前言：本站為你精心整理了深度學(xué)習(xí)下煤礦機(jī)電設(shè)備檢測(cè)技術(shù)探究范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢(xún)。

摘要：針對(duì)傳統(tǒng)煤礦機(jī)電設(shè)備檢測(cè)存在工人勞動(dòng)強(qiáng)度大、檢測(cè)誤差較大、檢測(cè)技術(shù)手段落后等問(wèn)題，通過(guò)將當(dāng)前的人工智能技術(shù)與機(jī)電設(shè)備檢測(cè)應(yīng)用相融合，提出了基于深度學(xué)習(xí)的煤礦機(jī)電設(shè)備檢測(cè)新技術(shù)和新方法，利用深度學(xué)習(xí)技術(shù)建立機(jī)電設(shè)備檢測(cè)專(zhuān)家?guī)旌凸收蠋?kù)，有效提高了煤礦機(jī)電設(shè)備檢測(cè)的準(zhǔn)確度和結(jié)果的可信度，將這套系統(tǒng)應(yīng)用于礦井提升機(jī)領(lǐng)域，結(jié)果表明，該套系統(tǒng)實(shí)現(xiàn)了對(duì)設(shè)備故障的自動(dòng)識(shí)別、快速反應(yīng)和及時(shí)報(bào)警，實(shí)現(xiàn)了機(jī)電設(shè)備檢測(cè)過(guò)程的無(wú)人化、智能化，最終提高了煤礦企業(yè)的安全管理水平，推動(dòng)了智慧礦山建設(shè)。

關(guān)鍵詞：深度學(xué)習(xí)人工智能機(jī)電設(shè)備礦山智能化

引言

煤礦機(jī)電設(shè)備是保證煤礦高效安全生產(chǎn)的重要工具。隨著我國(guó)對(duì)能源需求的不斷增大，對(duì)于煤炭的開(kāi)采量也會(huì)加大，煤礦井下有大量的用于開(kāi)采、輸送、通風(fēng)和排水的機(jī)械設(shè)備，數(shù)量相當(dāng)龐大。為了保證煤礦安全生產(chǎn)，需要對(duì)機(jī)電設(shè)備進(jìn)行定期檢查，以發(fā)現(xiàn)設(shè)備的故障并及時(shí)進(jìn)行維修，從而避免煤礦事故發(fā)生，保證煤礦的生產(chǎn)量[1]。近年來(lái)，煤礦事故頻頻發(fā)生，2020年全國(guó)煤礦發(fā)生事故123起，死亡人數(shù)達(dá)到228人，其中大部分的煤礦事故是由于安全基礎(chǔ)工作薄弱、設(shè)備故障不能及時(shí)查明并排除最終釀成災(zāi)禍的。所以利用人工智能技術(shù)準(zhǔn)確識(shí)別托輥故障和煤礦井下局部高溫環(huán)境工況，將采集到的數(shù)據(jù)進(jìn)行融合分析判斷，及時(shí)發(fā)現(xiàn)潛在隱患報(bào)警并進(jìn)行排除，將會(huì)有效避免煤礦事故的發(fā)生。傳統(tǒng)的煤礦機(jī)電設(shè)備的檢測(cè)主要是采用人工進(jìn)行，并且主要是依靠工人的經(jīng)驗(yàn)和簡(jiǎn)單檢測(cè)裝置進(jìn)行測(cè)量，最終檢測(cè)結(jié)果的可信度不高，且容易導(dǎo)致檢測(cè)結(jié)果錯(cuò)誤的問(wèn)題，最終有可能引發(fā)煤礦事故[2]。隨著人工智能技術(shù)的不斷發(fā)展，傳統(tǒng)的利用人工進(jìn)行設(shè)備檢測(cè)的方式暴露出很多弊端，迫切要求對(duì)機(jī)電設(shè)備的檢測(cè)實(shí)現(xiàn)智能化和智慧化。為此，本文首次提出了利用人工智能技術(shù)搭建煤礦機(jī)電設(shè)備智能檢測(cè)系統(tǒng)方案，將人工智能技術(shù)融入煤礦機(jī)電設(shè)備的智能檢測(cè)，通過(guò)對(duì)煤礦機(jī)電設(shè)備常見(jiàn)故障進(jìn)行分析，提出利用人工智能技術(shù)進(jìn)行設(shè)備檢測(cè)的可能性和可行性，隨后分析了人工智能技術(shù)用于設(shè)備故障檢測(cè)的關(guān)鍵技術(shù)方案，通過(guò)現(xiàn)場(chǎng)應(yīng)用得出人工智能技術(shù)設(shè)備檢測(cè)的效果和結(jié)論。

