摘 要：本文研究電氣傳動故障診斷系統(tǒng)，該系統(tǒng)可以監(jiān)測傳動裝置的狀態(tài)并識別新故障。為了實(shí)時(shí)確定在運(yùn)行過程中無法測量的直流電機(jī)的電流參數(shù)和變量，利用人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)預(yù)測電機(jī)電樞和勵磁繞組中的電流值。在預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，根據(jù)1組屬性對電驅(qū)動的技術(shù)狀態(tài)進(jìn)行分析。研究結(jié)果說明使用人工神經(jīng)網(wǎng)絡(luò)的估計(jì)方法以及創(chuàng)建主電機(jī)驅(qū)動采礦設(shè)備故障診斷系統(tǒng)的可能性。

關(guān)鍵詞：電氣傳動；直流電機(jī)；人工神經(jīng)網(wǎng)絡(luò)；故障診斷

中圖分類號：TM 33" " " " 文獻(xiàn)標(biāo)志碼：A

隨著我國經(jīng)濟(jì)快速發(fā)展，煤炭需求量不斷增加，煤礦產(chǎn)業(yè)在國民經(jīng)濟(jì)中地位重要。礦用電氣傳動系統(tǒng)是煤礦生產(chǎn)中的關(guān)鍵設(shè)備，其安全、穩(wěn)定運(yùn)行影響煤礦生產(chǎn)。煤礦環(huán)境惡劣，設(shè)備負(fù)載大，運(yùn)行時(shí)間長，因此礦用電氣傳動系統(tǒng)易發(fā)生故障，導(dǎo)致生產(chǎn)中斷，甚至引發(fā)安全事故。研究礦用電氣傳動故障診斷系統(tǒng)可以提高故障檢測的準(zhǔn)確性，保障煤礦生產(chǎn)安全，并提高生產(chǎn)效率。礦用電氣傳動系統(tǒng)主要由電機(jī)、變頻器、傳動裝置和負(fù)載等組成，其故障類型繁多，主要包括電機(jī)故障、變頻器故障、傳動裝置故障和負(fù)載故障。針對這些故障，國內(nèi)外學(xué)者進(jìn)行了大量研究，提出了多種故障診斷[1-3]。本文基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，結(jié)合傳感器等現(xiàn)代裝置，對礦井設(shè)備電傳動裝置在運(yùn)行過程中獲得的電磁參數(shù)、機(jī)械參數(shù)以及電磁和機(jī)械變量的電流值進(jìn)行分析，并進(jìn)行故障診斷試驗(yàn)。試驗(yàn)驗(yàn)證了診斷系統(tǒng)的效果，系統(tǒng)可以監(jiān)測電傳動裝置的狀態(tài)并識別故障。

1 系統(tǒng)設(shè)計(jì)

1.1 電傳動故障診斷系統(tǒng)

本文構(gòu)建具有數(shù)據(jù)挖掘模塊功能的電傳動故障診斷系統(tǒng)，包括直流電機(jī)、電傳動控制系統(tǒng)和機(jī)械子系統(tǒng)，監(jiān)測設(shè)備分析電磁變量、機(jī)械變量以及技術(shù)狀態(tài)。診斷系統(tǒng)適用于采礦設(shè)備的各個(gè)主電傳動裝置，其余傳動器的結(jié)構(gòu)相似。采用監(jiān)測設(shè)備測量電流、電壓、速度和角速度，實(shí)時(shí)估計(jì)電傳動裝置的電磁和機(jī)械變量。使用基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的預(yù)測器，將估計(jì)值（βa，βb）、直流電機(jī)繞組的電流和電壓以及神經(jīng)預(yù)測器的輸出信號與實(shí)際測量電流?之間的誤差輸入技術(shù)狀態(tài)分析器，該分析器處理接收的數(shù)據(jù)，利用多個(gè)特征識別運(yùn)行電機(jī)驅(qū)動的技術(shù)狀態(tài)，并顯示結(jié)果。系統(tǒng)結(jié)構(gòu)框如圖1所示。

在直流電機(jī)中，電動機(jī)產(chǎn)生機(jī)械能并驅(qū)動采礦機(jī)移動[4-5]，其動態(tài)狀態(tài)在很大程度上受到電傳動機(jī)其他元件的影響，因此當(dāng)開發(fā)故障診斷系統(tǒng)時(shí)，應(yīng)進(jìn)行分析。在構(gòu)建電傳動故障診斷的過程中，以從廣義電機(jī)理論導(dǎo)出的方程作為直流電機(jī)的數(shù)學(xué)模型，如公式（1）～公式（4）所示。

