采煤機故障診斷與故障預測的分析

朱藝超

（平煤神馬集團設備租賃分公司，河南 平頂山 467021）

采煤機故障診斷與故障預測的分析

朱藝超

（平煤神馬集團設備租賃分公司，河南 平頂山 467021）

煤礦資源是現代工業生產和人們生活的重要能源和化工原料，在經濟發展的過程中我國對煤炭資源的需求量一直較大，而且短期內無法被完全替代。而煤礦資源的開采效率很大程度上取決于采煤機的應用可靠性，降低采煤機在開采過程中故障發生的概率是煤炭資源開采發展的必然選擇。在此背景下，本文針對采煤機故障診斷和故障預測兩方面展開研究，為提升煤炭資源開采的可靠性和安全性提供參考。

采煤機；故障診斷；故障預測

0 引言

采煤機在煤礦資源開采過程中發揮著割煤和裝煤的作用，其通常由電氣控制部分、截割部、牽引部、附屬裝置構成，在采煤機被行走機構齒輪帶動的情況下，可實現正向、反向、停止等不同運動狀態的牽引，并在螺旋滾筒旋轉的作用下發揮破煤功能，現階段我國大部分煤礦使用的煤機類型為變頻調速電牽引式采煤機，下面主要對該類型的煤機進行分析說明。

1 采煤機故障分析

采煤機在采面運行的過程中，如果發生較大的故障，會直接影響采煤工作面生產推進度的正常進行，甚至對采面人員的生命安全和三機設備的安全配合構成威脅。例如，采煤機牽引超大負荷行走過程中，發生滾動體破碎脫落等問題。即使采煤機在運行的過程中并未表現出明顯的故障，也不排除其關鍵部位軸承被磨損的可能，如果未進行及時的檢修，可能會造成非常嚴重的生產事故[1]。

我國現階段已經認識到對采煤機故障進行診斷和預測的重要性，即使我國采煤機故障診斷的相關研究起步相對較晚，但現階段在采煤機故障診斷和預測方面也形成了較成熟的方法，而且呈現出多樣化發展的整體趨勢。

采煤機的地下工作環境和復雜的結構構成決定了其在運行的過程中發生故障的可能性較大，主要集中于電氣裝置、機械裝置和液壓牽引部方面。例如，在下按啟動按鈕后，整機并不動作、啟動后機組不能實現自保護等啟動先導回路故障；傳感器顯示值不準確、開機顯示的瓦斯超限等瓦斯斷電儀故障；PLC接點故障造成機器無法啟動、電機PT100損壞等電機故障等均屬于電氣裝置故障[2]。軸承溫度過高或具有噪音、齒輪的齒面嚙合不平或出現斑點、擦傷痕、接觸疲勞等情況屬于機械裝置故障；而采煤機調高千斤頂損壞、牽引部油泵過熱或存在異響等屬于液壓牽引裝置故障。在任何方面故障發生后，均會因無法割煤造成采面停產，對煤礦開采企業的經濟效益、安全效益等方面產生一定的影響，所以針對采煤機故障診斷和預測的方法展開研究具有必要性。

2 采煤機故障診斷與故障預測的方法

2.1 采煤機故障診斷與故障預測的常見方法

2.1.1 溫度監測

由于通常情況下，機械設備摩擦零件在發生故障后，零件表面的溫度會有所提升，在故障診斷和預測的過程中，可以利用溫度傳感器對預測摩擦零件表面的溫度進行獲取，并進行對比分析，判斷零件的運行狀態，所以在對采煤機故障進行診斷和預測時，利用在線溫度監測方法可在一定程度上達到預期效果[3]。例如，溫度在線監測可以通過溫度變化及時的定位采煤機截割滾筒軸承在長時間摩擦受損的部位，通過受損部位與其他部位溫度的對比分析，預測軸承其他部位發生破損的概率，并做好記錄，為后期維護檢修提供參考。

2.1.2 鐵譜分析

機械設備在運行的過程中，會發生一定的磨損，對機械磨損產生的磨屑顆粒進行收集和分析，可以判斷機械設備的磨損程度，進而實現故障的診斷和預測，所以此方法在采煤機故障診斷和預測方面應用也具有可行性[4]。在使用鐵譜分析方法檢測時，先要將潤滑油應用于高梯度強磁場的環境中，為潤滑油經過區域的磨屑顆粒按順序在基片中沉淀創造環境，然后將基片中沉積的磨屑顆粒制作成用于分析的譜片，在顯微鏡和光密度計的作用下對磨屑數量、形狀等進行確定，以此判斷采煤機因磨損發生故障的部位，并結合采煤機的工作原理對磨損故障產生的原因及故障的損害趨勢等進行分析，可見這種方法在采煤機故障的診斷和預測方面均可以應用。

2.1.3 專家系統

為提升故障診斷的效率和準確性，人們在已有專家知識的基礎上，通過模擬專家的思維，建立了專家系統，專家系統的核心是知識庫的建設，其主要包括采煤機故障診斷和預測方面專家群體公認的事實知識和以故障判別規則為主要構成的經驗知識兩類，在應用的過程中，先要對采煤機故障現場的相關診斷信息進行收集和整理，然后結合知識庫的數據進行診斷和預測[5]。專家系統知識庫的人機交互界面通常包括知識庫管理與維護、診斷解釋、知識獲取、故障診斷、故障預測、信號參數監測和處理等模塊，而且各模塊內的信息存儲格式要統一規范，以此保證知識庫可以準確的表達各種機械故障方面的知識，可以結合實際需要進行快速的檢索。

