采煤机液压故障诊断系统设计
来源:用户上传
作者:
摘 要： 为了及时、有效地对采煤机液压故障诊断提供支持，采用本体技术对液压系统故障知识建模，结合模糊推理设计采煤机液压故障诊断系统，通过故障案例验证系统诊断的准确性，对采煤机液压故障诊断技术有着一定的参考、促进作用。
关键词： 液压系统; 本体技术; 模糊推理; 故障诊断
Abstract： In order to support the fault diagnosis of shearer hydraulic system in time and effectively， the fault knowledge of the hydraulic system is modeled by the ontology technology， and a fault diagnosis system for shearer hydraulic system is designed by combining with the fuzzy reasoning. The accuracy of the diagnosis system is verified by the hydraulic fault cases， which has a certain reference and promotion effect on the hydraulic fault diagnosis technology of shearer.
0 引言
采煤機作为煤碳开采的关键设备，因其工作环境存在空气潮湿、煤碳粉尘等杂质多、腐蚀性气体含量高的恶劣状况[1]，在运行时容易受到煤、岩石等外部因素的冲击，煤矿企业为了保证效益，采煤机还需要长时间、超负荷工作等情况都促使采煤机发生故障的可能性较高，而液压系统是采煤机所有系统中故障发生率最高的子系统，同时迅速高效地找出故障点、分析故障原因也较为困难，如不及时排除故障就影响煤矿生产，甚至引起安全事故，带来更大的损失[2]。为了在故障发生时及时有效解决，需要液压故障诊断系统的帮助，对故障进行诊断，为维修提供技术支持。
1 液压系统故障知识模型构建
采煤机液压系统由液压泵，摇臂调高油缸，换向阀组件、液压控制阀、电磁阀组件等控制阀，吸油、空气等过滤器，管路、压力表及油箱等组成。因矿井中环境较差，液压系统发生故障的可能性大大增加，且原因复杂，具体故障知识见表1[3]。
故障诊断系统中专家知识的表达，关系到推理机的设计与推理效率、知识库维护便利性和知识的重用性、共享性。本体作为一种知识表示方法，它表达了知识概念的结构、概念之间的关系等固有特征，在本体中概念即为该领域内已被普遍认同的知识，使用本体进行知识表示，能够达到知识的共享及唯一[5]，使用本体对专家知识建模，根据采煤机液压系统的组成结构与故障原理，推断故障之间的知识逻辑，得出故障现象与原因及解决方案间的内在联系。利用MySQL数据库存储本体知识，采用SWRL规则语言进行采煤机故障知识模型的构建。
SWRL规则语言主要由head与body构成，其中body表示单个或多个推理条件，head表示推理得到的结论，且结论具有唯一性，即SWRL规则可由若干个条件一起组成推理条件，但最终结论只有一个。按head和body构成SWRL的规则语言格式为：
从上述简单的规则中可知SWRL规则能够与本体相结合，表现出强大的语义逻辑推理能力，以“牵引速度低于0.5m/min，管路无泄漏，流量正常”时，认为“过滤器堵塞”为例，建立SWRL推理规则，如下所示：
随着采煤机液压故障诊断系统不断开发，其知识规则也将不断地被更新与补充，根据需要做出修改与完善，以保证系统推理的准确性。
2 采煤机液压故障诊断系统设计
