張少帥

（陜煤集團(tuán)神木檸條塔礦業(yè)有限公司，陜西 榆林 719300）

0 引 言

隨著科技的發(fā)展，我國(guó)煤礦機(jī)電設(shè)備逐漸趨于信息化、智能化，應(yīng)用效率也得到了明顯的提升，為日常的煤礦挖掘工作提供了極大的便利條件[1]。但近幾年來，由于煤礦工程規(guī)模的擴(kuò)大以及挖掘面積的增加，部分設(shè)備常常出現(xiàn)失靈、短路等故障問題，對(duì)于工作的執(zhí)行會(huì)形成消極影響。為緩解這一情況，有研究人員通過三相分區(qū)塊自動(dòng)搜尋及溫度對(duì)比的過熱區(qū)域判定方法，對(duì)設(shè)備的熱圖像進(jìn)行分離并調(diào)整，判斷是否出現(xiàn)異常升溫，以此實(shí)現(xiàn)設(shè)備的故障識(shí)別[2]。還有研究人員使用核函數(shù)估計(jì)對(duì)設(shè)備紅外圖像溫度概率密度函數(shù)進(jìn)行提取，基于溫度概率密度對(duì)故障進(jìn)行分類，采用K均值聚類方法實(shí)現(xiàn)對(duì)設(shè)備故障的識(shí)別[3]。雖然上述方法可以完成預(yù)期的故障識(shí)別任務(wù)，但在實(shí)際應(yīng)用過程中，極容易受到外部因素的影響，增加故障識(shí)別的誤差，影響故障檢測(cè)效率。

小波變換技術(shù)是一種新的多維變換分析形式，與傅里葉變換局部化的思想相似，應(yīng)用于機(jī)械設(shè)備的故障識(shí)別中，可以對(duì)機(jī)電設(shè)備日常運(yùn)行的頻率進(jìn)行監(jiān)測(cè)與分析，結(jié)合時(shí)頻的波動(dòng)狀態(tài)，實(shí)現(xiàn)異常區(qū)域定位，最大程度降低識(shí)別過程中存在的誤差，從根源上降低設(shè)備的損壞概率[4]。

為解決現(xiàn)有方法存在的不足，將結(jié)合小波變換技術(shù)，針對(duì)煤礦機(jī)電設(shè)備故障識(shí)別方法進(jìn)行設(shè)計(jì)和分析。

1 設(shè)計(jì)煤礦機(jī)電設(shè)備小波變換故障識(shí)別方法

1.1 異常信號(hào)預(yù)處理

在對(duì)煤礦機(jī)電設(shè)備小波變換故障識(shí)別方法進(jìn)行設(shè)計(jì)之前，需要先進(jìn)行異常信號(hào)的預(yù)處理。通常情況下，煤礦機(jī)電設(shè)備的日常應(yīng)用較為頻繁，一旦發(fā)生異常，便極可能對(duì)其他運(yùn)行的裝置形成干擾，形成設(shè)備損壞?？梢岳帽O(jiān)測(cè)系統(tǒng)，對(duì)機(jī)電設(shè)備的異常信號(hào)進(jìn)行收集，通過電弧的波動(dòng)，分析設(shè)備的實(shí)際運(yùn)行情況，并計(jì)算出時(shí)頻值為

式中：D表示時(shí)頻值；φ表示異常范圍；κ表示監(jiān)測(cè)距離；?表示異常過濾電??；i表示過濾次數(shù)；v表示設(shè)備標(biāo)定電壓。通過上述計(jì)算，最終可以得出實(shí)際的時(shí)頻值。根據(jù)時(shí)頻值的變化狀態(tài)，可以采集到動(dòng)態(tài)化的異常信號(hào)，將信號(hào)進(jìn)行歸類分層，消除異常信號(hào)中的繁雜數(shù)據(jù)，確保異常信號(hào)的真實(shí)可靠[5]。隨后，將信號(hào)轉(zhuǎn)換為特定的格式，傳輸至對(duì)應(yīng)的處理平臺(tái)之中，實(shí)現(xiàn)多維過濾，完成對(duì)異常信號(hào)的預(yù)處理[6]。

1.2 提取設(shè)備頻段故障特征

在完成對(duì)異常信號(hào)的預(yù)處理之后，接下來，結(jié)合小波變換技術(shù)，進(jìn)行設(shè)備頻段故障特征的提取與分析。故障頻段實(shí)際指的是機(jī)電設(shè)備的故障特征區(qū)域，可以采用小波信號(hào)分解方法，測(cè)算出小波包分解系數(shù)為

