深井多繩摩擦提升鋼絲繩研究

韓瑞軍， 王會來， 張 偉

(中國恩菲工程技術有限公司， 北京 100038)

0 概述

提升鋼絲繩用于懸掛提升容器，并通過提升機帶動提升容器上升或下降，提升鋼絲繩的安全可靠直接關系到提升系統的正常使用，對礦山正常生產、人員安全也有非常重要的影響。提升鋼絲繩受力比較復雜，主要有靜拉力、慣性力、彎曲力、接觸力、扭轉力，經循環反復作用[1]，引起鋼絲繩彎曲疲勞和扭轉疲勞破壞以及由其它因素引起磨損和銹蝕等破壞[2]，這些都影響到鋼絲繩的使用壽命，對礦井提升中的安全可靠性有重要影響。深井提升鋼絲繩的合理正確選擇，對于礦井提升系統的安全可靠運行至關重要。

隨著礦產資源開發向地下不斷發展，礦山開采深度逐漸加深，深井提升遇到的問題也逐漸出現。提升鋼絲繩使用壽命隨著深度的提高加速下降。提升高度在800 m以后的豎井提升系統，提升鋼絲繩使用壽命一般在兩年左右；提升高度提高到1 000 m左右時，提升鋼絲繩剛開始裝備時，由于礦山沒有達產，初期提升礦石量不多，提升鋼絲繩壽命一般也在兩年左右，鋼絲繩斷絲數量也不多。但隨著礦山產量增加，提升鋼絲繩斷絲數量增加較快，鋼絲繩壽命急劇下降，一般在1年左右，有的甚至只有6個月左右[3]。提升鋼絲繩壽命的急劇下降，對整個提升系統產生了很大影響，不僅增加了換繩次數，也增加了運營成本，對礦山的生產也產生了較大影響。因此，解決深井提升鋼絲繩的問題非常緊迫，對保障深井提升系統的安全至關重要。

1 深井提升鋼絲繩的受力特點

由于井深增加、規模增大，提升系統參數相應增大。深井提升系統的基本特點為提升高度大，提升速度高，載重量大，提升鋼絲繩直徑大、質量重、抗拉強度高，提升機卷筒直徑大[4]。深井提升系統的特點表現如下：

(1)提升容器載重占提升鋼絲繩終端負荷的比例減小；

(2)提升鋼絲繩負載變化率加大；

(3)提升鋼絲繩承載能力變低。

2 深井提升鋼絲繩失效的形式

提升鋼絲繩的受載復雜，磨損、腐蝕和疲勞為提升鋼絲繩失效的主要形式，這三類因素同時發生，最終引起提升鋼絲繩的失效[5]。

提升鋼絲繩的高速往復運動，使鋼絲繩受交變荷載，導致鋼絲繩的疲勞斷裂。疲勞斷裂是提升鋼絲繩的主要失效形式。

提升鋼絲繩失效形式按交變載荷的形式不同，可分為拉壓疲勞、接觸疲勞、扭轉疲勞、彎曲疲勞等形式。深井提升系統由于提升高度大，提升速度高，載重量大，導致提升鋼絲繩張力變化更大。隨著提升高度的增加，扭轉應力對鋼絲繩壽命的影響隨之增大[6]。提升高度超過1 000 m后，扭轉疲勞成為影響提升鋼絲繩壽命的主要因素。

3 深井提升鋼絲繩失效規律研究

3.1 提升鋼絲繩使用壽命影響因素分析

提升鋼絲繩使用壽命和很多因素有關，一般認為與提升高度、提升速度、鋼絲繩直徑參數等有關。提升高度增加，鋼絲繩的張力變化加大；提升速度增加，鋼絲繩加減速段沖力更大；鋼絲繩直徑增加，由于提升的物料重量增加，鋼絲繩的張力也變大，另外，鋼絲繩隨著直徑增加彈性變差。由于鋼絲繩壽命與各因素間的函數關系比較復雜，用線性模型很難描述函數關系特征，一般認為非線性模型可以近似描述這種函數關系特征。BP神經網絡適于非線性函數能力，經過多次訓練可以找到輸入輸出參數之間的映射關系函數[7]。

3.2 BP神經網絡參數設計

BP神經網絡是利用非線性函數進行權值訓練的多層神經網絡。BP神經網絡一般由輸入層、輸出層和隱含層組成。

(1)輸入參數的選擇確定

根據經驗數據，選取提升高度(m)、提升速度(m/s)、鋼絲繩直徑(mm)作為為輸入參數。

(2)輸出參數的選擇確定

考慮到研究提升系統參數的目的，選取提升鋼絲繩使用壽命(月)為輸出參數。

(3)神經網絡模型

3層BP神經網絡可以進行復雜非線性函數的映射模擬，達到曲線擬合的目的。基于Kolmogorov3層神經網絡映射定理，根據分析問題需要，神經網絡模型設計中，輸入層單元個數為3個，隱含層單元個數為7個，輸出層單元個數為1個，隱函數選用Sigmoid型函數，輸出層函數選用Purelin型函數[7]。神經網絡拓撲結構如圖1所示。

圖1 神經網絡拓撲結構

(4)神經網絡模型的應用

根據收集的鋼絲繩使用壽命數據，以及其他礦山收集的鋼絲繩使用數據作為神經網絡訓練的樣本數據。

將上述樣本數據中前22組數據輸入模型進行訓練，最后4組數據作為模型驗證數據。由于樣本數據間數值差別比較大，并且各指標不同，為了方便計算，對樣本的輸入參數進行歸一化處理。

3.3 分析結果

訓練完畢后，選取最后4組樣本數據，分析測試驗證網絡模型。輸入參數的數據如表1所示，輸入參數歸一化處理后輸入神經網絡后進行預測計算，輸出的結果及預測誤差如表2所示。模型輸出預測值與實際值數據對比圖如圖2所示。

表1 模型檢驗輸入數據表

表2 模型輸出預測值與實際值數據對比

圖2 模型輸出預測值與實際值數據對比圖

由表2可知，預測誤差偏大，分析原因主要有兩個，一是訓練樣本數據較少，神經網絡模型不完善，不能很好的反映實際情況；二是樣本數據有些不準確，需要剔除部分偏差較大的數據。后續工作會繼續收集鋼絲繩現場使用數據，完善樣本數據庫，建立比較接近的神經網絡模型。

根據建立的神經網絡模型，預測豎井提升系統提升高度和鋼絲繩使用壽命的關系，提升高度為800～1 500 m，提升速度12 m/s，鋼絲繩直徑44 mm。模型計算后輸出結果,提升高度與鋼絲繩壽命關系如圖3所示。

圖3 提升高度與鋼絲繩壽命關系圖

由圖3所知，提升鋼絲繩的壽命隨提升高度的提高而逐漸降低，總體趨勢比較明顯，驗證了深井提升鋼絲繩的特點。此模型的建立是在現有的提升豎井數據基礎上測算的，鋼絲繩采用常規的三角股鋼絲繩或者單層圓股鋼絲繩。通過圖3，初步表明在

現有技術水平基礎之上建設多繩摩擦式超深礦井，鋼絲繩的結構和性能需要進行改進。

4 結論

多繩摩擦提升系統隨著提升深度的增加，提升鋼絲繩的承載能力下降。現有的三角股鋼絲繩和單層圓股鋼絲繩不適合深井大載重提升。深井提升鋼絲繩選用具有抗旋轉結構對深井大載重提升具有重要意義。提升系統根據不同深度、不同載重需求選擇合適鋼絲繩來適應深井提升的特點，以保障提升系統安全運行需要。