采煤機故障診斷決策支持系統的設計分析

張田

山東科技大學，山東 泰安 271019

采煤機故障診斷決策支持系統的設計分析

張田

山東科技大學，山東 泰安 271019

AM-500型采煤機的故障報警后，故障數據通過故障診斷決策支持系統的分析后，及時顯示機器隱患之處，從而使技術工作人員快速做出正確決策，以提高工作面生產效率。

采煤機；故障報警；故障診斷決策支持系統

引言

“破、裝、運、支、處”是綜采工作面生產的主要工序。采煤機是綜采生產的核心設備，可以完成破煤、裝煤兩大工序。因此，采煤機在規定條件和時間內無故障完成規定任務的能力即采煤機可靠性的高低，直接反映工作面的效益指標。采煤機故障診斷決策支持系統通過動態監控的方式及時發現設備在使用過程中出現的故障后，系統診斷故障并采取相應措施、做出正確決策，使故障對整個生產的影響限制在最小范圍內。

1 軟件部分系統模塊組成

盡管決策支持系統（DSS）在形態上各色各樣，但它們在結構上有一個基本特征-集成性，本文DSS由五個主要部件組成：人機接口、數據庫、模型庫、知識庫、方法庫。每個庫又帶有各自的管理系統。由于機器設計及制造、人為使用、運作環境等多因素引發故障，使得采煤機故障診斷決策支持系統及各子庫存在信息源多、信息形態多樣、信息關系復雜的特點。圖1為采煤機故障診斷決策支持系統的內部結構圖。

2 軟件系統功能分析

圖1 采煤機故障診斷決策支持系統內部結構圖

2.1 數據庫：存放供決策所需要的外部和內部數據，以及運行過程中產生的一些中間數據。本數據庫用于存放圖1中輸出端送來的各傳感器采集到的采煤機報警時的數據信息，通過與采煤機正常運行的基礎數據的對比，尋找故障差異。

2.2 模型庫：是DSS的核心。本文DSS模型庫基于采煤機故障樹模型。故障樹是利用圖解的方法將故障進行分解，全面表達其可能波及的范圍，是對故障和失效在一定條件下的邏輯推理方法。圖2為采煤機故障樹模型，通過判斷可以確定機器故障的部位、起因和嚴重程度，為處理決策提供條件。此外，模型庫還需要系統開發人員定期采集故障數據后對其進行進一步的添加和完善。

2.3 知識庫：存放專家提供的采煤機故障診斷領域知識，知識可以以文本、數據、圖像等方式來表達。知識庫按其涉及的內容性質分塊進行組織，本文DSS包括專家經驗總結；以往采煤機故障處理方案庫；礦山機電安全管理條例；AM-500型采煤機使用說明4個子塊。

2.4 方法庫：DSS通過模糊數學方法和灰色系統理論兩種算法以模型庫中模型為基礎，數據庫中數據為對象，進行求解，對采煤機的運行工況進行診斷。例如，采煤機的軸承出現了裂紋并且齒面有較嚴重的剝蝕現象，通過診斷可以預測機器是否可以繼續運行和尚能運行多久以及以后后果會如何，以便進一步做出合理的決策。

2.5 人機接口：采用VisualBasic面向對象可視化語言完成接口界面，實現用戶與系統信息的相互交換。并將與故障相關的信息打印輸出或者瀏覽。

圖2 采煤機故障樹模型

3 結語

通過分析，采煤機故障報警與診斷決策支持系統應用到煤礦生產過程中，能真實地反映機器的運行狀況，操作簡單，維護容易，效果良好。采用該系統對采煤機故障進行報警和診斷，比常規的按經驗設定值進行選擇更科學，更加理性化。總之，系統通過人機對話等方式為決策者提供了一個將知識性、主動性、創造性和信息處理能力相結合、定性與定量相結合的工作環境，協助決策者分析問題、探索決策方法，進行評價、預測和選優。

采煤機故障報警與診斷決策支持系統的設計是煤礦機械管理的重要組成部分。將新技術應用到機械設備的設計中，并按計劃投入生產是煤炭生產各個系統正常運轉的基礎，也是整個煤礦企業正常、穩定和持續生產的保證。

[1]孫慶超.礦井設備故障與技術決策[M].北京:煤炭工業出版社,1994,19～25

[2]李昌熙,沈立山,高榮.采煤機[M].北京: 煤炭工業出版社,1992,180～205

[3]張寒松,賈瑞清,王廷軍.采煤機的故障分析與診斷及其發展趨勢[J].礦冶,Vol.13.No.2, Jun.2004: 85 ～88

10.3969/j.issn.1001-8972.2011.24.061

山東科技大學科學研究“春蕾計劃”項目

張田，女，山東濟南人（1981/08出生），碩士研究生，現從事礦業系統工程方面科研工作。