基于振動(dòng)模態(tài)識(shí)別的煤礦大型機(jī)電設(shè)備故障診斷方法

董志勇

(山西焦煤集團(tuán)有限責(zé)任公司, 山西 太原 030024)

煤礦大型機(jī)電設(shè)備是煤礦生產(chǎn)中的重要組成部分,包括采煤機(jī)、掘進(jìn)機(jī)、刮板輸送機(jī)、液壓支架、帶式輸送機(jī)等,其運(yùn)行狀態(tài)對(duì)煤礦的安全生產(chǎn)和經(jīng)濟(jì)效益起到至關(guān)重要的作用[1]. 然而,由于設(shè)備在運(yùn)行過程中存在較強(qiáng)的復(fù)雜性,加上運(yùn)行環(huán)境的惡劣,導(dǎo)致設(shè)備容易發(fā)生各種類型的故障[2-3]. 因此,對(duì)煤礦大型機(jī)電設(shè)備進(jìn)行準(zhǔn)確的故障診斷具有重要的現(xiàn)實(shí)意義。傳統(tǒng)的故障診斷方法通?；诙ㄆ诘脑O(shè)備檢測和試驗(yàn),存在主觀性強(qiáng)、診斷結(jié)果不穩(wěn)定、實(shí)時(shí)性差等缺點(diǎn),逐漸無法滿足當(dāng)前現(xiàn)代化煤礦生產(chǎn)的需求[4].

振動(dòng)模態(tài)識(shí)別是一種通過分析設(shè)備運(yùn)行過程中產(chǎn)生的振動(dòng)信號(hào),提取特征信息并識(shí)別設(shè)備狀態(tài)的方法。由于煤礦大型機(jī)電設(shè)備在運(yùn)行過程中會(huì)產(chǎn)生豐富的振動(dòng)信息,這些信息中蘊(yùn)含著設(shè)備狀態(tài)的重要特征,因此可以通過振動(dòng)模態(tài)識(shí)別技術(shù)對(duì)設(shè)備故障進(jìn)行診斷[5]. 這種方法具有非接觸式、實(shí)時(shí)性強(qiáng)、診斷結(jié)果客觀可靠等優(yōu)點(diǎn),能夠克服傳統(tǒng)故障診斷方法的不足。

基于此,本文利用振動(dòng)模態(tài)識(shí)別,提出了煤礦大型機(jī)電設(shè)備故障診斷方法研究,為煤礦安全生產(chǎn)提供更加有效、準(zhǔn)確的故障診斷方法,為煤礦生產(chǎn)的順利進(jìn)行和人員的生命安全增加了保障。

1 煤礦大型機(jī)電設(shè)備故障診斷方法設(shè)計(jì)

1.1 布置傳感器測點(diǎn)

為了準(zhǔn)確地采集煤礦大型機(jī)電設(shè)備在各個(gè)運(yùn)行狀態(tài)下的振動(dòng)信號(hào),為后續(xù)故障診斷提供有力的支持,需要布置傳感器測點(diǎn)。根據(jù)設(shè)備的運(yùn)行狀況、振動(dòng)頻率、溫度變化,確定需要布置傳感器測點(diǎn)的關(guān)鍵部位,包括軸承、齒輪、軸端等。根據(jù)測點(diǎn)的位置和特點(diǎn),考慮測點(diǎn)的物理量、測量范圍、精度要求等因素,選擇能夠滿足實(shí)際需求的振動(dòng)傳感器。將選定的傳感器安裝在確定的測點(diǎn)位置,確保傳感器與設(shè)備表面緊密接觸,并使用適當(dāng)?shù)墓潭ǚ绞竭M(jìn)行固定,防止傳感器松動(dòng)或脫落。將傳感器的信號(hào)線連接到數(shù)據(jù)采集系統(tǒng)中,確保信號(hào)線的質(zhì)量和穩(wěn)定性,避免信號(hào)傳輸過程中的干擾和失真。對(duì)安裝好的傳感器進(jìn)行調(diào)試和校準(zhǔn),確保其輸出正確的信號(hào),并與控制系統(tǒng)進(jìn)行匹配。詳細(xì)記錄每個(gè)測點(diǎn)的位置、傳感器類型、信號(hào)線連接等信息,以便后續(xù)的維護(hù)和管理。同時(shí),需要對(duì)每個(gè)測點(diǎn)進(jìn)行標(biāo)記,以便快速識(shí)別和定位。