式中：K表示小波包分解系數(shù)；?表示分解范圍；ψ1表示小波覆蓋區(qū)域；ψ1表示小波變換重疊區(qū)域；ψ1表示轉(zhuǎn)換差值；δ表示特征值。通過上述計(jì)算，最終可以得出實(shí)際的小波包分解系數(shù)。結(jié)合得出的數(shù)值，分析機(jī)電設(shè)備的運(yùn)行狀態(tài)，并對(duì)異常位置進(jìn)行標(biāo)記，結(jié)合小波解析，縮小設(shè)備中異常點(diǎn)頻段的實(shí)際位置，對(duì)故障特征規(guī)律進(jìn)行總結(jié)，具體如圖1所示。

圖1 故障特征異常頻段分析圖示

根據(jù)圖1，可以完成對(duì)故障特征異常頻段的分析與研究。針對(duì)于異常頻段的波動(dòng)情況，測(cè)定出相應(yīng)的故障數(shù)據(jù)、信息，完成對(duì)設(shè)備頻段故障特征的提取[7]。

1.3 機(jī)電設(shè)備小波變換故障識(shí)別模型構(gòu)建

在完成對(duì)設(shè)備頻段故障特征的提取之后，接下來，結(jié)合小波變換技術(shù)，構(gòu)建機(jī)電設(shè)備故障識(shí)別模型。以傳統(tǒng)的故障識(shí)別模型作為基礎(chǔ)，利用增強(qiáng)現(xiàn)實(shí)（Augmentecl Realrty，AR）技術(shù)進(jìn)行故障識(shí)別空間的構(gòu)建，并將煤礦機(jī)電設(shè)備進(jìn)行定向關(guān)聯(lián)，模型中設(shè)定設(shè)備信息查詢功能、遠(yuǎn)程指導(dǎo)功能、故障自動(dòng)識(shí)別程序等，針對(duì)機(jī)電設(shè)備異常區(qū)域，作出動(dòng)態(tài)化識(shí)別，在范圍之內(nèi)，測(cè)定出可識(shí)別范圍為

式中：B表示可識(shí)別故障范圍；h表示描述標(biāo)準(zhǔn)值，g表示小波過濾次數(shù)；d表示定向識(shí)別差值；μ表示實(shí)時(shí)故障范圍。通過上述計(jì)算，最終可以得出實(shí)際的可識(shí)別故障范圍。在標(biāo)定的范圍之內(nèi)，結(jié)合AR技術(shù)，設(shè)定模型的基礎(chǔ)故障識(shí)別指標(biāo)參數(shù)，具體如表1所示。

表1 小波變換故障識(shí)別模型指標(biāo)設(shè)定表

根據(jù)表1，可以完成對(duì)小波變換故障識(shí)別模型指標(biāo)的設(shè)定與調(diào)整，隨后，根據(jù)基礎(chǔ)故障識(shí)別程序，搭配小波變換技術(shù)，對(duì)機(jī)電設(shè)備的故障類型進(jìn)行分類，將模型所采集的數(shù)據(jù)、信息進(jìn)行標(biāo)定轉(zhuǎn)換，實(shí)現(xiàn)深度故障巡檢，與此同時(shí)，構(gòu)建出小波變換故障識(shí)別模型結(jié)構(gòu)，具體如圖2所示。

圖2 小波變換故障識(shí)別模型結(jié)構(gòu)

根據(jù)圖2，可以完成對(duì)小波變換故障識(shí)別模型結(jié)構(gòu)的設(shè)計(jì)與分析。采用上述測(cè)定，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（Deep Neual Network，DNN）訓(xùn)練程序，進(jìn)一步完善故障識(shí)別程序，再加上多目標(biāo)隱藏層堆疊而成的神經(jīng)網(wǎng)絡(luò)技術(shù)，在小波變換的結(jié)構(gòu)下獲取實(shí)際的故障識(shí)別結(jié)果，為后續(xù)機(jī)電設(shè)備的識(shí)別維護(hù)提供參考依據(jù)。

1.4 DNN訓(xùn)練處理實(shí)現(xiàn)故障識(shí)別

在成對(duì)機(jī)電設(shè)備小波變換故障識(shí)別模型的構(gòu)建之后，需要采用DNN訓(xùn)練法，有針對(duì)性地實(shí)現(xiàn)故障的識(shí)別與處理?？梢韵壤媚Ｐ?，獲取基礎(chǔ)的識(shí)別數(shù)據(jù)、信息，構(gòu)建多層級(jí)的DNN訓(xùn)練結(jié)構(gòu)，測(cè)定出故障點(diǎn)的實(shí)際位置，結(jié)合故障識(shí)別節(jié)點(diǎn)，與標(biāo)準(zhǔn)值相對(duì)比，計(jì)算出故障識(shí)別差，即

式中：N表示故障識(shí)別差；?表示識(shí)別訓(xùn)練距離；η1表示預(yù)設(shè)識(shí)別范圍；η2表示實(shí)際識(shí)別范圍；e表示定向識(shí)別次數(shù)。通過測(cè)定，可以得出實(shí)際的故障識(shí)別差，完成對(duì)機(jī)電設(shè)備后續(xù)故障的控制與維修。

