基于WA-ESN的建筑起重機械故障檢測

莊愛軍

(深圳市蘇中九鼎機械設(shè)備有限公司，廣東 深圳 518100)

0 引言

建筑起重機械包括塔吊、施工升降機、物料提升機等，具有體積大、操作難度大和故障檢測困難等特征。故障檢測作為保障建筑起重機械正常運作的關(guān)鍵手段，可依據(jù)建筑起重機械特征實行故障檢測，因此建筑起重機械故障檢測成為當(dāng)前研究的熱點[1-3]。

針對建筑起重機械故障檢測問題，國內(nèi)外學(xué)者進(jìn)行了深入研究，提出許多有效的建筑起重機械故障檢測方法[4]。如：姜洪開等[5]提出了基于深度學(xué)習(xí)的故障診斷方法的建筑起重機械故障檢測方法，該方法通過自主挖掘在初始數(shù)據(jù)內(nèi)的潛藏診斷信息，創(chuàng)建了初始數(shù)據(jù)和運行狀況之間的映射關(guān)系，實現(xiàn)機械的故障診斷，但此方法的精度受初始數(shù)據(jù)的影響，診斷精度不穩(wěn)定；姚楊等[6]提出了基于復(fù)合特征的機械故障診斷方法，其在復(fù)合數(shù)據(jù)序列特征與時頻特征的基礎(chǔ)上，對隱藏于信號內(nèi)的特征實行提取，以所提取特征劃分振動信號區(qū)間，結(jié)合最小二乘技術(shù)辨識信號參數(shù)，但該方法在提取信號內(nèi)特征時未實行降噪處理，導(dǎo)致提取特征不準(zhǔn)確，以至出現(xiàn)診斷結(jié)果誤差高的問題?；芈暊顟B(tài)網(wǎng)絡(luò)[7-8]ESN(Echo State Network)屬于一類新型的遞歸神經(jīng)網(wǎng)絡(luò)，對于辨識非線性系統(tǒng)方面而言，較以往的遞歸神經(jīng)網(wǎng)絡(luò)有很大提升，具有訓(xùn)練效率高、實時性強、辨識精度高以及實際應(yīng)用性強等特點。

為了提高建筑起重機械故障檢測效果，在此，提出了小波消噪和回聲狀態(tài)網(wǎng)絡(luò)的建筑起重機械故障檢測方法(WA-ESN)，并對其性能進(jìn)行了測試。

1 建筑起重機械故障分析

如今，建筑起重機械在建筑工程中應(yīng)用極為普遍，為了保證建筑起重機械的使用安全及穩(wěn)定性，必須及時查明建筑起重機械故障類型，對產(chǎn)生故障的影響因素進(jìn)行分析，了解建筑起重機械故障特征，以更好地解決建筑起重機械故障問題，為保證建筑起重機械使用安全提供一定幫助。

1.1 建筑起重機械故障類型及影響因素

在使用過程中，建筑起重機械經(jīng)常會發(fā)生故障，產(chǎn)生故障的原因有很多種，比如使用不當(dāng)類型的建筑起重機械故障，即在安裝拆卸、頂升起重機械設(shè)備時，違反有關(guān)技術(shù)標(biāo)準(zhǔn)和操作規(guī)程，或沒有按照廠家提供的起重機械說明書的有關(guān)要求進(jìn)行作業(yè)，導(dǎo)致建筑起重機械內(nèi)部發(fā)生損壞從而導(dǎo)致故障；此外建筑起重機械安全裝置缺失或處于失效狀態(tài)、建筑起重機械違規(guī)維修或日常保養(yǎng)缺失以及設(shè)備質(zhì)量問題等情況都會造成建筑起重機械故障，使建筑起重機械產(chǎn)生安全隱患。

1.2 建筑起重機械故障特征

由于建筑起重機械故障有著自身的特征，因此在進(jìn)行建筑起重機械故障檢測之前必須對建筑起重機械故障特征有所了解。建筑起重機械故障特征主要表現(xiàn)為以下2點：

a.難發(fā)現(xiàn)。作為大型機械，建筑起重機械體積龐大，零件眾多，很難及時對其進(jìn)行全面檢測，導(dǎo)致很難發(fā)現(xiàn)建筑起重機械故障。

b.檢修耗時長。有些單位為了節(jié)省檢修時間，干脆少檢修或者根本不檢修以至于發(fā)現(xiàn)建筑起重機械故障時已經(jīng)過去了最佳檢修時間。

建筑起重機械故障還有其他特征。正是因為建筑起重機械故障特征難發(fā)現(xiàn)、耗時長等特征以及目前檢測故障方法檢測精度低，導(dǎo)致建筑起重機械故障檢測存在很多問題，必須提升建筑起重機械故障檢測精度，以提高建筑施工時的安全系數(shù)。

