摘要：傳統(tǒng)的機(jī)電設(shè)備故障診斷方法直接構(gòu)建診斷模型，缺少建立故障征兆集的過(guò)程，由此導(dǎo)致診斷效果較差。針對(duì)這一問(wèn)題，基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了一種新的高速公路收費(fèi)站機(jī)電設(shè)備故障智能診斷方法。首先，建立故障征兆集。然后針對(duì)不同故障類(lèi)別，構(gòu)建故障診斷模型，在改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上實(shí)現(xiàn)故障識(shí)別。實(shí)驗(yàn)結(jié)果表明，該研究方法診斷效果較好，診斷結(jié)果與實(shí)際故障之間的擬合度較高，有一定的應(yīng)用價(jià)值。

關(guān)鍵詞：改進(jìn)BP神經(jīng)網(wǎng)絡(luò)；機(jī)電設(shè)備；設(shè)備故障診斷；診斷方法

0" "引言

高速公路收費(fèi)站是連接城市間的重要樞紐，對(duì)于保障交通安全和流暢起著重要作用。在收費(fèi)站中，機(jī)電設(shè)備扮演著至關(guān)重要的角色，其中包括ETC（電子不停車(chē)收費(fèi)系統(tǒng)）、車(chē)道指示器、閘機(jī)等設(shè)備。由于長(zhǎng)時(shí)間運(yùn)行和環(huán)境因素的影響，這些機(jī)電設(shè)備容易出現(xiàn)故障或異常情況，給收費(fèi)站運(yùn)營(yíng)和交通流量帶來(lái)不便[1]。

傳統(tǒng)的故障診斷方法主要依賴人工巡檢和手動(dòng)故障排查，不僅耗時(shí)耗力，而且容易出現(xiàn)漏檢或誤判。利用智能技術(shù)和自動(dòng)化手段，實(shí)現(xiàn)高速公路收費(fèi)站機(jī)電設(shè)備故障智能診斷具有重要意義[2]，能夠大大提高收費(fèi)站機(jī)電設(shè)備的故障識(shí)別和解決速度，減少維修成本和減少交通擁堵時(shí)間。同時(shí)，它還可以提供數(shù)據(jù)支持和決策參考，幫助收費(fèi)站運(yùn)營(yíng)人員進(jìn)行設(shè)備維護(hù)和管理，提高收費(fèi)站的整體效率和服務(wù)質(zhì)量?；诖?，本文提出了一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的高速公路收費(fèi)站機(jī)電設(shè)備故障智能診斷方法。

1" "機(jī)電設(shè)備故障智能診斷方法設(shè)計(jì)

1.1nbsp; "建立故障征兆集

1.1.1" "建立故障征兆集必要性

為了解決高速公路收費(fèi)站機(jī)電設(shè)備故障診斷的問(wèn)題，首先需要對(duì)故障的模糊性和故障與征兆的不確定性進(jìn)行深入理解[3]。故障發(fā)生時(shí)，其表現(xiàn)出的特征往往是非線性的，且存在多種可能的征兆，因此需要構(gòu)建一個(gè)反映故障特征的故障征兆集。為了實(shí)現(xiàn)這一目標(biāo)，需要對(duì)機(jī)電設(shè)備故障的各種表現(xiàn)形式進(jìn)行深入的分析和總結(jié)。

1.1.2" "故障征兆集建立方法

在建立高速公路收費(fèi)站機(jī)電設(shè)備故障征兆集的過(guò)程中，需要對(duì)常見(jiàn)的故障進(jìn)行記錄、分析和總結(jié)[4]。這個(gè)過(guò)程涉及到多種測(cè)試指標(biāo)，需要對(duì)各種可能的故障特征進(jìn)行全面的考慮。在建立故障征兆集時(shí)，需要對(duì)每個(gè)可能的故障類(lèi)型進(jìn)行深入的分析，并對(duì)其表現(xiàn)出的各種征兆進(jìn)行詳細(xì)的記錄。

1.1.3" "列出樣本數(shù)據(jù)陣

列出樣本數(shù)據(jù)陣過(guò)程中，需要對(duì)所有可用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)進(jìn)行整理和分析。不同樣本中各包含m項(xiàng)測(cè)試指標(biāo)，若用n來(lái)表示樣本數(shù)，則得到樣本數(shù)據(jù)矩陣為：

