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(kāi)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(yùn)行和降低液壓設(shè)備故障率是污水處理生產(chǎn)過(guò)程中的核心要求，確定故障所在和實(shí)現(xiàn)故障預(yù)測(cè)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(huì)經(jīng)常發(fā)生故障[1]。實(shí)現(xiàn)污水處理中液壓系統(tǒng)故障檢測(cè)研究，不僅在實(shí)際生產(chǎn)中能提高效率，也能降低液壓設(shè)備故障率，對(duì)生產(chǎn)安全具有重大的實(shí)際意義。

目前，國(guó)內(nèi)在液壓故障檢測(cè)方面進(jìn)行深入研究[2]，一部分利用支持向量機(jī)的方法實(shí)現(xiàn)故障檢測(cè)，將液壓系統(tǒng)所產(chǎn)生的初始信號(hào)進(jìn)行特征分類[3]，從而實(shí)現(xiàn)液壓系統(tǒng)的故障檢測(cè)。但該方法存在一定的局限性，不能檢測(cè)出小幅度的故障。另一部分通過(guò)實(shí)際生產(chǎn)中的經(jīng)驗(yàn)判斷，通過(guò)技術(shù)人員的操作確定故障問(wèn)題，該方法不僅消耗人力，還不能及時(shí)定位故障問(wèn)題所在，降低生產(chǎn)效率。

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

針對(duì)以上問(wèn)題，提出一種基于物聯(lián)網(wǎng)技術(shù)和動(dòng)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(cè)方法[5]來(lái)實(shí)現(xiàn)遠(yuǎn)程維護(hù)及污水處理過(guò)程中設(shè)備的統(tǒng)籌管理。在污水處理生產(chǎn)過(guò)程中，由于污水環(huán)境所存在的不確定性，設(shè)備會(huì)不可避免的受到環(huán)境的影響，利用動(dòng)態(tài)GRNN模型引入自適應(yīng)閾值機(jī)制，可有效提高故障檢測(cè)效率[6]，實(shí)現(xiàn)對(duì)液壓設(shè)備小幅度突變故障和早期緩變故障的檢測(cè)，保證液壓系統(tǒng)的穩(wěn)定性。

1 動(dòng)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(jì)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(shì)，且具有訓(xùn)練速度塊、逼近能力強(qiáng)、仿真精度高等優(yōu)點(diǎn)。

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

(1)

式中,密度函數(shù)f(x,y)的估計(jì)可以通過(guò)對(duì)訓(xùn)練數(shù)據(jù)使用Parzen的非參數(shù)估計(jì)算子得到,其非參數(shù)估計(jì)為:

式中：

(3)

(4)

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

(5)

(6)

1.2 動(dòng)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(gè)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(cè)研究

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

在污水處理液壓系統(tǒng)中，需要采集最重要的2個(gè)數(shù)據(jù)參數(shù)：流量和壓力。通過(guò)判斷這2個(gè)參數(shù)是否正常來(lái)對(duì)液壓系統(tǒng)進(jìn)行故障診斷。如圖2所示為液壓機(jī)液壓系統(tǒng)主要元件測(cè)點(diǎn)分布原理圖。

圖1 GRNN結(jié)構(gòu)圖

圖2 液壓機(jī)液壓系統(tǒng)主要元件測(cè)點(diǎn)分布原理圖

從圖2可知，1YA～4YA為液壓系統(tǒng)的主要測(cè)點(diǎn)元件，為換向閥和電磁鐵線圈，監(jiān)測(cè)點(diǎn)①處放置流量傳感器檢測(cè)液壓系統(tǒng)油箱流量；監(jiān)測(cè)點(diǎn)②放置壓力傳感器檢測(cè)回油油量產(chǎn)生的壓力；監(jiān)測(cè)點(diǎn)③測(cè)量液壓泵進(jìn)入液壓缸上腔的流量和保壓壓力；監(jiān)測(cè)點(diǎn)④與⑤檢測(cè)換向閥3的壓力和流量，以此來(lái)監(jiān)控?fù)Q向閥3的工作狀態(tài)；監(jiān)測(cè)點(diǎn)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(guò)監(jiān)測(cè)點(diǎn)⑦和⑧處的壓力和流量傳感器進(jìn)行參數(shù)檢測(cè)。通過(guò)將采集的信號(hào)和參數(shù)結(jié)合GRNN模型來(lái)實(shí)現(xiàn)液壓系統(tǒng)的故障診斷。

