[发明专利]一种参数最优的采煤机故障诊断系统

说明书

本发明公开了一种参数最优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。本发明克服了目前采煤机故障诊断方法不能很好地对特征信息进行分类、诊断准确率低的不足，测量采煤机的九个故障征兆数据，利用梯度提升树GBDT对故障征兆数据进行故障诊断，得到故障原因，诊断准确率高；利用智能优化算法寻找GBDT最优参数，并采用混沌映射帮助寻优，确定GBDT的最优参数，进一步提高采煤机故障诊断系统的诊断准确率。

技术领域

本发明涉及煤矿生产领域，尤其涉及一种参数最优的采煤机故障诊断系统。

背景技术

我国是个能源消费大国，随着国民经济的发展，对能源的需求越来越大。近年来，煤炭开采逐步机械化，涌现出了很多大型复杂的机械化设备，提高了劳动生产率，增加了煤炭产量，减少了重大恶性事故的发生。其中，采煤机作为煤炭生产中的核心设备，受到人们的普遍关注。但是由于其工作环境复杂恶劣，载荷变化很大，一些关键部位在生产工作中很容易发生过载，出现异常，而且自身的组成结构复杂，因此产生故障的原因也随之复杂。一旦采煤机发生了故障，也就意味着煤矿停产，造成整个煤矿生产系统的瘫痪以及很大的人力、财力浪费。因此，预防和减少采煤机的故障，以及出现故障后准确判断并及时排除故障，对发挥采煤机的效能，增加煤炭产量具有重要意义。

目前，已有很多种故障诊断的方法，随着数据挖掘技术的发展，人工神经网络、支持向量机等都是广泛使用的故障分类方法。其中，人工神经网络对结果的泛化能力有限制，容易陷入局部极小；支持向量机对清晰的数据有好的泛化能力，但用支持向量机不易解决多分类问题。因此，把人工神经网络和支持向量机分别用于采煤机的故障诊断中，不能很好地对特征信息进行分类。

发明内容

为了克服目前采煤机故障诊断方法不能很好地对特征信息进行分类的不足，本发明的目的在于提供一种参数最优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，并且引入智能优化算法，且在优化算法中采用混沌映射帮助寻优，故障诊断准确率高。

本发明的目的是通过以下技术方案来实现的：一种参数最优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。

其中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，并使用优化算法对GBDT的两个参数n_estimators和learning_rate进行优化，其中n_estimators表示最大的弱学习器的个数，learning_rate表示每个弱学习器的权重缩减系数。优化步骤如下：