本發(fā)明屬于故障診斷技術(shù)領(lǐng)域，尤其涉及一種用于井下排水系統(tǒng)的故障診斷方法。

背景技術(shù)：

井下排水系統(tǒng)的運(yùn)行狀態(tài)正常與否直接關(guān)系到井下排水的性能好壞，而井下排水的性能好壞直接影響煤礦安全生產(chǎn)，故障診斷技術(shù)能夠?qū)屡潘到y(tǒng)中類如排水泵此類的旋轉(zhuǎn)大功率機(jī)電設(shè)備的故障問(wèn)題做到早發(fā)現(xiàn)早解決，對(duì)排水系統(tǒng)穩(wěn)定運(yùn)行意義重大。

目前國(guó)內(nèi)外現(xiàn)有用于排水系統(tǒng)故障診斷的方法很多，但每種方法都有各自適用的范圍和限制條件，難以得到良好的診斷結(jié)果。主要方法有以下幾種：

(1)基于專家知識(shí)的故障診斷方法：

專家系統(tǒng)的組成一般包括人機(jī)接口、數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、機(jī)器學(xué)習(xí)、推理機(jī)等組成，該方法是系統(tǒng)故障診斷分析中應(yīng)用最廣泛的方法之一。

但其知識(shí)的獲取較為困難，而且當(dāng)實(shí)際知識(shí)超出庫(kù)的范圍時(shí)，則推理無(wú)效。另外，專家系統(tǒng)的容錯(cuò)能力、學(xué)習(xí)能力較差，所以不能廣泛的推廣應(yīng)用。

(2)基于模糊集理論的故障診斷方法：

模糊集理論是在模糊集合理論基礎(chǔ)上發(fā)展起來(lái)的，它用模糊隸屬度來(lái)描述不確定的對(duì)象，具有很強(qiáng)的容錯(cuò)能力。模糊集理論能夠處理不確定的信息，需要和專家系統(tǒng)等其他方法結(jié)合使用。但建立準(zhǔn)確的模糊集的隸屬度函數(shù)仍是需要解決的問(wèn)題。

(3)基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法：

神經(jīng)網(wǎng)絡(luò)方法核心是通過(guò)模擬人腦結(jié)構(gòu)來(lái)實(shí)現(xiàn)人類大腦信息處理功能的模擬，具有并行處理信息、自學(xué)習(xí)和自適應(yīng)的優(yōu)勢(shì)，為故障診斷的研究開辟了新的路徑。但在多維情況下，其數(shù)據(jù)量巨大，難于計(jì)算求解；需要建立在大量樣本庫(kù)的基礎(chǔ)上，即需要大量的樣本訓(xùn)練，且收斂速度不佳；網(wǎng)絡(luò)的自由化能力較弱，容易陷入局部最小點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提出一種用于井下排水系統(tǒng)的故障診斷方法，能夠比較準(zhǔn)確并且快速地找到排水系統(tǒng)的故障原因，具有較好的準(zhǔn)確性、快速性和適應(yīng)性。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種用于井下排水系統(tǒng)的故障診斷方法，包括如下步驟：

a通過(guò)對(duì)排水設(shè)備狀態(tài)和運(yùn)行數(shù)據(jù)監(jiān)測(cè)，得到故障信息；

b對(duì)故障信息進(jìn)行預(yù)處理，得到反應(yīng)上述故障信息的故障特征向量；

c根據(jù)故障特征向量與故障之間的關(guān)系，建立基本Petri網(wǎng)故障診斷模型；

d在步驟c的基礎(chǔ)上，利用模糊理論對(duì)故障特征向量進(jìn)行模糊處理，將模糊處理后的故障特征向量作為水泵故障診斷Petri網(wǎng)模型的輸入，并確定水泵故障診斷Petri網(wǎng)模型的權(quán)值和閾值參數(shù)，建立排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型；

e引入神經(jīng)網(wǎng)絡(luò)中的BP算法對(duì)模糊Petri網(wǎng)故障診斷模型中的權(quán)值、閾值和置信度參數(shù)進(jìn)行網(wǎng)絡(luò)優(yōu)化訓(xùn)練；