2 方法測(cè)試

本次主要是對(duì)小波變換小煤礦機(jī)電設(shè)備故障識(shí)別方法的實(shí)際應(yīng)用效果進(jìn)行分析與研究?？紤]到最終測(cè)試結(jié)果的真實(shí)可靠，選擇D工程作為測(cè)試的主要目標(biāo)對(duì)象，以對(duì)比的形式展開分析，并將文獻(xiàn)[2]提出的故障識(shí)別方法、文獻(xiàn)[3]提出的故障識(shí)別方法與本文所設(shè)計(jì)的小波變換故障識(shí)別方法共同進(jìn)行故障檢測(cè)的測(cè)試。測(cè)試得出的結(jié)果以比照的方式展開研究，接下來，搭建相應(yīng)的測(cè)試環(huán)境。

2.1 測(cè)試準(zhǔn)備

在對(duì)小波變換小煤礦機(jī)電設(shè)備故障識(shí)別方法的實(shí)際應(yīng)用效果進(jìn)行分析與研究之前，需要先搭建相應(yīng)的測(cè)試環(huán)境。D煤礦工程的應(yīng)用機(jī)電設(shè)備種類較多，在實(shí)際應(yīng)用的過程中，需要進(jìn)行關(guān)聯(lián)，確保應(yīng)用的速度和效率。調(diào)整關(guān)聯(lián)過度的變壓器，結(jié)合AR技術(shù)，設(shè)定CPU的主頻為3.55 GHz，內(nèi)存為32 GB，將機(jī)電設(shè)備分為3組，每一個(gè)組的識(shí)別范圍均是相同的，以TensorFlow應(yīng)用框架為基礎(chǔ)，設(shè)定故障識(shí)別訓(xùn)練基礎(chǔ)值，具體如表2所示。

表2 D煤礦工程故障識(shí)別訓(xùn)練基礎(chǔ)值設(shè)定表

根據(jù)表2，可以完成對(duì)D煤礦工程故障識(shí)別訓(xùn)練基礎(chǔ)值的設(shè)定，針對(duì)機(jī)電設(shè)備的應(yīng)用狀態(tài)，進(jìn)行對(duì)應(yīng)調(diào)節(jié)，完成對(duì)測(cè)試環(huán)境的搭建，進(jìn)行具體的測(cè)定分析。

2.2 測(cè)試過程及結(jié)果分析

在完成對(duì)測(cè)試環(huán)境的搭建之后，結(jié)合小波變換技術(shù)，進(jìn)行具體的測(cè)驗(yàn)分析。在機(jī)電設(shè)備運(yùn)行的過程中，調(diào)整其內(nèi)部的電弧狀態(tài)，促使其處于逆向波動(dòng)的狀態(tài)，具體如圖3所示。

圖3 機(jī)電設(shè)備電弧逆向波動(dòng)情況

結(jié)合上述圖3，可以完成對(duì)機(jī)電設(shè)備電弧逆向波動(dòng)情況的測(cè)定和分析，結(jié)合小波變換技術(shù)，對(duì)電弧的波動(dòng)規(guī)律進(jìn)行解析，測(cè)算出最終的故障識(shí)別比照差值，并對(duì)測(cè)試結(jié)果分析研究，如表3所示。

表3 測(cè)試結(jié)果對(duì)比分析表

根據(jù)表3，可以完成對(duì)測(cè)試結(jié)果的分析：對(duì)比于文獻(xiàn)[2]故障識(shí)別方法與文獻(xiàn)[3]故障識(shí)別方法，本文所設(shè)計(jì)的小波變換故障識(shí)別測(cè)試組最終得出的故障識(shí)別差值相對(duì)較小，表明在實(shí)際識(shí)別的過程中，結(jié)合小波變換技術(shù)，對(duì)于設(shè)備的識(shí)別精度較高，具有實(shí)際的應(yīng)用價(jià)值。

3 結(jié) 論

綜上所述，便是對(duì)基于小波變換的煤礦機(jī)電設(shè)備故障識(shí)別方法的設(shè)計(jì)和分析。與傳統(tǒng)的故障識(shí)別方法相對(duì)比，本次結(jié)合小波變換技術(shù)，一定程度上擴(kuò)大了實(shí)際的識(shí)別范圍，同時(shí)針對(duì)設(shè)備中的細(xì)小位置，小波變化可以快速感知到異常信號(hào)，進(jìn)行雙向定位識(shí)別，并將相應(yīng)的數(shù)據(jù)信息轉(zhuǎn)換為特定的格式，依據(jù)數(shù)據(jù)包的形式傳輸至控制平臺(tái)之中，為管理人員后續(xù)的維修提供參考數(shù)據(jù)。