Uf=ifRf+Lf" " " " " " "（1）

Ua=iaRa+La+pL1·ωif" " "（2）

J=Te-T1" " " " " " " "（3）

Te=p·L1·if·ia " " " " " " " " （4）

式中：L1為定子側(cè)電感；t為時(shí)間；Ua為電樞電壓；ia為電樞電流；Uf為勵磁電壓；if為勵磁電流；La為電樞電感；Ra為電樞電阻；Lf為勵磁電感；J為電機(jī)轉(zhuǎn)動慣量；Rf為勵磁電阻；Te為電磁轉(zhuǎn)矩；T1為阻力轉(zhuǎn)矩；ω為角速度；p為極對數(shù)。

使用目前運(yùn)用較廣泛的數(shù)學(xué)模型分析電機(jī)狀態(tài)，模型包括最小二乘法和遞歸最小二乘法，根據(jù)均方根標(biāo)準(zhǔn)最小化識別積分平方誤差；卡爾曼濾波器能夠在數(shù)據(jù)不完整和有噪聲的情況下利用其動態(tài)模型的已知結(jié)構(gòu)動態(tài)識別對象參數(shù)。根據(jù)特定算法搜索直流電機(jī)模型的參數(shù)，以最小的誤差值將結(jié)果寫入存儲器。以上方法均可用于直流電機(jī)的動態(tài)識別，采用這些方法實(shí)時(shí)估計(jì)直流電機(jī)的參數(shù)和狀態(tài)，誤差不超過15%?；谥绷麟姍C(jī)數(shù)學(xué)模型的估計(jì)法需要電樞和勵磁繞組的電壓和電流數(shù)據(jù)，在某些情況下還須測量直流電機(jī)的角速度。為確定直流電機(jī)的電磁參數(shù)與其技術(shù)狀態(tài)有統(tǒng)計(jì)學(xué)意義，在正常以及故障模式下對運(yùn)行的直流電機(jī)進(jìn)行理論研究和試驗(yàn)。當(dāng)設(shè)置故障時(shí)，使用動態(tài)識別檢測直流電機(jī)電氣參數(shù)的特定變化。

為監(jiān)測礦用設(shè)備的電傳動子系統(tǒng)的狀態(tài)，本文設(shè)計(jì)了一個(gè)移動測量系統(tǒng)，該系統(tǒng)對驅(qū)動電機(jī)的電流、絞盤卷筒、臂架滑輪以及發(fā)動機(jī)的角位置進(jìn)行同步測量。為了提高測量系統(tǒng)的組裝和拆卸效率，采用永磁體安裝位置傳感器。測量系統(tǒng)包括位置測量單元、電流測量單元、基站、計(jì)算機(jī)和無線電模塊，利用無線電信道對從傳感器至基站的數(shù)據(jù)進(jìn)行

傳輸。當(dāng)從基站向位于電機(jī)電樞電路中的測量單元發(fā)射信號時(shí)，后者開始測量相關(guān)變量。在每個(gè)測量周期中，微控制器處理數(shù)據(jù)并將其寫入存儲器。

1.2 人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)

人工神經(jīng)網(wǎng)絡(luò)是一種模擬人類神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的計(jì)算模型。它由多個(gè)神經(jīng)元相互連接而成，每個(gè)神經(jīng)元根據(jù)權(quán)重和偏置接收來自其他神經(jīng)元的輸入，利用激活函數(shù)來生成輸出。

在訓(xùn)練過程中，人工神經(jīng)網(wǎng)絡(luò)通常包括前向傳播和反向傳播2個(gè)關(guān)鍵步驟。在前向傳播過程中，將輸入數(shù)據(jù)傳遞至網(wǎng)絡(luò)中的每個(gè)神經(jīng)元，經(jīng)過一系列加權(quán)求和與激活函數(shù)操作計(jì)算網(wǎng)絡(luò)的輸出結(jié)果。在反向傳播過程中，比較網(wǎng)絡(luò)的輸出結(jié)果與實(shí)際標(biāo)簽之間的差異，計(jì)算誤差值，根據(jù)鏈?zhǔn)椒▌t將誤差從輸出層傳遞至輸入層。使用梯度下降等優(yōu)化算法來更新網(wǎng)絡(luò)中每個(gè)連接的權(quán)重和偏置，減少誤差。反復(fù)迭代前向傳播和反向傳播，不斷優(yōu)化網(wǎng)絡(luò)的權(quán)重和偏置，直至網(wǎng)絡(luò)性能較強(qiáng)，并能夠?qū)π碌妮斎霐?shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測。訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，使其不僅能夠?qū)τ?xùn)練數(shù)據(jù)進(jìn)行擬合，還能夠?qū)ξ粗獢?shù)據(jù)進(jìn)行泛化。為了提高泛化能力，采用交叉驗(yàn)證、正則化等技術(shù)。深度學(xué)習(xí)的基礎(chǔ)是對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其在圖像識別、語音識別和自然語言處理等領(lǐng)域取得了許多重要突破。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

