韓偉佳
摘 ?要:科學技術不斷發展,煤礦旋轉機械逐漸實現了大型化和自動化,并且在煤礦企業中廣泛利用。煤礦旋轉機械的工作環境比較惡劣,通過長時間運轉,煤礦旋轉機械可能會發生故障,影響到煤礦企業的正常生產。文章分析了煤礦旋轉機械在線故障診斷,分析了預警系統設計,保障煤礦旋轉機械運轉的可持續。
關鍵詞:煤礦企業;旋轉機械;在線故障診斷;預警系統設計
中圖分類號:TH17 文獻標志碼:A 文章編號:2095-2945(2020)19-0094-02
Abstract: With the continuous development of science and technology, coal mine rotating machinery has gradually achieved largescale and automation, and is widely used in coal mining enterprises. The working environment of coal mine rotary machinery is relatively bad. Through long-term operation, coal mine rotary machinery may break down, affecting the normal production of coal mining enterprises. This paper analyzes the on-line fault diagnosis of coal mine rotating machinery and the design of early warning system to ensure the sustainable operation of coal mine rotating machinery.
Keywords: coal mining enterprise; rotating machinery; online fault diagnosis; early warning system design
我國煤礦開采領域近些年致力于發展智慧礦山建設,落實煤炭智能開采,在煤炭開采過程中,各種礦山機械發揮著重要的作用,實現煤礦機械的智能化,工作人員需要全方位的檢查設備運行狀態,保障煤礦旋轉機械開采工作的連續性。煤礦旋轉機械通常是在惡劣的工作環境中運轉。導致傳動系統不斷發生系統故障,無法準確診斷煤礦旋轉機械故障。本文論述了煤礦旋轉機械在線故障診斷,提出預警系統設計分析,保障煤礦旋轉機械高效運轉,保障煤礦企業的經濟效益。
1 概述煤礦旋轉機械在線故障診斷系統總體設計
1.1 功能設計
設置煤礦旋轉機械在線故障診斷和預警系統,負責處理相關信號,提示預警和診斷,保障數據管理和輔助的作用,可以詳細劃分為時域分析模塊和頻域分析模塊以及特征頻率計算模塊等。[1]
1.2 設計思路
根據煤礦旋轉機械在線診斷和故障預警系統的工作需求,提出整體設計思路:首先利用傳感器實施采集振動數據,并且分析時域數據和頻域數據,明確煤礦旋轉機械在實際運行階段,各個部件的運行參數,根據監測時間,自動分類存儲特征參數。其次在數據中存儲采集的數據承擔審核故障,通過對比分析,確定煤礦旋轉機械的故障。
在煤礦旋轉機械在線故障診斷系統中,基本數據源是原始數據信號,數據信號質量直接關系到診斷結果的精準性。傳感裝置精度關系到原始信號采集質量,此外選擇的測點位置和采樣頻率等也發揮著重要的作用,根據煤礦旋轉機械特征,選擇合適的測點,有效降低信號處理的難度,同時可以更加便利的落實特征提取工作,使故障診斷的精準性因此提高。利用振動感應裝置測定電機振動情況,并且向信號采集裝置中傳輸所測的振動信號,利用A/D轉化器向服務器中傳輸時域信號。
