基于改进小波神经网络的堵塞检测研究

党娇

摘要：针对煤泥管道传输时的堵塞问题，搭建煤泥管道输送实验平台，对管道传输的过程数据进行分析，讨论外界环境对过程数据的影响，在工业现场对煤泥输送管道的堵塞点进行检测时，通过改进小波神经网络的算法完成堵塞检测，提高检测精度。

关键词：煤泥;管道传输;小波神经网络;堵塞检测

近年来，管道输送己经成为煤泥处理过程中主要的输送手段，但是管道输送时堵塞问题频出，传统的人工处理方式对输送系统造成了很多不可逆的伤害，严重影响了煤泥的管道传输效率。本文通过对煤泥传输过程中的特征数据进行分析处理，研究小波神经网络算法在数据处理中的应用，并在原有小波神经网络算法的基础上将权重型和激活函数相结合，提高检测精度。

一、小波神经网络

小波神经网络是将小波算法和神经网络算法相结合，小波神经网络算法既具有小波变换的时频局部特性和变焦特性，又具有神经网络算法的自学习推理能力和良好的容错性，因此被广泛应用在了故障诊断过程中。在实际应用中，常见的小波神经网络模型有两种结构形式，一种是先将特征信号进行小波变换再进行神经网络处理的松散型小波神经网络。另一种则是将小波变换和神经网络直接融合到一起的激活函数型小波神经网络，激活函数型小波神经网络算法使用小波基函数来代替神经网络的激励函数，用小波基函数的尺度和平移参数来代替应的输入层到隐层的权值和隐层的阈值。

二、煤泥输送管道堵塞产生的原因分析

在煤泥的管道输送过程中，可以通过安装相应的传感器来获得管道运输过程中的特征信号，通过对传感器采集到的特征信号进行分析，当输送管道没有故障发生时，传感器采集到的特征信号处于稳定状态，但是当发生故障时，故障点附近的特征信号会发生突变。在这种情况下，只要及时检测到突变的发生即能检测到故障的发生。但是煤泥的状态和处理都是相对复杂的，作为煤炭洗选过程的产物，煤泥中也容易掺入其他物质，影响煤泥质量，进而影响煤泥管道输送过程的稳定性，使得堵塞故障发生。通过对煤泥的输送过程及存放环境等因素进行分析，总结出煤泥管道输送过程中产生堵塞的原因主要有煤泥的含水量、輸送管道的设计不合理、煤泥搅拌不均匀、存放时间过长、掺入过大的杂质、输送系统工作不稳定等因素。在管道发生堵塞时，如果故障不严重，煤泥还可以继续传输，但是传输效率会严重降低，如果故障严重，则会影响系统的正常运行甚至损坏系统。

三、煤泥输送管道堵塞故障建模

根据力学和势力学的基本定律，分析煤泥在管道中流动的过程，可推断出煤泥输送过程中的质量、动量及能量都守恒，则可建立煤泥在管道输送过程中的流动模型。设煤泥的密度为ρ，输送的时间为t，管道内部的压力为P，煤泥在管道中的位置为x，通过对煤泥传输过程中的特征信号进行分析，结合质量可得出煤泥在管道中流动时的连续方程为：管道分为每段为△x的N等份，假设流过每段的时间为△t，时间和距离之间要满足△x≥α△t，可在x-t平面内对求解式（4）、（5）和（6），将该求解过程放到煤泥输送管道的压力输送过程中，则可根据采集到的压力、温度等信号得到发生堵塞时的压力变化。因此可选择不同形状的传输管道进行分析，在所选管道两端安装压力传感器，分析故障发生前后压力信号的变化，可知故障发生前压力信号平稳。故障发生后堵塞点前端压力传感器采集到的值上升，后端采集到的值下降。根据压力值的变化可判断出管道是否发生堵塞。

四、基于改进小波神经网络的堵塞点检测算法

根据煤泥输送管道堵塞故障模型，结合管道发生堵塞故障时的实际情况，在检测过程中，本文将权重型小波神经网络和激活函数型小波神经网络相结合，具体检测算法如下：

（1）通过用提升小波变换的方法对采集到的特征信号进行预处理，并对处理过的信号进行小波变换，提取新的特征序列;

（2）用提取到的特征序列进行小波神经网络训练;

（3）检测到信号在某时刻发生了突变，则管道发生了堵塞故障，否则说明管道运行正常，采集新的特征信号并重复步骤（1）。

（4）检测到故障并进行堵塞报警，并进入下一轮的特征信号采集并重复步骤（1）。

五、改进小波神经网络算法完成管道堵塞检测

使用改进小波神经网络堵塞检测算法随采集到的特征信号进行仿真测试，根据测试结果可知管道在发生堵塞故障时会突变，而信号的突变点即为煤泥在输送管道发生的故障点。

参考文献：

[1]高美灵，柴洪伟.煤炭洗选对中国相关工业的影响[J].科技创新与应用，2014（3）：78.

[2]李祯，李彦平，孙萍等.基于BP神经网络的浆体管道输送系统故障诊断[J].机床与液压，2012，40（7）：194-197.

[3]侯庆民.燃气长直管道泄漏检测及定位方法研究[D].哈尔滨工业大学博士论文，2014.4.

基金项目：重庆电子工程职业学院科研项目，项目编号：XJZK201904。