(jì)算式,對(duì)各部位的評(píng)價(jià)指標(biāo)健康度進(jìn)行計(jì)算,同時(shí)將指標(biāo)的健康度系數(shù)通過隸屬度函數(shù)的計(jì)算得出健康等級(jí)。為了更好地描述健康度與各部件參數(shù)之間的關(guān)系,根據(jù)健康度定義來確定關(guān)鍵部件的健康度計(jì)算矩陣,見式(7). 再根據(jù)健康度計(jì)算公式與隸屬度結(jié)合計(jì)算采煤機(jī)的健康度評(píng)價(jià)矩陣,見式(8)[5].

(7)

E=[0.137 0.169 0.013 0.001]

(8)

根據(jù)健康狀態(tài)評(píng)價(jià)矩陣E的結(jié)果,得出采煤機(jī)的工作狀態(tài):正常對(duì)應(yīng)的參數(shù)為0.137、一般對(duì)應(yīng)的參數(shù)為0.169、提醒對(duì)應(yīng)的參數(shù)為0.013、故障對(duì)應(yīng)的參數(shù)為0.001. 對(duì)比4個(gè)參數(shù),數(shù)值最大的參數(shù)表示采煤機(jī)所在狀態(tài)可靠程度高,而最大參數(shù)對(duì)應(yīng)的狀態(tài)為一般,即表示采煤機(jī)現(xiàn)在為一般狀態(tài)。對(duì)未來2 h的狀態(tài)進(jìn)行評(píng)估,根據(jù)健康矩陣參數(shù)值即隸屬度最大原則可以得出狀態(tài)趨勢(shì)圖,見圖7.

圖7 未來2 h內(nèi)采煤機(jī)運(yùn)行狀態(tài)等級(jí)預(yù)測(cè)圖

通過圖7的趨勢(shì)圖可以看出,從未來50 min開始,采煤機(jī)狀態(tài)由正常轉(zhuǎn)為注意,直到70 min回轉(zhuǎn)為正常,在此過程中未出現(xiàn)故障,因此在此時(shí)間段內(nèi)需要現(xiàn)場(chǎng)人員進(jìn)行持續(xù)監(jiān)控,確保采煤機(jī)工作狀態(tài)穩(wěn)定。使用AB組合預(yù)測(cè)采煤機(jī)運(yùn)行狀態(tài)模型的方法,能夠?qū)Σ擅簷C(jī)的健康狀態(tài)進(jìn)行預(yù)測(cè),同時(shí)可以根據(jù)預(yù)測(cè)對(duì)采煤機(jī)進(jìn)行相應(yīng)的干預(yù),保證采煤機(jī)穩(wěn)定運(yùn)行。

5 結(jié) 論

為解決晉牛煤礦采煤機(jī)運(yùn)行狀態(tài)評(píng)估參數(shù)單一、預(yù)測(cè)結(jié)果偏差大、誤判嚴(yán)重等問題,將Arima模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,通過構(gòu)建采煤機(jī)運(yùn)行狀態(tài)預(yù)測(cè)模型,提出采煤機(jī)健康度矩陣等的計(jì)算方式,實(shí)現(xiàn)了采煤機(jī)運(yùn)行狀態(tài)的預(yù)測(cè)分析,現(xiàn)場(chǎng)人員可以根據(jù)預(yù)測(cè)結(jié)果對(duì)采煤機(jī)進(jìn)行監(jiān)控干預(yù),確保采煤機(jī)穩(wěn)定運(yùn)行,加快實(shí)現(xiàn)智能煤礦建設(shè)的目標(biāo)。