礦山機械設備故障診斷技術

林汪洋

(天地科技股份有限公司 上海分公司， 上海 200030)

0 引言

隨著中國煤礦產業項目體系的優化和完善，安全生產問題上升為受重視和討論的焦點。煤礦機械設備是煤礦開采工作的首要支柱，一旦機械設備出現故障，不僅嚴重影響煤礦開采效率，甚至可能引發安全事故。故障檢測技術的運用，能讓工作人員準確獲取生產參數，保障設備正常運轉，因而需要深入研究故障診斷技術，提升監測程度，確保生產安全和效率。此外，煤礦企業應高度重視煤礦機械設備的維護工作，不斷提高和更新設備故障診斷技術，及時排除故障和安全隱患，確保機械設備安全有效運行[1]?；谏鲜霰尘埃芯繖C械設備的故障診斷技術對設備實際應用來說至關重要。

故障診斷的目標是建立設備的預知維修體系或狀態維修體系，根據設備的故障情況，采取治理防護措施(巡回檢測、監護維持運行、立即停機檢修)，在確保安全的前提下，采用狀態監測與故障診斷后的維持運行，避免不必要的停機，提高機械設備運行效率。綜上，本文旨在闡述礦山機械設備故障產生的原因，總結近年設備故障診斷方法的研究現狀，為國內煤礦開采人員以及相關領域研究人員提供參考。

1 礦山機械設備故障原因分析

機械設備內部結構精細而復雜，對環境的要求差異較大，引發設備故障的因素也多種多樣，其中,首先是結構設計合理性問題以及制造工藝問題，其次是人為操作不當所造成的維護問題。因此，這些設備在工作環境、設計、工藝和人員操作等環節中都有可能發生問題。另外，隨著使用次數的增加，設備內部會發生磨損、疲勞、斷裂、腐蝕現象或外部環境不良，工作時間過長，溫度升高導致內應力釋放產生變形(無過載也會發生)，載荷過大也會產生變形，上述原因將引發設備故障，縮短其使用壽命，間接降低其工作效率，甚至發生重大事故。由此,造成機械設備故障的主要原因有[2-3]：

1) 設備配合關系的變化。設備在使用中受載荷、溫度以及受力零部件的松動等因素影響，使得有公差配合關系的零部件的初始形態、結構和性能出現不一致變化。此外，設備內部的零部件、螺絲等在長時間互相摩擦中發生松動、污濁也會導致相鄰零件在機械運轉過程配合關系的變化。上述現象使得零件受損，設備運行不穩，功率下降，導致整個設備的運行出現問題[4]。

2) 設備技術有缺陷。機械設備內部構造復雜、精密，只有采用先進維修技術，才能準確排除故障。目前，當設備出現問題時，檢修人員基本憑經驗來判定故障，無法提前預判故障，很難保證維修質量。此外，相關采購人員缺乏對此類設備系統性能的了解，導致所采購的設備功能有缺陷，無法滿足需求。

3) 設備長時間超負荷運轉。機械設備都有其安全系數，在這個系數范圍內運行，能有效保障設備的質量和使用壽命，短時的超負荷運轉也能滿足。設備超負荷運轉時，其電流變大，間接零部件的溫度會升高，導致內應力釋放誘發變形。如果長時間超負荷運行，設備線路及相關零部件很容易出現故障。

4) 設備操作不當。一些工作人員安裝設備時，不熟悉設備系統，不了解設備整體特性，專業技術掌握不到位，僅憑經驗安裝，導致裝錯方向，不僅嚴重影響設備正常運轉，在拆裝過程中，還可能使設備受損。此外，在對機械設備進行維修和拆卸時，不按規范操作，間接損壞設備的零部件，縮短設備的使用壽命，導致故障頻頻發生[5]。

5) 設備的老化。設備使用時間越長，受內部結構形態變化及外部運行環境的影響越大，零部件的磨損、斷裂、變形就越嚴重，累積的維修操作加速設備的老化[6]。此外，溫度過高或過低都會影響設備的性能，加速設備的性能退化。

6) 設備潤滑不到位或不及時。對使用中的設備進行潤滑，及時補充潤滑油，是降低設備磨損的首要舉措。零件之間油膜的破壞會造成零件之間的摩擦，不能及時補充潤滑油也是設備出現故障的一個重要因素。