2.2 采煤機故障診斷與故障預測的智能方法

2.2.1 混合智能算法在采煤機故障診斷中的應用

混合智能算法即將模糊化神經網絡和專家系統結合應用的方法，前者在應用的過程中。

首先要通過公式 () () GXuFu，將采集的原始信號數據模糊化，其中X代表精確量；G代表對應的關系函數；F代表標準論域中元素的模糊量。

再通過最大隸屬度法和重心法對模糊化的數據進行精確化的處理。

例如某煤礦廠的采煤機運行記錄數據顯示，冷卻系統受損、液壓壓力過小、齒輪磨損程度過大、液壓電流過高等均可能導致其現階段液壓牽引裝置表面溫度過熱現象的發生，將以上故障特征分別設定為X1、X2、X3、X4、X5、X6、X7，并將其對應的故障現象如冷卻系統受損的現象冷卻裝置漏水等，分別用W1、W2、W3、W4、W5、W6、W7等表示，此時將超出采煤機正常數據上限很多和較小的故障特征分別用1和0.5表示，將少于采煤機正常數據下限很多和較小的故障特征分別用-1和-0.5表示，則可以直接將采煤機的故障域確定，并形成故障集，此時針對偏高正常值、正常值和偏小正常值進行歸一化的計算，則可以形成采煤機故障樣本的評價集，將評價集的數據直接輸入專家系統，則可以通過專家系統的知識庫數據對故障進行準確的定位。

可見此方法在應用的過程中，雖然計算過程相對較復雜，但可以直接通過故障原因表現的特征值和現象等，準確的定位故障，使故障診斷的效率和準確性更加有保證。隨著計算機芯片處理器運行性能的不斷強大，此方法的應用效果越來越明顯。

2.2.2 BP網絡算法在采煤機故障預測中的應用

現階段人們通常會選擇利用BP網絡算法建立可實現采煤機故障離線和在線預測的預測模型，在獲取的數據與預測模型中設定的數據存在偏差的情況下，該系統會自動的報警，為檢修提供依據，以此減少煤機故障的發生概率。在預測模型建立前，需要將采煤機各裝置的關鍵信號參數進行收集和歸一化處理，歸一化處理的公式為

其中x’代表最初始值。而xmin和xmax分別代表最初始值的最小值和最大值。

將歸一化處理后所獲取的具體值作為預測樣本進行存儲，并以時間序列的方式進行BP神經網絡模型的構建，在應用的過程中，先要將網絡參數初始化，然后輸入樣本參數，計算隱層和輸出層各節點的輸出、樣本誤差的平方和、隱層和輸出層的均方差，權值和閾值等，在確定誤差在要求的范圍內的情況下，完成BP神經網絡計算的訓練，在重復的訓練過程中，如果發現計算的數據偏離原本的預算軌跡，則可以判斷故障具有發生的可能。可見此方法不僅可以保證故障預算的準確性、前瞻性，而且可以對故障發生的原因進行較全面的判斷，使采煤機故障的檢修更加具有針對性，在降低采煤機故障發生概率方面具有積極的作用。

隨著人們對采煤機的關注程度不斷提升和相關理論的不斷完善，采煤機故障診斷和預測的智能方法將不斷發展，所以應以發展的視角看待采煤機的應用。

例如，現階段人們在已有的智能診斷和預測方法的基礎上，通過軟件對采煤機仿真界面進行了設計，并將專家系統知識庫的信息向計算機系統中導入，人們可以通過計算機直接進入采煤機故障診斷與預測控制系統，在系統主界面選擇進入樣本訓練界面、故障預測界面和故障診斷界面，并通過各界面對采煤機的各部分裝置系統進行常規BP神經網絡、自適應BP神經網絡、專家系統與模糊BP網絡等算法的故障診斷和預測，舍去了繁瑣的計算過程，實現了在線的檢測和診斷，極大的提升了診斷的效率和準確性。可見隨著采煤機故障診斷和預測方法的不斷深入，采煤機運行的可靠性和穩定性會越來越強，滿足煤炭資源開采的需要。

3 結論

通過上述分析可以發現，現階段人們已經認識到采煤機運行的可靠性和穩定性直接關系到煤炭資源開采的效率和安全性，并在實踐中有意識的結合采煤機的工作環境、原理等，利用先進的機械設備故障診斷方法，盡可能實現對故障的事前檢測、事中處理和事后預防，降低采煤機故障概率，這是現代煤炭開采水平和生產管理水平提升的具體體現。

[1]錢沛云．采煤機截割傳動系統故障診斷及可靠性分析[D]．中國礦業大學，2015．

[2]謝國民．基于時頻聯合小波法的采煤機關鍵部件故障診斷研究[D]．遼寧工程技術大學，2012．

[3]錢沛云，陳曦暉，胡曉，程剛．基于振動信號分析的采煤機搖臂軸承故障診斷研究[J]．煤炭科學技術，2014,12:89～92．

[4]梁曉歡．采煤機故障診斷及故障預測探討[J]．技術與市場，2015,06:96～97．

[5]孫潘潘．基于故障樹的煤礦設備故障分析方法研究[D]．中國礦業大學，2014．

TD42

A

1671-0711（2016）10（下）-0031-02