1煤礦機(jī)電設(shè)備常見(jiàn)故障類(lèi)型

煤礦機(jī)電設(shè)備的故障需要根據(jù)設(shè)備自身結(jié)構(gòu)的構(gòu)造和實(shí)際的工作狀況進(jìn)行分析，常見(jiàn)的設(shè)備故障類(lèi)型[3]分別是設(shè)備性能參數(shù)的下降，振動(dòng)的異常、聲響異常，磨損殘留物的劇烈增加，排氣成分的變化，過(guò)熱現(xiàn)象，裂紋的形成與擴(kuò)展，電壓和電流的劇烈變化等。具體的故障類(lèi)型和詳細(xì)的表現(xiàn)形式總結(jié)如下：首先是設(shè)備的損壞型故障，包括設(shè)備的斷裂、裂開(kāi)、點(diǎn)蝕、燒蝕、變形、拉傷、龜裂、壓痕等。隨后是設(shè)備的退化型故障，包括設(shè)備的老化、變質(zhì)、剝落、異常磨損等，然后是設(shè)備的松脫型故障，包括松動(dòng)和脫落等，還有設(shè)備的失調(diào)型故障，壓力過(guò)高或過(guò)低、行程失調(diào)、間隙過(guò)大或過(guò)小、干涉等；設(shè)備的堵塞與滲漏型的故障，堵塞、漏水、漏氣、滲油等；最后是性能衰退或功能失效型故障模式，如功能失效、性能衰退、過(guò)熱等[4]。設(shè)備發(fā)生故障后需要對(duì)設(shè)備的故障進(jìn)行分析，傳統(tǒng)的人工分析方式主要是依靠經(jīng)驗(yàn)，憑借以往對(duì)于相同設(shè)備或類(lèi)似設(shè)備出現(xiàn)運(yùn)行異常問(wèn)題，首先分析故障的表現(xiàn)形式，隨后對(duì)故障可能的原因進(jìn)行羅列，并且對(duì)故障的原因逐個(gè)進(jìn)行檢查和分析，最終篩選出實(shí)際的故障并進(jìn)行維修。在設(shè)備檢測(cè)過(guò)程中該方式耗費(fèi)的時(shí)間較長(zhǎng)，同時(shí)需要的勞動(dòng)力成本較大，某個(gè)煤礦用于機(jī)電設(shè)備的檢測(cè)和故障診斷的工人數(shù)量超過(guò)幾百人，所以迫切要求采用先進(jìn)的智能化檢測(cè)技術(shù)取代傳統(tǒng)的人工檢測(cè)，以提高檢測(cè)準(zhǔn)確度和速度，有利于提高煤礦生產(chǎn)效率。

