基于神经网络的电气设备故障智能自诊断系统研究应用.pdf

2023 年 10 月Oct.,2023doi：10.3969/j.issn.1672-9943.2023.05.012基于神经网络的电气设备故障智能自诊断系统研究应用（郑州轨道工程职业学院，河南 郑州 450001）摘要 针对目前工矿企业电气设备检修周期频繁和预防性实验项目过多而造成的过度维修、发现故障滞后、排除故障不及时等问题，设计了一种电气设备故障智能自诊断系统。该系统基于传感器技术、信号处理技术、神经网络故障诊断技术、云平台技术，其研究成果被工矿企业广泛应用。结果表明，该方法实现了电气设备预知性维修的目标，保障了矿井安全生产。关键词 工矿企业；电气设备；故障自诊断；神经网络；云平台中图分类号 TM507文献标识码 A文章编号1672蛳9943（2023）05蛳0039蛳031技术背景在煤矿生产过程中，电气设备是最基本的设备。由于矿井的工作环境较为复杂，空气湿度及粉尘浓度较大，电气设备长期处于潮湿恶劣的环境中，其性能将会受到严重的影响，极易产生故障。调查数据表明，煤炭企业近 1/3 电网事故的直接起因是电气设备故障损坏所造成的，而由设备故障直接引发的电网事故占事故总量的 32.3%，可见降低电气设备故障率、提高电气设备的运行可靠性是保证工矿企业安全运行的关键咱员暂。目前，工矿企业保障电气设备安全运行的主要途径是，通过事后修理排除设备故障和通过定期、不定期地检修来掌握设备的运行状态，发现设备缺陷。然而，定期检修、停产检修和预防性实验存在着很多弊端，比如检修周期频繁、预防性实验项目过多、过度维修或维修不足、预防性实验条件与实际运行工况不同等问题咱2-3暂。我国工矿企业设备管理与检修方式的发展主要经历了事后修理 BM（Breakdown Maintenance）、定期检修 TBM（Time Based Maintenance）和预知性维修 PdM（Predictive Maintenance）3 个阶段咱源暂。其中，预知性维修是指在设备未发生故障或尚未造成损坏前，通过对设备的系统性检查、测试和维修，使其消除隐患保持在规定状态所进行的检修。预知性维修是工矿企业电气设备最理想的维修方式之一，其可以大大减少机器停机时间和消除不必要的维护。但因受设备技术条件限制，目前许多工矿企业还无法完全实现预知性维修。因此，实现电气设备故障智能在线检测和诊断分析，从而判断电气设备异常对于确保工矿企业安全生产至关重要。2电气设备故障自诊断系统的构成电气设备故障自诊断系统主要由故障信号采集系统、故障智能自诊断系统和云端监控平台系统构成。该系统包含现场硬件层、逻辑判断层和管理监控层。电气设备故障智能自诊断装置系统如图 1所示。图 1电气设备故障智能自诊断装置系统该系统通过现场硬件层中的故障信号采集系统采集设备运行特性参数指标，将采集到的电气设备状态特性信息送入基于 BP 神经网络的逻辑判断层进行逻辑判断，并得出故障的严重程度、位置和类型等结果信息，然后将这些信息传输至云监控平台。技术人员通过云监控平台可实现对电气设备的运行状态进行健康诊断、不间断进行隐患排查，一旦发现隐患点自动发出故障预警，提醒设备维护人员及时检修。依靠该系统，可实现电气设备预知性维修的目标。2.1故障信号采集系统现场硬件层逻辑判断层监控管理层故障信号采集系统故障智能自诊断系统云端监控平台系统采集A/D逻辑判断诊断结果电气设备运行信号采集传感器数据预处理器故障诊断云监控平台基金项目：河 南 省 高 等 学 校 重 点 科 研 项 目 计 划 支 持（23B470007）能 源 技 术 与 管 理Energy Technology and Management2023 年第 48 卷第 5 期Vol.48 No.5392023 年 10 月Oct.,2023故障信号采集系统主要由 1 套通用型故障自诊断硬件装置组成，包括温度传感器、湿度传感器、弧光检测传感器、震动传感器、触点检测装置、A/D转换模块、视觉检测装置、视觉分析模块、数据采集模块。