2 基于小波消噪和回聲狀態(tài)網(wǎng)絡(luò)的建筑起重機械故障檢測方法

2.1 建筑起重機械故障振動信號的去噪處理

建筑起重機械故障的類型眾多，當(dāng)建筑起重機械部件產(chǎn)生故障時，其振動信號會發(fā)生相應(yīng)的變化，因此可以通過振動信號進(jìn)行建筑起重機械故障檢測。在建筑起重機械故障檢測的振動信號采集過程中，振動信號易被強背景噪聲所淹沒，不利于有效提取出故障部件的特征，難以實現(xiàn)建筑起重機械部件故障檢測，故為實現(xiàn)建筑起重機械故障部件的特征提取及故障檢測，采用小波降噪方法對故障部件的振動信號實施去噪處理[9]。

采用小波降噪對振動信號實施多分辨率分解，通過多個層次對振動信號的特征實行考察與分析。將含噪聲的振動信號、復(fù)原后振動信號及噪聲信號依次設(shè)為e(t)、y(t)和f(t)，且有e(t)=y(t)+f(t)。運用基小波?(t)對e(t)實行離散小波變換，變換后所獲得的含噪聲振動信號系數(shù)E(i,l)表示為

Y(i,l)+F(i,l)

(1)

在二進(jìn)小波變換下含噪聲振動信號e(t)的奇異性同Lipschitz指數(shù)α間的關(guān)系可表示為

(2)

B表示常數(shù)。

一般而言，有用振動信號的Lipschitz指數(shù)α>0，它的小波變換模極大值與尺度大小成正比；噪聲信號的Lipschitz指數(shù)α≤0，小波變換的模極大值與尺度大小成反比。故可在不同尺度上對各種閾值實行選取，可認(rèn)定大于此閾值的模極大值點為通過振動信號的小波變換帶來的，對其實行保留；相反可認(rèn)定小于此閾值的模極大值點為通過噪聲的小波變換帶來的，可置其為0?；诖瞬捎眯〔孀儞Q方式對振動信號實行重構(gòu)，實現(xiàn)有效去除振動信號噪聲的目的。

2.2 建筑起重機械故障部件特征提取

通過小波變換完成對建筑起重機械故障部件的振動信號降噪處理之后，實施對降噪后故障部件振動信號的特征提取[10]。當(dāng)前提取振動信號特征的方法主要有時頻分析、頻域分析、幅值域分析及時域分析等，其中振動信號的時域分析主要為實現(xiàn)對振動信號的互相關(guān)與自相關(guān)分析，振動信號的頻域分析重點實現(xiàn)對振動信號的倒譜與頻譜分析。小波分析去除掉振動信號的噪聲之后，小波分解可將一種更加細(xì)致的分析方式提供給振動信號，通過多層次劃分振動信號頻帶，實現(xiàn)有效分解多分辨率分解中未被細(xì)致劃分的振動信號高頻部分，并且可以被分析振動信號的特征與需求為依據(jù)，在特定的振動信號頻帶區(qū)間內(nèi)對分辨率予以選取，以此提升時頻分辨率，實現(xiàn)能夠在更加細(xì)致化的振動信號頻帶中提取振動信號特征。運用小波分解系數(shù)對振動信號頻帶能量予以求取，并以不同振動信號頻帶能量的改變?yōu)橐罁?jù)提取振動信號特征，為建筑起重機械故障部件智能檢測提供振動信號特征值。

2.3 回聲狀態(tài)網(wǎng)絡(luò)

2.3.1 回聲狀態(tài)網(wǎng)絡(luò)數(shù)學(xué)模型

依據(jù)回聲狀態(tài)網(wǎng)絡(luò)(ESN)的基本思想[11-12]，假設(shè)建筑起重機械系統(tǒng)的動態(tài)特征通過一個大規(guī)模儲備池生成。儲備池中的網(wǎng)絡(luò)以眾多隨機形成同時稀疏連接的神經(jīng)元所構(gòu)成，該網(wǎng)絡(luò)具備建筑起重機械系統(tǒng)的運行狀態(tài)，同時具有記憶性能。當(dāng)給定輸入時，通過描述“輸入—狀態(tài)—輸出”驅(qū)動建筑起重機械系統(tǒng)的方式，所獲取的ESN表達(dá)式為

(3)