2基于深度學(xué)習(xí)的煤礦機(jī)電設(shè)備檢測(cè)方案

2.1基于神經(jīng)網(wǎng)絡(luò)的煤礦機(jī)電設(shè)備故障診斷原理

神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布并進(jìn)行信息處理的算法數(shù)學(xué)模型，主要包括輸入層、中間層和輸出層三層布置，通過(guò)建立各個(gè)節(jié)點(diǎn)之間的聯(lián)系使得整個(gè)系統(tǒng)更加復(fù)雜，處理信息更加準(zhǔn)確。目前神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于機(jī)器學(xué)習(xí)領(lǐng)域，如對(duì)帶式輸送機(jī)托輥的故障檢測(cè)與診斷、帶式輸送機(jī)異物的識(shí)別與跑偏的識(shí)別等[5]。對(duì)于常用的BP神經(jīng)網(wǎng)絡(luò)算法，其本身并不需要分析兩種元素之間的對(duì)應(yīng)關(guān)系，只需要設(shè)置對(duì)應(yīng)的輸入層和隱藏層，通過(guò)自主學(xué)習(xí)自動(dòng)識(shí)別大量的輸入和輸出的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)輸入-輸出的模式映射關(guān)系。如圖1所示為BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，包括三層結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)包括三層結(jié)構(gòu)，分別是輸入層、隱藏層和輸出層，是一種按誤差傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，學(xué)習(xí)的主要規(guī)格是使用最速下降法，通過(guò)不斷自動(dòng)調(diào)整網(wǎng)絡(luò)的權(quán)重，使得網(wǎng)絡(luò)的誤差平方和最小，從而達(dá)到優(yōu)化。圖2所示為神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程與故障診斷機(jī)理示意圖。采用如圖2所示的BP神經(jīng)網(wǎng)絡(luò)算法，首先需要獲取到足夠多的樣本參數(shù)，通過(guò)現(xiàn)場(chǎng)實(shí)際獲取到的大量樣本參數(shù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。只有數(shù)據(jù)足夠多，才能夠保證訓(xùn)練出的樣本更加符合實(shí)際工況，輸入模型中的外部測(cè)試數(shù)據(jù)與模型中已有的樣本特征進(jìn)行比對(duì)，最終輸出故障診斷的結(jié)果。

2.2基于機(jī)器學(xué)習(xí)的故障庫(kù)和專(zhuān)家?guī)煜到y(tǒng)設(shè)計(jì)

針對(duì)傳統(tǒng)的利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)電設(shè)備故障檢測(cè)需要大量的模型進(jìn)行訓(xùn)練，要求樣本具有足夠多的數(shù)據(jù)，為了得到最終合理的結(jié)果，工作量較大，為此提出了利用深度學(xué)習(xí)技術(shù)開(kāi)發(fā)出故障專(zhuān)家系統(tǒng)識(shí)別煤礦機(jī)電設(shè)備故障，目前國(guó)內(nèi)利用專(zhuān)家系統(tǒng)的案例并不多，尤其是在煤礦井下機(jī)電設(shè)備檢測(cè)方面，通過(guò)搭建煤礦井下機(jī)電設(shè)備故障專(zhuān)家系統(tǒng)實(shí)現(xiàn)快速檢測(cè)和識(shí)別。專(zhuān)家系統(tǒng)是作為一種“基于知識(shí)”的人工智能診斷系統(tǒng)，主要通過(guò)自身的知識(shí)和經(jīng)驗(yàn)，對(duì)所對(duì)應(yīng)的模擬人類(lèi)專(zhuān)家的一些決策過(guò)程解決需要專(zhuān)家處理的復(fù)雜問(wèn)題，進(jìn)行推理和判斷。如圖3所示為專(zhuān)家系統(tǒng)流程圖。專(zhuān)家系統(tǒng)主要由知識(shí)庫(kù)、推理機(jī)、綜合數(shù)據(jù)庫(kù)、解釋程序和知識(shí)獲取程序五部分組成，通過(guò)人機(jī)交互界面實(shí)現(xiàn)用戶(hù)、專(zhuān)家與整個(gè)專(zhuān)家系統(tǒng)的交互，包括對(duì)專(zhuān)家系統(tǒng)進(jìn)行輸入專(zhuān)業(yè)知識(shí)和解釋定義知識(shí)概念和功能等。從圖3中可知，在故障診斷系統(tǒng)中引入了知識(shí)庫(kù)管理和維護(hù)模塊、測(cè)量模塊，通過(guò)傳感器采集故障信號(hào)，利用神經(jīng)網(wǎng)絡(luò)算法對(duì)故障信號(hào)進(jìn)行初步提取和過(guò)濾，并對(duì)某些關(guān)鍵特征信號(hào)進(jìn)行加強(qiáng)，最后收錄到數(shù)據(jù)庫(kù)中，通過(guò)推理機(jī)得到故障類(lèi)型和診斷結(jié)果，作為知識(shí)庫(kù)管理和維護(hù)模塊的參考輸入，豐富完善故障知識(shí)庫(kù)，實(shí)現(xiàn)故障自學(xué)習(xí)、自動(dòng)診斷。

