基于小波網(wǎng)絡(luò)的煙草制絲設(shè)備停機(jī)故障檢測(cè)方法

唐勁松，覃寧波，韋典進(jìn)，丁 力

（廣西中煙工業(yè)有限責(zé)任公司，廣西南寧 530001）

0 引言

為提高煙草產(chǎn)品的質(zhì)量，近年來(lái)我國(guó)煙草制絲設(shè)備不斷引入全新的技術(shù)和手段，實(shí)現(xiàn)更新?lián)Q代。但由于在煙草制絲設(shè)備運(yùn)行過(guò)程中仍然存在著停機(jī)故障問(wèn)題，無(wú)法保證生產(chǎn)的連續(xù)性，阻礙產(chǎn)品質(zhì)量的進(jìn)一步提升。針對(duì)這一現(xiàn)象分析得出，其主要原因是煙草制絲設(shè)備在檢查與維修環(huán)節(jié)存在一些問(wèn)題，無(wú)法在第一時(shí)間給出明確的故障診斷結(jié)果，也無(wú)法給出相應(yīng)的解決對(duì)策，及時(shí)恢復(fù)設(shè)備的正常運(yùn)行。

針對(duì)這一問(wèn)題，相關(guān)人員開(kāi)展了深入研究，并提出了多種針對(duì)煙草制絲設(shè)備停機(jī)故障的檢測(cè)方法[1]。但大部分檢測(cè)方法在實(shí)際應(yīng)用中存在準(zhǔn)確率和精度受外界環(huán)境影響嚴(yán)重、檢測(cè)結(jié)果時(shí)效性差等問(wèn)題。對(duì)此，引入小波網(wǎng)絡(luò)技術(shù)，開(kāi)展對(duì)煙草制絲設(shè)備停機(jī)故障檢測(cè)方法的設(shè)計(jì)研究[2]。小波網(wǎng)絡(luò)當(dāng)前被廣泛應(yīng)用于數(shù)學(xué)、圖像等非線性領(lǐng)域。通過(guò)引入小波網(wǎng)絡(luò)，利用其時(shí)域局部化性質(zhì)，采用滑動(dòng)可變的時(shí)頻窗對(duì)信號(hào)進(jìn)行處理，從而提高信號(hào)的識(shí)別精度?；谶@一應(yīng)用優(yōu)勢(shì)，對(duì)煙草制絲設(shè)備故障檢測(cè)方法進(jìn)行優(yōu)化研究。

1 基于小波網(wǎng)絡(luò)的煙草制絲設(shè)備停機(jī)故障檢測(cè)方法設(shè)計(jì)

1.1 故障特征提取

在煙草制絲設(shè)備出現(xiàn)停機(jī)故障時(shí)，結(jié)合小波網(wǎng)絡(luò)技術(shù)，通過(guò)軟閾值估計(jì)的方式對(duì)獲取到的設(shè)備運(yùn)行原始信號(hào)進(jìn)行降噪閾值處理。在過(guò)濾噪聲的同時(shí)，需要確保信號(hào)當(dāng)中有利于檢測(cè)的信號(hào)全部保留，并完成對(duì)其后續(xù)的預(yù)處理操作[3]。在確定煙草制絲設(shè)備停機(jī)故障信號(hào)特征時(shí)，選擇具有對(duì)稱性和正則性的小波基指標(biāo)。針對(duì)煙草制絲設(shè)備停機(jī)故障的特征提取而言，需要提取非平穩(wěn)信號(hào)的瞬時(shí)以及突變成分等，從而使小波包在分析的過(guò)程中能夠?qū)δ芰肯鄬?duì)集中的信號(hào)進(jìn)行分解，從而確定各個(gè)分區(qū)的頻率成分及比重?；谏鲜鲂枰?，本文選擇MH 小波函數(shù)作為基礎(chǔ)，將其代入到高斯函數(shù)當(dāng)中，并得到公式：

