電牽引采煤機在線監(jiān)測與故障診斷系統(tǒng)研究

王增強，車萬里，權(quán)振林，張旭輝，馬宏偉

(1.西安科技大學(xué)機械工程學(xué)院，陜西 西安710054;2.西安重工裝備制造集團公司，陜西 西安710048;3.西安煤礦機械有限公司，陜西 西安710032)

電牽引采煤機在線監(jiān)測與故障診斷系統(tǒng)研究

王增強1，2，車萬里3，權(quán)振林3，張旭輝1，馬宏偉1

(1.西安科技大學(xué)機械工程學(xué)院，陜西 西安710054;2.西安重工裝備制造集團公司，陜西 西安710048;3.西安煤礦機械有限公司，陜西 西安710032)

針對目前我國煤礦機械在線監(jiān)測與故障診斷方面存在的問題，以電牽引采煤機為研究對象，對采煤機故障原因進行了分析，提出了采煤機在線監(jiān)測與故障診斷系統(tǒng)的方案。該方案對采煤機故障動態(tài)機理、故障信號特征提取、多信息融合安全評價及智能故障診斷技術(shù)等關(guān)鍵技術(shù)進行了研究，為采煤機故障定位、定量分析和安全運行評價等奠定理論基礎(chǔ)。

采煤機;在線監(jiān)測;模式識別;故障診斷

0 前言

近年來，我國煤機行業(yè)飛速發(fā)展。《煤炭工業(yè)“十二五”發(fā)展規(guī)劃》指出［1］:到2015年，千萬噸級礦井(露天)達到60處，生產(chǎn)能力8億噸/年。市場對采煤機的需求猛增，高電壓、大功率、大采高、高可靠性的采煤機將成為主要的采煤設(shè)備，但設(shè)備的可靠性有待提高。對采煤機機械狀態(tài)進行監(jiān)測，及時、正確地對機械各種異常狀態(tài)或故障狀態(tài)做出診斷，預(yù)防或消除故障，保證采煤機發(fā)揮最大的工作能力，對提高產(chǎn)品競爭力具有非常重要的意義。目前，我國大部分煤礦企業(yè)已經(jīng)認識到煤礦機電設(shè)備的監(jiān)測技術(shù)、故障診斷技術(shù)和預(yù)測性維護技術(shù)對保障煤礦安全生產(chǎn)的重要性，各類固定設(shè)備的監(jiān)測與診斷技術(shù)應(yīng)用日益增多。但是對采煤機運行狀況監(jiān)測和故障診斷水平還停留在較低水平，與國外同類產(chǎn)品差距較大。因此，研究煤礦機械在線監(jiān)測與故障診斷技術(shù)，提升我國采煤機械設(shè)備故障診斷水平，對保障大型采煤設(shè)備運行的可靠性和安全性有非常重要的意義。

1 國內(nèi)外采煤機械的故障診斷技術(shù)

采煤機監(jiān)測和診斷系統(tǒng)需要處理時變、非線性運行特征、復(fù)雜寬幅度變化工況，以及惡劣礦井環(huán)境干擾等問題，因此采煤機故障診斷系統(tǒng)的研發(fā)難度增大。豐富的工況監(jiān)測與故障診斷系統(tǒng)能夠有效地提升采煤機、特別是綜采工作面的生產(chǎn)效率［4］。國外廠商的設(shè)備制造水平和生產(chǎn)自動化水平高，再加上研究和應(yīng)用起步早，因此其工況監(jiān)測范圍比較全面，故障診斷水平也相對較高。如美國、英國、德國和日本的采煤機都是通過具有自檢功能的機載計算機，實現(xiàn)工況數(shù)據(jù)和故障信息的采集、處理、存儲、傳輸和顯示。

