公茂法,　柳巖妮,　王來河,　張超,　侯林源

(山東科技大學(xué) 電氣與自動(dòng)化工程學(xué)院, 山東 青島　266590)

?

基于優(yōu)化模糊Petri網(wǎng)的礦井提升機(jī)故障診斷

公茂法,柳巖妮,王來河,張超,侯林源

(山東科技大學(xué) 電氣與自動(dòng)化工程學(xué)院, 山東 青島266590)

摘要：為提高礦井提升機(jī)故障診斷的準(zhǔn)確率，提出了一種基于優(yōu)化模糊Petri網(wǎng)的礦井提升機(jī)故障診斷新方法。該方法首先利用動(dòng)量BP網(wǎng)絡(luò)對(duì)模糊Petri網(wǎng)的權(quán)值、閾值和可信度參數(shù)進(jìn)行優(yōu)化，然后使用優(yōu)化好的模糊Petri網(wǎng)模型對(duì)礦井提升機(jī)進(jìn)行故障診斷。測試結(jié)果表明,該方法對(duì)參數(shù)優(yōu)化收斂速度快，故障診斷結(jié)果正確率高，有一定的實(shí)用價(jià)值。

關(guān)鍵詞：礦井提升機(jī)； 故障診斷； 模糊Petri網(wǎng)； 動(dòng)量BP網(wǎng)絡(luò)

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160705.1501.012.html

0引言

礦井提升機(jī)是煤礦生產(chǎn)的重要設(shè)備，其可靠性是礦井安全生產(chǎn)的重要保證。目前,國內(nèi)外有關(guān)提升機(jī)故障診斷的方法有基于模糊理論的方法[1]、基于小波分析的方法和基于人工神經(jīng)網(wǎng)絡(luò)的方法[2-4]等。參考文獻(xiàn)[1]采用模糊理論方法有效地解決了由于礦井提升機(jī)設(shè)備系統(tǒng)知識(shí)的模糊性所造成的不確定性問題，但該方法存在推理效率低和精度較差的問題；參考文獻(xiàn)[5]將BP神經(jīng)網(wǎng)絡(luò)引入到礦井提升機(jī)故障診斷中，通過3層網(wǎng)絡(luò)形式實(shí)現(xiàn)非線性的輸入、輸出關(guān)系，得到故障模式識(shí)別的收斂解，但BP神經(jīng)網(wǎng)絡(luò)收斂速度較慢，易陷入局部極值，自學(xué)時(shí)間長，對(duì)診斷結(jié)果有很大的影響。參考文獻(xiàn)[6]提出了一種基于模糊產(chǎn)生規(guī)則的Petri網(wǎng)(Fuzzy Petri Networks, FPN)故障診斷新方法,該方法運(yùn)用了模糊Petri網(wǎng)的圖形描述能力和模糊推理能力來進(jìn)行故障診斷，但由于模糊Petri網(wǎng)的自學(xué)能力差，無法對(duì)權(quán)值、閾值、可信度等參數(shù)進(jìn)行學(xué)習(xí)和訓(xùn)練優(yōu)化，使得推理結(jié)果存在誤差。針對(duì)以上方法存在的問題，本文提出了一種基于動(dòng)量BP網(wǎng)絡(luò)(Momentum Back Propagation Networks, MBPN)優(yōu)化的模糊Petri網(wǎng)算法的提升機(jī)故障診斷新方法。該方法在模糊Petri模型中引入了動(dòng)量BP網(wǎng)絡(luò)，可通過誤差反傳調(diào)整參數(shù)，從而使參數(shù)接近實(shí)際值，提高了礦井提升機(jī)故障診斷的正確率。

1模糊Petri網(wǎng)模型及算法

1.1模糊Petri網(wǎng)定義

模糊Petri網(wǎng)[7]最先由CHEN S等把模糊知識(shí)表示和推理引入到Petri網(wǎng)時(shí)提出，后來得到推廣使用。本文中所使用的模糊Petri網(wǎng)結(jié)構(gòu)是單層單指向的[8]，不包含中間庫所，只有輸入庫所和輸出庫所，且每個(gè)變遷只對(duì)應(yīng)一個(gè)輸出庫所。其定義如下：

定義1一個(gè)FPN為一個(gè)十元組：

(1)

