一种自适应校正的采煤机故障诊断系统的制作方法

本发明涉及煤矿生产领域，尤其涉及一种自适应校正的采煤机故障诊断系统。

背景技术：

煤炭的开采是一项复杂的系统工程，涉及到的设备也是种类繁多。随着综合机械化采煤的普及，综采设备在其中扮演的角色就显得最为突出，而综采设备中最重要的又莫过于综采“三机”：液压支架、刮板输送机、采煤机。“三机”中液压支架和刮板输送机构造相对简单，出现故障的频率也相对较少且故障浅显，有经验的检修工能快速的发现问题、解决问题，一般不会给采煤工作带来较大的影响。但采煤机就不同了，作为综采工作面用来采煤的“双手”，其构造复杂，出现故障的风险点多，而且故障具有隐蔽性和多样性。如果出现故障将会导致整个采煤工作中断，造成严重的损失。如何降低采煤机的故障率，提高工作效率，这也是困扰采煤企业各生产矿井的重要难题之一。

20世纪60年代，随着计算机技术和电子技术的发展，国外一些国家将故障诊断技术应用于采煤机上，故障诊断技术也从单纯使用听觉、触觉等感官诊断技术，发展到便携式诊断仪器，再到现如今的自我诊断。这使采煤机的故障诊断更加准确、快速，而且大大提高了煤炭生产效益。但是目前采煤机的故障诊断方法往往一旦建立就无法在线更新，影响了实际使用的有效性和诊断结果的准确性。

技术实现要素：

为了克服目前采煤机智能故障诊断方法无法实时更新模型的不足，本发明的目的在于提供一种自适应校正的采煤机故障诊断系统，该系统以梯度提升树gbdt作为基础分类器，并且引入自适应校正策略的采煤机故障诊断系统。

本发明的目的是通过以下技术方案来实现的：一种自适应校正的采煤机故障诊断系统，该系统由传感模块、故障诊断模块、诊断结果显示仪组成。各部分的作用和连接方式为：传感模块测量采煤机各个故障征兆数据，并将这些数据传到故障诊断模块；故障诊断模块根据故障征兆数据智能地识别出故障原因，并将结果传输诊断结果显示仪进行显示。

进一步地，传感模块测量采煤机的故障征兆数据x＝(x1,x2,x3,…,x9)，并将数据传输到故障诊断模块。其中：x1表示采煤机空载时的补油压力；x2表示采煤机加载时的补油压力；x3表示辅助系统压力；x4表示液压马达总进液流量与总回液流量之差；x5表示摇臂升起时间；x6表示电机电流；x7表示电机温度；x8表示冷却水压力；x9表示冷却水流量。故障原因集为y＝(y1,y2,y3,…,y7)，其中y1表示主泵故障；y2表示补油泵故障；y3表示滤油器故障；y4表示辅助泵故障；y5表示液压马达故障；y6表示电机过载；y7表示冷却系统故障。每一个故障征兆数据x＝(x1,x2,x3,…,x9)对应y1到y7七个故障原因中的一个或多个故障原因。

进一步地，故障诊断模块使用梯度提升树gbdt作为分类器，并采用自适应校正策略自动更新模型。故障诊断模块的建立及运行步骤如下：

(1)gbdt分类器的输入为x＝(x1,x2,x3,…,x9)，输出为对应的故障原因。将所有具有完整输入输出对的样本分为训练集与验证集，训练集输入gbdt分类器中进行训练，得到训练完成的故障诊断模型，并计算验证集的分类准确率accuracy_val。

(2)将未知分类结果的传感模块测量得到的数据x＝(x1,x2,x3,…,x9)输入到训练完成的故障诊断模型，分析得到具体的故障原因，再将结果传到诊断结果显示仪进行显示。

(3)根据诊断结果实地排查采煤机故障，找出故障的真正原因。将此结果添加到测试集。当测试集的数量超过验证集数量的一半时，计算测试集的分类准确率accuracy_test。

