一种矿井主风机健康评价方法技术

本发明专利技术公开了一种矿井主风机健康评价方法，属于矿井健康评价方法研究领域，获取矿井主风机各运行参数的小时归档数据，形成决策矩阵，选取一组参考数据，形成决策参考矩阵；采用灰色关联分析法，获取决策矩阵相对于决策参考矩阵的关联度数列，得到矿井主风机当前各运行参数的关联度，组成关联度矩阵，并进行归一化处理，得到关联度概率矩阵；采用熵权法将关联度概率矩阵代入计算，获得矿井主风机各运行参数的初始指标权重；对初始指标权重进行筛选，得到矿井主风机各运行参数的指标权重；对矿井主风机进行健康评价打分，得到矿井主风机的健康评价得分，根据得分决定是否倒机检修，能够真实全面地反映矿井主风机的健康状态。真实全面地反映矿井主风机的健康状态。真实全面地反映矿井主风机的健康状态。

【技术实现步骤摘要】
一种矿井主风机健康评价方法


[0001]本专利技术涉及矿井健康评价方法研究领域，具体涉及一种基于灰色关联
‑
熵权法的矿井主风机健康评价方法。

技术介绍

[0002]随着煤矿主风机的自动化水平已经得到普遍应用，而煤矿主风机的智能化水平成为了新的发展方向。煤矿主通风机监控系统每天都会产生大量的小时归档数据，并在监控界面实时显示。
[0003]目前在矿井主风机的健康评价方法研究领域，大部分的旋转机械健康评价方法仅从几个关键参数的状态来进行健康评价，这种片面的评价方法虽然简单易行，但必然导致该健康评价无法全面反映设备的健康状态。当前大部分的设备评价方法采用的都是主观赋权法，主观赋权法是在人们在对设备进行了多年的考察研究的基础上建立的，它在体现设备健康程度的同时也受限于人的认知程度，主观随意性强且因人而异。
[0004]然而这些海量的归档数据采样频率都远小于故障诊断所需的采样频率，不满足奈奎斯特采样定理，主观随意性强，缺乏理论依据，目前的故障诊断并没有结合多指标参数利用客观赋权法对设备进行健康评价。