采煤机液压故障原因具有不确定性、模糊性特征，不能简单地用“是这个原因”或“不是这个原因”进行表达。而模糊推理非常适合解决不确定性，模糊性的问题。模糊专家系统通过逻辑推理模拟领域专家的思维，采煤机液压故障诊断系统基于系统中存储的专家知识经验等数据，使用模糊推理方法来模拟专家的思维与判断，进而诊断故障。系统的核心是故障知识推理，根据液压系统的知识库，利用故障现象和故障规则的匹配度完成故障匹配[4]。参考专家系统的一般组成结构，以及采煤机液压故障诊断系统的需要，系统的结构组成如图1所示。
采煤机液压知识库、模糊推理机和人机界面等组成了故障诊断系统。采煤机液压知识库存储着该领域专家、技术人员等知识与经验信息，知识库包含规则库和本体库，知识库就是一个数据库，存储着本体库、规则库中的知识和运行过程中产生的数据。模糊推理机是诊断系统的核心，它以知识库中一定的规则信息、故障现象作为依据，在模糊推理策略作用下进行推理，根据系统知识库中保存的故障现象和规则数据，基于模糊推理的策略来推理，得出故障匹配原因及相应的解决方法。信息解释是人机界面和与后台运行文件的桥梁，信息解释负责将推理的结果信息转化为用户可理解的信息，还负责将该领域专家知识和相关知识转化为系统可识别的信息。人机界面是使用者与系统操作交互的媒介，如知识工程师、领域专家等用户使用该平台录入或修改相关数据，比如添加、修改、删除规则等。
模糊推理是基于规则的不确定性推理方法，根据模糊推理的算法导出结果，它的前件与结果都具有一定的模糊性，与知识库中SWRL规则对应的模糊推理规则如下：
模糊矩阵R经过模糊推理得到模糊结论，它是一个模糊子集，通过对诊断结果进行去模糊化处理，变成精确信息供用户使用，去模糊化处理主要采用最大隶属度法以及重心法。最大隶属度法先确定隶属度向量中隶属度最大的那一项，那么这一项便是液压系统出现故障的原因，该方法计算方便、实时性好，更适合隶属度数值相差较大的情况。最大隶属度法数学表达式为： 在隶属度数值间的差距不大时，则使用重心法来确定较为接近的录属度值，以便找出液压系统故障的主要原因，尽可能地提高诊断的准确性，减少误判。重心法数学表达式如⑻所示。
3 液压系统故障诊断系统实现
采煤机液压故障诊断系统主要功能是实现采煤机液压系统出现的故障时，以知识库、规则库为依托，推理机为核心，通过模糊算法推理得出故障诊断结果。该系统由故障诊断、数据库、系统维护、用户等几个主要模块组成。诊断系统流程如图2所示。
以“牵引速度低于0.5m/min、管路无泄漏、流量正常” 故障现象进行模糊推理，经过求解隶属度函数、征兆去模糊化处理，推理得出牵引速度低的原因可能是过滤器堵塞，或者是液压马达泄漏，或者是液压泵泄漏。结合专家评价牵引速度低、管路无泄漏、流量正常时，过滤器堵塞为故障原因的隶属度最高，得出过滤器堵塞为故障原因的可能性较大。使用故障诊断系统进行验证，故障诊断系统经过模糊推理，诊断后界面如图3所示。系统给出故障结论与案列故障是一致的，验证了该系统模型的正确性。
4 结论
采煤机在煤矿作业中起着举足轻重的作用，煤矿作业中的安全生产需要确保它安全无故障地运行。采煤机液压故障复杂、多变，不易被发现。从故障的知识规则出发建立故障知识构建本体模型，利用本体技术与模糊推理相结合的故障诊断模式，可以提高了采煤机故障诊断的效率。但本体的数量、质量决定了系统运行的效率、速度。液压系统故障多样，知识库需要不断的补充、更新，以适应故障诊断的需要。
参考文献（References）：
[1] 史洪松.采煤机液压故障检测研究与应用[[J].煤矿机械，2019.40（2）：139-141
[2] 谢国民，王灿祥，佟莹.采煤机电动机故障诊断专家系统的研究与应用[J].信息与控制，2013.3：358-363
[3] 張荣华.基于本体的采煤机故障诊断专家系统研究[D].山东科技大学，2017.
[4] 陈劲松.基于模糊逻辑的煤矿机械系统故障诊断[J].煤矿机械，2012.8：255-257
[5] 张冬明，牛占文，赵楠等.基于本体的产品设计知识表示方法[J].计算机应用，2012.1：206-209
[6] 修春波.人工智能技术[M].机械工业出版社，2018.
转载注明来源:https://www.xzbu.com/8/view-15229028.htm