2 機械設備故障診斷方法

2.1 設備故障診斷技術主要研究內容

1) 數學模型的建立。設備在運行過程中會產生許多狀態數據，需要建立一個能夠精確反映設備性能狀態參數(如零部件溫度、振動信號、輸出參數等)隨時間的變化趨勢、或系統前后兩個時刻狀態變量之間的遞推關系的模型。所建立的模型能直觀、及時反映這些設備運行情況，并對產生的歷史故障數據進行分析總結，以便于故障的預判。

2) 信號的采集。目前主要利用傳感器采集設備狀態信號，如速度、溫度、振動、壓力等。這一步主要研究如何搜集有效信號，旨在任何條件下都能采集到平穩、可靠的信號。某些礦山設備的應用場合特殊,環境比較惡劣，對傳感器要求高，要求其具備防塵潮、抗干擾、耐高溫等特點。

3) 信號的提取與處理。利用傳感器采集到的信號是設備原始信號，涉及范圍廣，有些信息無法直接反映設備運行情況，因此要從所采集的原始信號中提取與設備工作狀態及故障有關的關鍵特征信號，與正常值進行對比，這一步也稱為狀態檢測。

4) 信號分析。這一步主要是對第3步處理之后的特征信號進行分析和研究，并將這些有用信息與設備所要求的標準參數進行對比，更準確地反映設備的工作狀態和故障類型。

5) 趨勢分析。對機械設備進行一系列信號采集、處理、特征提取以及分析后，能夠運用相關智能分析手段和方法，系統地對生產設備將要發生的問題或故障進行有效預測，并做到提前維護，降低故障率。

6) 診斷事故類型。利用已有的理論和經驗，結合第3步、第4步中得到的結果對設備的整體情況進行判別，從而得出維護和整修策略。這一步最主要的是研究在事故判斷中如何使用信息融合方法以及神經網絡、專家系統等智能診斷方法。

2.2 機械設備故障診斷方法

目前，礦山機械設備故障診斷主要利用先進傳感器和技術手段檢測設備運行狀態，再結合分析數據，判斷設備健康狀態。要求現代故障診斷技術能自適應地實時發現問題，甚至還能快速處理問題。綜合現有的故障診斷方法，大致可以分為以下幾種。

2.2.1 振動監測診斷方法

振動監測法能夠實時、精確地監測設備的振動信號，通過分析、研究信號參數有無異常、是否規律來判斷設備狀態和故障，該方法理論較成熟，常將其作為故障診斷的首選方法。原理：首先采集設備振動信號，對振動動態特性(固有頻率、振幅、傳遞函數等)進行有效分析和研究，最后有針對性地分析零部件，得出設備在運行中的狀態。分析振動強度能讓用戶及時了解設備運轉是否正常；研究振動頻譜，能清楚的預知設備何處、何時出現問題；通過分析零部件，能夠準確定位故障，并及時維修。

可靈活地根據設備頻率來選擇振動的量測參數和傳感器，量測參數一般有位移、速度和加速度等。王霄[7]基于多傳動系統運行特征，對轉速、電流、轉矩等動態參數進行特征提取，對傳動的運行狀態進行模式識別，實現多傳動系統故障的實時監測和診斷。振動監測診斷技術簡單實用，能實時、精確地表征機械動態特征及其變化過程，應用廣泛，局限性：只能對單個或少數的振動部件進行分析和診斷；信息采集和信號分析方法相對單一。

2.2.2 油液分析診斷方法

通過分析識別油液中多余物及磨損顆粒物的構成及分布、油液介質的成分，判斷設備當前及未來的工作狀況，進行故障診斷，達到有效預防和維修的目的。該方法主要應用于機械設備潤滑系統和液壓系統，機械設備供油系統中油的質量好壞表征了零件運行的狀態信息，是一種間接檢測方法。

2.2.3 無損檢測技術

在機械設備的運行及使用過程中，由于焊接零部件的表面及內部有裂紋、氣孔等肉眼看不到的缺陷，缺陷會隨著設備使用次數的增加而惡化，影響設備的性能和正常運轉。在這樣的背景下，無損探傷檢測技術應運而生，其特點是在不破壞被檢測對象的前提下，利用聲、光、磁和電等特性分析檢測信號，判斷有無缺陷，使操作人員及早檢測出機械部件缺陷，保障設備安全運轉。常用無損檢測技術包括：超聲無損檢測、射線檢測、電磁檢測、滲透檢測等。無損檢測具有安全便捷、非破壞性、動態跟蹤性等優點，但局限性為：

