基于FCM 算法對刮板輸送機故障的分析與診斷

朱江鵬

（山西長平煤業有限責任公司， 山西 晉城 048006）

引言

刮板輸送機是煤礦重要的運輸設備之一，用于運輸煤炭與矸石，對于整個礦井的順利生產有重大的意義。我國煤礦機械的整體水平朝著大功率、大運量以及高性能的方向不斷發展，目前，井下刮板輸送機最大功率達到6 000 t/h，服務工作面也越來越大，刮板輸送機運輸能力也越來越大[1]。但刮板輸送機在運行過程中，不僅經常出現摩擦、腐蝕等現象，而且還容易出現斷鏈、掉鏈等故障，對于煤礦的正常運行有嚴重的阻礙作用[2]。本文詳細分析刮板輸送機出現故障的具體原因，同時利用FCM算法對其故障分析進行了計算，發現FCM算法對于檢測數據的聚類水平更加清晰準確，也使得分層更加貼近實際情況，在實際檢測分析刮板輸送機故障時可大面積推廣。

1 刮板輸送機常見故障

刮板輸送機在煤礦井下生產過程中占據重要的地位，在實際的生產過程中，刮板輸送機往往由于工作面大量煤炭以及巖石的垮落出現載荷過大加快機器的磨損，嚴重情況下甚至出現機器停止運轉，影響到整個工作面的生產進行。因此，了解刮板輸送機的結構以及穩定性對于礦井生產的順利進行就顯得尤為重要。

圖1、圖2、圖3 分別為刮板輸送機的機頭、機頭傳動裝置以及鏈輪簡圖。刮板輸送機主要包括傳動系統與輸送系統兩個主要部分，傳動系統是刮板輸送機的動力系統，傳動系統中的電動機是設備的動力來源，其輔助設備有液力耦合器以及減速裝置，共同提供并傳送動力，輸送系統主要由鏈輪及其附屬裝置組成，起到直接運輸的作用。

刮板輸送機在井下主要運輸煤炭以及煤矸石，由于運輸材料不同，其所受到的力也有所不同，且在井下運輸中，工作面并不是嚴格的平整狀態，因此在刮板輸送機工作中，其受到水平應力、垂直應力以及各個方向的力都較大，載荷的增大加大了機器發生故障的概率，加上井下地質條件的復雜，在長期磨損狀況下刮板輸送機極易發生故障，一旦刮板輸送機停止工作，工作面便無法正常推進。隨著煤層開采難度的增加，機械水平也有了一定程度的進步，大功率自動化設備應用越來越普遍，因此故障發生的概率也在增加。在刮板輸送機運行過程中，一個零件或者多個零件的異常就會使機器停止運轉，從而影響生產的順利進行，因此，必須全面了解其發生故障的根本原因。刮板輸送機發生故障的原因主要有以下幾點：

1—平行傳動裝置；2—機架；3—垂直傳動裝置

圖2 刮板輸送機機頭傳動裝置簡圖

圖3 刮板輸送機鏈輪簡圖

1.1 電器故障

一種電器故障是當設備內部或者外部電路發生短路甚至斷路時，電動機工作便會失穩，設備轉速得不到預期的效果，運輸將會受到影響，情況嚴重者會停止運行；另外一種電器故障是由于機器長時間工作導致熱量的集聚，運行過程中，摩擦生熱損壞機器。

1.2 減速器故障

減速器發生故障主要是由于軸承發熱以及油溫過高造成，在機器運行初期，機器的油都為純凈油，在長時間的設備運行中，往往因為冷卻循環系統的冷卻溫度不足或者冷卻系統堵塞等原因，造成油溫過高，除此之外，當進行補油等操作時，由于操作不當導致油中含有雜質。

1.3 液力耦合器故障

液力耦合器中包含密封裝置以及螺絲等小零件，長時間高溫作業后，密封圈極易出現損壞且螺絲出現松動疲勞等現象，導致液力耦合器發生故障。

1.4 鏈輪組件故障

刮板輸送機是靠刮板鏈工作進行運輸的，刮板鏈條間連接不緊密或者部分刮板鏈發生故障時，鏈條松緊度便會發生變化，造成軸承磨損嚴重，運輸能力下降。

2 刮板輸送機故障的診斷

通過上述的刮板輸送機故障分析，除外界人為因素外，油溫以及機器設備溫度的升高是機器損壞的主要內因。針對這一故障，利用FCM算法對溫度進行檢測和分析，圖4 為刮板輸送機減速器溫度檢測點示意圖，根據現場經驗以及理論知識，以故障發生最多的一三軸處作為監測點監測油溫。一軸是減速器高速軸，高速軸由于轉速快，在損耗以及摩擦力的作用下，溫度會驟然增加，因此在此位置進行溫度的檢測有很大的意義；三軸代表減速器低速軸，低速軸雖然轉速較低，但是低速軸在工作期間因為有很大的力矩輸出，所以溫度較高的點也出現在低速軸，當軸承出現疲勞脫落或者刮傷時，刮板輸送機便無法正常工作，因此加強對低速軸溫度的檢測也顯得尤為重要。

對于溫度的檢測有很多點，實時檢測電機線圈繞組溫度可以了解電動機的發熱情況，按照實際工作經驗，當煤層采高較高時，落煤重力對機器造成很大的瞬時沖擊力，電機極容易出現掩埋，這種現象的根本原因是電機的定子瞬間達到較高的溫度或者有灰塵進入到電機中，導致設備不運轉，因此在壓力作用下出現掩埋；電動機軸承溫度較高也是常見的現象之一，當軸承油量不足或者油量溫度較高時，軸承磨損嚴重，機器零件也受到破壞，定子與轉子之間的摩擦導致局部溫度升高，甚至可能燒壞電機。因此，溫度檢測點布置于這些位置[3]。

FCM算法為模糊理論算法，其能更好地解釋模糊性以及隨機性，應用此方法能夠更好地將樣本數據點進行分類，使得樣本聚類水平更加清晰的同時，也使得分層更加貼近實際情況。圖5 為樣點集合圖，圖6 為FCM算法分類結果。

圖4 刮板輸送機減速器溫度檢測點示意圖

刮板輸送機是煤礦大型機械設備，其由很多零件組成，對其故障進行分析診斷時，需要檢測的數據非常多，在后期數據進行分類處理時，人為處理工作量大且誤差較大，利用FCM 算法進行聚類，可使分類能力增強且分類結果更加準確，因此在對刮板輸送機進行故障分析診斷數據處理時，利用FCM算法是不錯的選擇[4]。

圖5 樣點集合圖

3 結論

1）根據實際工作經驗以及理論知識，在刮板輸送機故障診斷檢測中，將溫度檢測點布置于減速器高速軸、減速器低速軸、軸承以及油溫處檢測溫度是最全面最佳的檢測位置。

圖6 FCM 算法分類結果

2）利用FCM算法對檢測數據進行聚類分析時，發現聚類水平更加清晰，分層更加貼近實際情況，因此在對刮板輸送機進行故障分析診斷數據處理時，利用FCM算法是不錯的選擇。