（1）

如果樣本中第i個(gè)指標(biāo)的j項(xiàng)監(jiān)測(cè)值為xij，則可得到下列公式：

（2）

（3）

（4）

對(duì)應(yīng)特征向量sij=（si1，si2…，sim）。如果使用v來(lái)表示樣本的主要成分的向量，則可以使用xj（j=1，2，…，m）來(lái)表示其主要成分，計(jì)算特征值的累積投資率。主要成分的數(shù)量應(yīng)根據(jù)累計(jì)貢獻(xiàn)率的計(jì)算確定。如果前l(fā)個(gè)成分的累計(jì)投資率滿足故障特征要求，則將前l(fā)個(gè)特性作為主要成分。

1.1.4" "故障征兆類(lèi)別分析

交通信號(hào)設(shè)備故障包括紅綠燈、路況顯示屏等設(shè)備故障，其可能導(dǎo)致交通堵塞和安全問(wèn)題。收費(fèi)設(shè)備故障包括收費(fèi)站收費(fèi)設(shè)備、路牌等設(shè)備故障，其可能會(huì)影響收費(fèi)效率和車(chē)輛通行。隧道設(shè)備故障包括通風(fēng)設(shè)備、燈光設(shè)備等，其可能影響隧道內(nèi)的交通安全。其他設(shè)備故障包括夜間照明設(shè)備、路面清潔設(shè)備等，其可能會(huì)影響交通安全和通行效率。

1.1.5" "確定故障征兆集

若將以上故障類(lèi)型集合表示為M，將系統(tǒng)故障特征集合表示為D，故障特征提取種p，di，i∈（1，2，…，q）種故障類(lèi)型，則可以得出以下故障征兆集：

D={d1，d2，…，di…，dp}" " " " " " "（5）

M={m1，m2，…，mj…，mq}" " " " " " （6）

式中：di為高速公路收費(fèi)站機(jī)故障特征參數(shù)，mj為高速公路收費(fèi)站機(jī)故障類(lèi)型。

1.2" "構(gòu)建機(jī)電設(shè)備故障診斷模型

高速公路收費(fèi)站機(jī)電設(shè)備故障診斷是一個(gè)涉及面廣且復(fù)雜的規(guī)?；瘑?wèn)題，傳統(tǒng)的診斷模型往往無(wú)法達(dá)到理想的診斷效果。因此需要構(gòu)建一個(gè)高效、精準(zhǔn)的高速公路收費(fèi)站機(jī)電設(shè)備故障診斷模型。

1.2.1" "目標(biāo)分析

進(jìn)行目標(biāo)分析有利于明確故障診斷的子目標(biāo)和總目標(biāo)[5]。對(duì)各種可能出現(xiàn)的故障類(lèi)型和相應(yīng)的診斷方法進(jìn)行深入研究和理解，有利于確保模型具有廣泛的應(yīng)用前景。故障診斷模型計(jì)算如下：

（7）

式中：n表示設(shè)備數(shù)量，w表示故障發(fā)生概率，t表示修復(fù)時(shí)間，q表示故障影響范圍。

1.2.2" "任務(wù)分解

將原始的高速公路收費(fèi)站機(jī)電設(shè)備的故障診斷任務(wù)，分解為多個(gè)簡(jiǎn)單的子任務(wù)，對(duì)每個(gè)子任務(wù)的執(zhí)行效果進(jìn)行分析和評(píng)估，并形成多個(gè)診斷單元，具體計(jì)算如下：

W=∑c1+∑c2+∑c3+∑c4+∑c5" " " " " " " "（8）

式中：c1表示檢測(cè)紅綠燈設(shè)備的故障，包括燈泡損壞、線路故障等；c2表示檢測(cè)收費(fèi)設(shè)備的故障，包括計(jì)費(fèi)系統(tǒng)故障、讀寫(xiě)器故障等；c3表示檢測(cè)通風(fēng)設(shè)備的故障，包括風(fēng)扇故障、過(guò)濾器堵塞等；c4表示檢測(cè)夜間照明設(shè)備的故障，包括燈泡損壞、線路故障等；c5表示檢測(cè)路況顯示屏的故障，包括顯示屏損壞、線路故障等。