1.3 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)設(shè)計(jì)

基于人工神經(jīng)網(wǎng)絡(luò)的礦用電氣故障診斷系統(tǒng)是利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)來診斷和預(yù)測礦用電氣故障的系統(tǒng)。該系統(tǒng)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，將傳感器數(shù)據(jù)、工作條件等輸入，提取并分析特征，輸出對電氣設(shè)備故障的診斷結(jié)果。當(dāng)電氣設(shè)備發(fā)生故障時(shí)，系統(tǒng)可以分析當(dāng)前的傳感器數(shù)據(jù)和工作條件，利用神經(jīng)網(wǎng)絡(luò)模型識別故障類型，快速定位故障點(diǎn)，提供準(zhǔn)確的故障診斷結(jié)果。在對礦井設(shè)備的電傳動裝置進(jìn)行移動測量的過程中，系統(tǒng)獲得絞車卷筒、臂架滑輪和發(fā)動機(jī)的角速度狀態(tài)、電機(jī)的電磁轉(zhuǎn)矩和繩索中的應(yīng)力的數(shù)據(jù)。系統(tǒng)能夠監(jiān)測電鏟電氣驅(qū)動裝置的機(jī)械元件的動態(tài)狀態(tài)，根據(jù)數(shù)據(jù)識別繩索中的應(yīng)力，將結(jié)果傳輸至診斷系統(tǒng)。

為了執(zhí)行診斷程序，本文開發(fā)了人工神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)，如圖3所示。系統(tǒng)是一個(gè)基于人工神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)模型，利用提前歷史數(shù)據(jù)來預(yù)測受試者狀態(tài)，輸出向量。因此，當(dāng)在不同的動態(tài)模式中運(yùn)行時(shí)，預(yù)測器必須根據(jù)當(dāng)正常運(yùn)行時(shí)電機(jī)接收的數(shù)據(jù)進(jìn)行訓(xùn)練。當(dāng)訓(xùn)練時(shí)，神經(jīng)網(wǎng)絡(luò)輸入信號x和輸出y信號之間存在函數(shù)關(guān)系。本文使用繞組中的電壓、角速度和電阻轉(zhuǎn)矩作為輸入信號。輸出信號為電樞電流值。預(yù)測的準(zhǔn)確性與訓(xùn)練樣本的參數(shù)、訓(xùn)練時(shí)間、體積和質(zhì)量有統(tǒng)計(jì)學(xué)意義。

神經(jīng)分析儀的輸入信號為直流電機(jī)測量、機(jī)械子系統(tǒng)估計(jì)獲得的數(shù)據(jù)，輸出信號為電驅(qū)動技術(shù)狀態(tài)的相關(guān)類別分析結(jié)果。為了創(chuàng)建訓(xùn)練樣本，本文使用了來自礦用型直流電機(jī)實(shí)驗(yàn)室的測試數(shù)據(jù)，在電機(jī)內(nèi)，神經(jīng)網(wǎng)絡(luò)以不同的動態(tài)模式運(yùn)行，包括人為設(shè)置的典型故障電樞以及勵磁繞組的連續(xù)性故障和鎖定故障等。在試驗(yàn)過程中，訓(xùn)練樣本量為35 000個(gè)，相當(dāng)于100 000個(gè)訓(xùn)練周期。本文使用在礦井條件下、在移動測量系統(tǒng)測試期間獲得的結(jié)果構(gòu)建了機(jī)械子系統(tǒng)的相關(guān)訓(xùn)練樣本。對采礦設(shè)備的實(shí)際電力傳動系統(tǒng)來說，將采礦設(shè)備納入神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程前，必須在生產(chǎn)企業(yè)內(nèi)部或礦井環(huán)境的專業(yè)工作臺上對神經(jīng)網(wǎng)絡(luò)進(jìn)行試驗(yàn)。因此，基于人工神經(jīng)網(wǎng)絡(luò)的診斷系統(tǒng)的一個(gè)重要特征是可以利用額外的專業(yè)訓(xùn)練來擴(kuò)展緊急模式的診斷類別。因?yàn)樵撛\斷系統(tǒng)可以使用額外的信號來擴(kuò)展其功能特性，包括電機(jī)溫度、電刷火花水平以及電流電壓的波動等，所以對特定的技術(shù)需求應(yīng)創(chuàng)建相對應(yīng)的診斷系統(tǒng)。本文根據(jù)電力傳動與自動化系統(tǒng)設(shè)計(jì)了用于交直流電機(jī)動態(tài)識別的算法，其作用是開發(fā)交直流傳動故障診斷系統(tǒng)。