2.2 構(gòu)建GRNN模型故障觀測(cè)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(duì)污水處理系統(tǒng)中的重要信號(hào)進(jìn)行采集獲取。并通過(guò)GRNN觀測(cè)器模型進(jìn)行訓(xùn)練，得到污水處理系統(tǒng)的殘差，構(gòu)建動(dòng)態(tài)GRNN模型。如圖3所示為動(dòng)態(tài)GRNN模型結(jié)構(gòu)圖。

圖3 動(dòng)態(tài)GRNN結(jié)構(gòu)圖

通過(guò)動(dòng)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(dá)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(dòng)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(cè)問(wèn)題,即前一時(shí)刻的模型預(yù)測(cè)輸出值成為后一時(shí)刻的模型輸入值。一般的預(yù)測(cè)分為單步預(yù)測(cè)和多步預(yù)測(cè),對(duì)于動(dòng)態(tài)GRNN模型,主要使用的預(yù)測(cè)方法是多步預(yù)測(cè)。

2.3 基于動(dòng)態(tài)GRNN模型的系統(tǒng)液壓故障檢測(cè)研究

結(jié)合污水處理中的液壓設(shè)備故障檢測(cè)的經(jīng)驗(yàn)可知，在不同環(huán)境的污水處理中，隨機(jī)變量和隨機(jī)干擾存在相互影響，會(huì)導(dǎo)致不同種類的故障狀態(tài)。將1個(gè)正常的輸入信號(hào)樣本輸入動(dòng)態(tài)GRNN模型，會(huì)得到1個(gè)模型輸出，將通過(guò)實(shí)際生產(chǎn)中所采集到的信號(hào)輸入該模型，會(huì)得到1個(gè)實(shí)際輸出值，將正常狀態(tài)下模型輸出值與實(shí)際輸出值作對(duì)比，算得1個(gè)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(huì)得出1個(gè)故障狀態(tài)的信號(hào)輸入，所產(chǎn)生的模型輸出與實(shí)際輸出之間的殘差會(huì)與先前設(shè)定的閾值產(chǎn)生較大的偏差，因此將會(huì)檢測(cè)出設(shè)備故障。

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

(9)

(10)

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

圖4 目標(biāo)故障種類檢測(cè)圖

將污水處理液壓系統(tǒng)故障檢測(cè)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(cè)的判別式：

(11)

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

3 實(shí)驗(yàn)結(jié)果與分析

利用MATLAB構(gòu)建GRNN故障觀測(cè)器仿真平臺(tái)，實(shí)現(xiàn)對(duì)污水處理系統(tǒng)液壓故障檢測(cè)。實(shí)驗(yàn)中所輸入的實(shí)驗(yàn)信號(hào)通過(guò)流量傳感器和壓力傳感器進(jìn)行數(shù)據(jù)采集。在液壓系統(tǒng)中，需要采集的實(shí)驗(yàn)信號(hào)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(hào)樣本構(gòu)建液壓系統(tǒng)的動(dòng)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(guò)動(dòng)態(tài)GRNN模型，可以得到正常狀態(tài)下的檢測(cè)閾值，在采集的樣本中抽取10組作為測(cè)試樣本，然后通過(guò)MATLAB仿真觀測(cè)診斷結(jié)果。如圖4a～圖4j所示，可以清晰的檢測(cè)出故障點(diǎn)。當(dāng)不同種類的目標(biāo)故障閾值小于對(duì)應(yīng)的檢測(cè)閾值時(shí)，則該點(diǎn)為故障點(diǎn)。