國內(nèi)科研單位和廠家在采煤機故障診斷方面也已經(jīng)做出了很多努力［5］。西安煤礦機械有限公司MG900/2210－WD電牽引采煤機整機分布各類傳感器36個，對采煤機電、液、傳動、溫度、角度等狀態(tài)進行監(jiān)控。但從總體上看，國產(chǎn)電牽引采煤機的工況監(jiān)測范圍不全面，監(jiān)測參數(shù)比較少，大多數(shù)僅提供簡單的電氣系統(tǒng)故障診斷功能。面對煤礦井下惡劣工作環(huán)境，以及采煤機長歷程、變工況和強噪聲干擾的特點，采煤機械工況監(jiān)測與故障診斷還有待深入研究。

2 電牽引采煤機故障成因分析

電牽引采煤機故障按照故障發(fā)生部位可分為機械零部件、電氣系統(tǒng)、液壓系統(tǒng)和潤滑系統(tǒng)等四種，如圖1所示。液壓、冷卻和潤滑部分的故障可以根據(jù)管路壓力進行監(jiān)測。機械故障涉及的部件多、傳動鏈長，且機械狀態(tài)檢測困難，是采煤機故障診斷最難的部分。

通過分析，將采煤機機械故障主要部位和零部件分為兩類:運動部位和關(guān)鍵殼體，運動部件指傳動齒輪、傳動軸、軸承及扭矩軸等，殼體指截割部減速箱(搖臂)、牽引箱和行走箱等。故障形式包括轉(zhuǎn)子類故障(基礎(chǔ)松動、不平衡、不對中、軸彎曲、軸裂紋、共振、喘振、油膜渦動、油膜振蕩、旋轉(zhuǎn)失速、轉(zhuǎn)子與靜止件摩擦、轉(zhuǎn)子過盈配合件過盈不足、密封和間隙動力失穩(wěn));軸承類故障(軸承磨損、軸承點蝕、軸承缺油);齒輪箱類故障(齒輪磨損、齒輪偏心、齒輪齒距誤差過大);以及截割部減速箱(搖臂)、牽引箱和行走箱等關(guān)鍵殼體由于夾渣、裂紋等內(nèi)部缺陷和設(shè)計不當(dāng)?shù)纫蛩貙?dǎo)致的斷裂等。上述故障形式在采煤機運行中會不同程度的影響其運行性能，表現(xiàn)為潤滑油或設(shè)備溫度、壓力、電機電流、機械振動等物理量的異常變化。

圖1 電牽引采煤機故障成因分析Fig.1 Cause analysis on fault of electric haulage coal shearer

根據(jù)現(xiàn)場的實際情況，將溫度、壓力、噪聲、振動等多種信息作為采煤機故障診斷的信息源，可以采用油液分析技術(shù)、噪聲監(jiān)測技術(shù)、紅外測溫技術(shù)、聲發(fā)射技術(shù)以及無損探傷技術(shù)，并考慮不同信號的特點，采用基于貝葉斯決策判據(jù)以及基于線性與非線性判別函數(shù)的模式識別方法、基于概率統(tǒng)計的時序模型診斷法、小波分析法，混沌分析與分形幾何法等數(shù)學(xué)診斷方法，以及模糊邏輯、專家系統(tǒng)以及神經(jīng)網(wǎng)絡(luò)等人工智能診斷方法，實現(xiàn)采煤機故障診斷和預(yù)測維護。

3 電牽引采煤機故障診斷系統(tǒng)方案

通過故障診斷技術(shù)研究及采煤機故障成因分析，對采煤機在線監(jiān)測與故障診斷系統(tǒng)進行集成設(shè)計，系統(tǒng)原理框圖如圖2所示。