為了自動檢索煤礦旋轉機械在線故障,落實故障診斷工作,建立煤礦旋轉機械數據庫,并且提出針對性的設計思路。數據庫中包括煤礦旋轉機械的常見機械故障,其中涉及到通風機和壓風機以及抽水泵等部件的信息,同時可以分析故障原因,提出針對性的故障解決措施。完成在線診斷之后,系統可以提出針對性的診斷結果,自動提取數據中的故障類型,提出針對性的應對措施,在用戶監測界面中確定故障區域,利用故障提示狀態燈的作用,幫助用戶明確故障設備。
1.3 設計信號分析方法
根據煤礦旋轉機械類型特征,根據針對性的特征信號選擇合適的信號分析方法,常用的信號分析方法包括頻譜分析和功率譜分析以及網絡譜分析等。利用頻譜分析方式,可以明確信號頻域的特征,利用功率譜分析方式,可以提取頻域中的噪聲信號。利用包絡譜分析方法,可以獲取沖擊信號,可以有效診斷齒輪故障。利用倒頻譜分析方式,可以提取分析原頻譜中的周期性信號。[2]
三相電機利用耦合裝置連接軸承,同時可以互聯減速裝置,落實聯通負載工作。煤礦旋轉機械設備在運行過程中,在故障診斷過程中,工作人員需要測定電機溫度和振動情況,連接測點位置和待診斷部件,降低噪聲干擾的影響,使信號處理難度因此降低。選取測點位置,需要全面考慮安裝特性,為安裝工作提供便利,避免干擾到機器實際運行工作。
煤礦旋轉機械運行過程中,軸承部件會產生徑向振動和軸向振動,其中比較明顯的徑向振動。在煤礦旋轉機械安裝階段,需要利用徑向安裝方式,測量電機振動和設備軸承徑向振動情況,利用振動感應確定位置信息,精準分析相關振動頻率,有效判定煤礦旋轉機械故障類型,在電機外殼布設溫度感應裝置,確定電機外殼的溫度,為煤礦旋轉機械在線故障診斷提供參考價值。
1.4 診斷過程分析
大量檢測煤礦旋轉機械的運行數,通過匯總分析之后,建立煤礦旋轉機械運行過程在包絡圖譜。如果加速度超過了報警值,確定煤礦旋轉機械存在故障,利用自行對比分析數據,確定故障類型和發生故障的部位。根據故障圖譜建立數據庫,在煤礦旋轉機械運行過程中,可以快速識別故障,保障判定效果。工作人員對比振動總值范圍之后,需要觀測相應的頻譜圖,根據工作經驗有效判定故障類型。
2 煤礦旋轉機械預警診斷方法
為了有效保存設備參數,需要設計針對性的故障診斷模式,在實際工作過程中可以利用精細診斷方式和粗略診斷方式。如果工作人員明確煤礦旋轉機械部件結構的相關參數,可以利用精細診斷模式,否則需要利用粗略診斷模式。
利用精細診斷方式,主要包括絕對診斷方式和相對診斷方式,將煤礦旋轉機械結構參數輸入到系統中,系統可以計算特征頻率,通過絕對診斷方式,對比實時信號特征頻率,確定設備故障狀態。利用相對診斷方式,通過對比信號特征頻率幅值,有效判斷設備的故障情況。[3]
利用粗略診斷模式,無需利用設備機構參數,利用時域分析和頻域分析等方式,可以確定峰值和有效值以及均方值等參數,保障設備故障診斷效果。粗略診斷主要包括絕對診斷方式和相對診斷方式。利用絕對診斷方式,需要結合特征參數范圍,確定煤礦旋轉機械故障裝填,利用相對診斷方式,對比分析實時信號特征參數,確定煤礦旋轉機械故障狀態。
工作人員可以利用互鎖方式,關聯利用精細診斷模式和粗略診斷模式,如果工作人員選擇利用精細診斷模式,不再運行粗略診斷模式程序。如果利用粗略診斷模式,不再運行精細診斷模式程序。[4]
3 系統設計
3.1 軟件設計
在系統配置模塊中需要設置監測對象和通道以及預警診斷方案,工作人員需要配置傳感器通道,選擇診斷和預警方案,科學計算主要部件理論特征頻率。利用用戶監測模塊可以實現預警顯示和診斷顯示以及報表打印等。用戶監測界面包括頻域圖和時域圖以及故障提示等部分。[5]
