论文部分内容阅读
【摘 要】煤矿机械设备由于长期在高速、重载、振动、冲击、摩擦和润滑不良的工况条件下工作，环境中充满粉尘，和腐蚀性液体，检修时间非常有限，故障频发。因此对其进行故障分析、诊断可以保证其正常有效的运行，提高利用率，使企业获得最大的经济利益。本文首先简单论述了多传感器信息融合技术，然后通过多个实例阐述了此技术在煤矿机械设备维修中的应用。
【关键词】煤矿 机械 故障诊断 多传感器 信息融合
一、信息融合简介
（一）概念。多传感器信息融合就是把来自多个传感器的信息和数据加以综合，应用计算机技术消除多传感器信息之间可能存在的冗余和矛盾，并加以互补，降低其不确定性，以形成对系统环境相对完整一致的感知描述，从而提高智能系统决策、规划、反应的快速性和正确性，同时也降低其决策风险[1]。
（二）结构。根据信息融合处理方式的不同，多传感器信息融合的拓扑结构常见有集中型、分布型、混合型三种形式[2]。分布式：先对各个传感器的数据进行局部处理及提取特征信息，再将压缩后的传感器数据送到融合中心进行向量融合获得最后的决策。其优点是不需要太大的通信带宽、冗余度高、计算速度快、可靠性高；缺点是有一定的信息损失、不具有实时性、融合精度不如集中型。集中式：把各个传感器所获取的原始信息直接送到信息融合中心进行融合处理。其优点是可以实现实时融合、信息处理损失小、数据处理精度高；缺点是对处理器和通信网络的带宽要求较高、数据量大、可靠性较低。一般仅适用于小规模系统。混合式：集中式和分布式的混合，各个传感器数据既有未经预先处理直接送到融合中心的，也有预先处理，再送到融合中心的；既有数据融合也有向量融合，兼有二者的特点，各个传感器数据可重复利用。其特点是系统结构有更大的灵活性，但是结构复杂，计算量大，稳定性较差。
（三）方法。运用数据融合算法对数据进行综合处理，最终实现数据融合。一般情况下，具有容错性、自适应性、联想记忆和并行处理能力的基于非线性的数学方法都可以用来作为数据融合的算法。目前已有大量的融合算法，主要分为随机算法和人工智能算法两大类。随机算法主要有：加权平均法、卡尔曼滤波法、贝叶斯估计法、D-S证据推理法等；人工智能法主要有：模糊逻辑法、神经网络法等[3]
二、信息融合在煤矿中的应用
故障诊断方法大多分为两类：一是常规故障诊断方法，即传统的以设备的数学模型为理论基础，以动态测试、信号分析及数据处理为核心的技术；二是智能诊断方法，它将诊断过程作为一个整体从多方面系统地进行设备运行状态的识别与特征判断，将反映机械系统运行状态的物理信号及其之间的相互影响的特征提取，运用数学模型和专家系统进行综合分析，最后得出解决故障的决策。
（一）多传感器信息融合技术在液压系统故障诊断中的应用。由于液压设备运行工况复杂，影响因素众多，因此，仅靠单一传感器很难完整的把系统实际运行状态真实地反映出来。陈法法等提出了多传感器信息融合技术的故障诊断模型，该模型利用液压设备上能够携带故障特征的多类信息，对液压设备运行时的多个参数进行实时的检测，从各个不同的角度获得有关系统运行状态的特征参量，对这些信息在不同的层次上通过神经网络、贝叶斯理论、D2S证据进行有效的融合和计算，从而实现运行状态的有效评估、典型故障的自动诊断和设备的安全运行，提高了液压设备故障诊断技术的准确度[4]。
（二）多传感器信息融合技术在带式输送机故障诊断中的应用。煤矿带式输送机具有长距离、大运量、连续输送、运行可靠、易于实现自动化等优点，但由于其线路长，使用环境恶劣，不便于人工监测和检修，时常发生安全事故。田鹤和韩刚将来自多传感器的信息进行融合，即使在部分传感器不能被利用或受到干扰的情况下，仍有一部分传感器可以发出信号，避免漏报，用神经网络和D-S理论的信息融合方法将同一故障的多元信息进行融合，降低了误报的可能性，诊断信息更全面、更准确，提高了故障诊断的可信度和可靠性[5]。