1) 超聲檢測難以檢測小而薄的復雜零件及形狀復雜的結構，檢測速度慢，周期長，目前很難進行三維檢測。

2) 射線檢測設備投資較大，對安裝及安全方面有嚴格的要求，不適用于現場在線檢測，周期長，效率低，成本高。

3) 電磁檢測自動化程度高，省時，但對于零件幾何形狀突變引起的邊緣效應敏感，顯示可能不正確。

4) 滲透檢測原理簡單、靈敏度高，但其工藝程序復雜，使用的試液易揮發，且無法檢測多孔材料的缺陷。

2.2.4 人工智能診斷方法

智能診斷技術方法可以總結為兩類[8-9]：一類是專家系統，其原理是：描述出人類專家所持有的特定性知識，并基于相應的規則將其存到知識庫；知識處理系統根據輸入信息提供的規則和策略進行邏輯推理，最后輸出診斷結果。該方法比較成熟，局限性：知識獲取的“瓶頸”和邏輯推理的“組合爆炸”。

另一類是以人工神經網絡為代表的智能診斷方法，它是以權值比重和數值計算為基礎的，其原理為：通過系統權值系數矩陣來表示和存儲所獲取的知識，通過學習不斷的調整權值系數矩陣來獲取知識，系統按照一定的方法計算輸入數據，得到的輸出作為診斷結果。在神經網絡中，能推理計算出不精確的甚至是錯誤的輸入數據，同時不存在知識獲取的瓶頸問題和推理的組合爆炸問題。但局限性為：由于診斷對象日趨復雜，獲取準確、完備、有效的診斷知識越來越困難；復雜系統時常處于動態變化中，故障發生具有很強的不確定性，為智能化推理帶來了挑戰。

2.2.5 紅外測溫檢測技術

液壓系統油液劣化、設備零部件之間的摩擦、長時間超負荷運轉等都會引起設備溫升，產生大量熱量。高溫可能導致設備及其零部件的損壞。紅外測溫法是借助紅外測溫儀測定機械設備內各部件的溫度，根據自身檢測溫度及設備周圍環境的溫度變化來判斷設備運行狀態。該方法能夠進行非接觸式、遠距離測溫，也能夠準確地用于信息處理、分析數據和做判斷，以此為依據，操作人員可以提早對機械磨損、油液劣化問題采取相應措施，保證設備正常運轉，間接延長設備使用壽命。但局限性為：

1) 易受環境因素影響(環境溫度，空氣中的灰塵等)。

2) 測量準確度受設備負荷影響。

3) 物體內部溫度較難測量，有障礙物時測量結果不準確。

4 機械設備故障診斷發展趨勢展望

目前機械設備故障診斷所依托的傳感器和監測儀器檢測數據不準確、可靠性較差、監測儀器功能單一，很難滿足在線故障診斷的需求，故迫切需要結合當下前沿科學技術，研究出新的智能診斷方法。進一步研究的主要內容有:

1) 研發出先進的多功能型傳感器和監測儀器，選取合適的振動、溫度、噪音等量測參數，使傳感器和監測儀器能夠快速準確識別故障。

2) 使用多元傳感器信息融合的方法?，F代智能型生產設備必須具有針對各個方面的檢測與保養，以便工作人員實時、全面掌握機械設備的日常運行情況。同一時間使用多個傳感器實時監測各個關鍵部位，根據信息融合技術分析監測數據，以達到較準確的診斷。

3) 結合最新的信號處理方法，研究融合專家系統、神經網絡、進化算法及模糊式邏輯思維等方法的故障診斷方法和模型。在未來，機器狀態的自適應檢測與事故判斷是事故判斷系統的必然要求。

5 結論

通過總結機械設備故障產生的原因，闡述了故障診斷技術的定義及主要研究內容，歸納了故障診斷方法的研究現狀，最后，展望了設備故障診斷技術的發展趨勢。

礦山機械設備構造復雜、精密，加上高科技的發展迅速，對設備故障診斷技術要求也越來越高，需要不斷的優化、革新檢測及診斷技術，最大程度保證設備安全、可靠、高效運行。