2.3.2 回聲狀態(tài)網(wǎng)絡(luò)訓(xùn)練算法

以特征提取中所獲取的建筑起重機械故障部件的振動信號特征值作為ESN的訓(xùn)練樣本集，通過{o(m),c(m),m=1,2,…,h}表示，將此訓(xùn)練樣本集輸入到ESN，對輸出連接權(quán)值矩陣Vout實行求解，此過程即為ESN的訓(xùn)練過程。ESN基本算法是采用輸入信號對儲備池實行激勵的方式，形成儲備池內(nèi)的持續(xù)狀態(tài)變量信號，通過儲備池狀態(tài)變量同目標(biāo)輸出信號的線性回歸算法，將ESN的輸出權(quán)值確定。ESN的訓(xùn)練步驟為：

b.運用訓(xùn)練樣本集與式(3)求解出狀態(tài)變量序列a(m)。

c.以狀態(tài)變量序列a(m)與輸出單元序列c(m)為依據(jù)，通過式(3)與線性回歸算法求解出輸出權(quán)值矩陣Vout。

2.4 小波消噪和ESN的建筑起重機械故障智能檢測

當(dāng)建筑起重機械部件呈現(xiàn)出各類故障時，不同故障類型的振動信號所呈現(xiàn)的特征不同，通過分析不同故障類型振動信號特征，可以實現(xiàn)故障類別識別。建筑起重機械工作狀態(tài)的影響因素眾多，故障的類型與振動信號之間存在非線性的變化關(guān)系，而ESN可以擬合故障類型與建筑起重機械部件振動信號特征之間的關(guān)系。小波消噪和ESN的建筑起重機械故障檢測流程如圖1所示。建筑起重機械故障檢測步驟如下：

a.通過小波降噪方法對所收集到的建筑起重機械故障部件的振動信號實施降噪處理。

b.采用小波分解所具有的分析時頻特性，對建筑起重機械故障部件的振動信號實施有效分解，獲取處于各種頻段振動信號的故障特征，歸一化處理各頻段的振動信號特征頻率，構(gòu)成故障部件振動信號特征向量。

c.將故障部件振動信號特征向量作為訓(xùn)練樣本集輸入到ESN，對ESN實行訓(xùn)練，獲得訓(xùn)練輸出權(quán)值矩陣。

d.通過訓(xùn)練后ESN對建筑起重機械部件的故障類型實行分類，實現(xiàn)建筑起重機械故障檢測。

圖1 小波消噪和ESN的建筑起重機械故障檢測流程

3 仿真實驗

3.1 降噪效果分析

降噪處理是實現(xiàn)建筑起重機械故障檢測的基礎(chǔ)，故在此對本文方法的降噪處理環(huán)節(jié)進(jìn)行測試，以檢驗本文方法的降噪效果。從傳感器所收集的實驗塔吊部件含噪信號，通過本文方法對含噪信號依次實行降噪處理。含噪信號及本文方法降噪后信號效果如圖2所示。

圖2 建筑起重機械振動信號的去噪效果

由圖2可以看出，通過本文方法實行降噪處理后，信號的振動位移-時間曲線呈現(xiàn)出平滑狀態(tài)，可見本文方法在對含噪信號實行降噪處理時，均能夠有效去除掉信號噪聲，獲取到平滑無噪的部件信號，具有較高的降噪效果。

3.2 建筑起重機械故障效果分析

采用標(biāo)準(zhǔn)均方根誤差FNRMSE對3種不同方法的建筑起重機械故障檢測精度予以衡量，標(biāo)準(zhǔn)均方根誤差表達(dá)式為

(4)

依據(jù)式(4)，通過運算得出各方法檢測結(jié)果的標(biāo)準(zhǔn)均方根誤差，以此作為衡量指標(biāo)對比各方法的檢測精度。各方法的檢測誤差如圖3所示。

圖3 3種方法檢測誤差對比

分析圖3能夠得出，3種方法對實驗塔吊部件的檢測結(jié)果誤差中，本文方法的檢測誤差波動范圍最小，且檢測誤差值始終低于其他2種對比方法，說明本文方法的檢測性能穩(wěn)定，檢測結(jié)果精準(zhǔn)度高，實際應(yīng)用性較強。

4 結(jié)束語

為了克服當(dāng)前建筑起重機械故障檢測存在的問題，提出小波變換和回聲狀態(tài)網(wǎng)絡(luò)的建筑起重機械故障檢測方法。通過結(jié)合小波降噪與分解實現(xiàn)對所收集的建筑起重機械故障部件振動信號的降噪與特征提取，以此為基礎(chǔ)運用回聲狀態(tài)網(wǎng)絡(luò)實現(xiàn)對建筑起重機械部件的智能檢測。通過仿真實驗結(jié)果可知，本文方法具有理想的降噪效果與檢測效果，檢測結(jié)果精度高且穩(wěn)定，可用于實際建筑起重機械部件的故障檢測。