3現(xiàn)場(chǎng)應(yīng)用案例與效果

將本次設(shè)計(jì)的這套新型機(jī)電設(shè)備智能檢測(cè)系統(tǒng)布置在煤礦井下，利用傳感器將所有機(jī)電設(shè)備連接到中央控制器，通過(guò)現(xiàn)場(chǎng)接線和調(diào)試，建立煤礦井下機(jī)電設(shè)備智能檢測(cè)系統(tǒng)人機(jī)操作界面。利用該套系統(tǒng)可以實(shí)現(xiàn)對(duì)機(jī)電設(shè)備的智能實(shí)時(shí)在線監(jiān)控，并且當(dāng)設(shè)備發(fā)生故障時(shí)會(huì)及時(shí)進(jìn)行報(bào)警，事故發(fā)現(xiàn)率高達(dá)98.95%，報(bào)警響應(yīng)時(shí)間＜8s，大大降低了傳統(tǒng)的設(shè)備檢測(cè)成本，提高了設(shè)備的檢測(cè)效率，從而有效避免煤礦事故的發(fā)生，保證煤礦安全高效生產(chǎn)。

4結(jié)語(yǔ)

針對(duì)傳統(tǒng)的煤礦機(jī)電設(shè)備檢測(cè)存在工人勞動(dòng)強(qiáng)度大、檢測(cè)技術(shù)落后、檢測(cè)誤報(bào)率較高等問(wèn)題，本文通過(guò)對(duì)煤礦機(jī)電設(shè)備常見(jiàn)故障進(jìn)行分析，利用人工智能技術(shù)搭建了煤礦機(jī)電設(shè)備智能檢測(cè)系統(tǒng)方案，實(shí)現(xiàn)對(duì)煤礦機(jī)電設(shè)備的故障檢測(cè)和運(yùn)行檢測(cè)，提出了一種新的檢測(cè)方法和手段，通過(guò)現(xiàn)場(chǎng)應(yīng)用表明：該套智能檢測(cè)方案響應(yīng)速度快、設(shè)備檢測(cè)準(zhǔn)確度高、可在線進(jìn)行監(jiān)控、減少了人為參與，不再受工作人員經(jīng)驗(yàn)的限制，降低了傳統(tǒng)人工檢測(cè)的成本，有效避免煤礦事故發(fā)生，保證煤礦開(kāi)采的安全運(yùn)行。

參考文獻(xiàn)

[1]姜亮.人工智能技術(shù)在礦山智能化建設(shè)中的應(yīng)用初探[J].信息記錄材料，2020，21（9）：204-205.

[2]王利欣.人工智能技術(shù)在煤炭行業(yè)的應(yīng)用與探討[J].電子世界，2021（9）：12-13.

[3]徐平安.人工智能技術(shù)在煤礦中的應(yīng)用[J].內(nèi)蒙古煤炭經(jīng)濟(jì)，2014（4）：109-111.

[4]吳喆峰.“煤礦大腦”人工智能技術(shù)在煤炭行業(yè)生產(chǎn)中的應(yīng)用研究[J].數(shù)字技術(shù)與應(yīng)用，2020，38（10）：39-42.

[5]李保飛，文澤鈺.人工智能在煤礦機(jī)電設(shè)備中的應(yīng)用[J].中國(guó)新通信，2021，23（14）：40-41.

[6]張成.5G技術(shù)在煤礦智能化中的應(yīng)用展望[J].數(shù)字化用戶(hù)，2019，25（39）：43-44.

作者:王靜 單位:山西省煤炭工業(yè)廳煤炭資源地質(zhì)局