1.2 多傳感器信號(hào)融合

傳感器測點(diǎn)布置完畢后,對(duì)多傳感器信號(hào)進(jìn)行融合處理。首先,從上述布置的傳感器測點(diǎn)中,采集原始信號(hào)。其次,對(duì)同一時(shí)刻多個(gè)傳感器采集的信號(hào)進(jìn)行數(shù)據(jù)融合處理。設(shè)定多路傳感器采集的數(shù)據(jù)分別為x1(n)、x2(n)…xm(n),則隨機(jī)的兩機(jī)電設(shè)備信號(hào)間的互相關(guān)函數(shù)為:

(1)

式中:n表示機(jī)電設(shè)備運(yùn)行狀態(tài)下振動(dòng)信號(hào)長度;A表示振動(dòng)信號(hào)總路數(shù);m表示機(jī)電設(shè)備離散信號(hào)。通過互相關(guān)函數(shù)結(jié)果,求取機(jī)電設(shè)備離散信號(hào)的能量,計(jì)算公式如下所示:

(2)

式中:δij表示機(jī)電設(shè)備每路振動(dòng)信號(hào)之間互相關(guān)計(jì)算值。此時(shí),第i個(gè)傳感器與其余各個(gè)傳感器振動(dòng)信號(hào)的總相關(guān)能量可以用下式獲取:

(3)

在此基礎(chǔ)上,根據(jù)權(quán)值αi與相關(guān)函數(shù)的能量值成正比的理論,可以得出具體的比例關(guān)系,如下式所示:

w1∶w2∶…∶wn=E1∶E2∶…∶En

(4)

w1+w2+…wn=1

(5)

根據(jù)以上公式,得出具體的多傳感器信號(hào)融合結(jié)果,表達(dá)式如下:

U=w1x1+w2x2+...+wnxn

(6)

綜上,完成多傳感器信號(hào)融合,得出具體的融合結(jié)果,為后續(xù)故障診斷提供基礎(chǔ)。

1.3 基于振動(dòng)模態(tài)識(shí)別的信號(hào)特征提取

多傳感器信號(hào)融合完畢后,基于振動(dòng)模態(tài)識(shí)別原理,提取出能夠反映設(shè)備狀態(tài)的特征參數(shù),為后續(xù)故障診斷奠定基礎(chǔ)。采用NI USB-9229數(shù)據(jù)采集卡,通過采集機(jī)電設(shè)備原始振動(dòng)信號(hào)獲得模態(tài)參數(shù)。數(shù)據(jù)采集卡的參數(shù)設(shè)置見表1.

表1 數(shù)據(jù)采集卡參數(shù)設(shè)置

按照表1所示,對(duì)數(shù)據(jù)采集卡的參數(shù)進(jìn)行設(shè)置,利用數(shù)據(jù)采集卡實(shí)時(shí)采集機(jī)電設(shè)備的原始振動(dòng)信號(hào),并對(duì)響應(yīng)信號(hào)做出獨(dú)立成分分析,獲取模態(tài)頻率參數(shù)。在時(shí)域內(nèi)對(duì)信號(hào)進(jìn)行特征提取,提取出能夠反映設(shè)備狀態(tài)的特征參數(shù),包括均值、最大值、均方根值。設(shè)備振動(dòng)信號(hào)均值特征表達(dá)式如下所示:

(7)

式中:N表示監(jiān)測點(diǎn)數(shù);xr表示振動(dòng)信號(hào)幅值。

最大值特征表達(dá)式如下所示:

(8)

均方根值特征表達(dá)式如下所示:

(9)

通過以上表達(dá)式,提取出能夠反映設(shè)備狀態(tài)的特征參數(shù)。依據(jù)特征參數(shù),對(duì)信號(hào)進(jìn)行傅里葉變換,將其從時(shí)域轉(zhuǎn)換到頻域,提取出頻譜特征。頻譜特征包括頻率、幅度等,可以反映設(shè)備在不同頻率下的振動(dòng)情況。根據(jù)實(shí)際需求和設(shè)備特點(diǎn),選擇具有代表性和區(qū)分性的特征參數(shù)。同時(shí),可以對(duì)特征參數(shù)進(jìn)行優(yōu)化和降維,減少特征參數(shù)的數(shù)量和復(fù)雜性。

1.4 大型機(jī)電設(shè)備故障診斷

基于振動(dòng)模態(tài)識(shí)別的信號(hào)特征提取完畢后,在此基礎(chǔ)上,對(duì)設(shè)備進(jìn)行故障診斷。煤礦大型機(jī)電設(shè)備運(yùn)行中所有可能出現(xiàn)的情況,可以分為常態(tài)運(yùn)行和失效運(yùn)行兩種情況。將可能發(fā)生的狀態(tài)組合在一起,生成狀態(tài)空間S,利用其可觀測量特征的取值范圍,構(gòu)成特征空間Y. 當(dāng)機(jī)電設(shè)備處于某一運(yùn)行狀態(tài)s時(shí),認(rèn)定此設(shè)備具有確定的特征y,也就是存在映射g,g:S→Y,反之,一定的特征也會(huì)對(duì)應(yīng)確定的狀態(tài),即存在映射f,f:Y→S. 由此,獲取機(jī)電設(shè)備故障診斷的實(shí)質(zhì)即為征兆空間與故障原因空間的映射關(guān)系。煤礦大型機(jī)電設(shè)備故障診斷原理見圖1.