通用型故障自诊断硬件装置安装在电气设备内部，从电气设备控制回路取 DC 36V 作为其电源。故障信号采集系统如图 2 所示。图 2故障信号采集系统煤矿电气设备在运行过程中有许多特性参数，如电压、电流、孤光、温度、湿度、动导杆位移以及振动等。当设备异常或存在潜在故障时，通常会表现为某个或几个参数出现异常。该装置的设计思路是通过检测特征参数指标，对设备运行状态进行健康诊断。例如，在易发生热量积累的旋转或传动部件处设置温度传感器，并实时监测相关部件的温度。如果电气设备的工作温度超过正常工作温度，就意味着存在异常情况。又如，设备正常工作时的振动数据通常具有一定的特征值，这些值具有一定的规律性，如果实际振动数据的特征量与正常工作数据不符，就说明设备可能存在异常或潜在故障。故障信号采集系统通过硬件设备捕获电气设备工作时产生的模拟信号或每个触点的电平信号，随后将获取信号进行放大、滤波和 A/D 转换等处理，以实现对故障信号的采集，对不同类型的信号进行分类，提取其数据特征值，通过无线传输或有线传输的方式传输，将提取到的电气设备状态特征信息送入 BP 神经网络模型进行逻辑判断。2.2故障智能自诊断系统传统的电气故障诊断方法包括故障字典法、故障参数识别法和故障验证法。然而，它们的抗干扰能力较差、实用性不强，难以满足科技发展的要求而逐渐被淘汰。BP、RBF、SUM 和 ART 等神经网络是目前用于故障诊断的主要方法。其中 BP 神经网络是电路故障诊断中最常用的方法，因其具有结构简单、操作易用等优点而备受瞩目。本设计是基于 BP 神经网络故障诊断方法设计的一种智能网络程序，其核心是一个含有电气设备故障数据信息库的专业程序系统，通过运行参数以及故障之间的逻辑运算关系，结合数据特征值判断，以确定故障的严重程度、位置和类型等信息。其系统构架如图 3 所示。图 3BP 神经网络故障诊断系统通过图 3 可以清楚地看到故障智能自诊断子系统的总体结构和其组成模块。各个组成模块共同协调作用，来完成故障诊断子系统对采集的现场数据进行诊断的功能。系统中各个模块的功能如下：（1）数据采集模块。该模块用以从传感器中提取电气设备特征数据。（2）故障诊断网络模型模块。该模块是故障诊断子系统的核心，其包括数据预处理模块、故障诊断模块和结果处理模块 3 部分。本质上，该模块建立了现场采集数据与故障类型之间的一种映射关系。（3）数据预处理模块。数据预处理模块是故障诊断子系统的基础模块之一，其首要任务是对传感器或出点装置采集的电气设备故障征兆参数ai进行模糊化处理，作为即神经网络诊断模块的输入量。（4）故障诊断模块。该模块由故障诊断逻辑算法和故障数据学习 2 个部分组成。通过对数据预处理模块模糊化处理过的输入量进行逻辑运算，运算结果yk作为诊断结果。同时可将现采集的电气设备特性参数作为故障诊断模块的训练样本进行再学习，从而提高故障诊断的准确率。故障诊断的逻辑算法处理如下：假设 BP 网络输入层有M个节点，输出层有L个节点，隐含层有N个节点，用ai（i=1，2，M）表示不同的故障征兆，yk（k=1，2，L）表示输出的结论。逻辑程序可表示为：IFai=（1，0，0）THENyk=（0，1，0）式中：ai表示某一输入征兆模式，其输入值代表模糊化处理后的传感器或出点装置采集到征兆马文超基于神经网络的电气设备故障智能自诊断系统研究应用温度传感器湿度传感器弧光检测装置振动传感器触点检测装置视觉检测装置视觉分析模块数据采集模块A/D转换模块数据采集模块BP 神经网络故障诊断网络模型数据预处理故障诊断结果处理模糊化处理样本学习数据诊断结果保存结果输出402023 年 10 月Oct.,2023发生的可能性（01）；yk表示某一输出故障模式，其输出值代表故障发生的可能性度量（01），实际中取不到 0 和 1，一般为 0.1 和 0.9。