基于極限學習機的礦用鋼絲繩壽命精準預測研究

摘 要：為提高礦用鋼絲繩壽命預測結果的可靠性，發揮鋼絲繩在礦用作業中的效能，本文提出基于極限學習機的礦用鋼絲繩壽命精準預測方法。根據礦用鋼絲繩的使用環境、所受載荷類型，建立礦用鋼絲繩的應力模型。在應力模型和檢測平臺的支持下，在極限學習機的前端輸入原始信號，使用非線性激活函數進行隱藏層節點的輸出計算，根據計算結果識別鋼絲繩斷絲特征，從無損檢測數據中提取與鋼絲繩壽命相關的特征，以實現精準預測礦用鋼絲繩壽命的目標。對比試驗結果表明，設計方法的鋼絲繩剩余使用壽命預測結果與實際結果的偏差較小，可以滿足壽命精準預測的需求。

關鍵詞：極限學習機；斷絲特征；預測方法；精準；壽命；礦用鋼絲繩" " "中圖分類號：TP 37 文獻標志碼：A

由于礦井環境的復雜性和鋼絲繩工作條件的嚴苛性，其壽命預測成為了一個亟待解決的關鍵問題。目前的壽命預測方法依賴經驗公式或定期檢測，該方法不僅耗時費力，而且預測精度有限，難以滿足現代礦業生產對安全性和效率的高要求。

鄧賽幫等[1]通過建立BCM支架的有限元模型進行模態分析并結合頻率響應分析，獲取結構在隨機振動載荷下的動態響應。利用功率譜密度作為激勵信號，顯著提高了計算效率，并能精確捕捉固有頻率附近的應力集中現象。盡管頻率響應分析能有效預測振動引起的疲勞，但隨機振動載荷的復雜性和不確定性仍給預測精度帶來挑戰。關榮鑫等[2]通過先進的試驗與仿真方法，系統分析了不同工藝處理（例如滲碳淬火、噴丸等）下，齒輪表面殘余應力的產生及其對彎曲疲勞性能的作用機制。但殘余應力的準確測量和分布預測仍是技術難點，影響試驗和仿真結果的可靠性。

針對現有方法的不足，本文將基于極限學習機的應用，以某礦用鋼絲繩為例，對其壽命預測方法展開全面的研究。

1 建立礦用鋼絲繩應力模型

為實現對礦用鋼絲繩壽命的精準預測，需要深入探究影響其壽命的許多因素，其中使用環境及所受載荷的復雜性尤為關鍵。通過數據收集，獲取了鋼絲繩的關鍵材料屬性，例如彈性模量、橫截面積及線密度等，此部分參數直接關聯鋼絲繩的力學性能和承載能力[3]。同時，采集幾何尺寸（例如直徑、股數的精確測量數據），這些數據為深入分析鋼絲繩的結構強度、理解其在復雜工況下的受力行為提供了不可或缺的基礎。通過綜合考量這些多維度的數據信息，能夠更全面、更準確地把握礦用鋼絲繩的壽命特征

在此基礎上，針對工作環境中的實際載荷條件，例如最大工作載荷、工作周期等。為了準確評估鋼絲繩在礦用作業過程中的受力狀態，結合彈性力學原理，利用拉伸載荷與橫截面積的比值計算礦用作業過程中鋼絲繩所承受的拉應力F。在彈性范圍內，鋼絲繩的應力與其應變（即相對伸長量）之間的關系可以通過對應的彈性模量E來描述。針對受到彎曲的鋼絲繩，其受力情況更復雜。由于彎曲過程中外側纖維的伸長量大于內側，因此外側纖維將承受更大的拉應力。根據受力過程中鋼絲繩的實際彎曲半徑、鋼絲繩半徑，構建鋼絲繩外側纖維的拉應力模型，模型如公式（1）所示。

式中：f為礦用鋼絲繩應力模型；ΔL為礦用鋼絲繩伸長量；L0為礦用鋼絲繩原始長度。

按照上述方式，完成礦用鋼絲繩應力模型的構建工作。

2 基于極限學習機的鋼絲繩斷絲特征識別

在上述內容的基礎上，為了提高礦用鋼絲繩的安全監測水平，搭建了一個集鋼絲繩自動傳送、高清攝像、均勻照明與嵌入式智能處理終端于一體的無損檢測平臺[4]。該平臺利用高強度傳送裝置確保鋼絲繩平穩移過井口，通過高清攝像系統捕捉細微變化，結合均勻照明系統消除陰影干擾，優化視覺條件。平臺的核心在于嵌入式智能處理終端，它能實時處理圖像數據，精準識別斷絲、磨損等缺陷，并即時反饋檢測結果，以該方式實現對礦用鋼絲繩的無損檢測。檢測平臺結構如圖1所示。