式（1）中，ψ（t）為小波函數(shù)；t 為煙草制絲設(shè)備停機(jī)故障特征。將式（1）作為基礎(chǔ)，在此過(guò)程中，基于小波鏡像濾波器的使用，對(duì)設(shè)備運(yùn)行中的不同故障信號(hào)表達(dá)方式進(jìn)行完整描述，并根據(jù)其停機(jī)狀態(tài)，將信號(hào)劃分成多個(gè)頻段，以此種方式實(shí)現(xiàn)基于小波的信號(hào)分解處理。在此基礎(chǔ)上，提取信號(hào)的特征矢量，將其與時(shí)域信息進(jìn)行對(duì)接，以j 層中的第i 個(gè)小波信號(hào)為例，對(duì)其進(jìn)行描述，表達(dá)式為：

式（2）中，E（Pj，i）為第j 層第i 個(gè)小波包分解后的頻段能量；k 為能量特征矢量。為了進(jìn)一步提高后續(xù)在小波網(wǎng)絡(luò)當(dāng)中訓(xùn)練的速度，對(duì)通過(guò)公式（2）獲取到的頻段能量進(jìn)行歸一化處理。在完成處理后，實(shí)現(xiàn)煙草制絲設(shè)備的停機(jī)故障特征從高維度到低維度的壓縮，進(jìn)而形成一個(gè)具有歸一化特征的能量特征矢量，以減小其在小波網(wǎng)絡(luò)環(huán)境中輸入層節(jié)點(diǎn)的數(shù)量，從而進(jìn)一步縮小小波網(wǎng)絡(luò)的訓(xùn)練規(guī)模，降低檢測(cè)方法的運(yùn)算難度[4]。除此之外，通過(guò)上述操作，可有效加快小波網(wǎng)絡(luò)的收斂速度，提高檢測(cè)結(jié)果對(duì)故障類型診斷的實(shí)時(shí)性。

1.2 故障類型測(cè)定

由于煙草制絲設(shè)備具有較強(qiáng)的非線性特性，引發(fā)停機(jī)故障的因素眾多，并且一種故障出現(xiàn)時(shí)其特征通常不存在一一對(duì)應(yīng)的關(guān)系，在實(shí)際操作過(guò)程中還會(huì)出現(xiàn)故障與故障之間的耦合[5]。針對(duì)這一問(wèn)題，結(jié)合基于小波網(wǎng)絡(luò)提取到的煙草制絲設(shè)備停機(jī)故障特征，按照?qǐng)D1 所示的流程完成初步檢驗(yàn)。

圖1 煙草制絲設(shè)備停機(jī)故障初步檢驗(yàn)流程

從完成預(yù)處理的煙草制絲設(shè)備停機(jī)故障特征中選擇具有檢測(cè)價(jià)值的特征，并將其輸入PNN（Probabilistic Neural Network，概率神經(jīng)網(wǎng)絡(luò)）中，通過(guò)小波網(wǎng)絡(luò)對(duì)其進(jìn)行故障分類以及識(shí)別評(píng)估，從而判斷故障狀態(tài)。假設(shè)煙草制絲設(shè)備的停機(jī)故障包括F1，F(xiàn)2，F(xiàn)3，…，F(xiàn)q，共q 種類型，則在本檢測(cè)方法中最小風(fēng)險(xiǎn)準(zhǔn)則判斷p 維矢量的狀態(tài)為：

式（3）中，Hq和Hk為對(duì)應(yīng)兩種故障類型的先驗(yàn)發(fā)生概率；Lq和Lk為兩種代價(jià)因子；fq（X）和fk（X）分別為概率在空間內(nèi)的表達(dá)密度。根據(jù)式（3），實(shí)現(xiàn)對(duì)煙草制絲設(shè)備停機(jī)故障類型的測(cè)定。在實(shí)際檢測(cè)過(guò)程中，要實(shí)現(xiàn)一個(gè)故障的識(shí)別，共需要n 個(gè)d 維度的停機(jī)故障訓(xùn)練樣本。從q 類故障中隨機(jī)選擇故障特征，將其輸入由n 個(gè)小波網(wǎng)絡(luò)神經(jīng)元組成的網(wǎng)絡(luò)結(jié)構(gòu)當(dāng)中，每一個(gè)輸入單元都與n 個(gè)模式單元的樣本完全連通，以此使求和層中神經(jīng)元的數(shù)量與設(shè)備停機(jī)故障的類型數(shù)量相同，從而實(shí)現(xiàn)神經(jīng)元與故障類型的一一對(duì)應(yīng)，確保最終得到的檢測(cè)結(jié)果具有更高的精度條件。

