王德堂， 董 博， 刘德建, 王新茂, 舒翰儒

(山东科技大学机械电子工程学院运输与提升重点实验室， 青岛 266590)

近年来，随着“绿色矿山”开采理念的深入人心，为更好实现资源友好和环境保护，将井下原煤中的煤矸在提升到地面之前进行分选并将分选出来的煤矸当作固体填充材料回填到采空区，这极大地节省了成本，提高了采煤效率。故构建一套完整的井下煤矸采选充一体化系统，将井下煤矸分选与回填有效的结合在一起[1-3]，而作为连接采选充一体化系统中的井下运输部分，起着重要的作用。故对井下采选充运输系统的安全监测将变得越发重要。张新[4]以远距离低功耗物联网远程通信技术为基础， 借助多型数字式传感器, 实现了实时监测设备多种状态信息;马也骋[5]以Zigbee作为无线传输网络，设计了一种面向井下安全监测的多传感器数据融合Zigbee系统;高振中[6]在分析带式运输机安全监测设计的基础上，提出了一种井下带式运输机智能安全监测保护系统，提高了运输机的安全性;孙引忠等[7]利用CAN总线设计了一种带式输送机状态监测系统，对运输机进行实时的状态监测。这些研究中只是对部分设备进行了监测，没有在井下采选充这样更加复杂的井下环境对其安全运行进行监测的研究。

为了保障井下采选充运输系统的安全性，利用现有网络计算机技术，设计一套智能运输管控系统。基于小波分析和模糊神经网络的原理，构建专家系统和知识库，提高系统的智能化水平，对井下采选充运输系统设备的远程集中自动控制，达到井下运输系统全自动流程联锁的监控要求，实现对井下采选充运输系统的有效监测和管控[4]。

1 井下采选充运输管控系统三维架构

(1)全面感知层。全面感知层是对运输设备的各类特征量进行采集，主要通过各类传感器实现。目的是在井下复杂多变的环境下，实现对数据的准确高效采集和设备控制，通过建立庞大的传感体系，实时反映运输设备的动态、静态的属性。

(2)高效互联层。高效互联层是负责将来自传感器采集的各种信息通过工业以太网传送到应用层。通过煤矿光纤环网、本安交换机、防火墙、服务器、WiFi网络等，建立覆盖整个井下采选充运输系统的数据网络，实现数据准确高效的传输。

(3)管控应用层。管控应用层是负责将采集传递来的各类信息进行综合处理，通过数字、图表的形式反映运输设备运行状态，利用诊断专家系统和知识库对各类故障分析处理，进行声光报警和位置显现，并给出故障的解决方案。充分利用管控应用层的智能化实现对运输设备的事前预测、事中处理以及事后预防[8]。

2 井下采选充运输系统的关键技术

2.1 运输设备的多层级多信息融合处理技术

在对包括带式输送机、转载机及防砸缓冲装置等采选充运输设备运行情况的实时监测中，由于在传感系统中，各类传感器的数量多，所采集的信息量大，为了使信息能快速有效地传递，避免信息冗余情况的发生，实现无线传感网络和工业以太网的无缝对接，确保网络的安全性与稳定性。井下采选充运输系统采用了将多种信息转换成统一的形式，并且将转化后的信息存储到相同的数据库中，这样可以有效地提高信息融合的效果。这里根据现场情况采用了特征层信息融合方法[9]。图1是特征层信息融合原理图，通过对信息特征提取、融合及属性判决对信息进行融合。这种信息融合的方法实现了在尽可能多的保留原始数据的基础上，将数据进行压缩，从而有效地缩短信息处理时间，提高实时性。

图1 特征层信息融合原理图Fig.1 Schematic diagram of feature layer information fusion

在信息特征提取的环节，由于所采集的信息具有非平稳性的特点，为了能够提取信息的特征达到信息融合的目的，故采用小波分析来进行信号处理。小波指的是在较小区域内震荡的波，小波变换是小波分析的核心，利用小波基函数，对信号进行多尺度细化分析，得到一系列小波函数的叠加[10-11]。

小波函数定义：给定平方可积的函数ψ(t)作为基本函数，若满足容许性条件(傅里叶变换):

(1)

则称ψ(t)为母小波(mother wavelet)。

若将ψ(t)经过平移和伸缩可得到小波基函数为

(2)

式(2)中：a为尺度因子；b为时移因子。随着a、b的连续不断地变化，可得函数族ψa,b(t)。

若信号f(t)∈L2(R)，则f(t)的连续小波变换为

(3)

