基于神经网络的提升机制动系统故障诊断技术与方法

摘要

提升机是矿井的“咽喉”和大型关键设备。目前为止，我国矿业生产由于提升设备制动系统故障而发生重大事故的很多，已造成了巨大的经济损失和人员伤亡。当前故障诊断技术一个重要的特征是与具体工程技术领域的结合比以往更加紧密，更加注重解决实际问题和坚持预防故障为主的方针，从而确保工程系统的安全性与可靠性。现代诊断技术与方法解决工程实际问题有两个发展方向：一是计算机诊断辅助决策支持系统。制动系统故障神经网络专家诊断系统(NNEDS，Neural Network Expert Diagnosis System)正是神经网络、计算机、专家系统的故障树分析等技术融合而成的神经网络计算机辅助诊断决策系统；二是用于构成实时状态监测系统，或者进而实现高性能的自控系统。制动力矩自组织神经模糊控制器(NNSOC，Neural Network Fuzzy Self-organizing Controller)正是这种恒减速自控系统。当提升机负载变化或其它突发事件发生时，恒减速NNSOC可使制动时减速度恒定，对系统冲击量最小、制动故障大大地降低。本研究主要内容如下：
　　 ⑴用故障树分析法(FTA，Fault Tree Analysis)分析了制动系统故障机理。再根据制动系统FTA，提出了制动系统在线监测诊断的方法和搭建了提升机试验台。用试验台在线监测了制动系统工况性能参数，并给出了诊断结果。监测结果分别为制动系统NNEDS故障诊断、恒减速NNSOC设计提供了故障数据样本和控制精度的仿真数据。利用最小割集故障树(MCSFT，Minimum Cut Set Fault Tree)和计算机对制动系统电路触点故障进行了电路触点可靠性分析，找出电路触点结构性故障薄弱环节并设置故障监测点就能迅速经济地查明提升机的频发电气故障的原因，提高提升效率；
　　 ⑵用神经网络多种算法与网络结构分别对故障诊断样本、制动力矩神经模糊控制样本进行诊断性能、神经模糊控制性能对比实验，得出了神经网络故障诊断和神经模糊控制的神经网络最佳智能算法(智能算法trainlm、traingdx分别是故障诊断、神经模糊控制的最佳算法)与结构优化设计的理论方法；神经网络算法与结构设计理论方法不仅是本课题的基础性研究，而且对其它类型的故障诊断和自适应故障控制寻找最佳网络算法与最佳结构将提供理论依据；
　　 ⑶因制动系统表征故障症兆的变量多，其诊断比较棘手。软故障往往是硬故障的先兆，因此对制动系统软故障的及时预报和诊断是提升机故障诊断特点和难点。结合领域专家的经验知识，根据制动系统故障树和试验提升机在线监测数据，完成了制动系统故障样本的设计,用制动系统NNEDS的SOM网络对制动系统的7种故障模式进行了分类，成功实现了第一层次的诊断；同样用BP网络、Elman网络对制动系统子液压站的故障样本进行了第二层次的诊断，确定了故障原因、程度。液压站故障诊断测试结果表明：BP网络、Elman网络结构、输入、输出能满足NNEDS故障诊断与预测的要求；
　　 ⑷论述了NNSOC恒减速控制原理和设计方法，并进行了试验提升机的恒减速NNSOC、FC控制精度的仿真。NNSOC采用BP网络最佳智能算法与最佳网络结构仿真控制试验提升机的恒减速精度。仿真精度表明：NNSOC的响应特性能智能地保证提升机实行恒减速制动，且NNSOC恒减速控制精度比传统的闭环、PID、FC恒减速控制精度要高。