圖1 煤礦大型機(jī)電設(shè)備故障診斷原理

如圖1所示,本文設(shè)計(jì)的故障診斷方法主要是將故障診斷中的確定性映射關(guān)系轉(zhuǎn)變?yōu)槟：挠成潢P(guān)系,通過設(shè)備故障征兆模糊向量,分析出導(dǎo)致機(jī)電設(shè)備故障征兆的最可能原因。

建立煤礦大型機(jī)電設(shè)備故障征兆與故障因素的模糊集合。其中,設(shè)備故障征兆集合為U={U1,U2,U3,…,Un},其中Ui(i=1,2,3,…,n)表示機(jī)電設(shè)備故障的不同征兆表現(xiàn)。設(shè)備故障因素集合為V={V1,V2,V3,…,Vn},其中Vi(i=1,2,3,…,n)表示機(jī)電設(shè)備可能的故障原因?；跈C(jī)電設(shè)備故障征兆與故障原因之間的關(guān)系,構(gòu)建故障模糊特征向量u=(u1,u2,u3,…,un). 該向量用于表示機(jī)電設(shè)備每個(gè)故障征兆在故障診斷中的作用,其分量的數(shù)值表示機(jī)電設(shè)備故障的嚴(yán)重程度,見表2.

表2 機(jī)電設(shè)備故障程度對(duì)應(yīng)數(shù)值

通過表2確定煤礦大型機(jī)電設(shè)備故障嚴(yán)重程度。在此基礎(chǔ)上,基于機(jī)電設(shè)備故障征兆集合與故障因素集合之間的模糊關(guān)系,得出二者之間的數(shù)學(xué)關(guān)系,如下式:

v=u°R

(10)

式中:v表示機(jī)電設(shè)備故障因素模糊向量;R表示模糊診斷矩陣。模糊診斷矩陣的行表示機(jī)電設(shè)備故障征兆,列則表示故障原因,rij表示第i種征兆Ui對(duì)第j種故障原因Vj的隸屬度。根據(jù)獲取到的隸屬度,對(duì)設(shè)備故障進(jìn)行模式識(shí)別,確定故障的類型。結(jié)合設(shè)備的結(jié)構(gòu)特點(diǎn)和運(yùn)行狀況,對(duì)故障進(jìn)行定位,進(jìn)而確定故障的具體所在位置與影響范圍。

2 試驗(yàn)分析

2.1 試驗(yàn)準(zhǔn)備

該試驗(yàn)旨在研究基于振動(dòng)模態(tài)識(shí)別的煤礦大型機(jī)電設(shè)備故障診斷方法,通過實(shí)際采集煤礦大型機(jī)電設(shè)備的振動(dòng)信號(hào),提取特征信息,并進(jìn)行故障識(shí)別和診斷,驗(yàn)證該方法的可行性和有效性。

選擇煤礦中常用的采煤機(jī)作為此次試驗(yàn)研究的大型機(jī)電設(shè)備,選擇RS485型號(hào)的振動(dòng)傳感器,其感應(yīng)介于0～50 mm/s,靈敏度為±1.5%,信號(hào)輸出支持RS-485/4-20 mA/NB/WiFi/Lora/4 G/以太網(wǎng),確保能夠準(zhǔn)確采集設(shè)備的振動(dòng)信號(hào)。在試驗(yàn)室模擬煤礦環(huán)境,保證設(shè)備正常運(yùn)行并采集到真實(shí)的振動(dòng)信號(hào),使用適當(dāng)?shù)牟牧虾驮O(shè)備,包括壓力傳感器、溫度傳感器等,模擬煤礦工作條件下的不同參數(shù),配置數(shù)據(jù)采集系統(tǒng),包括數(shù)據(jù)采集器、計(jì)算機(jī)等,用于實(shí)時(shí)采集和處理傳感器數(shù)據(jù)。通過控制設(shè)備的運(yùn)行狀態(tài)和環(huán)境參數(shù),模擬實(shí)際運(yùn)行情況,記錄并存儲(chǔ)試驗(yàn)過程中產(chǎn)生的所有數(shù)據(jù)。為了保證測量結(jié)果的準(zhǔn)確,在進(jìn)行試驗(yàn)之前,必須對(duì)傳感器及數(shù)據(jù)采集系統(tǒng)進(jìn)行標(biāo)定。