采煤機在線監(jiān)測與故障診斷系統(tǒng)主要有測試子系統(tǒng)和信息處理子系統(tǒng)構(gòu)成。測試系統(tǒng)實時檢測采煤機各系統(tǒng) (電氣、機械、液壓和潤滑)的關(guān)鍵參數(shù)，如電壓、電流、溫度等電氣系統(tǒng)參數(shù)，振動、溫度等關(guān)鍵機械部位參數(shù)，液壓以及潤滑系統(tǒng)管路壓力參數(shù)等，對關(guān)鍵零件如軸類、殼體還考慮定期離線無損檢測方式的應(yīng)用，積累設(shè)備健康數(shù)據(jù)，便于后繼狀態(tài)跟蹤。信息處理子系統(tǒng)主要對測試系統(tǒng)獲得的數(shù)據(jù)進行歷史、現(xiàn)狀的自動對比和智能化判別，按照相關(guān)標(biāo)準(zhǔn)或準(zhǔn)則，確定故障判定準(zhǔn)則參數(shù)或函數(shù)，為信號時域、頻域和時頻分析提供支持，借助于故障特征分析和狀態(tài)識別結(jié)果，進一步進行故障趨勢分析、設(shè)備健康評定和維護預(yù)估，實現(xiàn)采煤機部件、整體評價和預(yù)測維護決策。

圖2 采煤機故障診斷系統(tǒng)原理框圖Fig.2 Functionalblockdiagramoffaultdiagnosis systemforcoalshearer

以西安煤礦機械有限公司的MG900/2210－WD大功率電牽引采煤機為研究對象，利用企業(yè)級遠程在線監(jiān)測系統(tǒng)對煤礦井下采煤機機組進行在線狀態(tài)監(jiān)測，完成傳感器數(shù)據(jù)采集、數(shù)據(jù)存儲、異常報警以及數(shù)據(jù)傳輸;并通過Internet/Intranet與西安煤礦機械有限公司遠程服務(wù)中心的在線監(jiān)控和故障預(yù)測平臺相連接，實現(xiàn)對采煤機的遠程監(jiān)測、特征分析、狀態(tài)分析、故障分析、趨勢預(yù)測以及相應(yīng)的遠程服務(wù)。系統(tǒng)總體架構(gòu)如圖3所示。

4 系統(tǒng)采用的關(guān)鍵技術(shù)

4.1 采煤機故障動態(tài)演化機理

圖3 采煤機在線監(jiān)測與故障診斷系統(tǒng)總體架構(gòu)Fig.3 Overallarchitectureofonlinemonitoringandfault diagnosissystemforcoalshearer

復(fù)雜機電系統(tǒng)的早期故障一般非單一誘因，即反映設(shè)備故障狀態(tài)信號與設(shè)備系統(tǒng)參數(shù)之間聯(lián)系映射關(guān)系復(fù)雜。故障機理是指通過理論或大量的實驗分析得到反映設(shè)備故障狀態(tài)信號與設(shè)備系統(tǒng)參數(shù)之間聯(lián)系的表達式，依之改變系統(tǒng)的參數(shù)可改變設(shè)備的狀態(tài)信號。研究建立故障與征兆間的內(nèi)在聯(lián)系和映射關(guān)系，是采煤機故障診斷技術(shù)的重要基礎(chǔ)和依據(jù)，對準(zhǔn)確識別故障特征、確診故障類型和分析故障原因都具有重要意義。

采煤機機械中的旋轉(zhuǎn)部件故障屬于多發(fā)故障之一。轉(zhuǎn)子是旋轉(zhuǎn)機械的最主要的部件，其故障的主要特征是機械伴有異常的振動和噪聲，其振動信號從時域和頻域都實時地反映了機械的故障信息。不同形式的故障，其故障機理 (如主要振動特征)不同，加之采煤機復(fù)雜工況下的長歷程、變工況和強噪聲干擾特性，其檢測或監(jiān)測傳感器的安裝部位、形式和數(shù)量各異。國內(nèi)在采煤機故障診斷方面的研究處在起步階段，對故障機理和征兆聯(lián)系方面的研究缺乏，大多停留依據(jù)電壓、電流、溫度等簡單參量監(jiān)測，難以實現(xiàn)損傷的定量和定位診斷。

依據(jù)采煤機工作狀況，分析復(fù)雜機電系統(tǒng)的故障演化機理，研究故障機理與征兆聯(lián)系，確定合理的采煤機故障診斷檢測部位及數(shù)量，掌握采煤機關(guān)鍵零部件工況監(jiān)測的傳感采集技術(shù)，是采煤機故障診斷系統(tǒng)的基礎(chǔ)。

