劉晗兵

(陜西交通職業(yè)技術(shù)學(xué)院經(jīng)濟(jì)管理學(xué)院，陜西 西安 710018)

由于每天都有海量的物品需要物流運(yùn)輸，造成物流運(yùn)輸設(shè)備長期超負(fù)荷運(yùn)行，容易出現(xiàn)多種故障，因此對于物流運(yùn)輸設(shè)備故障的自動(dòng)識(shí)別方法成為了物流運(yùn)輸領(lǐng)域的研究重點(diǎn)。對于物流運(yùn)輸設(shè)備故障的識(shí)別，主要通過對采集的海量信息數(shù)據(jù)的分析，高效獲取其中重要的信息點(diǎn)，從而對故障點(diǎn)進(jìn)行準(zhǔn)確的定位，實(shí)現(xiàn)對物流運(yùn)輸設(shè)備故障的自動(dòng)識(shí)別，提高物流運(yùn)輸整體的安全性[1-3]。涂小衛(wèi)等[4]提出一種基于深度置信網(wǎng)絡(luò)的牽引電機(jī)軸承故障診斷方法，用來解決故障診斷不準(zhǔn)確的問題，該方法可以提高設(shè)備故障診斷的精度，但是穩(wěn)定性較差。李遠(yuǎn)軍等[5]提出了一種基于特征提取的物流車輛汽車軸承故障診斷方法，可以有效提高汽車電機(jī)軸承故障識(shí)別的效率，但是精度較低。為了提高故障類型識(shí)別精度和穩(wěn)定性，本文設(shè)計(jì)了一種基于傳感器感知信息的物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別方法，并通過仿真實(shí)驗(yàn)分析了其性能。

1 基于傳感器感知技術(shù)的物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別方法

1.1 定位物流運(yùn)輸設(shè)備故障

在對物流運(yùn)輸設(shè)備故障定位的過程中，首先利用小波變換對故障位置進(jìn)行定位[6]，假設(shè)φ(t)為小波函數(shù)，則小波變換函數(shù)φg,h(t)為：

(1)

式中：g為小波系數(shù)；h為小波因子；φg,h(t)為利用φ(t)的變換而得到的小波系數(shù)，其中t為小波變換系數(shù)的連續(xù)變量。通過改變小波系數(shù)和小波因子的值，能夠獲得故障定位函數(shù)[3]。

設(shè)y(t)為物流運(yùn)輸設(shè)備故障信號(hào)，根據(jù)式(1)，利用小波函數(shù)φ(t)對y(t)進(jìn)行離散小波變換，得到新的小波變換系數(shù)Uy(g,h)為：

(2)

由式(2)可知物流運(yùn)輸設(shè)備發(fā)生故障時(shí)的故障信號(hào)是連續(xù)的[7]。利用物流運(yùn)輸設(shè)備故障信號(hào)的連續(xù)性離散小波函數(shù)，能夠獲得小波離散函數(shù)。根據(jù)小波離散函數(shù)對各個(gè)尺度上的故障信息進(jìn)行變換計(jì)算：

(3)

式中：Uy(2l,2lt)為各個(gè)尺度上故障信息的系數(shù)；l為各個(gè)尺度上故障信息的變換閾值。利用小波分解法對小波方程式進(jìn)行重構(gòu)[8]，得到各故障點(diǎn)之間的距離均值K為：

(4)

式中：m為數(shù)據(jù)庫中含有的故障數(shù)據(jù)數(shù)量；j為運(yùn)行的故障數(shù)據(jù)數(shù)量；kj為數(shù)據(jù)之間的距離。

通過對小波函數(shù)的分解與重構(gòu)，可以實(shí)現(xiàn)對物流運(yùn)輸設(shè)備任意故障點(diǎn)f(t)的定位：

(5)

式中：f(t)為距離故障信號(hào)最近的信號(hào)；dl,0為各個(gè)尺度上故障信息的變換閾值取值區(qū)間；fl(t)為距離第l層故障信號(hào)最近的信號(hào)；Rl(t)為f(t)信號(hào)在第l層的細(xì)節(jié)部分的小波系數(shù)。利用小波基函數(shù)分解得到物流運(yùn)輸設(shè)備故障位置的小波系數(shù)dl,v，可分解為：

dl,v=〈f(t),φl,v(t)〉

(6)

式中：dl,v為l點(diǎn)到v點(diǎn)之間物流運(yùn)輸設(shè)備故障位置的小波系數(shù)；φl,v(t)為利用φ(t)的變換而得到的l點(diǎn)到v點(diǎn)之間的小波系數(shù)。

再對不同尺度的物流運(yùn)輸設(shè)備故障信號(hào)進(jìn)行調(diào)節(jié)與重構(gòu)[9]，可實(shí)現(xiàn)對物流運(yùn)輸設(shè)備故障的準(zhǔn)確定位：

(7)

式中：Bl為小波因子，能夠調(diào)節(jié)故障信號(hào)的幅度大小。

根據(jù)上述步驟即可完成對物流運(yùn)輸設(shè)備故障的定位，接下來通過對物流運(yùn)輸設(shè)備故障的診斷，為故障識(shí)別提供可靠依據(jù)。