此次試驗(yàn)數(shù)據(jù)集主要由兩個(gè)部分共同組成,分別為正常狀態(tài)數(shù)據(jù)與故障狀態(tài)數(shù)據(jù)。其中,正常狀態(tài)數(shù)據(jù)指的是在采煤機(jī)正常運(yùn)行時(shí),采集一定數(shù)量的振動(dòng)信號(hào)樣本;故障狀態(tài)數(shù)據(jù)指的是選擇具有不同故障類型的采煤機(jī),在這些設(shè)備處于故障狀態(tài)時(shí),采集相應(yīng)的振動(dòng)信號(hào)樣本。試驗(yàn)樣本數(shù)據(jù)的具體信息見表3.

表3 故障診斷試驗(yàn)樣本數(shù)據(jù)信息

利用下式,對(duì)樣本數(shù)據(jù)集的各個(gè)分向量進(jìn)行歸一化處理:

(11)

2.2 診斷結(jié)果分析

選取機(jī)電設(shè)備故障診斷率作為試驗(yàn)的對(duì)比指標(biāo),評(píng)估故障診斷方法的性能,其計(jì)算公式如下所示:

(12)

式中:TP表示正確診斷為故障的樣本;FN表示正確診斷為正常的樣本;FP表示錯(cuò)誤診斷為故障的樣本;TN表示錯(cuò)誤診斷為正常的樣本。故障診斷率反映了方法在識(shí)別和診斷故障方面的準(zhǔn)確性和有效性。較高的故障診斷率意味著方法能夠更準(zhǔn)確地診斷識(shí)別出故障樣本,從而有助于及時(shí)發(fā)現(xiàn)和解決設(shè)備故障,提高煤礦生產(chǎn)的安全性和效率,試驗(yàn)結(jié)果見圖2. 本文提出的基于振動(dòng)模態(tài)識(shí)別的煤礦大型機(jī)電設(shè)備故障診斷方法應(yīng)用后,故障診斷率均達(dá)到了94%以上,結(jié)果表明,該方法表現(xiàn)出良好的準(zhǔn)確性和可靠性,具備在煤礦大型機(jī)電設(shè)備故障診斷過程中應(yīng)用推廣的基礎(chǔ)和可行性。

圖2 故障診斷率試驗(yàn)結(jié)果

3 結(jié) 語

本文提出的基于振動(dòng)模態(tài)識(shí)別的煤礦大型機(jī)電設(shè)備故障診斷方法具有較高的可行性與有效性,且具有非侵入式、非破壞性和實(shí)時(shí)性等優(yōu)點(diǎn)。通過提取和分析設(shè)備在正常和故障狀態(tài)下的振動(dòng)信號(hào)特征,可以實(shí)現(xiàn)對(duì)設(shè)備故障的準(zhǔn)確識(shí)別和分類。試驗(yàn)結(jié)果表明,該方法具有較高的故障診斷率,能夠有效地識(shí)別和診斷出設(shè)備故障,提高煤礦機(jī)電設(shè)備的安全性。在下步研究中,可以將基于振動(dòng)模態(tài)識(shí)別的故障診斷方法應(yīng)用于其他生產(chǎn)領(lǐng)域,拓展其應(yīng)用范圍。

Fault Diagnosis Method for Large-scale Electromechanical Equipment in Coal Mines Based on Vibration Modal Recognition

DONG Zhiyong

AbstractIn order to improve the safety and reliability of the operation of large-scale electromechanical equipment in coal mines, accurate and rapid fault diagnosis of the equipment is crucial. Based on this, fault diagnosis method for large-scale electromechanical equipment in coal mines based on vibration modal recognition is proposed. Firstly, based on the structural characteristics and operating conditions of the equipment, considering the operating conditions of the equipment, the points of sensor measurement are arranged to collect the vibration signals under the operating state of the equipment;Secondly, the multi-sensor signals are fused and processed to provide an analytical basis for the subsequent diagnosis of faults; thirdly, the characteristic parameters reflecting the state of the equipment are extracted based on the principle of vibration modal recognition, including the mean value, maximum value, root mean square value features of the vibration signals; Finally, the fuzzy set of failure signs and failure factors for large-scale electromechanical equipment in coal mines is established, and the degree and type of failure are determined by the fuzzy vectors of equipment failure signs. The experimental results show that the fault diagnosis rate of this method can reach more than 94%, demonstrating good accuracy and reliability.

KeywordsLarge-scale electromechanical equipment in coal mines; Vibration modal recognition; Fault diagnosis