1采煤机健康管理系统
1.1数据层1)数据的预处理数据的预处理一方面是把从传感器得到的耦合数据进行解耦，这样得到数据才能真实准确的表现出设备本身的性质。另一方面就是把得到的数据进行一些基本的处理，如傅里叶变换拉斯变换等。2)数据库数据库主要是储存采煤机的历史数据以及所对应的采煤机健康指数，为以后训练BP神经网络做指导。数据库的历史数据越完备训练出来的神经网络越接近实际。1.2分析决策层1)健康评估通过数据库的历史数据对BP神经网络的训练得到一个有训练的神经网络，再把当前实时的数据输入神经网络当中得到采煤机的健康指数，通过得到的采煤机健康指数进行采煤机的健康评估。2)预测推理通过得到的采煤机健康评估，预测采煤机健康状态的变化趋势。推理出采煤机将要发生的故障以及部位，为维护决策做依据。3)维护决策通过预测推理做出合理的维护决策。如：是否需要维修，怎样维修，维修的部件或零件是哪一部分等。
2基于BP神经网络的采煤机传感器数据与健康指数的关系模型
通过数据库得到数据，建立采煤机健康系统的BP神经网络模型。该模型通过采煤机传感器的数据与采煤机健康指数之间的关系，以实现对该系统在指定的传感器数据得到采煤机的健康指数对采煤机健康趋势进行预测。2.1BP神经网络模型结构的确定根据神经网络在机械设备过程中应用的相关经验，本研究中模型拟采用带有1个隐含层的3层BP网络结构。其中输入层有8个神经元，分别为采煤机牵引速度，采煤机左右截割电机电流，采煤机左右牵引电机电流，采煤机左右截割电机温度，采煤机左右牵引电机温度，采煤机左右行星头温度，采煤机变压器温度，采煤机水流量。输出层的有1个神经元，为采煤机的健康指数。Hornik等证明用1个隐含层和足够的隐层节点就可以实现任意精度的输入与输出的映射关系[2]。隐含层节点过多，会降低神经网络的运行速率和预测能力；隐层节点过少，神经网络不能很好的逼近输入与输出的非线形映射。本研究在反复验证与比较的基础上，拟选取隐含层的神经元数为4个。该系统的BP神经网络模型结构如图2所示。2.2模型训练算法及步骤[3]该BP神经网络的输入层有m(m=8)个节点，输出层有n(n=1)个节点，隐含层的节点数目为u(u=4)，ijW为输入层ix到隐含层'jx的连接权，jkV为隐含层'jx到输出层ky的连接权，j为隐含层单元的阈值，k为输出层单元的阈值。步骤一:初始化权值W和阈值，即给输入层单元到隐含层单元的连接权ijW，隐含层到输出层的连接权jkV，隐含层单元的阈值j，输出层单元的阈值k随机赋一个(0，1)之间的较小值。步骤二:给出训练样本，即实际输入值和期望输出值，给出输入向量12(,,...,)imXxxx和对应的期望输出向量12(,,...,)imYyyy，将ix的值输入输入层节点，依次正向计算:步骤三:计算输出节点的实际输出值{ky}与期望输出值{}的误差k:步骤四:反向误差传播，即用连接权{jkV}，输出层的一般化误差{j}，隐含层的输出{'jx}。计算隐含层各单元的误差{j}:步骤五:用输出层单元的一般化误差{k}，隐含层各单元的输出{'jx}修正输出层的权值{jkV}和阈值{k}：输出层与隐含层权值的修正：'(1)()jkjkkjVtVtx输出层阈值的修正：(1)()kkktt步骤六:用隐含层的一般化误差{j}，输入层各单元的输入{ix}，修正连接权值{ijW}和阈值j：输入层与隐含层的连接权值的修正：(1)()jkjkjiWtWtx隐含层的阈值的修正：(1)()jjjtt步骤七:重复步骤二，选取不同的训练样本，不断执行上述迭代过程，直到误差k足够小，停止学习。2.3模型结果与分析将数据库的100组数据分为2组，取其中的60组作为训练集，用于对BP神经网络进行训练;另外40组作为测试集，对训练好的BP神经网络测试。利用含60组试验数据的训练集对网络进行训练，确定系统训练误差为0.002，最后通过程序运算知该系统经过2873步训练达到稳态，训练误差如图3所示。用于训练的60组数据的健康指数与训练后通过神经网络得到的健康指数如图4所示，通过图4我们可以清楚地看出通过神经网络得出的健康指数与原始的健康指数非常地接近。训练过后的神经网络我们用另外的40组的数据进行测试，通过神经网络预测得到的健康指数与原始的健康数据如图5所示。从图5可以看出实际的健康指数与预测得到的健康指数非常的接近。实际的健康指数与通过神经网络得到的健康指数如表2所示。由得到的健康指数确定健康状态，确定的标准是健康状态对应的健康指数是（0~0.4），亚健康状态对应的健康指数是（0.4~0.7），故障状态对应的健康指数是（0.7~1）[4]。得到实际健康状态与预测健康状态如表3所示。由表可得到实际的健康状态和预测得到的健康状态基本是一致的，重合率为几乎为90%。所以表明该训练好的BP神经网络模型具有较好的预测能力，结果较为可信。
3结束语
在综采自动化中推广和应用故障预测与健康管理设备是一个必然的进程。而采煤机在综采自动化中占有很高的地位，对采煤机进行故障预测与健康管理可以很好的提高维修质量，从而提高综采工作面的安全性和效率。
作者：周远航 姚新港 单位：中国矿业大学 机电学院
