基于機器學(xué)習(xí)算法的電氣設(shè)備故障預(yù)測與診斷

鋼鐵廠中電氣設(shè)備的應(yīng)用，關(guān)乎著工作人員的工作效率，更關(guān)乎工作人員的生命安全。所以，電氣設(shè)備故障預(yù)測與診斷工作的開展是必要的。如何判別電氣設(shè)備是否存在異常，防止故障問題的影響加劇，成為我們著重探討的內(nèi)容。在此可以基于常見的幾種電氣設(shè)備損壞情況進行分析，了解絕緣損壞、斷線以及短路問題所帶來的影響，確認(rèn)電氣信號特征，以生成故障的診斷模型，從而運用故障診斷及分類的方式，確認(rèn)是否存在故障，及時將其解決。1基于機器學(xué)習(xí)算法的電氣設(shè)備故障類型1.1測試設(shè)備時的故障在電氣設(shè)備發(fā)生故障時，若測試環(huán)節(jié)未發(fā)生過大的問題，可能是測試設(shè)備所引發(fā)的故障。例如：在測試階段，員工出現(xiàn)誤操作的情況，造成設(shè)備發(fā)生故障的可能性增加?；蛘?，在鋼鐵廠員工在觀察電效應(yīng)時，存在物理現(xiàn)象。此時，需要借助示波器執(zhí)行測定工作。若操作環(huán)節(jié)未增加對電氣設(shè)備方面的思考，則無法保證設(shè)備正常運行，導(dǎo)致低阻回路的情況發(fā)生，或是電線及電纜被老鼠咬斷，也會引發(fā)設(shè)備發(fā)生故障，從而造成設(shè)備發(fā)生異常。1.2元器件損壞引發(fā)故障基于電子產(chǎn)品的應(yīng)用層面進行分析。因為電路內(nèi)所含有的線路數(shù)量及元器件相對加多，所以，元器件多數(shù)相對精細(xì)。如若在電路的組成區(qū)域內(nèi)發(fā)生問題，則會引發(fā)電子電路故障，使電容、電阻和晶體管等發(fā)生異常，容易燒壞元器件，導(dǎo)致電路中的電力輸入及輸出情況發(fā)生異常。1.3電路接觸環(huán)節(jié)故障若電路在運行過程中出現(xiàn)不穩(wěn)定的情況，總是間歇性地進行通電，則會增加電路故障的概率。此問題多半由于電路接觸環(huán)節(jié)的故障所導(dǎo)致。1.4人為因素造成故障受到人為因素影響，導(dǎo)致操作人員未了解電源的連接狀態(tài)，造成元器件在安裝的過程中出現(xiàn)差錯，甚至忘記安裝元器件等情況。這樣，也會增加電氣設(shè)備的故障可能。2基于機器學(xué)習(xí)算法的電氣設(shè)備故障預(yù)測與診斷措施2.1加強電動機單向管理，實現(xiàn)故障預(yù)測與診斷為防止人為等干擾因素對電氣設(shè)備造成影響，可以通過加強對，加強對電動機的單相管理操作方式，確認(rèn)鋼鐵廠內(nèi)是否存在非故障性以及故障性的熔斷。首先可加強現(xiàn)場內(nèi)的監(jiān)督及檢查工作，保證電動機是正確進行安裝的，讓低壓線路及電器在安裝過程中不會出現(xiàn)問題，以保證電動機單向管理的合理性。同時，可以利用數(shù)據(jù)信息的自動檢索方式，保證故障預(yù)測與診斷工作的順利開展。其次，可以確認(rèn)熔體的具體容量，通過公式計算的方式，確認(rèn)電動機的額定電流。其中額定電流=K*電動機的額定電流。而耐熱用量K的取值范圍通常在1.5-2.56之間，最小容量在4-6以內(nèi)。對此，可以結(jié)合K值的變化情況，確認(rèn)電動機中所產(chǎn)生的負(fù)荷，有效規(guī)避回來方面發(fā)生故障問題。