基于深度信念网络的污水处理设备故障诊断方法_王俊杰.pdf

管理与维护管理与维护管理与维护管理与维护清 洗 世 界Cleaning World第39卷第3期2023年3月0 引言污水处理的主要作用就是处理人们生活中的污水，使其能够满足规定排放标准。在污水处理工作越来越复杂的过程中，监控系统和设备量较大，在污水处理运行过程中尤为重要。目前我国污水处理行业资金短缺，设备落后，降低了污水处理效率和能力，导致污水处理结果较差。所以，为了对环境进行改善，使污水处理行业能够持续发展，对污水处理设备故障诊断和远程维护分析具有重要作用。1 故障诊断模型的创建1.1 网络拓扑结构利用 WIA 网络设计架构，设备各个站点能够构成独立簇，各个簇能够相互通信，解决无线共享信道争用的问题。簇首节点利用属节点上传原始数据提取特征，实现数据融合和分析，实现多簇、单簇的处理。为了避免数据丢失，还要设置冗余网关。1.2 神经网络模型1.2.1 网络输入输出向量通过一定征兆反应出故障，创建征兆和故障相对应关系库。利用人工神经网络的模式识别功能将系统作为黑箱，神经网络学习能够实现系统模型的创建，从而简化工作量。通过具体分析表示，热泵机组运行状态表示为X，Y表示为机组特征向量。假如系统故障量比较多，表示为n，正常状态设置为X0，使不同故障状态作为X1，X2.，Xn。在系统在状态Xi的时候，可测特征量为Yi=（Yi1，Yi2，.，Yim）。以此表示，故障诊断过程通过Yi=（Yi1，Yi2，.，Ycm）得到所对应状态Xi的过程，在空调系统的故障诊断领域广泛使用此思路。1.2.2 网络结构设计污水源热泵系统故障诊断神经网络为 3 层结构模型，包括输入层、隐含层、输出层。输入层节点数有 12 个，和 12 种故障特征向量相互对应。输出层的节点有 4 个，和 4 种诊断结果。隐含层节点数为 25 个，给定任意连续函数f：UnRm，f(X)=Y，U指的是闭单位区间 0，1，f 通过三层前向网络实现，图 1 为神经网络结构图。1.3 神经网络模型1.3.1 PSO 算法将误差反转算法应用到 BP 网络中，如果网络结构比较大，就会陷入局部最小值，无法得出最优结果。假如优化 BP 网络权值，能够避免存在以上问题。在迭代过程中，粒子通过跟踪两个极值更新。一个粒子为寻找最优解，另外一个为种群寻找最优解，粒子更新位置和速度的公式为：作者简介：王俊杰（1993-），男，本科学历，毕业于上海电力大学。收稿日期：2022-12-01。文章编号：1671-8909（2023）3-0191-003基于深度信念网络的污水处理设备故障诊断方法王俊杰，孙波（上海电力大学，上海 200090）摘要：针对目前污水处理设备复杂且监测系统不完善的问题，研究了污水处理设备故障诊断模型。通过 BP 网络创建污水源热泵机组故障诊断模型，将某污水源热泵集中供暖系统作为研究对象，收集各工况数据作为训练样本，创建故障诊断模型并且分析性能。通过实验结果表示，此方法能够降低训练迭代次数，提高诊断精准率，性能优化效果良好。关键词：深度信念网络；污水处理；设备故障；故障诊断中图分类号：X703.3 文献标识码：A192第 3 期清 洗 世 界表 1 为各数据样本在不同算法中的 BPA 值，本文算法能够很好的纠正诊断错误，并且提高诊断水平，避免单一算法出现误报警情况。图 3 归一化后的数据计数8070605040302010012345680%60%40%20%0%累积频率v=v*w+c1*rand()*(pbest-x)+c2*rand()*(gbest-x)x=x+v式中，c1和 c2指的是认知系数，v 和 x 指的是粒子速度与位置，w 指的是惯性权重。在 w 值比较大的时候，具有最强的全局寻优能力，在粒子群最优初始阶段中使用；在 w 值比较小的时候，局部寻有能力比较强，在粒子群寻优后期阶段中使用。1.3.2 算法流程其一，对 BP 网络结构进行初始化，设置网络各层的神经元节点数，对粒子群体规模 N 确定，设置初始和最终的惯性权重、网络训练最大迭代次数和学习因子；其二，创建 PSO 中粒子和参数映射关系；其三，对适应度函数进行计算；其四，对全局、个体的极值进行更新；其五，更新位置和速度；其六，结束算法，对最优网络输出。2 仿真实验2.1 研究对象本文将某大型污水源热泵集中供暖系统作为研究对象，共有 6 个供热站，污水源为就近污水处理厂，如图 2 所示。再生水源热泵系统应用到供暖系统中，冷热源为二级排放水，根据格栅式过滤机处理之后的污水，通过蓄水池潜污泵提升到污水换热器，将中介水传递污水热量，通过中介水进入到热泵主机实现能量转换，将提取冷热量提供给用户，从而实现集中供热冷。污水系统单独循环，通过换热设备之后留下的冷热量返回到污水干渠，并不会进入到热泵机组，也不会影响到污水环境。2.2 数据分析数据库中共有 1 875 组样本，236 组板式换热器结垢、128 组蒸发器结垢、59 组压缩机电磁阀故障。