[发明专利]基于集成学习的强鲁棒采煤机故障诊断系统

说明书

本发明公开了一种基于集成学习的强鲁棒采煤机故障诊断系统，用于对采煤机故障进行诊断，包括输入数据预处理模块、采煤机故障诊断模型建模模块、采煤机故障诊断预测模块以及模型在线校正模块。本发明对采煤机的故障进行诊断，克服目前已有的故障诊断系统诊断精确度低、鲁棒性差，普适性差的不足。不仅无需安装额外的传感器或修改采煤机的机械部件，而且可用于恶劣的工作条件与未发生故障的采煤机。本发明适用范围广，诊断精度高，鲁棒性强，并保障井下安全作业。

技术领域

本发明涉及故障诊断领域，尤其涉及基于集成学习的强鲁棒采煤机故障诊断系统。

背景技术

在现代煤矿开采中，采煤机是综采工作面不可或缺的设备。由于工作环境复杂恶劣，载荷波动大，一些关键部件在生产中由于过载容易出现异常、故障。从而影响采煤机工作性能，造成人力、财力浪费。因此快速诊断采煤机是否发生故障以及对故障类型进行快速、准确地判断，对发挥采煤机的效能，提高经济效益有着重大意义。

目前，国内外学者针对采煤机故障诊断问题运用了以下技术：神经网络、粗糙集、专家系统、模糊数学等。上述方法都存在一些共同的缺点：一方面，在恶劣环境下，因干扰因素大，受外界扰动大导致诊断准确率低；另一方面，对于尚未发生故障的采煤机，难以判断是否出现故障。以上问题导致传统的故障诊断方法诊断准确度低，鲁棒性差，普适性差，无法满足实际生产需要。

发明内容

为了克服目前已有的采煤机故障诊断系统诊断精确度低、鲁棒性差，普适性差的不足，本发明的目的在于提供一种基于集成学习的强鲁棒采煤机故障诊断系统。基于集成学习根据采煤机工作信号数据与运行模式之间关系建立模型并引入在线矫正技术来诊断采煤机运行模型并判断是否发生故障。不仅无需安装额外的传感器或修改采煤机的机械部件，而且可用于恶劣的工作条件与未发生故障的采煤机。适用范围广，诊断精度高，鲁棒性强，并保障井下安全作业。

本发明的目的是通过以下技术方案来实现的：基于集成学习的强鲁棒采煤机故障诊断系统，包括输入数据预处理模块、采煤机故障诊断模型建模模块、采煤机故障诊断预测模块以及模型在线矫正模块。现场数据采集传感器、数据库、基于集成学习的强鲁棒采煤机故障诊断系统、输出显示模块依次相连，所述现场数据采集传感器对采煤机轴承温度、传动箱油温及油位、辅助系统压力、冷却水压力、液压系统进液流量及出液流量、冷却水流量、摇臂升起时间、电机电流及温度信息共11种工作信号数据进行采集，并将采煤机信息储存到所述的数据库中，数据库中包含历史采煤机数据及其对应的故障类型标签，故障类型标签主要包含以下几种：轴承故障、主泵故障、补油泵故障、滤油器故障、辅助泵故障、液压马达故障、电机过载、冷却系统故障，数据库为基于集成学习的强鲁棒采煤机故障诊断系统提供数据支持。

进一步地，所述输入数据预处理模块的输入为现场数据采集传感器采集到的11种工作信号数据X＝(x_i1,x_i2,…,x_i11),由于每个变量都有不同的取值与量纲，先对所有数据进行归一化处理，归一化的公式为：

其中min x为x_i的最小值，max x为x_i的最大值。

进一步地，所述采煤机故障诊断模型建模模块，根据采煤机采集到的工作信号数据与运行模式之间关系建立基于Xgboost的模型，来诊断采煤机运行模型并判断是否发生故障，采用如下过程完成：

(1)从数据库中采集N_s个采煤机工作信号X_s及其所对应的采煤机运行模型标签Y_s(包括正常与不同类型的故障)作为训练集,采集N_v个采煤机工作信号X_v及其所对应的采煤机运行模型标签Y_v(包括正常与不同类型的故障)作为测试集；

(2)采用上面得到的训练集进行监督训练，并得到采煤机故障诊断模型：