淺談煤礦井下機械設備的管理及故障的診斷

宋洋

（山西晉煤集團金鼎公司支架分公司，山西晉城048000）

?

淺談煤礦井下機械設備的管理及故障的診斷

宋洋

（山西晉煤集團金鼎公司支架分公司，山西晉城048000）

對煤礦井下機械設備的管理及故障診斷進行了詳細地分析與討論，以期促進煤礦開采的安全順利進行。

煤礦井；機械設備；管理

引言

隨著中國科學技術的發展，現在機械設備開始朝著復雜化、自動化、高速化、大型化的方向發展。在機械設備內部，各個部分之間的聯系更加密切，同時也導致了內部一小部分的故障沒有被及時發現，從而引起一連串的反應，最終對整個機械設備造成巨大的影響，甚至還會造成巨大的經濟損失。煤炭采礦機械設備由于工作地點在礦井下，環境惡劣復雜，因此對于設備的管理和故障診斷顯得特別重要［1］。

1　原理與方法

煤礦井下機械設備的故障診斷主要是指利用各種傳感器對機械設備的工作運行情況進行監督控制，以此判斷其是否正常運行。從本質上來說，機械設備的故障診斷其實就是一個模式的過程。其最主要的目的在于能夠及時發現問題找出原因，并且得到及時維修，使設備能夠得到有效的保養和維護。圖1是煤礦機械故障診斷示意圖，主要包括有信號提取、探測器、狀態診斷、診斷決策等。智能故障技術診斷技術是時代發展下的必然產物，隨著力學、數學、人工智能、計算技術、信號處理技術等新型技術的出現而新出現的一種新技術，具有較強的綜合性的特點。針對目前的實際情況而言，模糊理論、人工神經網絡、遺傳算法、決策樹、專家系統技術等故障診斷技術得到了廣泛運用，這些新方法、新技術的運用實現了許多傳統方法無法實現的功能，可以說智能故障診斷技術與傳統診斷技術相比而言，具有無法取代的優勢［2］。

圖1　煤礦機械設備故障診斷系統原理示意圖

2　故障診斷系統設計

2.1訓練樣本的創建

本文以某處煤礦的一款煤炭采掘機為例子，對其進行實驗。首先，需要對該采掘機的工作狀態進行檢測，分析其能夠正常工作和運行，隨后將電機底座的螺絲和機頭進行人為破壞，同時還需要人為地破壞系統的各個齒輪和主軸，但是在此過程中值得注意一點的是，破壞的程度必須有所不同，使得到的結果更加貼近于實際。最后建立訓練集，并對該系統進行科學合理的訓練［3］。

2.2模型建立的預測

該系統采用的是CC55號，詳細地對振動點和振動強度進行檢測，檢測結果分別是220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB，同時這些結果分別作為在人工神經網絡中的輸入層。此外，該系統中的輸出層中包含著一個神經單元，用來充分表示CC55號振動點的故障位置。隨后在中間層選擇16個神經單元，用于平衡輸出結果的誤差，從最大程度上減少輸出層的誤差，同時利用決策樹的結構定性判決預測結果，最后對故障原因進行輸出，預測結果。

2.3結果預測與分析

通過多次實驗，對實驗結果進行反復比較，發現當人工神經網絡的迭代次數可在20 000次左右的時候，學習精度為0.005，在WIN7系統中運行MATLAB2011建立煤礦采掘機的BP人工神經網絡預測模型，首先就采用了220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB的振動強度訓練模型，隨后預測分析各個部位的小故障。本文以采掘機經常出現故障的主軸軸承損壞為例子進行闡述。主軸軸承的損壞在一般情況下會對某部分的振動強度進行加強，如圖2所示，振動強度會密集的分布在一個固定的區域之中，然后采用BP人工網絡三級處理的手段對其進行覆蓋，BP人工網絡三級處理手段不僅效率較高，而且覆蓋面積較廣。BP人工神經網絡預測的誤差與訓練迭代次數關系如圖3所示。從圖中不難發現，當訓練次數達到一定的程度時（圖中顯示的是6 000次），預測誤差一般在0.005的范圍之內，從而實現了預期迭代次數的兩萬次的效果，由此可知，模型的預測效率較高［4］。

圖2　主軸軸承發生故障的振動頻率示意圖

圖3　BP人工神經網絡預測的誤差與訓練迭代次數關系

3　結語

將BP人工神經系統網絡技術與專家系統有效地結合起來，對煤礦井下的機械設備進行故障診斷，不僅能夠彌補傳統故障診斷技術中的不足，快速適應井下的工作環境，對井下的各種機械設備運行狀態進行監控，而且還能提高故障診斷的精確度，同時還能制定出相應的解決措施，從而為故障的排出提供了重要的依據，促進了煤礦行業的健康安全發展。

［1］孟柏震.煤礦井下運輸機械設備的安全管理［J］.科技創業家，2014（1）:81.

［2］馮志勤.探究煤礦井下掘進機電設備的節能對策［J］.能源與節能，2014（7）:79-80.

［3］周述霞.煤礦井下機電設備常見故障及維修［J］.技術與市場，2014（7）:66-67.

［4］張麗.煤礦井下機電設備常見故障及維修［J］.城市建設理論研究，2014（27）:2 779.

（編輯：王璐）

Management and Fault Diagnosis of Coal Mine Machinery and Equipment

Song Yang
（Bracket Branch Company，Shanxi Jincheng Coal Group Jinding Company，Jincheng Shanxi 048000）

This paper carries out a detailed analysis and discussion on the management and fault diagnosis of mechanical equipment in coal mine to smoothly promote the safety of coal mining.

coal mine；mechanical equipment；management

TD407

A

2095-0748（2015）22-0066-02

10.16525/j.cnki.14-1362/n.2015.22.28

2015-10-20

宋洋（1989—），男，江蘇溧陽人，本科，助理工程師，現就職于山西晉煤集團金鼎公司支架分公司，研究方向：機械。