式中：P={p1,p2,…,pn}，表示庫所節(jié)點(diǎn)的有限集合；T={t1,t2,…,tn}，表示變遷節(jié)點(diǎn)的有限集合；D={d1,d2,…,dn}，表示命題的有限集合；I(O):T→P∞，是輸入(輸出)函數(shù)，反映變遷到庫所的映射；M:P→[0,1]，是一個(gè)映射，每個(gè)庫所節(jié)點(diǎn)pi∈P(i=1,2,…,n)有一個(gè)標(biāo)記值M(pi)；H:T→[0,1]，H(ti)為變遷ti(ti∈T)的閾值；W={w1,w2,…,wn}，表示規(guī)則權(quán)值集合，反映規(guī)則中前提條件對(duì)結(jié)論的支持程度；f:T→[0,1]，定義規(guī)則的可信度為f(t)=λ；α:P→D，表示庫所節(jié)點(diǎn)與命題的對(duì)應(yīng)關(guān)系。

定義2對(duì)于任意變遷t，若它的所有輸入庫所的標(biāo)記值與相應(yīng)輸入弧上的權(quán)值之積的和大于或等于變遷的閾值，則變遷t使能。

定義3使能的變遷可以點(diǎn)燃。當(dāng)變遷t點(diǎn)燃時(shí)，它的輸入庫所中的標(biāo)記值不改變，且向輸出庫所pj傳送新的標(biāo)記值：

(2)

1.2模糊推理算法

本文使用動(dòng)量BP網(wǎng)絡(luò)對(duì)模糊Petri網(wǎng)參數(shù)進(jìn)行優(yōu)化，動(dòng)量BP網(wǎng)絡(luò)運(yùn)用誤差反傳推理結(jié)構(gòu)，主要是使用一階求導(dǎo)，為了保證其連續(xù)性，在這里使用S型函數(shù)建立變遷點(diǎn)燃連續(xù)函數(shù)，提出了模糊Petri網(wǎng)模型中的模糊推理算法。S型函數(shù)表示如下：

(3)

只有當(dāng)b足夠大時(shí)，式(3)才成立，本文取b=1 000。

由S型函數(shù)構(gòu)造變遷點(diǎn)燃連續(xù)函數(shù)：

(4)

根據(jù)定義2可得，當(dāng)x≥H(ti)時(shí)，變遷t使能。由定義3可得，使能的變遷t可以點(diǎn)燃，對(duì)輸出庫所傳送的標(biāo)記值為z(x)；當(dāng)x≤H(ti)時(shí)，變遷t不使能,即變遷不能點(diǎn)燃，對(duì)輸出庫所傳送的標(biāo)記值為0。

2模糊Petri網(wǎng)的學(xué)習(xí)和訓(xùn)練

2.1模糊Petri網(wǎng)的優(yōu)化

由于模糊Petri網(wǎng)模型中，參數(shù)往往具有經(jīng)驗(yàn)性限制，本文將反向遞推的動(dòng)量BP網(wǎng)絡(luò)應(yīng)用到模糊Petri網(wǎng)模型中。通過誤差反傳對(duì)樣本參數(shù)進(jìn)行訓(xùn)練，從而得到較為真實(shí)的閾值、權(quán)值和可信度參數(shù)。

模糊Petri網(wǎng)模型是以每個(gè)變遷為中心，用誤差反傳計(jì)算一階梯度[9]的方法設(shè)計(jì)調(diào)整參數(shù)的學(xué)習(xí)算法。構(gòu)造誤差代價(jià)函數(shù)為

(5)

誤差代價(jià)函數(shù)E對(duì)權(quán)值求一階梯度公式如下：

(6)

(7)

同理，可以得到閾值(λ)和可信度(μ)參數(shù)的一階梯度公式：

(8)

(9)

在求得一階梯度后，給出每個(gè)變遷ti參數(shù)調(diào)整的學(xué)習(xí)算法，得到動(dòng)量BP網(wǎng)絡(luò)的參數(shù)調(diào)整遞推公式(式(10)—式(12))。其中，β為動(dòng)量因子，η為學(xué)習(xí)率，k為訓(xùn)練次數(shù)。

(10)

(11)

(12)

2.2模糊Petri網(wǎng)模型學(xué)習(xí)和訓(xùn)練步驟

模糊Petri網(wǎng)模型學(xué)習(xí)和訓(xùn)練步驟如下：

Step1:對(duì)閾值λ、權(quán)值w和可信度μ三個(gè)需要學(xué)習(xí)的參數(shù)賦初值，設(shè)定誤差代價(jià)函數(shù)的預(yù)期值為ε。

