礦山機電設備智能故障診斷技術淺析

馮書文

（山西煤炭運銷集團晉城高平有限公司，山西 高平 048400）

引言

自進入21世紀以來，信息技術為廣大居民的生產生活帶來了很大的變化，機電設施也在整個生產過程發生著變化。在機械采礦中，添加了多種智能、自動化設施。由于是機械設施，在生產與運行中很容易出現各種問題，從而影響礦業發展。因此，在現實工作中，必須將診斷與維修技術作為研究重點，在將要發生或者發生故障時，對機械設施進行預警，控制故障延伸，確保工作人員安全。

1 故障診斷技術的總體概括

1.1 設備診斷技術概念

從整體來看：故障診斷技術屬于防護方式，它是在確保生產過程的條件下，讓各個設備的參數滿足最佳狀態，然后再通過精密的儀表、儀器檢測設備是否滿足運行要求，是否有數值變化和破損現象［1］。如有異常，明確指出異常的原因，破壞程度，能否持續利用，能夠持續利用的時間，然后再結合設備的受損度，看能否利用代替性的設備延伸時間，減小成本消耗。當然，這一切工作都是在正常的運行狀態中才有效。

1.2 故障診斷技術原理

目前，應用在礦山機電設備智能故障診斷的技術主要包含：數字建模、數據采集、識別分析、狀態預測和信息處理。數字建模是診斷智能故障的總規劃和原則，它要求展現智能分析優勢［2］。例如：在數學模糊診斷中，A是可能發生的事實案例，B是數據庫事例，通過對比A與B，在分析權值與特征的條件下得到準確的結果；數據采集是礦山機電設備事先制定好參數值，然后再診斷設備，進行數值采集，用建模的方式對兩份數值進行比對。一旦數值參數大于預設范疇、曲線變化，那么說明機電設備還存在問題；識別分析，是在掌握機電設備測試參數與原始參數的情況下，結合參數變化，從故障庫中找到類似樣本，再確認產生故障的原因。也只有智能分析與識別，機電設備診斷與檢測才能達到智能要求；狀態預測，是在預測、識別現有參數后，結合相關資料，驗證機電設備運行狀態，同時這種結果具有很好的可信性與真實性，該預測結果同時也是深入機電設備運行的有效條件；信息處理則是一份有效的測試參數，它要求將數據模型變成參數模型，再通過分析等形式進行處理。它能準確分辨無用與有用信息，通過綜合處理信息，找準診斷結果和過程分析后，最后得出一份理想的分析報告［3－5］。

2 礦山機電設備出現故障的原因

1）配合關系。從檢查已有設備故障反饋的信息來看，大多數故障都是零件原配變化或者損傷造成的。在這期間，零件損傷是零件原設計與形態出現偏離，這種偏離多數是機械使用或者內部因素所致。常見的零件損傷體現為：意外和老化損傷所致。

2）超出設備負荷。在相關設備設計之前，工作人員都會對參數極限進行限制，一旦輸出參數超過設計極限時，它的運行狀態就會遭到破壞，甚至出現不同程度的故障。如果是超負荷造成的故障，就必須對技術參數和相關設備進行調整，并且采用適當的方式，幫助改善承受力。

3）設備損耗。設備損耗是在內外因素的共同作用下，隨空間與時間的改變，綜合能力不斷降低。造成這種情況的主要原因是：機件剛性不夠、間隙過大、部件磨損與老化、相關設施磨損、系數過大、負荷增加、關鍵負荷的聯接發生磨損與變形等。