(4)如果accuracy_test<0.95×accuracy_val，将测试集样本添加到训练集，重新训练模型。

(5)重复步骤(1)-(4)，实现了采煤机故障诊断系统的自适应校正。

本发明的有益效果主要表现在：本发明使用梯度提升树gbdt作为分类器，诊断准确性高；采用自适应校正策略自动更新模型，一旦发现诊断结果变差就调整诊断模型，维持了系统的诊断准确性。

附图说明

图1是本发明的结构示意图。

图2是本发明故障诊断模块的建立及运行过程。

具体实施方式

下面根据附图具体说明本发明。

参照图1，一种自适应校正的采煤机故障诊断系统，该系统由传感模块2、故障诊断模块3、诊断结果显示仪6组成。各部分的作用和连接方式为：传感模块2测量采煤机1各个故障征兆数据，并将这些数据传到故障诊断模块3；故障诊断模块3根据故障征兆数据智能地识别出故障原因，并将结果传输诊断结果显示仪6进行显示。

传感模块2测量采煤机1的故障征兆数据x＝(x1,x2,x3,…,x9)，并将数据传输到故障诊断模块3。其中：x1表示采煤机空载时的补油压力；x2表示采煤机加载时的补油压力；x3表示辅助系统压力；x4表示液压马达总进液流量与总回液流量之差；x5表示摇臂升起时间；x6表示电机电流；x7表示电机温度；x8表示冷却水压力；x9表示冷却水流量。故障原因集为y＝(y1,y2,y3,…,y7)，其中y1表示主泵故障；y2表示补油泵故障；y3表示滤油器故障；y4表示辅助泵故障；y5表示液压马达故障；y6表示电机过载；y7表示冷却系统故障。每一个故障征兆数据x＝(x1,x2,x3,…,x9)对应y1到y7七个故障原因中的一个或多个故障原因。

故障诊断模块3使用梯度提升树gbdt分类器5进行故障诊断，并采用自适应校正策略4自动更新模型。参照图2，故障诊断模块3的建立及运行步骤如下：

(1)gbdt分类器5的输入为x＝(x1,x2,x3,…,x9)，输出为对应的故障原因。将所有具有完整输入输出对的样本分为训练集与验证集，训练集输入gbdt分类器中进行训练，得到训练完成的故障诊断模型，并计算验证集的分类准确率accuracy_val。

(2)将未知分类结果的传感模块2测量得到的数据x＝(x1,x2,x3,…,x9)输入到训练完成的故障诊断模型，分析得到具体的故障原因，再将结果传到诊断结果显示仪6进行显示。

(3)根据诊断结果实地排查采煤机故障，找出故障的真正原因。将此结果添加到测试集。当测试集的数量超过验证集数量的一半时，计算测试集的分类准确率accuracy_test。

(4)如果accuracy_test<0.95×accuracy_val，则将测试集样本添加到训练集，重新训练模型。

(5)重复步骤(1)-(4)，实现了采煤机故障诊断系统的自适应校正。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

技术特征：

技术总结
本发明公开了一种自适应校正的采煤机故障诊断系统，该系统由传感模块、故障诊断模块、诊断结果显示仪组成。传感模块测量采煤机各个故障征兆数据，并将这些数据传到故障诊断模块；故障诊断模块根据故障征兆数据智能地识别出故障原因，并将结果传输诊断结果显示仪进行显示。本发明克服了目前采煤机智能故障诊断方法无法实时更新模型的不足，使用梯度提升树GBDT作为分类器，诊断准确性高；采用自适应校正策略自动更新模型，一旦发现诊断结果变差就调整诊断模型，维持系统的诊断准确性。

技术研发人员：徐志鹏;蒋雅萍;刘兴高;张泽银
受保护的技术使用者：浙江大学
技术研发日：2019.01.08
技术公布日：2019.06.04