f將優(yōu)化后的權(quán)值、閾值和置信度參數(shù)作為最終的故障診斷模型運(yùn)行參數(shù)。

優(yōu)選地，所述步驟b中，利用粗糙集屬性約減的規(guī)則，對(duì)故障信息進(jìn)行特征信號(hào)提取得到故障特征向量。

優(yōu)選地，所述步驟b中，基于粗糙集理論的屬性約減步驟為：

輸入：相容決策表S＝(U,A,V,f)；其中：

U為論域，是系統(tǒng)中的對(duì)象組成的有限集合；

A＝B∪C為描述對(duì)象的屬性集合，B和C分別為條件屬性集合和決策屬性集合；

V＝∪_a∈AV_a，V_a表示屬性a的值域；

f：U×A→V表示一個(gè)信息函數(shù)，為每個(gè)對(duì)象的每個(gè)屬性賦予對(duì)應(yīng)的信息值；

輸出：規(guī)則集Rules；

1)：消去決策表中重復(fù)屬性的對(duì)象y_j，其中1≤j≤n-1；

2)：從決策表中提取每個(gè)對(duì)象關(guān)于屬性值區(qū)分的屬性，并構(gòu)成區(qū)分函數(shù)f(k)，k＝1,2,…,n；k≠j，同時(shí)利用吸收率約去多余的項(xiàng)；

3)：求取的最小析取范式，得到核屬性；

4)：從f(k)，k＝1,2,…,n；k≠j中消去可約減的屬性，求出其最小析取范式f(k)′，k＝1,2,…,n；k≠j，得到對(duì)應(yīng)的屬性值約簡(jiǎn)；

5)：根據(jù)步驟4)的結(jié)果，求得包含全部約簡(jiǎn)決策規(guī)則的決策表；

6)：約去全部過(guò)剩規(guī)則得到包含最小規(guī)則集的決策表；

7)：提取規(guī)則集Rules。

優(yōu)選地，所述步驟e中BP算法對(duì)參數(shù)優(yōu)化的具體步驟為：

e1定義模糊Petri網(wǎng)中有m個(gè)變遷t_i，i＝1,2,…,m，則相應(yīng)的共有m個(gè)輸出庫(kù)所p_oi；

構(gòu)造誤差代價(jià)函數(shù)E，如公式(2)所示：

式中，b為樣本的總個(gè)數(shù)，M_l(p_oi)和分別為輸出庫(kù)所p_oi第l個(gè)樣本的實(shí)際托肯值和期望托肯值；按公式(2)計(jì)算期望托肯值與實(shí)際輸出托肯值的誤差；

e2調(diào)整排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型中的權(quán)值和閾值參數(shù)；在模糊Petri網(wǎng)的每一個(gè)層次上求取一階梯度，如公式(3)至公式(5)；

其中，w_ix表示輸入弧上的權(quán)值，相應(yīng)共有c個(gè)輸入值，x＝1,2…,c；u_i表示模型的變遷置信度；λ_i表示的是節(jié)點(diǎn)閾值；M(p_oi)表示輸出庫(kù)所的托肯值；即期望對(duì)輸出庫(kù)所托肯值求導(dǎo)；

求得一階梯度后，對(duì)變遷t_i的相關(guān)參數(shù)進(jìn)行調(diào)整，設(shè)η為學(xué)習(xí)率，由參數(shù)調(diào)整增量公式(6)、公式(7)和公式(8)來(lái)對(duì)輸入弧上的權(quán)值、變遷置信度和節(jié)點(diǎn)閾值進(jìn)行優(yōu)化，從而使參數(shù)接近期望目標(biāo)值：

w_ix(k+1)＝w_ix(k)-η·dE/dw_ix (6)

u_i(k+1)＝u_i(k)-η·dE/du_i (7)

λ_i(k+1)＝λ_i(k)-η·dE/dλ_i (8)

e3返回步驟e1，直到誤差允許值滿足小于等于0.001要求為止。

本發(fā)明具有如下優(yōu)點(diǎn)：

本發(fā)明方法是基于BP優(yōu)化的模糊Petri網(wǎng)故障診斷方法，通過(guò)排水設(shè)備數(shù)據(jù)監(jiān)測(cè)系統(tǒng)測(cè)得故障信息，經(jīng)過(guò)預(yù)處理得到反應(yīng)故障信息的故障特征向量，然后對(duì)上述故障特征向量進(jìn)行模糊處理，得到適應(yīng)于Petri網(wǎng)輸入特征的模糊值，以此建立排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型；然后在故障診斷模型上引入神經(jīng)網(wǎng)絡(luò)中的BP算法對(duì)權(quán)值、閾值和置信度等參數(shù)進(jìn)行網(wǎng)絡(luò)優(yōu)化訓(xùn)練，使之最大限度的接近理想值，將優(yōu)化后的參數(shù)作為最終的故障診斷模型運(yùn)行參數(shù)。通過(guò)對(duì)實(shí)例分析，該方法能夠比較準(zhǔn)確并且快速地找到故障原因，具有較好的準(zhǔn)確性、快速性和適應(yīng)性，可以用來(lái)診斷井下排水系統(tǒng)故障并能夠達(dá)到比較好的效果。