图 1 神经网络结构图f1f2f3y3y2y1x1输入层隐含层输出层x2x12wf2wf1bf图 2 项目位置12345672.3 数据预处理原始数据存在 12 维属性，各个参数量纲具有较大差别，会导致失真。所以，要实现数据归一化预处理，使数据在 0，1 中映射，降低变量差异大对模型的影响，进一步提高变量的可比性。为提高数据可视性，利用 PCA 对归一化数据进行降维，利用输入输出关系变量将数据故障预测反映出来，12 维故障向量降为 6 维，说明能够使用筛选后 6组数据，提高运算速度，图 3 为归一化后的数据。通过数据与处理后得出以下结论：通过 PCA降维能够得到故障诊断的贡献量，将前三个大贡献量实现三维可视图的设计。利用观察可以看出来，除了压缩机电磁阀故障与正常转改，还有其他正常状态结合蒸发器结垢故障，三种故障在三维视图中划分三个区域。(下转 195 页)195第 39 卷杨 琳.农业机械化与节能减排技术易分解、能够再生的，加工及使用时不会对环境造成污染的材料，尤其是结构件设计时以易装配、易分解、无毒害材料为主，保证机械材料再生率的提升，这些可再生材料的运用将是农业机械化节能减排发展的趋势。一般情况下，农业机械工作环境较为恶劣，机械设备零件使用寿命的延长不仅可以提高生产量，而且报废率的降低也能够减少环境污染；重量较轻的产品使用的材料少，资源的消耗低。因此，从环境负荷减少视角出发，农业机械节能减排发展应该考虑到不同类型产品相同零件互换、通用性。所以在保证主机不同性能参数情况下，尽可能使主机、附属作业装置、机具体积、重量的减少、减轻是农业机械化节能减排未来发展中的重点。而在农业机械产品设计时报废件处理的简化、低费用、低污染，零件解体方便快捷、易破碎、可焚烧或者能够进行燃烧回收同样也是未来的发展趋势。3.5 新能源的使用农业机械动力能源以柴油为主，虽然柴油动力较大，但是由于受到当前我国技术水平的局限性，柴油耗能以及污染较大，太阳能、天然气、电能等一些新型节能环保型能源在农业机械化节能减排中有着较好的发展前景。4 结语农业在我国经济发展中占有重要地位，而机械化的推进也是农业发展的必然趋势，如何才能平衡机械化发展与节能减排二者间的关系便成为现代农业发展中需要考虑的重点问题。所以在实现农业机械化发展中采用喷油泵调试、润滑油更换、胶黏堵漏、柴油添加剂节油等技术符合国家提倡的绿色环保、节能减排新理念，有利于农业现代化水平的大幅度提高，推动了农业机械化、规模化、系统化发展。参考文献：1 许书芹.加强农机新技术推广推动农机节能减排 J.农机使用与维修，2021(03):80-81.2 陈艳宇.提高农机维修节能减排技术的措施 J.农机使用与维修，2020(08):138.3 孙冬平.浅谈强化农机新技术推广促进农机节能减排 J.农家参谋，2020(10):100.表 1 各数据样本在不同算法中的 BPA 值样本序号算法正常运行故障 1故障 2故障 31DS0.51350.24530.10340.1432BP0.50140.03540.16430.3111SVM0.40610.12430.10350.3631本文算法0.85360.00530.01340.13322DS0.14340.47120.10430.2742BP0.18530.42350.08340.3053SVM0.12420.52350.12430.1751本文算法0.02640.85360.00340.11533DS0.21430.22430.36310.1953BP0.20530.11430.50340.1631SVM0.02420.21340.53240.2243本文算法0.01230.04530.87450.06324DS0.08540.14350.19530.5814BP0.17420.12430.36310.3324SVM0.10530.10530.28530.5032本文算法0.03050.01430.22430.85423 结语综上所述，因为污水处理过程中需要复杂的设备与材料，因为污泥或者其他外力破坏等原因，会提高故障的发生几率，导致企业出现巨大经济损失。本文创建的故障诊断模型能够精准定位故障发生部位，对比其他方案，能够使系统维护成本得到降低，使用效果良好。参考文献：1 龚瑞昆、张文庆、龚雨含、周国庆.污水处理设备的故障诊断与远程维护系统研究 J.自动化与仪表，2020,35(10):5.2 钱荣荣，谭涛.基于改进卷积深度信念网络的风电机组行星齿轮箱故障诊断方法 J.电力需求侧管理，2022(02):024.3 王龙洋，蒙西，乔俊飞.基于改进集合经验模态分解和深度信念网络的出水总磷预测 J.化工学报，2021,72(05):9.4 陈子兆，矫文成，孙慧贤，等.基于深度置信网络的通信控制设备故障诊断 J.探测与控制学报，2020,42(02):6.5 黄新波，马玉涛，朱永灿.基于信息融合和 M-RVM的变压器故障诊断方法 J.电力自动化设备，2020(12):40.(上接 192 页)