[发明专利]一种无训练样本的通风故障诊断方法

说明书

本发明提供一种无训练样本的通风故障诊断方法。将故障诊断问题转换为求解最小欧氏距离的优化问题，使用协方差自适应调整的进化策略(CMA‑ES)对建立的分类与回归一体化的矿井通风系统故障诊断数学模型进行求解，故障诊断过程中无需单独分别进行故障位置和故障量诊断，可实现无需样本参与训练的无监督学习故障诊断，进而实现矿井通风系统故障的实时诊断；风量‑风压复合特征比风量或风压单一特征下的矿井通风系统故障诊断可达到更高的故障位置诊断准确率和更低误差的故障量诊断性能，即使选用部分观测点，也可实现较高的故障位置诊断准确率和较低故障量诊断误差的性能，且故障观测点比例大小与诊断性能无直接影响关系。

技术领域

本发明涉及采矿工程矿井通风技术领域，尤其涉及一种无训练样本的通风故障诊断方法。

背景技术

矿井通风系统在生产过程中无法避免风门开关或破损、巷道冒落或变形、底鼓或片帮、矿车运行、罐笼提升等现象，而这些现象导致巷道等效断面面积发生变化，引起对应分支位置的等效风阻发生持久或永久性的变化。矿井通风系统故障可通过监控系统中的风量传感器和风压传感器所采集的数据所体现，但是难以确切地从采集的数据找到故障位置，更难以判别发生的故障量。而矿井通风系统故障不定时的发生在任何生产矿井中，矿井通风系统故障诊断可为矿井安全有效的生产工作提供一定保障，更为重要的是为智能化矿井通风以及矿井应急救援提供理论和技术支持。

目前，矿井通风系统故障诊断方法存在几个亟待解决的问题：(1)需要建立专家系统或收集故障样本，在诊断过程中离不开样本的参与；(2)故障位置诊断和故障量诊断无法同时进行，在进行故障诊断之前需要分别建立故障位置诊断和故障量诊断模型；(3)难以实现矿井通风系统故障实时在线诊断。

发明内容

针对现有技术的不足，本发明基于协方差自适应调整的进化策略(CMA-ES)化算法，提出一种无监督学习的矿井通风系统故障诊断方法，建立分类与回归一体化的矿井通风系统故障诊断数学模型。此方法在诊断过程中无需故障样本参与训练，避免因样本数据噪声产生的误差或出现欠拟合及过拟合的现象，同时可达到矿井通风系统故障实时诊断的目的。

本发明提出了一种无训练样本的通风故障诊断方法，包括以下步骤：

步骤1：构建矿井通风网络图，根据矿井通风系统图构建矿井通风网络图G＝(V,E)，V表示矿井通风网络中m个节点的集合，E表示n’条网络分支的集合，则V＝{v₁,v₂,v₃…v_m}，E＝{e₁,e₂,e₃…e_n'}；

步骤2：模拟矿井通风故障，排除矿井通风网络中的风井分支，除风井分支之外的分支中的每条分支的风阻r_0i模拟发生大小为Δr_i的故障量，l_i≤Δr_i≤u_i，其中l_i和u_i分别为故障分支e_i对应故障量Δr_i变化的下限值和上限值，i∈(1,2,3,...,n)，n表示排除风井分支后进行故障模拟的网络分支的个数，每条分支每发生一次风阻值变化为一次模拟试验，除风井分支外每条分支模拟发生风阻值大小不一的N次故障，N根据实际情况确定；