附圖說(shuō)明

圖1為本發(fā)明中基本Petri網(wǎng)故障診斷模型的示意圖；

圖2為本發(fā)明中排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型的示意圖。

具體實(shí)施方式

本發(fā)明的基本思想為：在分析故障傳播特點(diǎn)的基礎(chǔ)上，建立一種新型Petri網(wǎng)模型。故障診斷的Petri網(wǎng)模型建立方法有兩種：一種是根據(jù)系統(tǒng)的邏輯關(guān)系建模，即根據(jù)故障征兆和故障之間的關(guān)系建模，一種是根據(jù)變遷發(fā)生規(guī)則建模以模擬故障發(fā)生的動(dòng)態(tài)過(guò)程。本發(fā)明將兩種建模方法結(jié)合起來(lái)，根據(jù)故障征兆跟故障之間的關(guān)系建立診斷模型，利用變遷發(fā)生規(guī)則模擬故障發(fā)生的動(dòng)態(tài)運(yùn)行過(guò)程，其優(yōu)勢(shì)是在描述系統(tǒng)的結(jié)構(gòu)的同時(shí)又能模擬系統(tǒng)的運(yùn)行，應(yīng)用到排水系統(tǒng)上，既可以描述故障與故障征兆的關(guān)系，同時(shí)動(dòng)態(tài)展現(xiàn)故障發(fā)生的過(guò)程。

下面結(jié)合附圖以及具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明：

一種用于井下排水系統(tǒng)的故障診斷方法，包括如下步驟：

a通過(guò)對(duì)排水設(shè)備狀態(tài)和運(yùn)行數(shù)據(jù)監(jiān)測(cè)，得到故障信息。

在礦井排水自動(dòng)化監(jiān)控系統(tǒng)上模擬排水系統(tǒng)的操作流程，根據(jù)實(shí)際排水系統(tǒng)的操作流程，以PLC為控制中心，采用動(dòng)態(tài)數(shù)據(jù)采集器采集傳感器信息，并通過(guò)數(shù)據(jù)分析儀進(jìn)行在線故障診斷分析。本發(fā)明中排水系統(tǒng)所使用的數(shù)據(jù)采集器主要是對(duì)傳感器信息進(jìn)行采集，特別是對(duì)振動(dòng)信號(hào)進(jìn)行采集分析。針對(duì)所研究的排水系統(tǒng)，數(shù)據(jù)分析儀可以用來(lái)分析旋轉(zhuǎn)機(jī)械的啟停過(guò)程、轉(zhuǎn)子的故障診斷，研究旋轉(zhuǎn)機(jī)械的失穩(wěn)性，從而確定臨界轉(zhuǎn)速和共振，區(qū)分旋轉(zhuǎn)噪聲、結(jié)構(gòu)噪聲和振動(dòng)現(xiàn)象，辨別旋轉(zhuǎn)振動(dòng)所產(chǎn)生的噪聲。

b對(duì)故障信息進(jìn)行預(yù)處理，得到反應(yīng)上述故障信息的故障特征向量。

具體的，該預(yù)處理過(guò)程為粗糙集屬性約減的規(guī)則，其步驟如下：

輸入：相容決策表S＝(U,A,V,f)；其中：

U為論域，是系統(tǒng)中的對(duì)象組成的有限集合；

A＝B∪C為描述對(duì)象的屬性集合，B和C分別為條件屬性集合和決策屬性集合；

V＝∪_a∈AV_a，V_a表示屬性a的值域；

f：U×A→V表示一個(gè)信息函數(shù)，為每個(gè)對(duì)象的每個(gè)屬性賦予對(duì)應(yīng)的信息值；

輸出：規(guī)則集Rules；

1)：消去決策表中重復(fù)屬性的對(duì)象y_j，其中1≤j≤n-1；

2)：從決策表中提取每個(gè)對(duì)象關(guān)于屬性值區(qū)分的屬性，并構(gòu)成區(qū)分函數(shù)f(k)，k＝1,2,…,n；k≠j，同時(shí)利用吸收率約去多余的項(xiàng)；

3)：求取的最小析取范式，得到核屬性；

4)：從f(k)，k＝1,2,…,n；k≠j中消去可約減的屬性，求出其最小析取范式f(k)′，k＝1,2,…,n；k≠j，得到對(duì)應(yīng)的屬性值約簡(jiǎn)；