1.2 構(gòu)建物流運(yùn)輸設(shè)備故障診斷模型

對物流運(yùn)輸設(shè)備的故障進(jìn)行診斷時(shí)，假設(shè)物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)的有限集合為Ω={ζ1,ζ2,…,ζN}，物流運(yùn)輸設(shè)備故障的診斷信息與物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)之間的相關(guān)概率為p={ζn∈Ω}，其中ζn為某個(gè)物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)，則利用物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)描述物流運(yùn)輸設(shè)備運(yùn)行過程中不確定因素[10]的公式為：

(8)

式中：W(ζ)為物流運(yùn)輸設(shè)備運(yùn)行過程中不確定因素。

假設(shè)物流運(yùn)輸設(shè)備的診斷信息反映了物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)的不確定性，二者之間存在關(guān)聯(lián)關(guān)系，當(dāng)物流運(yùn)輸設(shè)備運(yùn)行的不確定性降低時(shí)，說明此時(shí)的物流運(yùn)輸設(shè)備故障診斷效果較好[11]。物流運(yùn)輸設(shè)備故障的診斷信息與物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)之間的關(guān)聯(lián)關(guān)系F(ζ;X)為：

(9)

式中：p(ζ,x)為物流運(yùn)輸設(shè)備故障的診斷信息與物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)之間的相關(guān)概率；p(ζ)為物流運(yùn)輸設(shè)備故障的診斷信息出現(xiàn)次數(shù)；p(x)為物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)總值。

假設(shè)物流運(yùn)輸設(shè)備故障信息為X，已知X=xj，其中xj為物流運(yùn)輸設(shè)備的故障點(diǎn)位置集合，則物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)的條件熵W(ζ|X=xj)為：

(10)

在物流運(yùn)輸設(shè)備故障點(diǎn)的位置已知時(shí)，物流運(yùn)輸設(shè)備運(yùn)行狀態(tài)的平均熵值W(ζ|X)為：

(11)

通過子系統(tǒng)獲取更多的故障信息數(shù)據(jù)(如發(fā)動(dòng)機(jī)的轉(zhuǎn)速信息、冷卻液的溫度等[12])，通過與歷史數(shù)據(jù)的對比，即可對物流運(yùn)輸設(shè)備的故障狀態(tài)進(jìn)行診斷。本文通過融合層次診斷方法，構(gòu)建物流運(yùn)輸設(shè)備故障診斷模型，如圖1所示。

圖1 物流運(yùn)輸設(shè)備故障診斷模型

1.3 傳感器感知信息的物流運(yùn)輸設(shè)備故障識(shí)別算法

在得出物流運(yùn)輸設(shè)備故障診斷結(jié)果的基礎(chǔ)上，利用傳感器感知信息系統(tǒng)設(shè)計(jì)一種物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別算法[13]。傳感器感知信息系統(tǒng)的表達(dá)式為C{Q，Bs,Bε,F,D}，其中Q為傳感器信息集，Bs為傳感器感知信息的約束集，Bε為物流運(yùn)輸設(shè)備的總線約束集，F(xiàn)為傳感器控制集，D為傳感器感知信息系統(tǒng)的接口網(wǎng)關(guān)。

在傳感器感知信息系統(tǒng)中，由傳感器對物流運(yùn)輸設(shè)備運(yùn)行過程中的狀態(tài)數(shù)據(jù)進(jìn)行測量，再將狀態(tài)數(shù)據(jù)通過傳感器約束集Bs傳輸給相應(yīng)的傳感器控制集F，最后對信息數(shù)據(jù)格式進(jìn)行轉(zhuǎn)換[14]，得到傳感器感知信息系統(tǒng)的傳輸拓?fù)浣Y(jié)構(gòu)圖(圖2)。

圖2 傳感器感知信息系統(tǒng)拓?fù)浣Y(jié)構(gòu)圖

定義傳感器感知信息物流運(yùn)輸設(shè)備故障識(shí)別信息集Y={Yf,Ys,Yo}，其中Yf為物流運(yùn)輸設(shè)備快速故障的采集數(shù)據(jù)，Ys為物流運(yùn)輸設(shè)備慢速故障的采集數(shù)據(jù)，Yo為物流運(yùn)輸設(shè)備故障的全部數(shù)據(jù)集，三者可用下式描述：

(12)

式中：Yfi為Yf中的快速故障數(shù)據(jù)，共有N個(gè)；Ysj為Ys中的慢速故障數(shù)據(jù)，共有M個(gè)；Yok為Yo中的故障數(shù)據(jù)，共有Q個(gè)。

隨后利用傳感器感知信息系統(tǒng)定義物流運(yùn)輸設(shè)備故障的信息：

(13)

式中：afai,asaj和aoak分別為3種物流運(yùn)輸設(shè)備故障的數(shù)據(jù)幀；afbi,asbj和aobk分別為3種物流運(yùn)輸設(shè)備故障的應(yīng)答數(shù)據(jù)幀；RC為傳感器感知信息系統(tǒng)的運(yùn)行周期；RK為物流運(yùn)輸設(shè)備故障信息采集的周期。

