一种无训练样本的通风故障诊断方法技术

本发明专利技术提供一种无训练样本的通风故障诊断方法。将故障诊断问题转换为求解最小欧氏距离的优化问题，使用协方差自适应调整的进化策略(CMA‑ES)对建立的分类与回归一体化的矿井通风系统故障诊断数学模型进行求解，故障诊断过程中无需单独分别进行故障位置和故障量诊断，可实现无需样本参与训练的无监督学习故障诊断，进而实现矿井通风系统故障的实时诊断；风量‑风压复合特征比风量或风压单一特征下的矿井通风系统故障诊断可达到更高的故障位置诊断准确率和更低误差的故障量诊断性能，即使选用部分观测点，也可实现较高的故障位置诊断准确率和较低故障量诊断误差的性能，且故障观测点比例大小与诊断性能无直接影响关系。

A ventilation fault diagnosis method without training samples

【技术实现步骤摘要】
一种无训练样本的通风故障诊断方法
本专利技术涉及采矿工程矿井通风
，尤其涉及一种无训练样本的通风故障诊断方法。
技术介绍
矿井通风系统在生产过程中无法避免风门开关或破损、巷道冒落或变形、底鼓或片帮、矿车运行、罐笼提升等现象，而这些现象导致巷道等效断面面积发生变化，引起对应分支位置的等效风阻发生持久或永久性的变化。矿井通风系统故障可通过监控系统中的风量传感器和风压传感器所采集的数据所体现，但是难以确切地从采集的数据找到故障位置，更难以判别发生的故障量。而矿井通风系统故障不定时的发生在任何生产矿井中，矿井通风系统故障诊断可为矿井安全有效的生产工作提供一定保障，更为重要的是为智能化矿井通风以及矿井应急救援提供理论和技术支持。目前，矿井通风系统故障诊断方法存在几个亟待解决的问题：(1)需要建立专家系统或收集故障样本，在诊断过程中离不开样本的参与；(2)故障位置诊断和故障量诊断无法同时进行，在进行故障诊断之前需要分别建立故障位置诊断和故障量诊断模型；(3)难以实现矿井通风系统故障实时在线诊断。
技术实现思路
针对现有技术的不足，本专利技术基于协方差自适应调整的进化策略(CMA-ES)化算法，提出一种无监督学习的矿井通风系统故障诊断方法，建立分类与回归一体化的矿井通风系统故障诊断数学模型。此方法在诊断过程中无需故障样本参与训练，避免因样本数据噪声产生的误差或出现欠拟合及过拟合的现象，同时可达到矿井通风系统故障实时诊断的目的。本专利技术提出了一种无训练样本的通风故障诊断方法，包括以下步骤：步骤1：构建矿井通风网络图，根据矿井通风系统图构建矿井通风网络图G＝(V,E)，V表示矿井通风网络中m个节点的集合，E表示n’条网络分支的集合，则V＝{v1,v2,v3…vm}，E＝{e1,e2,e3…en'}；步骤2：模拟矿井通风故障，排除矿井通风网络中的风井分支，除风井分支之外的分支中的每条分支的风阻r0i模拟发生大小为Δri的故障量，li≤Δri≤ui，其中li和ui分别为故障分支ei对应故障量Δri变化的下限值和上限值，i∈(1,2,3,...,n)，n表示排除风井分支后进行故障模拟的网络分支的个数，每条分支每发生一次风阻值变化为一次模拟试验，除风井分支外每条分支模拟发生风阻值大小不一的N次故障，N根据实际情况确定；步骤3：计算模拟故障发生后各分支的风量和风压值，根据各观测点的原始风阻R＝(r01,r02,r03…r0n)及每次试验故障量，得到的故障后的风阻为R＝(r′1,r′2,r′3…r′n)，利用矿井通风网络解算方法求解得到每次试验条件下对应的故障后风量Q′＝(q′1,q′2,q′3,…,q′n)和故障后风压H′＝(h′1,h′2,h′3,…,h′n)，所述矿井通风网络解算表示为：Q'＝f(R')(1)ri'＝r0i±Δri(2)式中，Q'表示故障后矿井通风网络的风量，R'表示故障后矿井通风网络的风阻，f(*)表示关于风阻与风量的函数，ri'表示分支ei发生故障后的分支风阻，r0i表示分支ei的原始风阻，Δri表示分支ei发生的故障量，h′i表示故障后分支ei的风压，ri'表示分支ei发生故障后的分支风阻，q′i表示故障后分支ei的风量，κ表示流态因子，取决于流体的流动状态，层流时κ＝1，完全紊流时κ＝2，过渡状态取1～2的中间值，n表示排除风井分支后进行故障模拟的网络分支的个数；步骤4：定义故障诊断模型的目标函数并求解，以解算所得的Q′和H′作为所述故障诊断模型的输入量，以[x,Δr1,Δr2,…,Δrx,…,Δrn]为编码，利用CMA-ES进化算法对所述故障诊断模型的目标函数进行求解，得到每代的故障位置点x和故障量Δrx，并通过所述矿井通风网络解算得到CMA-ES进化迭代过程中的风量解和风压解以此求解每代各个体的适应值F(x)，x表示CMA-ES算法输出的故障位置点，且满足0<x≤n；步骤5：CMA-ES进化算法的终止判断，判断是否达到设定的最大迭代代数或计算精度，若达到最大迭代代数或计算精度中任意一项则终止计算，并输出故障位置点x及故障量Δrx，否则继续进行CMA-ES进化迭代计算，直至达到终止条件终止；步骤6：评价故障诊断方法的性能，如果通过CMA-ES进化迭代计算得到的故障位置点x与模拟矿井通风故障试验得到的故障分支ei中的i相等，且满足|Δrx-Δri|≤α，α表示预设诊断精度，则认为故障诊断成功，否则认为诊断失败，并统计故障诊断结果的准确率ε，若达到预设诊断精度α，则输出li、ui及CMA-ES计算时输入的初始参数，否则修改li、ui及CMA-ES计算的初始参数继续执行步骤2～步骤5，Δrx表示CMA-ES算法输出的故障位置点x对应的故障量，且满足lx≤Δrx≤ux，lx和ux分别表示故障分支ex对应故障量变化的下限值和上限值；步骤7：试验验证，将故障后风量Q′替换为实际生产情况下的矿井通风系统中观测点的观测风量，将故障后风压H′替换为实际生产情况下的矿井通风系统中观测点的观测风压，然后执行步骤4和步骤5，得到实际生产情况下的故障位置点x’和Δrx'，通过比较x与x’是否相等，以及判断Δrx与Δrx'是否相等，评估所述无训练样本的通风故障诊断方法的有效性，根据统计得到的准确率ε预测故障分支ex发生Δrx故障量的可能性。所述步骤4中的故障诊断模型的目标函数表示为：式中，α、β表示自定义调节参数，且满足α+β＝1，表示CMA-ES进化迭代过程中的风量解、表示CMA-ES进化迭代过程中的风压解，nq和nh分别为风量和风压观测点的数量。本专利技术的有益效果是：本专利技术提出一种无训练样本的通风故障诊断方法，利用CMA-ES对建立的分类与回归一体化的矿井通风系统故障诊断数学模型进行求解，可实现无需样本参与训练的无监督学习故障诊断，进而实现矿井通风系统故障的实时诊断；风量-风压复合特征比风量或风压单一特征下的矿井通风系统故障诊断可获得更高准确率的故障位置诊断和更低误差的故障量诊断，在实际应用中，结合风速和压差传感器同时配备使用可实现更为精准的矿井通风故障诊断。附图说明图1为本专利技术实施例中的无训练样本的矿井通风故障诊断方法的流程图。图2为本专利技术实施例中的试验矿井通风网络图。图3为本专利技术实施例中的故障位置和故障量诊断结果图，其中(a)表示风量观测点的数量nq为100，风压观测点的数量nh为0时的结果图，(b)表示风量观测点的数量nq为0，风压观测点的数量nh为100时的结果图，(c)表示风量观测点的数量nq为100，风压观测点的数量nh为100时的结果图。图4为本专利技术实施例中的故障位置成功诊断情况下的故障量误差分析图。具体实施方式下面结合附图和具体实施实例对专利技术做进一步说明：一种无训练样本的通风故障诊断方法，其流程如图1所示，具体包括如下步骤：步骤1：构建矿井通风网络图，如图2所示，根据矿井通风系统图构建矿井通风网络图G＝(V,E)，本文档来自技高网...