在实际应用中，因从感知层采集的信号经A/D转换为数字信号，故将尺度因子a、时移因子b进行离散化取值，即a=cj，b=cjk，且f(t)∈L2(R)，ψa,b(t)∈L2(R)，L2(R)为平方可积函数空间，由式(2)得离散小波函数为

(4)

由式(3)得离散小波变换为

Wf(j,k)=〈f(t),ψ(j,k)(t)〉=

(5)

若对任意的f(t)∈L2(R),0

j,k∈Z

(6)

则称{ψj,k(t)}为L2(R)的一个框架，A、B为框架的上、下边界。

因需要分析一定区域内信号的时、频细节，故采用离散小波变换进行信号的处理。

2.2 基于智能运输管控平台的在线故障诊断技术

该智能管控平台系统结构如图2所示，在对井下采选充运输设备进行实时监控时，要实现在上位机上实时地显示运输设备的运行信息，对设备的各运行参数实时更新，对于异常的数据通过声光报警、报警画面弹出等报警方法提醒工作人员。并且将异常数据传给专家系统，经专家系统的分析诊断后，把诊断的结果及时地传给工作人员，工作人员通过专家系统给予的诊断结果和应对措施进行相应的处理，同时将设备的故障信息进行分类、打包、存储，建立智能诊断知识库。知识库是对故障诊断专家系统的专家知识统一存储的[12]。知识库中知识的数量和种类决定了知识库的优越性，对于井下采选充运输系统的多样性，为了对知识库进行高效的管理与应用，通过构建智能运输管控系统“框架+产生规则”来建立知识库，对于各类故障采用系统规则来进行分类处理，以便更全面方便地对井下采选充运输系统故障知识进行描述，从而有利于专家系统在知识库中找到解决故障的方法。

该智能管控平台的核心是模糊神经网络[13]，结构图如图3所示，是一个多输入单输出的前馈神经网络(feedforward neural network, FNN)结构。模糊神经网络是将模糊推理和神经网络两者有效地结合在一起，由于模糊推理处理具有模糊概念的问题，利用神经网络来进行自主学习和进行数据的直接处理。通过将两者的优点结合在一起使得整个智能管控系统具有容错能力和联想推理能力[14]。

图2 智能管控平台系统结构图Fig.2 System structure diagram of intelligent management and control platform

图3 模糊神经网络结构图Fig.3 Structure diagram of fuzzy neural network

模糊推理首先将准确的数字量通过模糊化处理模块处理成能用语言进行表达的输入信号，然后再通过规则库、处理机、反模糊化的处理，得到更加精确的数字量，在本系统中采用钟型隶属函数进行信号的处理，其数学描述为

(7)

式(7)中：a、b、c为函数参数，其中参数b可调整隶属函数的方向。

(8)

模糊神经网络学习的目的是寻找合适的隶属度函数参数aij、bij以及结论参数wl使得Q→min(i=1,2,…，m；j=1,2,…，ni;l=1,2,…，k)

(1)确定结论参数wl的最小二乘法。

首先，将式(8)作为线性回归模型的特例：

(9)

式(9)中：θ=[w1w2…wK]T

(10)

(11)

记

(12)

E=[e(1)e(2) …e(N)]T

(13)

φ=[μ(1)μ(2) …μ(N)]T

(14)

则有

Y=φθ+E

(15)

(16)

(2)确定隶属度函数aij、bij初值的单纯形法。

①根据系统以往的经验和训练数据，选取参数χ的最大值(max)和最小值(min)。

②将输入的每个空间分为均匀的子空间：

(17)

③令

aij=mini+(j-1)Δi

(18)

bij=C0Δi

(19)

式中：C0=0.600 561 204 392，i=1,2,…，m，j=1,2,…，ni。据此可得α0的初值。

根据上述算法保证了相邻模糊子集的隶属度函数在μ=0.5处相交，初值的选取符合期望。

(3)选取式(20)的非线性系统进行仿真实验。

(20)

选取一组验证样本对模糊神经网络的精度进行实验，表1给出了对该组样本的逼近值，通过式(10)可得该组样本的逼近误差为Qsim=19.1。其中y为样本值；ysim为通过LS-Simplex算法得到的模糊神经网络的逼近值。

表1 模糊神经网络对验证样本的逼近

通过实验得出最小二乘-单纯形学习算法在同类算法中收敛速度更快和收敛精度更高。并且具有良好的泛化性能。LS-Simplex学习算法自身的优点使得管控系统更加智能化。

