溜井破碎錘故障自診斷系統(tǒng)研究

王治宇 ，姜中曄 ，劉 旭

（1.礦冶科技集團有限公司，北京 100160；2.金屬礦山智能開采技術(shù)北京市重點實驗室；3.北礦智能科技有限公司，北京 102628）

溜井破碎錘具有沖擊能量大、可靠性高等特點，主要用于溜井破碎車間礦石堆的推散、破碎作業(yè)。隨著計算機控制技術(shù)和遠(yuǎn)程通信技術(shù)的進(jìn)步，井下作業(yè)裝備朝自動化、智能化乃至無人化的方向不斷前進(jìn)。在井下二次破碎生產(chǎn)環(huán)節(jié)，操作人員面臨碎石迸濺、高分貝噪聲、高濃度粉塵等作業(yè)環(huán)境。因此，實現(xiàn)溜井破碎錘的智能化控制顯得尤為重要。礦冶科技集團有限公司研制了溜井破碎錘無人值守系統(tǒng)，實現(xiàn)了破碎錘的智能化控制。為了確保溜井破碎錘無人值守系統(tǒng)穩(wěn)定、可靠地運行，本文設(shè)計一套適用于金屬礦山井下惡劣作業(yè)環(huán)境的溜井破碎錘故障自診斷系統(tǒng)，并對其中關(guān)鍵技術(shù)進(jìn)行分析。

1 系統(tǒng)架構(gòu)

溜井破碎錘故障自診斷系統(tǒng)主要由信息采集系統(tǒng)和故障分析系統(tǒng)組成，主要完成破碎錘各類機械故障及電氣故障的監(jiān)測和預(yù)警，從而優(yōu)化設(shè)備運維和養(yǎng)護(hù)，延長設(shè)備使用壽命，提高設(shè)備運維效率，降低設(shè)備使用成本。其中，信息采集系統(tǒng)由傳感器網(wǎng)絡(luò)組成，主要負(fù)責(zé)溜井破碎錘狀態(tài)數(shù)據(jù)的采集，并將其傳輸?shù)降孛婕仄脚_；故障分析系統(tǒng)基于反向傳播（BP）神經(jīng)網(wǎng)絡(luò)算法開發(fā)，系統(tǒng)根據(jù)溜井破碎錘的狀態(tài)數(shù)據(jù)，通過BP神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建數(shù)據(jù)間的相互關(guān)系，進(jìn)而實現(xiàn)溜井破碎錘的故障分析與檢測。

2 信息采集系統(tǒng)

信息采集系統(tǒng)主要為破碎錘故障檢測提供支撐，實時采集并傳輸裝備的各類核心狀態(tài)參數(shù)，如壓力、油位、溫度、振動量、電壓與電流等。核心狀態(tài)參數(shù)的采集由傳感設(shè)備負(fù)責(zé)，如表1所示。為了完成破碎錘液壓系統(tǒng)壓力、油位、溫度和振動量等參數(shù)的實時監(jiān)控，要在進(jìn)出油口處安裝壓力傳感器，在油缸內(nèi)安裝油位傳感器、溫度傳感器以及振動傳感器。壓力、油位、溫度、振動量、電壓與電流等參數(shù)的實時變化可以由人機交互系統(tǒng)直接呈現(xiàn)給地面操作人員。

表1 傳感設(shè)備類型與作用

由于振動量含有大量的噪聲信息，因此信息采集系統(tǒng)采用自攜云平臺的NB-IOT系列振動傳感器采集振動數(shù)據(jù)，采集的數(shù)據(jù)由小波包分解進(jìn)行處理，最后輸入故障診斷系統(tǒng)。采用振動傳感器采集信號數(shù)據(jù)時，可以查看振動信號的實時信息，觀察振動傳感器的工作狀態(tài)，追溯歷史數(shù)據(jù)。同時，基于CODESYS軟件編程工具對信息采集系統(tǒng)的顯示界面進(jìn)行設(shè)計。

3 故障分析系統(tǒng)

如表2所示，破碎錘液壓系統(tǒng)經(jīng)常遇到液壓油溫度過高、液壓油泄漏、液壓元件爬行、液壓沖擊、液壓泵振動、排油量不足等故障，導(dǎo)致破碎錘不能正常工作。

表2 破碎錘液壓系統(tǒng)故障類型

破碎錘故障診斷的主要目的是防止其出現(xiàn)故障隱患而導(dǎo)致設(shè)備損壞。其主要內(nèi)容是作業(yè)狀態(tài)識別與故障診斷，如圖1所示。破碎錘故障診斷就是對裝備長期運行中出現(xiàn)的異常現(xiàn)象進(jìn)行分類與識別，其把破碎錘的工作狀態(tài)分為正常作業(yè)狀態(tài)和異常報警狀態(tài)兩類。破碎錘處于異常報警狀態(tài)時，要判斷異常信號屬于哪類故障。故障分析系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)破碎錘故障的識別與分類，破碎錘的故障診斷主要分為兩步。

圖1 故障診斷過程

3.1 信號預(yù)處理

采集破碎錘液壓泵的振動信號時，故障特征信號包含大量噪聲。未發(fā)生故障時，液壓泵的振動幅度是平穩(wěn)規(guī)律的；發(fā)生故障后，要通過小波分析對采集的一維信號進(jìn)行去噪處理，減小噪聲干擾。本系統(tǒng)利用小波分析法的小波閾值對振動信號進(jìn)行降噪。

3.2 故障診斷

BP神經(jīng)網(wǎng)絡(luò)模型對裝備異常信號的診斷主要依賴于它的分類識別和聯(lián)想記憶功能，通過大量的訓(xùn)練數(shù)據(jù)對權(quán)值與閾值的誤差進(jìn)行不斷調(diào)整，以趨近最佳精確度。如圖2所示，故障診斷系統(tǒng)分析和處理裝備狀態(tài)參數(shù)的樣本數(shù)據(jù)后，利用BP神經(jīng)網(wǎng)絡(luò)模型的模式識別與分類功能，系統(tǒng)能夠快速準(zhǔn)確地提取破碎錘的異常信號，并對異常信號進(jìn)行診斷和識別。

圖2 破碎錘故障診斷BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)

4 結(jié)語

本文設(shè)計一套適用于金屬礦山井下惡劣作業(yè)環(huán)境的溜井破碎錘故障自診斷系統(tǒng)，利用傳感監(jiān)測、人工神經(jīng)網(wǎng)絡(luò)、物聯(lián)網(wǎng)等先進(jìn)技術(shù)實現(xiàn)破碎錘的智能化管理。經(jīng)現(xiàn)場安裝驗證，溜井破碎錘故障自診斷系統(tǒng)具有高可靠性與高精準(zhǔn)度，能夠?qū)崿F(xiàn)破碎錘的狀態(tài)監(jiān)測和故障自診斷，為礦山安全生產(chǎn)綠色化、智能化發(fā)展提供強力支撐。