3 故障診斷在礦山機電維修中的運用

3.1 診斷類別

從故障診斷的目的來看：它是對機電設施的計劃與檢修，以此保障各種生產設施運行的連續性。大致分成：事后檢修、根據周期檢修和狀態檢修。事后維修是機電設施發生故障的治理方案，不屬于主動對策的范疇，而是大多數機電設施在沒有準備的狀態下采用的方法。因此，將事后診斷應用在礦山機電設施中的效果并不太理想，檢修質量也有待提高；周期檢修相對固定，并且帶著強制的特征，同時也是負責的展現。該方式方便易操作，大多數情況下結合維修或者使用周期操作，從外看這種似乎會增加工人成本，事實上它是不可缺少的打基礎部分，從某種角度來看它也是節約成本的體現，通過積極防護設施，延長相關設備的使用年限和周期，并且及時發現和修復問題，最大程度的避免問題帶來的停產損失。因此，固定維修對礦山機電設備具有很好的作用，它能最大程度的做到防患于未然，從而降低經濟損失；狀態檢修，是在數據分析的條件上，讓每個工作人員負起對應的責任，然后再結合各種部件出現問題的時間推斷故障時間。雖然這種預測不能準確捕捉時間，甚至還存在誤差，但是能給企業警告的作用，避免措手不及的狀況發生。在爭取將設備控制在萌芽階段的過程中，幫助延長使用周期，減小安全隱患，以確保生產正常進行。

3.2 診斷方法

首先是參考歷史進行診斷記錄，通過對局部系統和元器件進行排查，找出問題癥結，這也是礦山機電設施診斷與維護的主要方法之一。一旦出現故障，對相關結論進行精細歸納，最后生成診斷集。第二次出現類似故障時，就能借用診斷路徑與經驗進行處理與診斷。它的優點是相同故障發生時，定位快速。其次是智能診斷，在控制系統、模擬人腦的基礎上，獲取、再生、傳遞、利用相關信息，最后利用已經準備好的經驗策略。診斷具體包含灰色系統、模糊診斷、專家診斷、神經網絡等方法。當前，應用最廣的是神經網和專家體系，讓診斷更加智能化。礦山機電設備故障診斷具有隱蔽性與復雜性，通過傳統的方法進行精確、迅速的診斷。同時，專家系統能精確的應用專業知識與經驗，通過模擬思維，對故障進行求解，最后得到結論。在人工智能診斷的基礎上，借助計算機系統與已有經驗解決故障。

4 礦山機電設備故障監測的步驟

從整體來看，礦山機電設施故障診斷主要包含以下步驟：信息采集、處理、識別、建模和預測。在信息采集中，對機電設施運行參數、狀況與數據信號進行有效監測，利用傳感器傳輸的信息數據進行整理，最后放進網絡進行存儲，以備后續利用；信息處理，是對設備運行狀態進行數據整理和識別。當然，在這期間，存在有用與無用信息之分，因此必須對相關信息進行區分與整理，剔除無用信息，并且轉換數據，對具體信息進行有效分析，最后將數據變成設備能接受的信息與數據；信息處理與識別是在信息采集后，對相關信息進行識別與分析，包含數據分類、識別與分析，然后再將信息與之前得到的數據進行比對，最后得出設備運行中可能存在故障的區域、故障原因與類型；在礦山機電生產中，機電設施由多種信息數據和參數，并且和設施狀態、是否存在隱患有著直接的關系。對此，必須建立起良好的模型，以確定和反映設備狀態與故障之間的數學關系；預測技術是對機電設施的故障狀況以及剩余使用時間進行預測，它能作為機電設施故障維修與保養的條件，從而避免機電設施出現不必要的故障。

5 結語

為了推動礦業發展，提高開采安全性，在礦山開采中必須注重相關設備的故障診斷與維修技術。在開采中，做好故障記錄與整理歸檔工作，經常對壓力、溫度進行檢查，一旦發現問題應立即解決，這樣才能改善故障診斷技術，進一步完善與優化診斷系統。

［1］劉傳彬.礦山機電設備智能故障檢測診斷技術的研究［J］.黑龍江科技信息，2014（14）：51.

［2］萬莉英.礦山機電設備智能故障檢測診斷技術的研究［J］.科技與企業，2014（16）：133，135.

［3］畢遠波.煤炭礦山關鍵設備故障檢測與智能診斷技術的應用［J］.東方企業文化，2013（2）：220.

［4］龔建云，馬繼平.礦山機電設備智能故障檢測診斷技術的研究［J］.中國高新技術企業（中旬刊），2013（5）：97－98.

［5］彭光明.礦山機電設備故障診斷技術探議［J］.科技創新導報，2012，25：69.