2 試驗(yàn)研究

基于神經(jīng)網(wǎng)絡(luò)的預(yù)測系統(tǒng)和電氣傳動的結(jié)構(gòu)框圖，對礦用電氣傳動故障診斷進(jìn)行仿真分析。電機(jī)電流隨時(shí)間變化的曲線如圖4（a）所示。當(dāng)電傳動系統(tǒng)處于正常狀態(tài)時(shí)，人工神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的無故障電機(jī)輸出電流等于實(shí)際測量電流。電流誤差隨時(shí)間波動情況如圖4（b）所示，電流誤差的動態(tài)響應(yīng)在1 s以后不再明顯變化，在0附近波動，說明預(yù)測效果準(zhǔn)確。當(dāng)電傳動系統(tǒng)發(fā)生故障時(shí)，電樞電流與預(yù)測電流值的波形如圖5（a）所示，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)預(yù)測信號與電機(jī)電流不一致，導(dǎo)致誤差較大。當(dāng)電刷偏離幾何中性點(diǎn)時(shí)，誤差電流如圖5（b）所示，與圖4（b）相比，動態(tài)響應(yīng)較為明顯，幅值在0以下，說明預(yù)測電流小于電樞電流，根據(jù)誤差電流可以對直流電機(jī)的技術(shù)狀態(tài)進(jìn)行診斷。試驗(yàn)結(jié)果表明，直流電機(jī)繞組的連續(xù)性導(dǎo)致預(yù)測輸出信號和實(shí)際測量電機(jī)電流之間產(chǎn)生正誤差，當(dāng)出現(xiàn)故障時(shí)會導(dǎo)致負(fù)誤差。誤差比與故障程度有統(tǒng)計(jì)學(xué)意義，例如換向器條故障越多，誤差越大。分析結(jié)果證明將人工神經(jīng)網(wǎng)絡(luò)預(yù)測誤差用于診斷電傳動系統(tǒng)故障，效果較好。人工神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)不僅能夠診斷直流電機(jī)電傳動系統(tǒng)，還能夠診斷其他類型的電傳動系統(tǒng)。

3 結(jié)論

為保障礦山電氣設(shè)備安全，本文對礦用電氣傳動故障診斷系統(tǒng)進(jìn)行研究，減少故障停機(jī)造成的經(jīng)濟(jì)損失，保障礦工生命安全。應(yīng)用多元信號融合技術(shù)能夠提高故障診斷的準(zhǔn)確性。利用傳感器采集振動信號可以避免信號的局限性，使故障信息監(jiān)測更全面。故障診斷系統(tǒng)基于人工神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行定性、定量分析，能夠深入理解故障成因，為故障診斷提供理論依據(jù)。綜上所述，智能化診斷系統(tǒng)能夠在早期發(fā)現(xiàn)礦用設(shè)備電傳動的故障，節(jié)約故障排除的時(shí)間和材料成本。對故障診斷系統(tǒng)進(jìn)行優(yōu)化與升級，能夠降低維護(hù)成本，提高設(shè)備生產(chǎn)效率，保障礦山安全生產(chǎn)。隨著信息融合技術(shù)進(jìn)一步發(fā)展，未來礦用電氣傳動故障診斷系統(tǒng)將更加智能化、自動化，為礦山行業(yè)的可持續(xù)發(fā)展提供技術(shù)支撐。

參考文獻(xiàn)

[1]黃立薇，吳洲.冶金電控設(shè)備在線狀態(tài)監(jiān)測及故障診斷系統(tǒng)技術(shù)[J].電子技術(shù)與軟件工程，2018（4）：232.

[2]薛偉，司海濤.基于zigbee技術(shù)的設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)與故障診斷系統(tǒng)研究[J].現(xiàn)代制造技術(shù)與裝備，2016（3）：53-54.

[3]張曄. 發(fā)電廠電氣設(shè)備狀態(tài)監(jiān)測和故障診斷的改進(jìn)研究[D].北京：華北電力大學(xué)，2016.

[4]馮娟.數(shù)控機(jī)床電氣控制系統(tǒng)的設(shè)計(jì)研究[J].科技與創(chuàng)新，2016（8）：87-89.

[5]安逸，江丹.RBF在冷軋?jiān)诰€監(jiān)測與故障診斷中的應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程，2011，39（8）：156-159.