2 對(duì)比實(shí)驗(yàn)

完成對(duì)煙草制絲設(shè)備停機(jī)故障檢測(cè)方法的理論設(shè)計(jì)后，為進(jìn)一步驗(yàn)證該方法在實(shí)際應(yīng)用中的合理性，以某煙草產(chǎn)品生產(chǎn)企業(yè)作為依托，針對(duì)該產(chǎn)品生產(chǎn)車(chē)間使用的煙草制絲設(shè)備對(duì)其進(jìn)行停機(jī)故障檢測(cè)。在煙草制絲設(shè)備運(yùn)行過(guò)程中，分別利用本文提出的故障檢測(cè)方法和基于壓縮感知的檢測(cè)方法同時(shí)對(duì)該設(shè)備進(jìn)行檢測(cè)，分別設(shè)置五種不同的停機(jī)故障類型為：局部放電、低能量放電、高能量放電、過(guò)熱情況A 和過(guò)熱情況B。其中，過(guò)熱情況A 為絕緣過(guò)熱或熱崩潰；過(guò)熱情況B 為鐵芯片邊緣結(jié)構(gòu)出現(xiàn)環(huán)流所致。利用特征量歐氏距離作為對(duì)比指標(biāo)，對(duì)兩種檢測(cè)方法對(duì)上述五種故障問(wèn)題發(fā)生時(shí)得到的檢測(cè)結(jié)果歐氏距離進(jìn)行計(jì)算，其公式為：

式（4）中，d 為特征量歐氏距離；X 為檢測(cè)結(jié)果與實(shí)際停機(jī)故障特征量比值；Y 為實(shí)際停機(jī)故障特征量；n 為故障檢測(cè)結(jié)果中的數(shù)組元素?cái)?shù)量。通過(guò)式（4）計(jì)算得出數(shù)值，其取值范圍0～1，越無(wú)限接近于1，則證明該停機(jī)故障檢測(cè)方法的檢測(cè)結(jié)果的精度越低；反之，數(shù)值越無(wú)限接近于0，證明該停機(jī)故障檢測(cè)方法的檢測(cè)結(jié)果的精度越高。根據(jù)公式計(jì)算得出兩種停機(jī)故障檢測(cè)方法的特征量歐氏距離d 如表1 所示。

從表1 數(shù)據(jù)可以看出，在設(shè)備正常運(yùn)行時(shí)，兩種檢測(cè)方法的d 值均為0。本文提出的檢測(cè)方法應(yīng)用到煙草制絲設(shè)備的停機(jī)故障檢測(cè)，檢測(cè)結(jié)果的特征量歐氏距離d 值明顯小于基于壓縮感知的檢測(cè)方法。d 值越小，越接近于0，說(shuō)明檢測(cè)結(jié)果精度越高。因此實(shí)驗(yàn)證明，引入小波網(wǎng)絡(luò)的檢測(cè)方法在實(shí)際應(yīng)用中具有更高的檢測(cè)精度，可為設(shè)備的運(yùn)行維護(hù)提供更可靠的檢測(cè)依據(jù)。

表1 兩種故障檢測(cè)方法應(yīng)用效果對(duì)比

3 結(jié)束語(yǔ)

在煙草產(chǎn)品生產(chǎn)過(guò)程中，制絲設(shè)備存在的問(wèn)題相對(duì)明顯的主要原因是工作量大、維修效率低，并且沒(méi)有合理的檢測(cè)技術(shù)作為技術(shù)支撐等。對(duì)此，在明確煙草制絲設(shè)備的運(yùn)行機(jī)制的基礎(chǔ)上，設(shè)計(jì)研究基于小波網(wǎng)絡(luò)的煙草制絲設(shè)備停機(jī)故障檢測(cè)方法，并通過(guò)對(duì)比實(shí)驗(yàn)證明該方法的實(shí)際應(yīng)用優(yōu)勢(shì)。在今后的研究中，還將針對(duì)小波網(wǎng)絡(luò)進(jìn)行更進(jìn)一步的探究，找出其在檢測(cè)方法中應(yīng)用的最佳方式，進(jìn)一步提高該檢測(cè)方法的檢測(cè)質(zhì)量，促進(jìn)煙草制絲設(shè)備維修的速度和效果提升。