Step2:對(duì)r批樣本數(shù)據(jù)，根據(jù)定義3和連續(xù)函數(shù)公式(3)點(diǎn)燃ti中的所有變遷。

Step3:計(jì)算誤差代價(jià)函數(shù)E，若E<ε，結(jié)束學(xué)習(xí)；否則，繼續(xù)下一步。

Step4:運(yùn)用動(dòng)量BP算法對(duì)模糊Pteri網(wǎng)結(jié)構(gòu)中的閾值、權(quán)值和可信度參數(shù)進(jìn)行學(xué)習(xí)訓(xùn)練，然后返回Step2。

3礦井提升機(jī)故障診斷

3.1模型建立

礦井提升機(jī)系統(tǒng)的主要設(shè)備包括液壓站、減速器、制動(dòng)器等，本文以礦井提升機(jī)的液壓站系統(tǒng)故障診斷為例，建立模糊Petri網(wǎng)模型進(jìn)行測試。礦井提升機(jī)液壓站可為盤式制動(dòng)器提供不同油壓值的壓力油，以獲得不同的制動(dòng)力矩，從而使其正常工作。所以，本文選用液壓站合閘時(shí)的壓力和間隙、敞閘時(shí)的殘壓和間隙及油溫5個(gè)主要參數(shù)作為特征量，形成輸入庫所p1—p5，對(duì)應(yīng)專家系統(tǒng)中的命題d1—d5。液壓站的正常運(yùn)行、合閘壓力過小、合閘間隙過大、油溫過高、敞閘間隙過大、敞閘殘壓過大6種常見故障狀態(tài)組成網(wǎng)絡(luò)的輸出庫所p6—p11，對(duì)應(yīng)命題為d6—d11。通過數(shù)據(jù)搜集，從中選取30組最具代表性的數(shù)據(jù)做測試分析。根據(jù)所選的樣本數(shù)據(jù)，構(gòu)建液壓站系統(tǒng)的模糊Petri網(wǎng)結(jié)構(gòu)，如圖1所示。

圖1　提升機(jī)液壓站系統(tǒng)的模糊Petri網(wǎng)結(jié)構(gòu)

根據(jù)建立的模糊Petri網(wǎng)結(jié)構(gòu)，定義提升機(jī)液壓站系統(tǒng)的模糊產(chǎn)生式規(guī)則，見表1。

表1　提升機(jī)液壓站系統(tǒng)的模糊產(chǎn)生式規(guī)則

3.2實(shí)例分析

通過Matlab對(duì)所建立的模糊Petri網(wǎng)模型按照2.2節(jié)中步驟進(jìn)行編程仿真，經(jīng)過45次學(xué)習(xí)訓(xùn)練，誤差代價(jià)函數(shù)E首次小于預(yù)期值，學(xué)習(xí)結(jié)束。由于參數(shù)較多，下面隨機(jī)選取部分參數(shù)做相關(guān)分析。部分參數(shù)收斂數(shù)據(jù)見表2，權(quán)值w和可信度μ的收斂曲線分別如圖2和圖3所示。

表2　部分參數(shù)收斂數(shù)據(jù)

圖2　權(quán)值收斂曲線

圖3　可信度收斂曲線

參數(shù)優(yōu)化的修正值作為模糊Petri網(wǎng)的最終值。從表2可以看出，w11、w33在優(yōu)化后變小，說明該弧對(duì)變遷觸發(fā)的支持程度應(yīng)該較小；w22、w41、w52、w62在訓(xùn)練學(xué)習(xí)后變大，表明其對(duì)相應(yīng)故障的支持程度應(yīng)該更大?？尚哦却矶x的模糊命題可信程度是否準(zhǔn)確，μ1、μ3在優(yōu)化后變小，表明對(duì)應(yīng)的模糊產(chǎn)生規(guī)則可信度減??；μ4在優(yōu)化后變大，表明對(duì)應(yīng)的模糊推理規(guī)則可信度應(yīng)該更高。閾值優(yōu)化前后變化幅度很小，且都在0.35范圍內(nèi)。

從圖2、圖3可以看出，需要優(yōu)化的參數(shù)在經(jīng)過14次左右的訓(xùn)練后收斂，且收斂速度較快。

在得到3種參數(shù)的最終值后，使用Matlab軟件編程將訓(xùn)練好的參數(shù)代入模型中，計(jì)算優(yōu)化后的網(wǎng)絡(luò)故障診斷的正確率。通過測試數(shù)據(jù)分析，優(yōu)化前后的診斷正確率對(duì)比情況見表3。除了油溫過高故障沒有變化外，其他各類故障的診斷正確率都有所提高。