3 井下采选充运输系统网络监测与故障诊断的整体设计

分析研究井下采选充运输网络监测与故障诊断系统的关键技术，有助于采选充一体化智能管控系统的实现，该项目以兖矿集团为依托，使得井下采选充运输系统网络监测与故障诊断的设计得以实现并对其进行论述与研究。

3.1 系统运行流程分析

井下采选充运输网络监测与故障诊断系统主要包括状态检测阶段、分析诊断阶段和治理预防阶段。系统运行流程如图4所示。对于带式输送机、转载机及防砸缓冲装置等采选充运输设备故障信号采集是通过传感器获得的，包括振动、速度、温度等。同时对各传感器采集的信号进行放大、整形、A/D转换处理，从而提高信号的质量。同时对于所采集的信号，利用特征层信息融合方法进行特征提取，并进行转换和分类。专家系统根据现场的实际情况对故障的变化趋势进行预测并将结果进行反馈，同时给出相应的处理方案。

图4 系统运行流程图Fig.4 System operation flow chart

3.2 系统整体框架设计

井下采选充运输系统网络监测与故障诊断系统主要以可编辑逻辑控制器(programmable logic controller, PLC)控制系统为核心，与上位机、防爆PLC控制站、运输设备保护传感器等组成PLC分布式监控系统。系统总体网络如图5所示。其中西门子1500PLC之间通过MPI和PROFUBUS进行双网络结构连接。运输设备传感器与西门子PLC控制系统都通过相应的RS485或PROFIBUS接口进行相应的网络连接，对于环境复杂的地方使用无线网络传递信息，从而形成一个物与物相互连接的网络，实现物物之间的信息交流和数据传递，组成一个运输设备底层网络系统。在上位机与西门子PLC之间，由于上位机使用VB进行编程处理，故采用RS485进行网络通信并接入工业以太网，上位机和PLC控制系统之间通过DB块进行数据交换实现对井下采选充运输系统网络监控和智能故障诊断。网络监控与故障诊断系统采用浏览器/服务器(B/S)模式，该模式能够让员工在任何时候、任何地点通过Web页面查看各种信息，具有灵活多变的特点。同时上位机以VB为开发工具设计的实时应用程序，实现了对监测数据的实时更新，保证了运输设备监测数据的有效性。

井下采选充运输网络监测与故障诊断系统分为井下的数据采集系统、井上的监控系统以及连接井上井下的信息传输系统。系统整体框架如图6所示。该系统主要监测运输设备的速度、温度、振动等各类监测信息。对于温度信号采用先进的CTI数字+线型缆式感温探测器，采集不同位置的温度的变化，然后反馈给主机实现长距离在线温度采集与监视。对于振动、速度等其他的信号通过对信号的放大、滤波以及A/D转换，通过频域、时域等信号特征的提取方法，将采集的信息进行分析和特征提取。并传递给交换机，进而传递到井上的数据处理中心，将数据进行储存，并通过人机交互界面将数据直观地显示出来，监控画面将运输设备的速度、温度、振动等参数通过动态的方式显示出来，包括平均值、实时曲线、动态曲线等。一旦出现故障，专家系统会根据知识库中的信息给出报警及建议。还可通过Web服务器，向专家进行实时求助，实现远程诊断，从而解决故障，减少损失。为了使工作人员能够随时随地监测设备的运行状态，提高工作的效率，系统提供多种服务接入方式，工作人员可通过App、PC客户端等访问系统。

图5 系统总体网络图Fig.5 System overall network diagram

图6 系统总体结构图Fig.6 General structure diagram of the system

井下采选充一体化运输管控系统的主要目的是实现对井下运输系统的实时监测，即通过安装在运输设备的速度传感器、温度传感器等各类传感器准确地反映运输设备的状态，表2是对部分数据的测量。

表2 部分监测数据表

由表2可知，在给定带速的情况下，运输机的张力、滚筒温度、电机电流、电机电压等数据误差变动在可控范围内，在井下复杂的环境中，井下采选充智能运输管控系统能实时准确地显示各类数据，整个系统运行良好，实现了对采选充运输系统的智能监控。

4 结论

由于井下采选充运输环境的复杂性，决定了运输设备故障的复杂多样性，以井下采选充运输设备为研究对象，以网络技术和信息技术为桥梁，以小波分析和模糊神经网络为理论基础，构建以物联网为平台的网络环境下的井下采选充运输故障诊断系统，实现了对井下采选充一体化系统实时监测和故障诊断，提高了井下运输设备的智能化水平，达到了预防性维修的目的，为中国深部煤矿开采的智能化提供了新技术支撑。