5)：根據(jù)步驟4)的結(jié)果，求得包含全部約簡(jiǎn)決策規(guī)則的決策表；

6)：約去全部過(guò)剩規(guī)則得到包含最小規(guī)則集的決策表；

7)：提取規(guī)則集Rules。

粗糙集理論通過(guò)屬性約減去除冗余信息，大大簡(jiǎn)化決策表，簡(jiǎn)化了故障診斷的難度和計(jì)算量，因此在旋轉(zhuǎn)機(jī)械故障診斷的研究中發(fā)揮著越來(lái)越重要的作用。

本發(fā)明采用粗糙集理論對(duì)排水系統(tǒng)的故障信息進(jìn)行屬性約減，進(jìn)而提取出故障特征量，為后續(xù)的故障診斷模型建立提供了支持。

根據(jù)粗糙集屬性約減的規(guī)則，本發(fā)明選取轉(zhuǎn)子不平衡、轉(zhuǎn)子不對(duì)中、油膜振蕩、聯(lián)軸器結(jié)合不良、氣蝕、管道堵塞、葉輪堵塞、密封環(huán)磨損8種故障為本發(fā)明研究的故障類型，將監(jiān)測(cè)的流量、電流、溫度、真空度、揚(yáng)程作為故障特征向量。

c根據(jù)故障特征向量與故障之間的關(guān)系，建立基本Petri網(wǎng)故障診斷模型，如圖1所示。

其中，P₁～P₁₀分別表示故障特征量：流量C₁、電流C₃、溫度C₄、真空度C₅、揚(yáng)程C₇、0.01～0.39倍頻振動(dòng)信號(hào)C₉、0.40～0.49倍頻振動(dòng)信號(hào)C₁₀、0.50倍頻振動(dòng)信號(hào)C₁₁、1倍頻振動(dòng)信號(hào)C₁₃以及2倍頻振動(dòng)信號(hào)C₁₄；P₁₁～P₁₈分別表示故障：轉(zhuǎn)子不平衡D₁、轉(zhuǎn)子不對(duì)中D₂、油膜振蕩D₃、密封環(huán)磨損D₄、管道堵塞D₅、葉輪堵塞D₆、主軸彎曲D₇以及氣蝕D₈。

d在步驟c的基礎(chǔ)上，利用模糊理論對(duì)故障特征向量進(jìn)行模糊處理，將模糊處理后的故障特征向量作為水泵故障診斷Petri網(wǎng)模型的輸入，并確定水泵故障診斷Petri網(wǎng)模型的權(quán)值和閾值參數(shù)，建立排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型。

本發(fā)明中需要模糊處理的故障特征向量流量C₁、電流C₃、溫度C₄、真空度C₅、揚(yáng)程C₇、0.01～0.39倍頻振動(dòng)信號(hào)C₉、0.40～0.49倍頻振動(dòng)信號(hào)C₁₀、0.50倍頻振動(dòng)信號(hào)C₁₁、1倍頻振動(dòng)信號(hào)C₁₃以及2倍頻振動(dòng)信號(hào)C₁₄，經(jīng)過(guò)處理得到適應(yīng)于Petri網(wǎng)輸入特征的模糊值。

通過(guò)多次實(shí)驗(yàn)得到排水系統(tǒng)故障的模糊關(guān)系，從而確定故障診斷模型的初始運(yùn)行權(quán)值，如表1所示。

表1排水系統(tǒng)故障模糊關(guān)系表

根據(jù)基本Petri網(wǎng)的故障診斷模型，結(jié)合模糊理論，得到排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型，如圖2所示，并設(shè)置相應(yīng)的閾值λ₁～λ₈皆為0.5。

e引入神經(jīng)網(wǎng)絡(luò)中的BP算法對(duì)模糊Petri網(wǎng)故障診斷模型中的權(quán)值、閾值和置信度參數(shù)進(jìn)行網(wǎng)絡(luò)優(yōu)化訓(xùn)練。

BP算法對(duì)參數(shù)網(wǎng)絡(luò)優(yōu)化訓(xùn)練的基本思路為：模糊Petri網(wǎng)模型中，以每一個(gè)變遷為一個(gè)層次，在一個(gè)層次上，用神經(jīng)網(wǎng)絡(luò)中的BP算法來(lái)調(diào)整優(yōu)化變遷的相關(guān)參數(shù)，模糊Petri網(wǎng)中的BP算法由兩部分組成：信息的正向傳遞與誤差的反向傳播；正向傳遞是模糊推理過(guò)程，輸入從模糊Petri網(wǎng)第一層起依次點(diǎn)燃變遷傳向輸出層，每一層的輸出作用于下一層的輸入；反向傳播過(guò)程是若在輸出層未能得到期望的輸出值，則逐層遞歸的計(jì)算真實(shí)輸出值與期望輸出值之差(即誤差)，以便根據(jù)此誤差調(diào)節(jié)模糊Petri網(wǎng)中的權(quán)值、閥值和置信度。

