礦用鉆機液壓動力故障診斷方法的設計研究

潘曉兵

摘要：針對現有故障診斷方法在對礦用鉆機液壓動力故障診斷時，存在診斷結果準確率低，診斷結果與實際結果相差較大的問題，開展礦用鉆機液壓動力故障診斷方法設計研究。采集礦用鉆機信號，并對信號數據預處理；基于專家知識的IFTHEN模糊規則，建立礦用鉆機液壓動力故障樹模型；基于部件故障模糊概率，實現對鉆機液壓動力故障的診斷。通過實例證明，新的診斷方法在實際應用中得到的診斷結果與實際情況完全相符，具備極高的診斷準確性。

關鍵詞：礦用；鉆機；故障診斷；動力；液壓；履帶式

0? ?引言

在礦用鉆機上應用液壓系統，極大程度提高了鉆機的綜合應用性能，不僅有效提高了鉆機的生產效率，同時降低了操作人員的勞動強度[1]。礦用鉆機所處的環境更加惡劣、作業時間長、任務重，因此常常會出現各類故障問題，這不僅影響了工人的工作效率，而且對工人的人身安全也構成了嚴重的威脅[2]。

針對這一問題，相關領域研究人員對礦用鉆機的各類故障問題都進行了深入地探索研究。目前已有的基于專家系統、支持向量機的診斷方法，雖能有效地提高鉆機的故障診斷精度，但這些研究主要依賴于大量的失效數據和明確的失效機制[3]。當鉆機出現了液壓動力的故障時，各部分之間的邏輯關系相對模糊，同時也存在著一些不清楚的故障機理。

采用現有的故障診斷方法，很難實現對其具體故障類型以及故障原因的判定，進而影響到礦用鉆機的正常使用，甚至影響整個作業周期。對此，為了實現對鉆機液壓動力故障問題的準確診斷，促進礦用鉆機應用適應性的提升，本文開展礦用鉆機液壓動力故障診斷方法的設計研究。

1? ?礦用鉆機信號采集

1.1? ?信號采集要求

確定礦用鉆機是否存在液壓動力故障問題時，需以準確的數據作為診斷依據，因此診斷前，需要對礦用鉆機在運行過程中的信號進行采集。其主要工作是對模擬信號進行采樣，采樣為一個具有時域和振幅的連續性類比信號[4]。

在取樣過程中，由于脈沖的影響，這個信號在時間上是離散的，而在振幅上是連續的。因此可將信號的采集看作是對樣本信號的離散化處理。

1.2? ?分散性信號幅度修正與編碼

在完成上述操作后，對該時域分散性信號進行幅度修正，使其達到預定的數量級，即對該時域分散性信號進行量化[5]。然后，對時域和幅度都不連續的離散信號進行編碼，使原來的模擬信號變為數字信號[6]。將采樣開關每間隔一段時間閉合，以此連通連續函數，完成一次信號采集。

1.3? ?采樣信號描述

假設每次開關閉合的時間一定，根據采樣器的輸出脈沖寬度、周期的脈沖序列等，可以得到具體的采樣信號，其表達式為：

x*（t）=x（t）s（t）（1）

式中：x*（t）表示采樣信號；x（t）表示連續函數；s（t）表示周期脈沖序列，其周期為Ts，脈沖寬度為t，幅值為1。

由于脈沖的寬度遠小于采樣的周期，因此可以將t的取值近似為0，這樣便可以通過單位脈沖序列函數，實現對理想采樣信號的描述：

x**（t）=x（t）dT（t（2）

式中：x**（t）表示理想采樣信號；dT（t）表示單位脈沖序列函數。

通過采用頻率的正確選取，可以確保采樣后離散信號的準確性，保證其不失真，實現對原有連續信號的描述。根據這一需要，結合Nyquist-Shannon采樣定理，確定重構后的原始信號[7]。在這一過程中，需要保證采樣頻率必須大于或等于最高頻率。

1.4? ?間隔長度取值

采樣是指在時域上對模擬信號進行離散，而量化是指在一系列離散水平中選取樣本的幅度，以近似地代替真實水平。這些分立的層次叫做量化層次，每個層次用一個二進制數字代表。通過這種方法，將模擬信號進行取樣、量化后，再將其轉化為數字信號，然后輸入計算機。

假設信號x（t）的最大值為X，將其劃分為D個間隔，通過下述公式可以計算得出間隔長度的具體取值：

R=X/D（3）

式中：R表示間隔長度。將計算得出的間隔長度R稱為量化增值。若R的取值越大，則說明量化誤差越大。量化增值的大小主要取決于幅值范圍和A/D轉換器的位數，即三者之間存在下述關系：

q=v/2ⁿ（4）

式中：q表示量化增值的大小；v表示信號的電壓范圍；n表示A/D轉換器的位數。

根據上述運算分析得出，在對礦用鉆機的信號進行采集時，可將數據采集卡的量程設置在1～5V范圍內，將A/D轉換器的分辨率設置為12位，以此得到誤差更小的信號數據，確保后續故障診斷的精度。

2? ?礦用鉆機液壓動力故障樹模型建立

結合故障樹理論，建立礦用鉆機液壓動力故障樹模型。根據專家的經驗和IFTHEN模糊規則，構造了一個通用的逼近工具。基于兩狀態假說，提出了多狀態假說，并結合模糊概念，對不能準確表述的礦山鉆機水力動態故障進行了研究。

2.1? ?故障樹結構

以選擇的頂部事件為基礎，建立T-S模糊故障樹，并用梯形模糊數來表示各個組件的失效等級和失效概率。圖1為故障樹模型示意圖。圖1中，事件xi表示一個被分析的特定故障事件。

