基于模糊神经网络的采煤机截割电机故障诊断方法及装置

本发明涉及设备故障诊断，尤其涉及一种基于模糊神经网络的采煤机截割电机故障诊断方法及装置。

背景技术：

1、中国对煤矿能源的需求近年来保持逐年稳定的增长趋势。然而，中国的煤矿行业仍然存在一系列问题，包括信息化和智能化程度较低、煤矿生产安全性得不到保障、企业高级技术人员短缺等。采煤机是煤矿开采的一线设备，其正常高效的运行是煤矿资源稳定产出的保证。然而，由于矿井下生产环境恶劣、复杂因素较多，采煤机关键设备故障时有发生，对工作人员的人身安全以及企业的经济安全均产生了较大的威胁。因此，有必要对采煤机设备的传感器数据进行实时监测并设计故障诊断或故障预测系统，以有效保障采煤机安全、高效、长期运行。

2、截割电机是采煤机割煤操作中提供动力的重要设备。自上个世纪以来，国内外众多学者对电动机故障诊断技术展开了大量的研究，包括支持向量机svm、人工神经网络ann、卷积神经网络cnn、深度置信网络dbn、长短时记忆神经网络lstm、和自编码器auto-encoder等。在这些技术中，深度学习框架能够从大量传感器数据中自动提取有用的特征并识别故障模式，在机械故障诊断领域得到了更为广泛的关注与应用。然而，现实中采煤机截割电机的监控数据往往存在故障数据稀少或缺失、标签数据不足等问题，难以用于上述深度学习方法的训练过程，在实际场景运用中受到了严重的限制。

技术实现思路

1、本发明提供一种基于模糊神经网络的采煤机截割电机故障诊断方法及装置，用以解决现有技术中机械设备故障诊断在实际应用中遇到的故障数据或标签数据不足以致检测精度较差的缺陷，能够准确预测截割电机故障，有效提高采煤机长期稳定地运行能力。

2、本发明提供一种基于模糊神经网络的采煤机截割电机故障诊断方法，包括：获取故障征兆数据；其中，所述故障征兆数据包括至少两个截割电机的截割电流和对应各所述截割电机的截割温度；将所述故障征兆数据输入至故障诊断模型中，得到所述故障诊断模型输出的故障隶属度；其中，所述故障诊断模型是基于训练数据和所述训练数据对应的训练真值进行训练得到的；所述故障诊断模型用于基于输入的故障征兆数据进行模糊化处理，并基于模糊化处理结果和预设模糊控制规则进行去模糊化处理，得到故障隶属度；判断所述故障隶属度是否超过第一预设阈值，并基于判断结果确定故障诊断结果。

3、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，所述故障故障诊断模型，包括：

4、特征提取层，对输入的至少两个截割电机的截割电流以及各所述截割电机对应的截割温度分别进行特征提取，得到对应截割特征，所述截割特征用于表征对应单个所述截割电流或单个所述截割温度的特征；模糊化层，对各所述截割特征分别进行模糊化处理，得到对应各所述截割特征的隶属度；模糊规则层，根据所有所述隶属度，并结合模糊规则层各节点对应的预设模糊控制规则，得到对应所述模糊规则层各节点的模糊处理结果；故障诊断层，对所述模糊规则层各节点的模糊处理结果分别进行去模糊化处理，得到对应故障隶属度。

5、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，所述将所述故障征兆数据输入至故障诊断模型中，得到所述故障诊断模型输出的故障隶属度，包括：将输入的至少两个截割电机的截割电流以及各所述截割电机对应的截割温度分别输入至所述特征提取层对应节点中进行特征提取，得到所述特征提取层各节点对应输出的截割特征；将所述特征提取层各节点输出的截割特征输入至所述模糊化层的对应节点中进行模糊化处理，得到所述模糊化层各节点输出的隶属度；针对所述模糊规则层的每个节点，将所述模糊化层所有节点输出的隶属度输入至所述模糊规则层的同一节点中，并结合所述模糊规则层节点与所述模糊化层各节点对应设置的预设模糊控制规则，得到所述模糊化层各节点输出的模糊处理结果；针对所述故障诊断层的每个节点，将所述模糊化层所有节点输出的模糊处理结果输入至所述故障诊断层的同一节点中进行去模糊化处理，得到所述故障诊断层各节点输出的故障隶属度。

6、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，所述模糊化层节点包括对应所述特征提取层各个节点的正常模糊子集节点和对应所述特征提取层各个节点的偏高模糊子集节点。

7、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，在将所述故障征兆数据输入至故障诊断模型中之前，包括：获取训练数据和所述训练数据对应的训练真值；将所述训练数据作为训练使用的输入数据，将所述训练真值作为标签，对待训练模型进行训练，得到用于检测截断电机是否发生故障的故障诊断模型。

8、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，所述对待训练模型进行训练，包括：将所述训练数据输入至待训练模型中，得到所述待训练模型输出的故障训练隶属度；根据所述故障训练隶属度和所述训练数据对应的训练真值，构建损失函数，并基于所述损失函数收敛，结束训练。

9、根据本发明提供的一种基于模糊神经网络的采煤机截割电机故障诊断方法，所述故障隶属度包括对应各所述截割电流的电流故障隶属度和对应各所述截割温度的温度故障隶属度，所述判断所述故障隶属度是否超过第一预设阈值，并基于判断结果确定故障诊断结果，包括：判断各所述电流故障隶属度是否超过对应第一预设阈值，以及分别判断各所述温度故障隶属度是否超过对应第一预设阈值；若所述电流故障隶属度超过所述第一预设阈值，则确定对应截割电机的故障诊断结果为截割过载故障；若基于所述温度故障隶属度超过对应第一预设阈值，则确定对应截割电机的故障诊断结果为温升过高故障；若对应同一所述截割电机的电流故障隶属度和温度故障隶属度均未超过所述第一预设阈值，则确定对应截割电机的故障诊断结果为未发生故障。

10、本发明还提供一种基于模糊神经网络的采煤机截割电机故障诊断装置，包括：数据获取模块，获取故障征兆数据；其中，所述故障征兆数据包括至少两个截割电机的截割电流和对应各所述截割电机的截割温度；故障诊断模块，将所述故障征兆数据输入至故障诊断模型中，得到所述故障诊断模型输出的故障隶属度；其中，所述故障诊断模型是基于训练数据和所述训练数据对应的训练真值进行训练得到的；所述故障诊断模型用于基于输入的故障征兆数据进行模糊化处理，并基于模糊化处理结果和预设模糊控制规则进行去模糊化处理，得到故障隶属度；故障确定模块，判断所述故障隶属度是否超过第一预设阈值，并基于判断结果确定故障诊断结果。

11、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于模糊神经网络的采煤机截割电机故障诊断方法的步骤。

12、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于模糊神经网络的采煤机截割电机故障诊断方法的步骤。

13、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于模糊神经网络的采煤机截割电机故障诊断方法的步骤。

14、本发明提供的基于模糊神经网络的采煤机截割电机故障诊断方法及装置，通过故障诊断模型对获取的故障征兆数据进行故障诊断，将截割电流和截割温度作为故障诊断模型的输入，并结合模糊逻辑系统，对模型的输入进行模糊化处理，以准确预测截割电机故障，提高模型的故障诊断准确率，进而有效提高采煤机长期稳定地运行能力。