4.2 故障信號特征提取技術(shù)

采煤機的運行狀態(tài)監(jiān)測和故障診斷中，一方面因設(shè)備變工況運行時轉(zhuǎn)速不穩(wěn)定、負荷變化以及因故障產(chǎn)生大量的沖擊、摩擦等狀況，導(dǎo)致非平穩(wěn)噪聲信號的產(chǎn)生。因此，對采集故障信號進行降噪，保證獲取的故障信號真實性非常重要。目前已有許多信號降噪算法，如小波分析、神經(jīng)網(wǎng)絡(luò)等。上述算法對提高故障信號的信噪比具有實際意義，但是都存在一定的局限性。

采煤機故障信號的噪聲屬時變非平穩(wěn)信號，難以用維納濾波、卡爾曼濾波或小波變換濾波實現(xiàn)最優(yōu)濾波，而自適應(yīng)濾波能提供較好的濾波效果。當(dāng)采煤機發(fā)生故障時，由于采煤機各零部件的結(jié)構(gòu)不同、運行速度不同、固有頻率或故障頻率不同，致使振動信號所包含不同零部件的故障特征頻率分布在不同的頻帶范圍。實際旋轉(zhuǎn)機械故障發(fā)生時的振動信號大量是非平穩(wěn)、非高斯分布和非線性的隨機信號，使傳統(tǒng)的信號分析方法遇到了難以克服的困難，也嚴(yán)重影響了故障診斷的準(zhǔn)確性。采煤機故障信號特征的提取必須研究和分析非線性和非平穩(wěn)的信號特征提取方法。采煤機故障信號包含頻域特征和時域特征。時域信號處理方法包括時域數(shù)值計算和波形觀察。頻域特征提取方法主要用小波包變換的能量特征。小波包信號分解將包括正弦信號在內(nèi)的任意信號劃歸到相應(yīng)的頻帶里，通過相應(yīng)頻帶里能量比例的變化，可對采煤機故障進行有效地監(jiān)測。

4.3 基于多信息融合的安全評價技術(shù)

采煤機故障診斷需要多種傳感器，若單靠振動信號來識別診斷，容易引起誤判，因此需要多種工況信息結(jié)合進行分析。數(shù)據(jù)融合技術(shù)將來自多傳感器的數(shù)據(jù)和相關(guān)數(shù)據(jù)庫的有關(guān)信息進行組合，從而得到比單個傳感器更高的精度和更明確的結(jié)論。綜合電機電壓、電流，以及溫度、壓力、振動測試等多種工況信息作為采煤機故障診斷的信息源，對采煤機安全運行狀況進行評價。

4.4 基于支持向量機的智能故障診斷技術(shù)

隨著人工智能技術(shù)、神經(jīng)網(wǎng)絡(luò)和模式識別技術(shù)的發(fā)展，智能故障診斷技術(shù)得到了飛速發(fā)展。機械設(shè)備振動信號中蘊含著大量的設(shè)備狀態(tài)(故障)信息，基于振動的監(jiān)測與故障診斷方法已經(jīng)成為設(shè)備狀態(tài)監(jiān)測與故障診斷的一種主要技術(shù)。根據(jù)待檢振動信號在特征頻率處的譜值或各小波頻帶里信號的能量，可診斷出故障的部位和性質(zhì)。如何處理上述特征和故障之間的復(fù)雜關(guān)系，從故障的狀態(tài)識別出故障的位置及嚴(yán)重程度將涉及到智能識別算法。

構(gòu)建采煤機故障診斷系統(tǒng)面臨故障樣本少、工況變化大，以及采煤機工作環(huán)境復(fù)雜等問題，考慮支持向量機在解決小樣本、高維特征空間和不確定條件下的多傳感器信息融合問題方面的突出表現(xiàn)，采用支持向量機方法解決采煤機故障信號模式分類問題。