1.2.3" "構(gòu)建故障診斷模型

通過(guò)理清各神經(jīng)元之間的連接方式和信號(hào)傳遞規(guī)則，提升故障診斷模型的針對(duì)性和準(zhǔn)確性[6]。本次設(shè)計(jì)的方法主要使用多元化智能傳感器獲取診斷信息，然后統(tǒng)一進(jìn)行處理與融合，因此構(gòu)建的故障診斷模型，必須包含數(shù)據(jù)采集管理診斷等功能。結(jié)合上述模型特征，構(gòu)建的故障診斷模型如圖1所示。

該設(shè)計(jì)方法采用不同的智能傳感器，來(lái)獲得并處理組合在一起的診斷信息，因此構(gòu)建的故障診斷模型具有數(shù)據(jù)收集、管理和診斷等功能。設(shè)計(jì)的故障診斷模型可以從多個(gè)角度同時(shí)診斷故障，從而提高故障診斷的有效性。

1.3" "基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)故障識(shí)別

BP神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上為梯度下降法，優(yōu)化的目標(biāo)函數(shù)非常復(fù)雜，必然會(huì)出現(xiàn)“鋸齒形現(xiàn)象”，從而使得BP算法低效。對(duì)此采用隨機(jī)梯度下降優(yōu)化算法來(lái)提高訓(xùn)練效率。本文利用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)相關(guān)的激活函數(shù)進(jìn)行數(shù)據(jù)映射，進(jìn)而提升故障識(shí)別的準(zhǔn)確性?；诟倪M(jìn)BP神經(jīng)網(wǎng)絡(luò)的故障識(shí)別流程如圖2所示。

采用上述方法構(gòu)建模型，實(shí)施多批次故障識(shí)別訓(xùn)練、動(dòng)態(tài)故障識(shí)別，此過(guò)程中正向傳播階段輸出和反向傳播階段輸出按下式計(jì)算：

pD={hj=1/v}=sigmDX（-bj-∑vkωjk）" " " （9）

pM={vk=1/h}=sigmMW（-bk-∑hjωjk）" " （10）

式中：bj和bk為神經(jīng)元狀態(tài)的值，vk和hj分別為神經(jīng)元單元的隱藏層和可見(jiàn)層，ωjk為可見(jiàn)層數(shù)據(jù)。

使用故障診斷模型可以有效處理故障診斷訓(xùn)練過(guò)程，避免連續(xù)迭代對(duì)最終診斷結(jié)果造成的影響，從而快速獲取高速公路收費(fèi)站機(jī)機(jī)電設(shè)備故障的最優(yōu)診斷解。

2" "實(shí)驗(yàn)與結(jié)果分析

為驗(yàn)證本文設(shè)計(jì)方法的有效性，搭建一個(gè)實(shí)驗(yàn)平臺(tái)，用于進(jìn)行高速公路收費(fèi)站機(jī)電設(shè)備故障診斷實(shí)驗(yàn)。在這個(gè)實(shí)驗(yàn)中，分別采用3種不同的方法進(jìn)行故障診斷：傳統(tǒng)方法1、傳統(tǒng)方法2以及本文所設(shè)計(jì)的基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的故障智能診斷方法。將這3種方法獲取的故障特征指標(biāo)與實(shí)際故障特征指標(biāo)進(jìn)行擬合計(jì)算，并對(duì)結(jié)果對(duì)比。

2.1" "實(shí)驗(yàn)準(zhǔn)備

針對(duì)高速公路收費(fèi)站機(jī)機(jī)電設(shè)備故障診斷實(shí)驗(yàn)的需要，本文構(gòu)建了一個(gè)集成仿真實(shí)驗(yàn)智能平臺(tái)。智能云試點(diǎn)平臺(tái)主要由電源、處理器、傳感器等組成，其用于了解機(jī)電設(shè)備的運(yùn)行狀態(tài)，解釋各種故障。收發(fā)器屬于實(shí)驗(yàn)交互媒介，具有強(qiáng)大的處理能力，它可以通過(guò)將實(shí)驗(yàn)誤差轉(zhuǎn)換為可識(shí)別的數(shù)據(jù)信號(hào)來(lái)實(shí)時(shí)減少實(shí)驗(yàn)誤差，并可將數(shù)據(jù)信號(hào)發(fā)送給實(shí)驗(yàn)數(shù)據(jù)中心。