通過上述操作，可以確定物流運(yùn)輸設(shè)備故障信息的采集列表以及物流運(yùn)輸設(shè)備故障的采集周期，再對式(12)、(13)進(jìn)行歸一化處理，得到物流運(yùn)輸設(shè)備故障識(shí)別集Z為：

Z=(Zi|i=1,2,…,N+M+Q)

(14)

式中：Zi為識(shí)別到的物流運(yùn)輸設(shè)備故障數(shù)據(jù)。

至此，完成物流運(yùn)輸設(shè)備故障的自動(dòng)識(shí)別。

2 仿真實(shí)驗(yàn)

為了驗(yàn)證基于傳感器感知信息的物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別方法(簡稱本文方法)在實(shí)際應(yīng)用中的性能，以某物流運(yùn)輸公司的10輛重大件陸上運(yùn)輸車輛為研究對象，如圖3所示。

圖3 物流運(yùn)輸設(shè)備

圖3所示的運(yùn)輸車輛可承運(yùn)各類超重、超大的單件和成套設(shè)備，實(shí)現(xiàn)海陸大件運(yùn)輸?shù)膶臃?wù)。由于長期從事長途運(yùn)輸且維修保養(yǎng)條件有限，導(dǎo)致10輛車存在多種故障，每輛汽車的實(shí)際故障見表1。

由表1可知，實(shí)驗(yàn)所用運(yùn)輸車輛存在多種故障問題，為方便分析，對以上故障進(jìn)行編號(hào)，發(fā)動(dòng)機(jī)故障、離合器故障、剎車系統(tǒng)故障、輪胎故障、轉(zhuǎn)向系統(tǒng)故障、懸掛系統(tǒng)故障分別為故障1～故障6。

表1 設(shè)備故障

為了驗(yàn)證物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別效果，對本文方法與文獻(xiàn)[4]方法、文獻(xiàn)[5]方法進(jìn)行故障種類識(shí)別對比，結(jié)果見表2。

表2 不同方法故障種類識(shí)別結(jié)果

由表2可知，本文方法可對10輛運(yùn)輸汽車的故障進(jìn)行準(zhǔn)確識(shí)別，文獻(xiàn)[4]、文獻(xiàn)[5]方法進(jìn)行故障種類識(shí)別時(shí)的準(zhǔn)確度較低，出現(xiàn)多次種類識(shí)別錯(cuò)誤現(xiàn)象。例如，文獻(xiàn)[4]方法在對車輛2、車輛3、車輛4、車輛6以及車輛9進(jìn)行檢查時(shí)出現(xiàn)故障種類識(shí)別錯(cuò)誤，而文獻(xiàn)[5]方法在對車輛2、車輛3進(jìn)行檢查時(shí)出現(xiàn)故障種類識(shí)別錯(cuò)誤，由此可知本文方法的故障種類識(shí)別精度更高。

用本文方法、文獻(xiàn)[4]方法、文獻(xiàn)[5]方法對物流運(yùn)輸設(shè)備故障信息識(shí)別的響應(yīng)頻率進(jìn)行測試，測試結(jié)果如圖4所示。

從圖4可知，與另外兩種方法相比，本文方法的響應(yīng)頻率呈現(xiàn)出穩(wěn)定的波動(dòng)趨勢，說明本文方法適用于物流運(yùn)輸設(shè)備故障的識(shí)別，可以提高物流運(yùn)輸設(shè)備故障識(shí)別的穩(wěn)定性。而另外兩種方法的波動(dòng)較大，證明其穩(wěn)定性還需提高。

圖4 物流運(yùn)輸設(shè)備故障信息識(shí)別的響應(yīng)頻率測試結(jié)果

為了更深入分析本文方法的故障識(shí)別效果，對3種方法的故障識(shí)別時(shí)間進(jìn)行對比，所得到結(jié)果如圖5所示。

從圖5可以看出，文獻(xiàn)[4]方法與本文方法的故障識(shí)別所用時(shí)間均較短，但總體來看，還是本文方法的識(shí)別時(shí)間更短，最少為6.2 s。綜合上述分析內(nèi)容可知，本文方法不僅可以保證故障識(shí)別精度，還能以較少的時(shí)間消耗完成故障識(shí)別，進(jìn)一步證明了本文方法的有效性。

圖5 物流運(yùn)輸設(shè)備故障識(shí)別時(shí)間測試結(jié)果

3 結(jié)束語

本文提出的基于傳感器感知信息的物流運(yùn)輸設(shè)備故障自動(dòng)識(shí)別方法，對物流運(yùn)輸設(shè)備故障類型識(shí)別精度較高，且最快可在6.2 s內(nèi)完成故障識(shí)別，效率較高。受限于條件，本文研究還存在很多不足，在今后的研究中，希望可以通過構(gòu)建物流運(yùn)輸設(shè)備故障診斷專家系統(tǒng)，保證物流運(yùn)輸設(shè)備的安全性與穩(wěn)定性。