5 實際應(yīng)用

西安煤礦機械有限公司和西安科技大學(xué)一直以來非常重視采煤機狀態(tài)檢測與故障診斷系統(tǒng)方面的技術(shù)攻關(guān)，近年來開展了實質(zhì)性的合作研究。

2008年，西安煤礦機械有限公司建成我國采煤行業(yè)第一個采煤機遠程監(jiān)控中心并通過驗收，實現(xiàn)了數(shù)據(jù)流和網(wǎng)絡(luò)音、視頻的遠程采集和傳輸，對煤礦設(shè)備可進行遠程監(jiān)控。

2009年，西安煤礦機械有限公司與西安科技大學(xué)合作共建“陜西省煤礦機電工程技術(shù)研究中心”，幾年來，在采煤機優(yōu)化設(shè)計、智能工作面控制、采煤機在線監(jiān)測與故障診斷技術(shù)、智能采煤機遠程控制系統(tǒng)及工作面虛擬現(xiàn)實系統(tǒng)等方面開展了多方位合作，取得了一系列成果。

2012年4月，西安煤礦機械有限公司自主研制的我國第一臺特大功率、大采高、高可靠性的MG900/2210－WD型智能化自動化網(wǎng)絡(luò)化交流電牽引采煤機，經(jīng)專家鑒定，進行工業(yè)性試驗。

另外，近幾年科研人員對齒輪和軸承的故障診斷機理進行分析，搭建了相近原理的實驗平臺研究在線監(jiān)測與故障診斷相關(guān)技術(shù)，為采煤機故障診斷系統(tǒng)的完善和工業(yè)化試驗奠定了理論基礎(chǔ)。

［1］國家發(fā)展與改革委員會．煤炭工業(yè)發(fā)展“十二五”規(guī)劃［OL］．http://www．sdpc．gov．cn/zcfb/zcfbtz/2012tz/t20120322_468769．htm．

［2］國家自然科學(xué)基金委．機械工程學(xué)科發(fā)展戰(zhàn)略研究報告(2011～2020)［M］．北京:科學(xué)出版社，2011．6．

［3］何正嘉，陳進，王太勇等編著．機械故障診斷理論及應(yīng)用 ［M］．北京:高等教育出版社，2010．6．

［4］張世洪，我國綜采采煤機技術(shù)的創(chuàng)新研究 ［J］．煤礦學(xué)報，2010，35(11):1898－1902．

［5］吳海雁．大功率、大采高電牽引采煤機的研制與應(yīng)用 ［J］．重型機械，2010(6):9－13．

Research on onlinemonitoring and fault diagnosis system for electric haulage coal shearer

WANG Zeng-qiang1，2，CHEWan-li3，QUAN Zhen-lin3，ZHANG Xu-hui1，MA Hong-wei1
(1.College of Mechanical Engineering，Xi'an University of Science and Technology，Xi'an 710054，China;2.Xi'an Heavy Equipment Manufacturing Group Co．，Ltd．，Xi'an 710048，China;3.Xi'an Coal Mining Machinery Co．，Ltd．，Xi'an 710032，China)

Aimed at the problems existing in onlinemonitoring and fault diagnosis for coalminemachinery，the failure of an electric haulage coal shearer is analyzed，and a scheme of onlinemonitoring and fault diagnosis for the electric haulage coal shearer．The key technologies of the coal shearer were researched，such as fault dynamic evolutionmechanism，fault signal feature extraction，safety evaluation based on multi-information fusion and intelligent fault diagnosis．The research established a theoretical foundation for fault location，quantitative analysis and safe operation evaluation of the coal shearer．

coal shearer;onlinemonitoring;pattern recognition;fault diagnosis

TP277

A

1001－196X(2012)05－0041－04

2012－07－10;

2012－07－28

王增強(1963－)，男，陜西大荔人。西安科技大學(xué)在讀博士研究生，主要研究方向為煤礦機械及其自動化。