（三）多传感器信息融合技术在电动机故障诊斷中的应用。电动机是提供动力的设备，在各个行业都有广泛的应用。由于煤矿的环境恶劣，气候比较潮湿，工作时间长，电机故障率非常高。冯爱伟等将D-S证据理论融合技术引入电机故障诊断，将证据推理技术与人工神经网络相结合，提出了电机故障诊断模型，通过诊断测试试验证明，该诊断系统有利于故障特征的准确提取，有利于提高电机故障诊断的精度与准确度，并能满足诊断的实时性要求[6]。
三、总结
多传感器信息融合技术是一门新兴技术，涉及多门学科的多种技术，是未来复杂工业系统中机械故障诊断的必要技术。使用多传感器信息融合技术可及时发现机械设备故障，预防恶性事故发生，保证设备安全、稳定地运行，增加机械设备正常运转时间，大幅度提高劳动生产率，节约维修费用，降低成本，还可以避免人员伤亡、环境污染和造成巨大经济损失，为企业带来巨大的经济效益。
参考文献：
[1]彭东亮、文成林、徐晓滨等，随机集理论及其在信息融合中的应用[J]. 电子与信息 学报， 2006， 28（11） ： 2199 - 2203.
[2]Yager， R. R. Fusion of multi - agent preference ordering[J]. Fuzzy sets and systems. 2001，112： 1- 12.
[3]黄伟力、黄伟建、王 飞，机械设备的故障诊断技术及其发展趋势[J].矿山机械，2005，33，（1）：66-68.
[4]陈法法、程珩、杨勇，多传感器信息融合技术在液压设备故障诊断中的应用[B].太原理工大学学报，2008，39，（1）：90-92.
[5]田鹤、韩刚，信息融合技术在带式输送机故障诊断中的应用[A].矿山机械，2011，39，（3）：47-49.
[6]冯爱伟、付华、徐耀松、王传英，基于信息融合技术的电机故障诊断[A].运行与保护，2006，39，（1）：51-54.
【关键词】煤矿 机械 故障诊断 多传感器 信息融合
一、信息融合简介
（一）概念。多传感器信息融合就是把来自多个传感器的信息和数据加以综合，应用计算机技术消除多传感器信息之间可能存在的冗余和矛盾，并加以互补，降低其不确定性，以形成对系统环境相对完整一致的感知描述，从而提高智能系统决策、规划、反应的快速性和正确性，同时也降低其决策风险[1]。
（二）结构。根据信息融合处理方式的不同，多传感器信息融合的拓扑结构常见有集中型、分布型、混合型三种形式[2]。分布式：先对各个传感器的数据进行局部处理及提取特征信息，再将压缩后的传感器数据送到融合中心进行向量融合获得最后的决策。其优点是不需要太大的通信带宽、冗余度高、计算速度快、可靠性高；缺点是有一定的信息损失、不具有实时性、融合精度不如集中型。集中式：把各个传感器所获取的原始信息直接送到信息融合中心进行融合处理。其优点是可以实现实时融合、信息处理损失小、数据处理精度高；缺点是对处理器和通信网络的带宽要求较高、数据量大、可靠性较低。一般仅适用于小规模系统。混合式：集中式和分布式的混合，各个传感器数据既有未经预先处理直接送到融合中心的，也有预先处理，再送到融合中心的；既有数据融合也有向量融合，兼有二者的特点，各个传感器数据可重复利用。其特点是系统结构有更大的灵活性，但是结构复杂，计算量大，稳定性较差。
（三）方法。运用数据融合算法对数据进行综合处理，最终实现数据融合。一般情况下，具有容错性、自适应性、联想记忆和并行处理能力的基于非线性的数学方法都可以用来作为数据融合的算法。目前已有大量的融合算法，主要分为随机算法和人工智能算法两大类。随机算法主要有：加权平均法、卡尔曼滤波法、贝叶斯估计法、D-S证据推理法等；人工智能法主要有：模糊逻辑法、神经网络法等[3]