根據專家的經驗，結合每一次事故的失效數據，通過T-S門限來判斷每一次事故的失效等級，判斷出每一次事故的模糊性，并對每一次事故之間的邏輯關系進行分析。

2.2? ?診斷方法分析

采用TS模糊算法，由下端事件失效概率，求出上端事件和上端事件在每個失效狀態下的失效概率。在此基礎上，提出了一種基于T-S模糊故障樹的故障診斷方法。

在故障樹當中，對各個異常情況進行描述，用x1～x12表示礦用鉆機自身異常導致的液壓動力故障，用y1～y3表示與礦用鉆機連接的部件出現異常所導致的液壓動力故障。常見的故障原因包括過濾器故障、內部串油、管道漏氣、密封損壞等。

2.3? ?故障樹模型函數表達

故障樹模型的函數表達式如下：

式中：μ_F表示礦用鉆機液壓動力故障樹模型的表達函數；F表示模糊數；F₀表示模糊數的支撐集中心。在對故障樹模型計算時，根據F的不同取值，通過不同的方式得到故障樹模型的函數。將該模型作為后續液壓動力故障診斷的依據。

3? ?基于部件故障模糊概率的故障診斷

4? ?實例應用分析

為了驗證本文上述提出的故障診斷方法是否具備實際應用有效性，以某礦山開采項目為依托，針對其開采過程中所使用的礦用鉆機液壓動力故障進行診斷。

4.1? ?項目概況

該礦山開采項目位于厄瓜多爾米拉多銅礦，具體的施工流程為：鉆孔→爆破→鏟裝→運輸。主要使用的挖掘設備包括沃爾沃EC750DL型挖掘機、三一重工SY980H型挖掘機。運輸設備包括WT95型礦用自卸車。穿孔爆破設備包括中鋼衡陽YZ-35D型牙輪鉆機、潛孔鉆機安百拓PowerROC-D55型潛孔鉆機。本文主要針對上述牙輪鉆機和潛孔鉆機開展此次研究。

4.2? ?信號采集

為實現對診斷方法診斷效果的量化評價，選擇將正確診斷數量和正確率作為評價指標。在牙輪鉆機和潛孔鉆機實際運行過程中，利用本文上述論述內容，對其運行信號進行采集，并將采集到的信號數據匯總，作為實驗數據集。

4.3? ?故障診斷

利用本文診斷方法對實驗數據集進行分析，并判斷1000組信號數據中屬于液壓動力故障的數據，從而實現對液壓動力故障的診斷。表1中記錄了故障診斷的結果。

從表1故障診斷結果記錄內容可以看出，利用本文提出的故障診斷方法，對該礦山施工中使用的牙輪鉆機和潛孔鉆機進行液壓動力故障診斷，得到的診斷結果與實際完全一致，診斷正確率能夠達到100%。同時，經故障診斷的礦用鉆機在較短時間內，未出現因泵本體故障而停止運轉的現象。

通過對鉆機進行故障診斷，發現鉆機在高負荷運轉時，由于冷卻效果差、液壓油黏度高，導致液壓泵噪聲增大、壓力值下降，但未引起鉆機停止運轉。

牙輪鉆機運行過程中，由于液壓泵高壓過濾器出口三通密封墊損壞，發生了2次漏油，由此造成停機更換相應部件。此故障狀態與本文所建立的礦用鉆機液壓動力故障樹中，對液壓動力系統出現輕微故障時，應首先對油液黏度進行排查，而在嚴重故障時，應首先對系統內部進行排查的判斷是相同的。由此可以看出，本文提出的診斷方法具備極高的診斷準確性，能夠為后續礦用鉆機的維修方案制定提供有力的決策依據。

5? ?結束語

本文以礦用鉆機液壓動力故障為研究對象，提出了一種全新的診斷方法，并通過實例應用的方式實現了對該診斷方法應用有效性的驗證。通過實例證明，新的診斷方法在實際應用中得到的診斷結果與實際情況完全相符，具備極高的診斷準確性。

值得注意的是，在鉆機實際作業中，故障可能是由多種原因導致，因此應當綜合多種方法，以便更快確定故障點。在今后的研究中，還將針對該診斷方法對其他各類型礦用鉆機的液壓動力故障進行診斷，并結合診斷結果，實現對該方法的進一步優化。

參考文獻

[1] 韓家威.全液壓牙輪鉆機可移動液壓動力裝置的設計[J].機床與液壓，2023，51（3）：136-141.

[2] 鄔迪，張銳，翁寅生.煤礦井下鉆機液壓泵站設計與常見故障分析[J].煤礦機械，2022，43（12）：167-169.

[3] 劉若君，張幼振，姚克.基于T-S模糊故障樹的煤礦坑道鉆機液壓動力系統故障診斷研究[J].煤田地質與勘探，2022，50（12）：194-202.

[4] 吳昊，江潔.基于ANSYS的液壓錨桿鉆機動力頭分析方法?[J].煤炭技術，2022，41（5）：232-234.

[5] 張幼振，劉焱杰，鐘自成，等.煤礦全液壓動力頭式鉆機振動測試與分析[J].煤炭科學技術，2022，50（2）：271-279.

[6] 褚立虎，周攀東.煤礦用全液壓自動鉆機動力頭加工工藝研究[J].煤礦機械，2022，43（1）：93-95.

[7] 黨鵬，劉榮輝.陸地鉆機電控動力貓道的液壓系統設計[J].機電工程技術，2021，50（4）：182-185.