針對時域圖部門,工作人員點擊“原始波形”,打開LED,將預處理波形圖顯示出來,再次點擊“原始波形”,LED因此變暗,可以將波形圖顯示出來。點擊“診斷報告”,利用Word形式導出診斷結果,并且實現結果的打印和存檔。改變系統監測設備之后,工作人員點擊“返回”,因此進入到設備選擇界面。利用頻域圖顯示出有效值和均方值以及波形因數等方面的參數。
利用狀態燈的方式提示故障分布情況,將煤礦旋轉機械運行狀態顯示出來,紅燈代表故障,黃燈代表警告,綠燈表達設備正常。同步落實故障類型提示和狀態等,工作人員可以因此確定故障類型和發生故障的原因,同時可以在提示框中顯示出故障治理措施建議。
3.2 硬件設計
在數據采集模塊中利用采集儀,利用通道模擬采樣工作,利用通道數字化轉速計輸入通道,有效轉換24位模數,利用加速度常年期確定動態參數和采樣頻率以及頻寬等參數。在監測煤礦旋轉機械設備,利用磁座和螺紋連接方式在監測設備的傳動設備上固定加速度傳感器,結合模態分析結構,將傳感器安裝在振動較大的部位。設置有效測點,需要不斷縮短振動信號的傳輸過程,可以在傳動系統的軸承部位布置傳感器,可以因此實時收集轉軸和軸承等方面的故障信息。工作人員可以結合監測設備的數量和設備測點數確定傳感器通道數,連接系統軟和32路信號,可以對于多個設備同時起到監測作用。[6]
3.3 系統測試
為了保障煤礦旋轉機械在線診斷和預警系統的作用,設計轉子-軸承系統,模擬煤礦旋轉機械轉子不平衡的故障,利用加速度傳感器采集設備信號,對于煤礦旋轉機械系統的運行狀態實時監測。
轉子處于正常的狀態,需要測試軟件系統狀態,故障提示燈顯示為綠色,保障煤礦旋轉機械設備狀態為正常,工作人員可以提取原始數據,落實頻譜分析。工作人員可以將螺釘加載在轉子圓盤上,模擬轉子不平衡的狀態,故障提示區域可以顯示出轉子的故障狀態,同時亮起紅燈,工作人員需要提取原始數據,落實頻譜分析工作。在轉子一倍頻出,幅值處于0.0015g附近,不符合正常狀態幅值,同時還會出現諧波,這些情況屬于轉子不平衡的故障特征。故障診斷系統診斷結果和頻譜分析結果具有一致性,因此煤礦旋轉機械預警系統具備有效性。[7]
4 結束語
綜上所述,本文主要論述了煤礦旋轉機械在線故障診斷和預警系統設計,準確識別煤礦旋轉機械的故障,并且及時發出提示,保障在線故障診斷效果,整體操作比較簡單,同時具有較高的可靠性,保障煤礦旋轉機械運行的正常性,提升煤礦企業的經濟效益。
參考文獻:
[1]焦衛東,王翀翮,李剛.基于同步壓縮小波變換的旋轉機械設備故障診斷[J].內江科技,2020,41(03):28-30.
[2]莊莉莉.基于系統仿真的旋轉機械振動故障診斷方法[J].熱力透平,2020,49(01):17-20.
[3]丁頔,南國防.CNN-RNN融合法在旋轉機械故障診斷中的應用[J].輕工學報,2020,35(01):102-108.
[4]王智沖,張學英.試析大型旋轉機械振動監測與故障診斷知識體系的研究與實現[J].科學技術創新,2019(33):17-18.
[5]吳靜然,丁恩杰,崔冉,等.采用多尺度注意力機制的旋轉機械故障診斷方法[J].西安交通大學學報,2020,54(02):51-58.
[6]吳春志,馮輔周,吳守軍,等.深度學習在旋轉機械設備故障診斷中的應用研究綜述[J].噪聲與振動控制,2019,39(05):1-7.
[7]鄧林峰,張愛華,趙榮珍.集成多策略改進FCM算法的旋轉機械故障數據聚類分析研究[J].振動工程學報,2019,32(05):918-926.