二、信息融合在煤矿中的应用
故障诊断方法大多分为两类：一是常规故障诊断方法，即传统的以设备的数学模型为理论基础，以动态测试、信号分析及数据处理为核心的技术；二是智能诊断方法，它将诊断过程作为一个整体从多方面系统地进行设备运行状态的识别与特征判断，将反映机械系统运行状态的物理信号及其之间的相互影响的特征提取，运用数学模型和专家系统进行综合分析，最后得出解决故障的决策。
（一）多传感器信息融合技术在液压系统故障诊断中的应用。由于液压设备运行工况复杂，影响因素众多，因此，仅靠单一传感器很难完整的把系统实际运行状态真实地反映出来。陈法法等提出了多传感器信息融合技术的故障诊断模型，该模型利用液压设备上能够携带故障特征的多类信息，对液压设备运行时的多个参数进行实时的检测，从各个不同的角度获得有关系统运行状态的特征参量，对这些信息在不同的层次上通过神经网络、贝叶斯理论、D2S证据进行有效的融合和计算，从而实现运行状态的有效评估、典型故障的自动诊断和设备的安全运行，提高了液压设备故障诊断技术的准确度[4]。
（二）多传感器信息融合技术在带式输送机故障诊断中的应用。煤矿带式输送机具有长距离、大运量、连续输送、运行可靠、易于实现自动化等优点，但由于其线路长，使用环境恶劣，不便于人工监测和检修，时常发生安全事故。田鹤和韩刚将来自多传感器的信息进行融合，即使在部分传感器不能被利用或受到干扰的情况下，仍有一部分传感器可以发出信号，避免漏报，用神经网络和D-S理论的信息融合方法将同一故障的多元信息进行融合，降低了误报的可能性，诊断信息更全面、更准确，提高了故障诊断的可信度和可靠性[5]。
（三）多传感器信息融合技术在电动机故障诊斷中的应用。电动机是提供动力的设备，在各个行业都有广泛的应用。由于煤矿的环境恶劣，气候比较潮湿，工作时间长，电机故障率非常高。冯爱伟等将D-S证据理论融合技术引入电机故障诊断，将证据推理技术与人工神经网络相结合，提出了电机故障诊断模型，通过诊断测试试验证明，该诊断系统有利于故障特征的准确提取，有利于提高电机故障诊断的精度与准确度，并能满足诊断的实时性要求[6]。
三、总结
多传感器信息融合技术是一门新兴技术，涉及多门学科的多种技术，是未来复杂工业系统中机械故障诊断的必要技术。使用多传感器信息融合技术可及时发现机械设备故障，预防恶性事故发生，保证设备安全、稳定地运行，增加机械设备正常运转时间，大幅度提高劳动生产率，节约维修费用，降低成本，还可以避免人员伤亡、环境污染和造成巨大经济损失，为企业带来巨大的经济效益。
参考文献：
[1]彭东亮、文成林、徐晓滨等，随机集理论及其在信息融合中的应用[J]. 电子与信息 学报， 2006， 28（11） ： 2199 - 2203.
[2]Yager， R. R. Fusion of multi - agent preference ordering[J]. Fuzzy sets and systems. 2001，112： 1- 12.
[3]黄伟力、黄伟建、王 飞，机械设备的故障诊断技术及其发展趋势[J].矿山机械，2005，33，（1）：66-68.
[4]陈法法、程珩、杨勇，多传感器信息融合技术在液压设备故障诊断中的应用[B].太原理工大学学报，2008，39，（1）：90-92.
[5]田鹤、韩刚，信息融合技术在带式输送机故障诊断中的应用[A].矿山机械，2011，39，（3）：47-49.
[6]冯爱伟、付华、徐耀松、王传英，基于信息融合技术的电机故障诊断[A].运行与保护，2006，39，（1）：51-54.