调入电气设备故障的数据信息库，输入各项故障征兆值a1，a2，aM；根据公式（1）计算隐含层神经元的输出Ni，根据公式（2）计算输出层神经元的输出yi。Ni=11+e-j=1Mwij-兹i（i=1，2，N）（1）yi=11+e-j=1Nwij-兹i（i=1，2，L）（2）式中：wij表示神经元第i个节点到第j个节点的权值，兹i表示神经元第i个节点的阈值。由给定的法则判定输出神经元的输出，对可能出现的故障情况用隶属函数度的形式来表示，如表1 所示。表 1各故障相对应的隶属度（5）结果处理模块。该模型主要对诊断结果进行处理，并将诊断结果传输至监控上位机。2.3云端监控平台系统本设计研究开发了电气设备云端综合监控平台和手机监控平台，实现电气设备的运行状态、工作参数、故障信息、历史参数等实时显示功能。系统采用 DDE 协议实现上位机服务器与故障诊断子系统的通讯，实现系统之间的数据交互并上传至云端，为设备建立电气设备全生命周期数据库提供平台基础。设备维护人员通过手机监控平台可以随时随地查看设备运行信息和接收设备故障预警信息，更加科学地安排设备检修计划和检修内容。电气设备云端监控平台上位机模拟界面如图4 所示。图 4 中记录了某矿 2#高压防爆开关断相故障诊断功能。现场数据栏为 2#高压防爆开关的三相电压值和电流值，诊断结果栏中数值代表断相故障发生的可信度，其中大于 0.9 表示故障程度为很有可能（T1），小于 0.05 表示故障程度为不可能（T4）。2022-06-20T16:11，高压防爆开关C相故障诊断结果为 0.9，系统判定为 T1 故障，系统发出故障报警提示。此时C相电压实际测量值为 0 伏，表明诊断结果和实际情况一致，故障诊断结果符合预期情况。故障程度隶属度很有可能（T1）0.9有可能（T2）0.6偶尔（T3）0.4不可能（T4）0.05图 4电气设备云端监控平台上位机界面3实施后效果评价3.1经济效益电气设备故障智能自诊断系统的实施，为实现电气设备的预知性维修创造了技术条件。在保障安全生产的提前下，电气设备过维修与欠维修的问题在工矿企业得到了相应遏制。项目的实施大大减少了电气设备的检修费用和人工成本的投入，同时降低了因电气设备故障造成的经济损失，助力企业降本增效，提高企业的市场竞争力。项目在河南某煤矿实施后，预计每年可为企业节约因预防性试验和设备检修不及时，故障损坏配件的维修物料费用 32 万元，节约因检修产生的人工费用 0.8 万元/（台/a），可减少因设备故障停产给企业带来的损失约 85 万元，具体如表 2 所示。（下转第 50 页）2022-06-20T15:472022-06-20T16:012022-06-20T16:11能 源 技 术 与 管 理Energy Technology and Management2023 年第 48 卷第 5 期Vol.48 No.5A相电压 B相电压 C相电压 A相电流 B相电流 C相电流ABCG2022-06-20T15:40A 相断相故障反馈B 相断相故障反馈C 相断相故障反馈412023 年 10 月Oct.,2023作面正常生产的情况下，高位抽采巷抽采瓦斯纯量与回风流瓦斯浓度、风排瓦斯量、回风隅角瓦斯浓度呈现反向趋势，即随着高位抽采巷抽采瓦斯纯量的增加，回风流瓦斯浓度、风排瓦斯量、回风隅角瓦斯浓度呈下降趋势。