經(jīng)實(shí)驗(yàn)證明振動(dòng)較小時(shí)故障不明顯，而振動(dòng)大到一定程度時(shí)故障發(fā)生的比較明顯。因此，對(duì)于機(jī)械振動(dòng)故障診斷中“振動(dòng)大”或“故障嚴(yán)重”這類命題取“升半柯西分布”型隸屬度函數(shù)作為故障特征量的隸屬度函數(shù)。通過(guò)對(duì)水泵故障機(jī)理的分析，本發(fā)明選擇升半柯西分布函數(shù)作為故障特征量的隸屬度函數(shù)，用公式(1)表示。

公式(1)中，X1～X5分別對(duì)應(yīng)0.01～0.39倍頻振動(dòng)信號(hào)C₉、0.40～0.49倍頻振動(dòng)信號(hào)C₁₀、0.50倍頻振動(dòng)信號(hào)C₁₁、1倍頻振動(dòng)信號(hào)C₁₃以及2倍頻振動(dòng)信號(hào)C₁₄的最大幅值，X6～X10對(duì)應(yīng)流量C₁、電流C₃、溫度C₄、真空度C₅、揚(yáng)程C₇信號(hào)。

BP算法對(duì)參數(shù)優(yōu)化的具體步驟為：

e1定義模糊Petri網(wǎng)中有m個(gè)變遷t_i，i＝1,2,…,m，則相應(yīng)的共有m個(gè)輸出庫(kù)所p_oi；在本發(fā)明建立的模糊Petri網(wǎng)模型中指的是變遷P₁₁～P₁₈。

構(gòu)造誤差代價(jià)函數(shù)E，如公式(2)所示：

式中，b為樣本的總個(gè)數(shù)，M_l(p_oi)和分別為輸出庫(kù)所p_oi第l個(gè)樣本的實(shí)際托肯值和期望托肯值；按公式(2)計(jì)算期望托肯值與實(shí)際輸出托肯值的誤差；

e2調(diào)整排水系統(tǒng)的模糊Petri網(wǎng)故障診斷模型中的權(quán)值和閾值參數(shù)；在模糊Petri網(wǎng)的每一個(gè)層次上求取一階梯度，如公式(3)至公式(5)；

其中，w_ix表示輸入弧上的權(quán)值，相應(yīng)共有c個(gè)輸入值，x＝1,2…,c；u_i表示模型的變遷置信度；λ_i表示的是節(jié)點(diǎn)閾值；M(p_oi)表示輸出庫(kù)所的托肯值；即期望對(duì)輸出庫(kù)所托肯值求導(dǎo)；

求得一階梯度后，對(duì)變遷t_i的相關(guān)參數(shù)進(jìn)行調(diào)整，設(shè)η為學(xué)習(xí)率，由參數(shù)調(diào)整增量公式(6)、公式(7)和公式(8)來(lái)對(duì)輸入弧上的權(quán)值、變遷置信度和節(jié)點(diǎn)閾值進(jìn)行優(yōu)化，從而使參數(shù)接近期望目標(biāo)值：

w_ix(k+1)＝w_ix(k)-η·dE/dw_ix (6)

u_i(k+1)＝u_i(k)-η·dE/du_i (7)

λ_i(k+1)＝λ_i(k)-η·dE/dλ_i (8)

e3返回步驟e1，直到誤差允許值滿足小于等于0.001要求為止。

f將優(yōu)化后的權(quán)值、閾值和置信度參數(shù)作為最終的故障診斷模型運(yùn)行參數(shù)。

當(dāng)然，以上說(shuō)明僅僅為本發(fā)明的較佳實(shí)施例，本發(fā)明并不限于列舉上述實(shí)施例，應(yīng)當(dāng)說(shuō)明的是，任何熟悉本領(lǐng)域的技術(shù)人員在本說(shuō)明書的教導(dǎo)下，所做出的所有等同替代、明顯變形形式，均落在本說(shuō)明書的實(shí)質(zhì)范圍之內(nèi)，理應(yīng)受到本發(fā)明的保護(hù)。