值得注意的是圖4f～圖4h，有2類目標(biāo)故障小于檢測(cè)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(diǎn)為故障點(diǎn)。通過(guò)對(duì)所有采集的樣本進(jìn)行測(cè)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(shí)際生產(chǎn)中，液壓系統(tǒng)參數(shù)采集和監(jiān)測(cè)往往不能達(dá)到實(shí)時(shí)同步，很難實(shí)現(xiàn)提前預(yù)知。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，無(wú)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(shí)現(xiàn)物物相連，對(duì)液壓系統(tǒng)的參數(shù)實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)和采集，通過(guò)動(dòng)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(shí)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(dòng)態(tài)GRNN模型液壓系統(tǒng)故障檢測(cè)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(shí)，在生產(chǎn)生活中，遠(yuǎn)程控制已經(jīng)成為各個(gè)企業(yè)生產(chǎn)、綜合管理改革的趨勢(shì)，如在智能家居、無(wú)人駕駛和設(shè)備遠(yuǎn)程管控方面已經(jīng)實(shí)現(xiàn)[8-9]。

在污水處理中，距離實(shí)現(xiàn)液壓系統(tǒng)各設(shè)備的控制、各數(shù)據(jù)參數(shù)實(shí)時(shí)監(jiān)控，實(shí)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(yùn)行，是污水處理過(guò)程中重中之重。引入物聯(lián)網(wǎng)技術(shù)，是為了更好地實(shí)現(xiàn)對(duì)液壓設(shè)備的實(shí)時(shí)狀態(tài)、故障信號(hào)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(wú)線傳感網(wǎng)絡(luò)

在智能化生產(chǎn)中，無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)作為一種核心技術(shù)[10-12]，如對(duì)感知環(huán)境變量和對(duì)相關(guān)數(shù)據(jù)處理的操作，廣泛運(yùn)用在工業(yè)生產(chǎn)中，具有成本低、功耗低、可實(shí)現(xiàn)分布式設(shè)備自組網(wǎng)的優(yōu)勢(shì)。大量傳感器分布在液壓設(shè)備上，分別采集各設(shè)備的運(yùn)行狀態(tài)參數(shù)，并通過(guò)無(wú)線傳感網(wǎng)絡(luò)的數(shù)據(jù)通信技術(shù)實(shí)現(xiàn)數(shù)據(jù)傳輸、信號(hào)雙向互動(dòng)，不僅能實(shí)現(xiàn)設(shè)備故障及時(shí)發(fā)現(xiàn)、為液壓系統(tǒng)提供安全、可靠的服務(wù)，還能實(shí)現(xiàn)各設(shè)備之間物物相連，實(shí)現(xiàn)統(tǒng)籌管理。分布式液壓設(shè)備無(wú)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(jì)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(hào)傳輸層、綜合分析診斷層[13-14]。參數(shù)信息采集層：利用無(wú)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(hào)傳輸層：實(shí)現(xiàn)對(duì)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(shí)現(xiàn)遠(yuǎn)程監(jiān)控液壓系統(tǒng)運(yùn)行狀況[15]。綜合分析診斷層：通過(guò)動(dòng)態(tài)GRNN模型對(duì)輸入的動(dòng)態(tài)信號(hào)、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(jì)如圖6所示。

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

圖6 系統(tǒng)總體方案設(shè)計(jì)圖

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

其次，通過(guò)物聯(lián)網(wǎng)通訊技術(shù)將采集的數(shù)據(jù)信號(hào)傳輸?shù)皆破脚_(tái)進(jìn)行信息綜合處理，利用動(dòng)態(tài)GRNN模型對(duì)故障信號(hào)進(jìn)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(wèn)題，從而實(shí)現(xiàn)遠(yuǎn)程監(jiān)測(cè)和各設(shè)備之間物物相連。

5 結(jié)論

針對(duì)污水處理過(guò)程中環(huán)境所導(dǎo)致液壓系統(tǒng)產(chǎn)生故障的問(wèn)題，在污水處理中引入一種動(dòng)態(tài)GRNN模型的液壓系統(tǒng)故障檢測(cè)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(hào)，借助仿真軟件實(shí)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(cè)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(wèn)題，并且利用無(wú)線傳感網(wǎng)絡(luò)可以加強(qiáng)數(shù)據(jù)信號(hào)采集安全性，極大的降低物聯(lián)網(wǎng)的運(yùn)行成本，實(shí)現(xiàn)液壓系統(tǒng)故障診斷和遠(yuǎn)程維護(hù)。實(shí)際生產(chǎn)中可減少維修工程師現(xiàn)場(chǎng)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(hù)設(shè)備的工作能力。滿足企業(yè)未來(lái)發(fā)展需求，也給其他行業(yè)帶來(lái)新的發(fā)展方式。