这说明，在抽采负压的作用下，高位抽采巷抽采的采空区瓦斯，改变了综采工作面采空区瓦斯流场，使综采工作面采空区及邻近层的瓦斯通过裂隙通道流向高位抽采巷，减少了采空区瓦斯向综采工作面及其回风流、回风隅角的涌出。己15-17-12120 综采工作面回风隅角瓦斯浓度保持在 0.36%左右，回风流瓦斯浓度保持在 0.19%左右，风排瓦斯量保持在 4.59 m3/min 左右，分别下降了56.10%、63.46%、65.51%，避免了综采工作面瓦斯超限事故的发生。5结论通过对己15-17-12120 综采工作面生产期间走向高位抽采巷抽采采空区瓦斯效果分析，以及与回风顺槽回风流瓦斯浓度、风排瓦斯量、回风隅角瓦斯浓度对比分析可知，当采空区与高位抽采巷通过裂隙连通后，高浓度瓦斯在抽采负压的作用下，通过高位抽采巷排出采空区，且抽采瓦斯浓度、抽采瓦斯纯量比较稳定，从而减少了采空区瓦斯向综采工作面的涌出，回风顺槽回风流瓦斯浓度、风排瓦斯量、回风隅角瓦斯浓度明显下降，维持在较低水平，解决了综采工作面生产期间回风流、回风隅角瓦斯治理难题，杜绝了瓦斯超限事故，提高了综采工作面生产安全系数。参考文献1周卫金，刘书杰.井筒煤与瓦斯突出的地面预注浆法治理 J.采矿技术，2014（2）：63-64.2 刘海瑞，郭魏魏.低透气三软煤层瓦斯综合治理技术研究 J.中州煤炭，2012（3）：85-87.3 刘洋.高瓦斯矿井采空区大直径高位钻孔瓦斯抽采技术研究 D.太原：太原理工大学，2013.4 秦伟.地面钻井抽采老采空区瓦斯的理论与应用研究 D.徐州：中国矿业大学，2013.作者简介谢长帅（1987-），男，工程师，工程硕士，毕业于中国矿业大学（北京）安全工程专业，长期从事矿井瓦斯防治方面的研究工作。收稿日期：2023-02-27（上接第 41 页）表 2某矿电气设备故障智能自诊断系统使用后经济指标评价3.2社会效益（1）基于 BP 神经网络的电气设备故障自诊断综合系统的应用，使预知性维修维护成为新常态，企业对设备的管理能力进一步加强，预判设备隐患，提前维修或更换部件，减少不安全事件的发生，保障企业可持续发展。（2）本项目的实施，大大提高了工矿企业电气设备运行状况监测与故障诊断水平，同时为将故障诊断技术、信息化技术融入到电气设备制造当中起到了示范作用。提升了煤矿传统电气设备科技含量和产品附加值，增强了电气设备制造业的竞争力。4结论本项目的实施有效解决了工矿企业电气设备检修周期频繁、过度维修、发现故障滞后和排除故障不及时等问题，提升了工矿企业电气设备科技含量和产品附加值，增强了电气设备制造业的竞争力。在工矿企业应用的成果表明，系统实现了电气设备预知性维修的目标，为企业的安全生产提供了保障，同时节约了人力、物力和时间成本，预期效果比较理想。参考文献1汪洋.机电设备故障智能诊断技术研究 J.赤峰学院学报（自然科学版），2021，37（8）：34-37.2梁德海.电气设备控制线路故障诊断及维修 J.电力系统装备，2021（6）：82-83.3刘家国.基于神经网络的电气自动化设备故障智能检测方法 J.电工技术，2021（4）：36-37.4尹治邦.人工智能在电气设备故障诊断中的应用 J.现代制造技术与装备，2021，57（2）：185-186.作者简介马文超（1983-），男，矿山机电工程师，讲师，硕士，毕业于河南理工大学控制工程专业，长期从事矿山机电设备管理工作。收稿日期：2023-03-30项目实施前实施后减少损失维修物料费用326 万元/a294 万元/a32 万元/a设备检修工时132 工时/（台/a）92 工时/（台/a）0.8 万元/（台/a）故障停产时长283 h/a62 h/a85 万元/a能 源 技 术 与 管 理Energy Technology and Management2023 年第 48 卷第 5 期Vol.48 No.550