2.2" "實(shí)驗(yàn)方法

智能云實(shí)驗(yàn)平臺(tái)的機(jī)電設(shè)備包括紅綠燈、收費(fèi)設(shè)備、通風(fēng)設(shè)備、夜間照明設(shè)備、路況顯示屏以及相應(yīng)的控制和監(jiān)測(cè)設(shè)備。根據(jù)收費(fèi)站的實(shí)際情況，搭建實(shí)驗(yàn)環(huán)境，包括模擬路面情況、交通流量等。通過(guò)控制和監(jiān)測(cè)設(shè)備模擬各種可能的故障情況，如紅綠燈失靈、收費(fèi)設(shè)備故障、通風(fēng)設(shè)備故障等。

在模擬的實(shí)驗(yàn)環(huán)境中，對(duì)各種故障情況進(jìn)行實(shí)際運(yùn)行測(cè)試，觀察并記錄各種故障對(duì)收費(fèi)站運(yùn)行的影響及故障修復(fù)情況。在搭建的智能云端實(shí)驗(yàn)平臺(tái)中進(jìn)行機(jī)電設(shè)備故障診斷實(shí)驗(yàn)，利用函數(shù)對(duì)3種方法故障特征指標(biāo)進(jìn)行擬合計(jì)算，分析不同方法的故障診斷結(jié)果與實(shí)際結(jié)果之間的擬合情況。

2.3" "實(shí)驗(yàn)結(jié)果分析

3種診斷方法實(shí)驗(yàn)結(jié)果對(duì)比如表1所示。由表1可知，應(yīng)用本文設(shè)計(jì)的基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的高速公路收費(fèi)站機(jī)電設(shè)備故障智能診斷方法后，不同故障診斷結(jié)果與實(shí)際故障特征之間的擬合數(shù)值較高，擬合值均在0.950以上，明顯高于傳統(tǒng)方法1和傳統(tǒng)方法2。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)方法的診斷效果較好，準(zhǔn)確性較高，具有一定的應(yīng)用價(jià)值。

3" "結(jié)束語(yǔ)

傳統(tǒng)的機(jī)電設(shè)備故障診斷方法直接構(gòu)建診斷模型，缺少建立故障征兆集的過(guò)程，由此導(dǎo)致診斷效果較差。針對(duì)這一問(wèn)題，本文基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的高速公路收費(fèi)站機(jī)電設(shè)備故障智能診斷方法，建立了全面且有效的故障征兆集，并通過(guò)構(gòu)建高速公路收費(fèi)站機(jī)電設(shè)備故障診斷模型，實(shí)現(xiàn)了對(duì)各種故障征兆的準(zhǔn)確分類(lèi)與識(shí)別，解決了傳統(tǒng)故障診斷方法所面臨的難題。

希望通過(guò)后續(xù)的研究工作，能夠?yàn)楦咚俟肥召M(fèi)站機(jī)電設(shè)備的故障診斷提供更加準(zhǔn)確、高效的技術(shù)支持，為提高設(shè)備的運(yùn)行效率和安全性做出更大的貢獻(xiàn)。

參考文獻(xiàn)

[1] 李烈熊.基于深度信念網(wǎng)絡(luò)的高速公路收費(fèi)站機(jī)機(jī)電設(shè)備

故障診斷方法[J].信息與電腦（理論版），2023，35（13）：101-

103.

[2] 姚遠(yuǎn)，李葉松，雷力，等.基于電機(jī)驅(qū)動(dòng)系統(tǒng)自傳感的機(jī)械

故障診斷研究綜述[J].電工技術(shù)學(xué)報(bào)，2022，37（12）：2936-

2948.

[3] 張慧，王楠，楊天博.應(yīng)用改進(jìn)粒子群算法的冶金機(jī)械機(jī)電

設(shè)備故障檢測(cè)方法[J].世界有色金屬，2021（16）：28-29.

[4] 徐永財(cái).灰色關(guān)聯(lián)分析確定特征權(quán)值的機(jī)電設(shè)備故障自動(dòng)

診斷[J].自動(dòng)化技術(shù)與應(yīng)用，2021，40（7）：10-13+22.

[5] 林占巍，徐明輝.影響煤礦機(jī)電設(shè)備故障因素及診斷技術(shù)的

應(yīng)用分析[J].內(nèi)蒙古煤炭經(jīng)濟(jì)，2022（13）：147-149.

[6] 馬麗茹.基于振動(dòng)信號(hào)相位檢測(cè)的煤礦大型機(jī)電設(shè)備故障

診斷技術(shù)[J].內(nèi)蒙古煤炭經(jīng)濟(jì)，2021（16）：53-54.