【技术保护点】
1.一种无训练样本的通风故障诊断方法，其特征在于，包括以下步骤：/n步骤1：构建矿井通风网络图，根据矿井通风系统图构建矿井通风网络图G＝(V,E)，V表示矿井通风网络中m个节点的集合，E表示n’条网络分支的集合，则V＝{v

【技术特征摘要】
1.一种无训练样本的通风故障诊断方法，其特征在于，包括以下步骤：
步骤1：构建矿井通风网络图，根据矿井通风系统图构建矿井通风网络图G＝(V,E)，V表示矿井通风网络中m个节点的集合，E表示n’条网络分支的集合，则V＝{v1,v2,v3…vm}，E＝{e1,e2,e3…en'}；
步骤2：模拟矿井通风故障，排除矿井通风网络中的风井分支，除风井分支之外的分支中的每条分支的风阻r0i模拟发生大小为Δri的故障量，li≤Δri≤ui，其中li和ui分别为故障分支ei对应故障量Δri变化的下限值和上限值，i∈(1,2,3,...,n)，n表示排除风井分支后进行故障模拟的网络分支的个数，每条分支每发生一次风阻值变化为一次模拟试验，除风井分支外每条分支模拟发生风阻值大小不一的N次故障，N根据实际情况确定；
步骤3：计算模拟故障发生后各分支的风量和风压值，根据各观测点的原始风阻R＝(r01,r02,r03…r0n)及每次试验故障量，得到的故障后的风阻为R＝(r′1,r′2,r′3…r′n)，利用矿井通风网络解算方法求解得到每次试验条件下对应的故障后风量Q′＝(q′1,q′2,q′3,…,q′n)和故障后风压H′＝(h′1,h′2,h′3,…,h′n)，所述矿井通风网络解算表示为：
Q'＝f(R')(1)
r′i＝r0i±Δri(2)



式中，Q'表示故障后矿井通风网络的风量，R'表示故障后矿井通风网络的风阻，f(*)表示关于风阻与风量的函数，r′i表示分支ei发生故障后的分支风阻，r0i表示分支ei的原始风阻，Δri表示分支ei发生的故障量，h′i表示故障后分支ei的风压，r′i表示分支ei发生故障后的分支风阻，q′i表示故障后分支ei的风量，κ表示流态因子，取决于流体的流动状态，层流时κ＝1，完全紊流时κ＝2，过渡状态取1～2的中间值，n表示排除风井分支后进行故障模拟的网络分支的个数；
步骤4：定义故障诊断模型的目标函数并求解，以解算所得的Q′和H′作为所述故障诊断模型的输入量，以[x,Δr1,Δr2,…,Δrx,…,Δrn]为...

【专利技术属性】
技术研发人员：刘剑，尹昌胜，黄德，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21