也可檢查接觸器觸頭區(qū)域，熱繼電器等區(qū)域的安裝、選擇情況，把控電器元件質(zhì)量的同時，運用預(yù)防措施，完成故障預(yù)測與診斷。這樣，則可完成對電氣設(shè)備的故障預(yù)測以及故障診斷。2.2做好配電設(shè)備管理工作，模擬設(shè)備并確認(rèn)故障基于機器學(xué)習(xí)算法而言，其作為多領(lǐng)域的交叉學(xué)科，不僅涉及到統(tǒng)計學(xué)、概率論、凸分析、逼近論等內(nèi)容，更會通過模擬的方式，實現(xiàn)學(xué)習(xí)行為。所以，為完成電氣設(shè)備故障預(yù)測與診斷工作，可以運用小波包分析，了解電氣設(shè)備的基本表征。利用正交濾波器并協(xié)調(diào)其在應(yīng)用過程中的關(guān)系。結(jié)合電力網(wǎng)可能發(fā)生的損害，對完成氣設(shè)備的振動信號進行確認(rèn)，也可采用小波包分解的方式，確認(rèn)在不同頻段內(nèi)的序列，以推算出在某一級的平均能量，各子頻能量等。2.3基于卷積神經(jīng)網(wǎng)絡(luò)分析，了解設(shè)備故障情況通過卷積神經(jīng)網(wǎng)絡(luò)的搭建，確認(rèn)卷積層，讓其與池化層是如何進行連接的，剖析其中的內(nèi)容，以形成網(wǎng)絡(luò)基本結(jié)構(gòu)。這樣，了解設(shè)備故障情況即便卷積神經(jīng)網(wǎng)絡(luò)是有對個干卷積層組合而成的，也可采用數(shù)據(jù)數(shù)據(jù)→數(shù)據(jù)旋轉(zhuǎn)→縮放的方法，對圖像進行識別，使電壓，電流的變化情況能夠更加清晰地展現(xiàn)，以保證網(wǎng)絡(luò)結(jié)構(gòu)得到優(yōu)化。防止原始的數(shù)據(jù)內(nèi)容發(fā)生操作不正確，分類不嚴(yán)謹(jǐn)?shù)那闆r。同時，可以結(jié)合電氣設(shè)備所受的紫外線強度、溫度及濕度等多方面的影響，實現(xiàn)對高壓斷路器、變壓器的診斷，在工作過程中與SVM算法進行配合，以保證數(shù)據(jù)中的基本概率能夠得到合理分配，確保復(fù)合故障的診斷工作有效實施。這樣一來，卷積神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于基本概率的分配過程中，采用復(fù)合診斷的方式，使電力系統(tǒng)能夠順利進行測量，也可采用參數(shù)調(diào)節(jié)的方式，達成網(wǎng)絡(luò)的構(gòu)建目標(biāo)，使系統(tǒng)可了解電氣設(shè)備的振動信號特征（x1j），讓其以映射的方式，確認(rèn)激活函數(shù)的狀態(tài)（f），得到電氣設(shè)備在振動過程中的信號特征數(shù)（M），卷積核（k1i）j；卷積符（*）；偏置（b1j）等內(nèi)容（如圖1所示）。圖1卷積神經(jīng)網(wǎng)絡(luò)搭建流程圖同時，也可運用公式計算的方式，確認(rèn)各層之間的關(guān)系，具體如下：并且，將輸出的結(jié)構(gòu)進行整合，依靠softmаx分類器完成處理工作，以保證在電氣設(shè)備運行過程中存在的故障可以被合理分類，有效地預(yù)防電氣設(shè)備故障問題的發(fā)生。也可運用卷積神經(jīng)網(wǎng)絡(luò)，確認(rèn)其中的振動信號，通過Tеаgеr能量算子的支持，讓振動信號能夠被放大。