表3　診斷正確率對(duì)比

4結(jié)語

基于優(yōu)化模糊Petri網(wǎng)的礦井提升機(jī)故障診斷方法將動(dòng)量BP網(wǎng)絡(luò)引入到模糊Petri網(wǎng)中，比單純使用模糊Petri網(wǎng)或者其他BP算法進(jìn)行故障診斷具有更好的適應(yīng)性和準(zhǔn)確性，在礦井提升機(jī)故障診斷中具有一定的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]楊淑珍，徐文尚，高云紅.基于模糊推理的礦井提升機(jī)故障診斷方法的研究[J].煤礦機(jī)械,2005,26(10):148-150.

[2]劉銀平.基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的礦井提升機(jī)故障診斷[D].阜新:遼寧工程技術(shù)大學(xué),2008.

[3]王保德.提升機(jī)群遠(yuǎn)程監(jiān)測與智能故障診斷系統(tǒng)設(shè)計(jì)[J].工礦自動(dòng)化,2013,39(11):106-109.

[4]李文江，屈海峰，馬云龍.基于BP神經(jīng)網(wǎng)絡(luò)的礦井提升機(jī)故障診斷研究[J].工礦自動(dòng)化,2010,36(4):44-48.

[5]陳志巧,王成剛,王致杰.礦井提升機(jī)故障智能診斷系統(tǒng)研究[J].煤礦機(jī)械,2006,27(5):910-912.

[6]楊雙虎,楊兆建.基于模糊Petri網(wǎng)與狀態(tài)監(jiān)測的提升機(jī)故障診斷的方法[J].礦山機(jī)械,2014,42(11):45-50.

[7]鮑培明.基于BP網(wǎng)絡(luò)的模糊Petri網(wǎng)的學(xué)習(xí)能力[J].計(jì)算機(jī)學(xué)報(bào)，2004,27(5):695-702.

[8]公茂法,張言攀,柳巖妮,等.基于BP網(wǎng)絡(luò)算法優(yōu)化模糊Petri網(wǎng)的電力變壓器故障診斷[J].電力系統(tǒng)保護(hù)與控制,2015,43(3):113-117.

[9]孫增圻.智能控制理論與技術(shù)[M].北京:清華大學(xué)出版社,1997.

Fault diagnosis of mine hoist based on optimizing fuzzy Petri networks

GONG Maofa,LIU Yanni,WANG Laihe,ZHANG Chao,HOU Linyuan

(College of Electrical Engineering and Automation, Shandong University of Science and Technology, Qingdao 266590, China)

Abstract:In order to improve accuracy of fault diagnosis of mine hoist, a new fault diagnosis method of mine hoist based on optimizing fuzzy Petri networks was proposed. Firstly, momentum BP network was used to optimize weights, thresholds and reliability parameters of the fuzzy Petri networks, and then the optimal fuzzy Petri networks model was used for fault diagnosis of mine hoist. The test results show that the method has fast convergence rate of parameter and high accuracy of fault diagnosis of mine hoist, which has a certain practical value.

Key words:mine hoist; fault diagnosis; fuzzy Petri networks; momentum BP networks

文章編號(hào)：1671-251X(2016)07-0050-04

DOI:10.13272/j.issn.1671-251x.2016.07.012

收稿日期：2015-12-28；修回日期：2016-03-22；責(zé)任編輯：張強(qiáng)。

基金項(xiàng)目：山東省自然科學(xué)基金項(xiàng)目(ZR2012EEM021)。

作者簡介：公茂法(1959-)，男，山東臨沂人，教授，博士研究生導(dǎo)師，博士，主要研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化、電力電子技術(shù)與應(yīng)用，E-mail:sdgmf@163.com。通信作者：柳巖妮(1991-)，女，山東煙臺(tái)人，碩士研究生，主要研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化，E-mail:yanniliu99@163.com。

中圖分類號(hào)：TD633

文獻(xiàn)標(biāo)志碼：A網(wǎng)絡(luò)出版時(shí)間：2016-07-05 15:01

公茂法,柳巖妮,王來河，等.基于優(yōu)化模糊Petri網(wǎng)的礦井提升機(jī)故障診斷[J].工礦自動(dòng)化，2016,42(7)：50-53.