技术实现思路

[0005]针对上述领域中存在的问题，本专利技术一种矿井主风机健康评价方法，能够解决了目前的故障诊断并没有结合多指标参数利用客观赋权法对设备进行健康评价的技术问题。
[0006]为解决上述技术问题，本专利技术公开了一种矿井主风机健康评价方法，包括以下步骤：
[0007]获取矿井主风机各运行参数的小时归档数据，形成决策矩阵；
[0008]从决策矩阵中选取一组参考数据，形成决策参考矩阵；采用灰色关联分析法，获取决策矩阵相对于决策参考矩阵的关联度数列；根据关联度数列，得到矿井主风机当前各运行参数的关联度，组成关联度矩阵；
[0009]对关联度矩阵进行归一化处理，得到关联度概率矩阵；采用熵权法将关联度概率矩阵代入计算，获得矿井主风机各运行参数的初始指标权重；对初始指标权重进行筛选，得到矿井主风机各运行参数的指标权重；
[0010]根据指标权重和各运行参数的指标的得分情况对矿井主风机进行健康评价打分，得到矿井主风机的健康评价得分。
[0011]优选地，所述各运行参数包括电机定子温度、电机轴承温度、风机轴承温度、水平振动、垂直振动、电机三相电流、电机三相电压、风机入口静压、风机出口全压、风机流量、电机功率。
[0012]优选地，所述形成决策矩阵，包括以下步骤；
[0013]获取矿井主风机各运行参数的小时数据，形成相应的小时数据集合；
[0014]根据小时数据集合，形成决策矩阵G
k
；其中，决策矩阵包括数据集合T、运行参数指标集合S和某一数据对应的运行参数指标的值x
i
；数据集合为，决策矩阵G
k
为：
[0015][0016]其中，G
k
表示第k个决策矩阵，k＝1，2，3，
…
，N；G1决策矩阵与G0参考决策矩阵经过灰色关联分析得到1组关联度，k个决策矩阵分别与参考决策矩阵得到的k组关联度，并经过标准化处理组成关联度概率矩阵；数据集合为T＝(T1，T2，T3，
…
，T
n
)，运行参数指标集合为S＝(S1，S2，S3，
…
，S
m
)，T
i
对S
j
的值为x
ij
(i＝1，2，3，
…
，24；j＝1，2，3，
…
，m)。
[0017]优选地，所述形成决策参考矩阵G0为:
[0018][0019]优选地，所述采用灰色关联分析法，获取决策矩阵相对于决策参考矩阵的关联度数列，包括以下步骤：
[0020]根据获取的决策矩阵和参考决策矩阵，计算出第i个参数的关联度h
ki
为:
[0021][0022]其中，n＝24，λ∈[0,1]为分辨系数，为一级最小差，为一级最大差；为参考指标向量，为指标向量；
[0023]将N组m个运行指标参数的关联度，组成关联度矩阵Q
ij
为：
[0024][0025]优选地，所述对关联度矩阵进行归一化处理，得到关联度概率矩阵P
ij
为：
[0026][0027]优选地，所述采用熵权法将关联度概率矩阵代入计算，获得矿井主风机各运行参数的初始指标权重，包括以下步骤：
[0028]将关联度概率矩阵代入信息熵计算公式，得到第j个运行参数指标的信息熵D
j
；其中，信息熵计算公式为：
[0029][0030]根据矿井主风机运行参数指标的信息熵计算，得到各运行参数指标权重系数的计算公式为：
[0031][0032]其中，W
j
为矿井主风机第j项运行参数指标的权重，(1
‑
D
j
)称为第j项指标的差异性。
[0033]优选地，所述对初始指标权重进行筛选，得到矿井主风机各运行参数的指标权重，包括以下步骤：
[0034]如果初始指标权重小于0.1，不将其纳入健康评估的指标构建，筛选符合条件的各健康指标；
[0035]将符合条件的各健康指标V
i
进行归一化处理；
[0036]得到矿井主风机各运行参数的指标权重U
i
：
[0037][0038]其中，V
i
＝{V
i
|V
i
＞0.1，V
i
∈W
j
}，V
i
代表初始指标权重。
[0039]与现有技术相比，本专利技术具有如下有益效果：
[0040]本专利技术通过获取矿井主风机正常运行一天的小时归档数据作为参考数据集，利用灰色关联分析法将若干天的小时数据与参考数据进行灰色关联度分析，得出不同参数的关联度，降低了数据维度，将大量闲置的归档数据重新利用起来；采用熵权法提高了计算效率，结合获取到的关联度计算得出不同参数的指标权重，根据该指标权重对矿井主风机的每天健康状态进行评价打分，调度室再综合矿井风机的评价得分选择倒机检修还是继续运行，采用客观赋权法，能明显减少人为主观随意性，理论依据强，能真实全面地反映矿井主风机的健康状态，对设备的维修决策具有十分重要的指导意义。
附图说明
[0041]图1为本专利技术基于灰色关联
‑
熵权法的矿井主风机健康评价方法的流程图；
[0042]图2为本专利技术的灰色关联分析部分的求解步骤示意图；
[0043]图3为本专利技术的熵权法部分的求解步骤示意图；
[0044]图4为本专利技术的获取的某天24小时中的不同归档参数的关联度数据；
[0045]图5为本专利技术的根据图1的关联度数据组成的关联度矩阵。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图1
‑
5，对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿井主风机健康评价方法，其特征在于，包括以下步骤：获取矿井主风机各运行参数的小时归档数据，形成决策矩阵；从决策矩阵中选取一组参考数据，形成决策参考矩阵；采用灰色关联分析法，获取决策矩阵相对于决策参考矩阵的关联度数列；根据关联度数列，得到矿井主风机当前各运行参数的关联度，组成关联度矩阵；对关联度矩阵进行归一化处理，得到关联度概率矩阵；采用熵权法将关联度概率矩阵代入计算，获得矿井主风机各运行参数的初始指标权重；对初始指标权重进行筛选，得到矿井主风机各运行参数的指标权重；根据指标权重和各运行参数的指标的得分情况对矿井主风机进行健康评价打分，得到矿井主风机的健康评价得分。2.根据权利要求1所述的一种矿井主风机健康评价方法，其特征在于，所述各运行参数包括电机定子温度、电机轴承温度、风机轴承温度、水平振动、垂直振动、电机三相电流、电机三相电压、风机入口静压、风机出口全压、风机流量、电机功率。3.根据权利要求1所述的一种矿井主风机健康评价方法，其特征在于，所述形成决策矩阵，包括以下步骤；获取矿井主风机各运行参数的小时数据，形成相应的小时数据集合；根据小时数据集合，形成决策矩阵G
k
；其中，决策矩阵包括数据集合T、运行参数指标集合S和某一数据对应的运行参数指标的值x
i
；数据集合为，决策矩阵G
k
为：其中，G
k
表示第k个决策矩阵，k＝1，2，3，
…
，N；G1决策矩阵与G0参考决策矩阵经过灰色关联分析得到1组关联度，k个决策矩阵分别与参考决策矩阵得到的k组关联度，并经过标准化处理组成关联度概率矩阵；数据集合为T＝(T1，T2，T3，
…
，T
n
)，运行参数指标集合为S＝(S1，S2，S3，
…
，S
m
)，T
i
对S
j
的值为x
ij
(i＝1，2，3，
…
，24；j＝1，2，3，
…

【专利技术属性】
技术研发人员：王启立，严胜，费圣城，孙维祺，岳岚轩，刘颀，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：