也可依靠反向傳播算法，實現(xiàn)對電氣設(shè)備運行狀態(tài)的監(jiān)督與管理，讓分類器可以不斷進行優(yōu)化，以掌握各個參數(shù)的變化值。如此，利用故障分類的方式，保證模型的診斷工作能夠合理實施。并且，在訓(xùn)練的過程中，依靠卷積神經(jīng)網(wǎng)絡(luò)，簡化故障診斷與分類的流程（如圖2所示）。圖2卷積神經(jīng)網(wǎng)絡(luò)故障分類與診斷流程圖2.4實行性能測試試驗，精準(zhǔn)預(yù)測故障與診斷首先確認(rèn)試驗數(shù)據(jù)，確認(rèn)設(shè)備是否存在三相不平衡的情況，在強化電氣設(shè)備的振動信號的同時，若電氣設(shè)備存在三相不平衡問題，可采用放大試驗的方式，使振動信號不會出現(xiàn)過多的損失。例如：若電機相電流存在不平衡的情況，可能是由于線組斷路、匝間斷路的情況引起的，此時，可運用同步放大的方式，防止電機被燒毀，確保微弱振動信號也能夠被提取。這樣，則可通過紅外熱成像技術(shù)的輔助，在特征提取工作實施完畢后，確認(rèn)電機三相是否平衡，若平衡，則相電流保持一致，這樣方可進行測試與訓(xùn)練，得到精準(zhǔn)的結(jié)果［1］。其次可運用50次左右的操作，檢查是否為電源問題，完成對故障的分析，運用實驗演練的方式，確認(rèn)電機是否存在故障，保證正確率可以提高到90%，使得網(wǎng)絡(luò)訓(xùn)練的正確率也有所提升。若完成200次左右的訓(xùn)練，則可保證正確率與100%貼近。據(jù)此，則可保證試驗數(shù)據(jù)是精準(zhǔn)無誤的。使工作人員可以通過簡便操作就可以判斷電氣設(shè)備有無故障可能［2］。例如：通過電氣設(shè)備的分類，確認(rèn)在規(guī)定檢測時間內(nèi)，設(shè)備有無故障問題出現(xiàn)以及其故障的類型，憑借專家系統(tǒng)了解現(xiàn)場內(nèi)電氣元件的管腳區(qū)域是否有熱脹冷縮的情況，運用模糊邏輯以及神經(jīng)網(wǎng)絡(luò)，掌握電器設(shè)備接觸是否存在電阻增大的可能。由此，創(chuàng)建出智能化模型，以得出準(zhǔn)確地結(jié)果。分析電氣設(shè)備是否存在接觸不良的問題，有無螺絲未擰緊的可能。此時，工作人員選擇精準(zhǔn)地判斷方式，則可了解準(zhǔn)確的數(shù)據(jù)內(nèi)容，從而及時對電氣設(shè)備進行維修養(yǎng)護［3］。最后，在性能測試試驗工作開展過程中，可以進行故障建模。運用先驗信息以的方式，確認(rèn)各項數(shù)據(jù)內(nèi)容的輸入以及輸出關(guān)系。通過數(shù)據(jù)模型的創(chuàng)建，增加在故障診斷以及檢測工作中的基礎(chǔ)依據(jù)。這樣，則可采用不可測以及可測估計變量的方式，確認(rèn)系統(tǒng)是否存在故障。及時了解故障的發(fā)生原因，準(zhǔn)確地找出故障源所在位置。通過對故障原因的判斷，實現(xiàn)對故障程度的計算。得出故障結(jié)果、故障大小以及故障發(fā)生時間等內(nèi)容。另外，可以綜合測試以及故障診斷的方式，保證設(shè)備在后續(xù)維修以及養(yǎng)護環(huán)節(jié)不會發(fā)生問題。3結(jié)束語綜上所述，為實現(xiàn)對電氣故障的分類與診斷，應(yīng)做好信號采集、分類、處