在礦用鋼絲繩的無損檢測領域，引入先進的數據處理與機器學習技術能夠顯著提高檢測的準確性和效率。從無損檢測設備（例如磁通量檢測器、聲發射傳感器等高精度儀器）中獲取的鋼絲繩原始信號蘊含豐富的狀態信息，包括但不限于斷絲、磨損、腐蝕等潛在問題。為了從這些復雜的信號中準確提取斷絲特征，引入極限學習機進行鋼絲繩斷絲特征的識別。極限學習機是一種單隱藏層前饋神經網絡，具有結構簡單、學習速度快、泛化能力強等特點，在模式識別、信號處理等領域展現巨大潛力。極限學習機的隱藏層節點的權重和偏置是隨機生成并固定的，只有輸出權重需要學習。根據給定訓練集，設定類別標簽（二分類或多分類標簽），在極限學習機的前端輸入原始信號，使用非線性激活函數計算隱藏層節點的輸出，如公式（2）所示。

式中：h為隱藏層節點的輸出；g為激活函數；w為隱藏節點的輸入權重；j為第j個隱藏節點；x為樣本類別；i為第i個輸入樣本；b為偏置值。

將所有隱藏節點的輸出組合，得到鋼絲繩斷絲特征矩陣，如公式（3）所示。

式中：H為鋼絲繩斷絲特征矩陣；G為學習目標；N為矩陣列數；L為隱藏層節點數。

利用ELM，采用求解最小二乘法輸出權重，得到輸出特征矩陣的標簽向量[5]。該過程如公式（4）所示。

式中：K為輸出特征矩陣的標簽向量；J為目標矩陣；β為輸出權重；T為標簽數量。

將輸出特征矩陣的標簽向量K與標簽數量T相乘得到輸出值M。根據輸出結果，確定新樣本的類別（例如是否有斷絲），通過此種方式，完成基于極限學習機的鋼絲繩斷絲特征識別。

3 礦用鋼絲繩壽命精準預測

從無損檢測數據中提取與鋼絲繩壽命相關的特征，例如斷絲數量、斷絲長度、磁通量變化、聲發射信號強度等。

利用極限學習機中的線性回歸模型，假設輸出（壽命）是輸入特征（特征向量）的線性組合，加上一個誤差項，那么線性回歸模型輸出如公式（5）所示。

式中：y為線性回歸模型輸出；χ為線性組合系數。

在此基礎上，通過最小化預測值與實際值之間的誤差訓練模型。得到的誤差度量是鋼絲繩斷絲的均方誤差，如公式（6）所示。

式中：MSN為鋼絲繩斷絲的均方誤差；n為最小化預測值與實際值之間的誤差。

按照上述步驟，完成對模型的訓練后，在模型的輸入端，錄入新的礦用鋼絲繩參數，將此部分數據作為樣本錄入數據，通過公式（7）對錄入數據進行學習與訓練，以此實現對鋼絲繩剩余壽命的預測。

式中：X為鋼絲繩剩余壽命的預測值；B為包含所有樣本實際剩余壽命的向量；γ為實際剩余壽命的均值向量。

按照上述方式，實現基于極限學習機的礦用鋼絲繩壽命精準預測方法設計。

4 對比試驗

4.1 試驗準備

本文選擇某采礦單位作為試點，該單位年產量達到500萬t，擁有現代化提升系統數十套，其中礦用鋼絲繩作為關鍵部件，年消耗量超過1000t。隨著開采深度增加和作業強度提高，鋼絲繩的故障率及更換頻率也顯著增加，年均因鋼絲繩問題導致的停機時間達到120h以上，直接經濟損失高達數百萬元。此外，該單位現有鋼絲繩壽命預測方法較落后，依賴人工檢測和經驗判斷，預測精度不高，難以滿足高效、安全生產的需求。對試點單位內常規使用的礦用鋼絲繩規格進行分析，結果見表1。

該礦采用的現有預測方法主要依賴人工定期檢查，缺乏精準的數據支持和科學分析。據事故調查，斷裂的鋼絲繩原預計壽命為10個月，但實際僅使用了8個月便發生斷裂，導致井下作業暫停48h，直接經濟損失超過50萬元，并險些造成人員傷亡。

此次事件凸顯了現有預測方法存在的主觀性強、精度低等問題。現有檢查難以全面捕捉鋼絲繩內部的細微損傷和潛在缺陷，而缺乏科學模型的支持，更無法準確預測其剩余壽命。

4.2 試驗步驟

在上述內容的基礎上，為實現對礦用鋼絲繩壽命的精準預測，應用本文設計的方法設計對比試驗。收集礦用鋼絲繩的歷史使用數據，包括安裝時間、使用條件（例如載荷、環境、使用頻次等）、定期檢查記錄、更換原因及時間等。對樣本進行篩選，以確保試驗樣本的代表性和差異性，選取具有代表性的礦用鋼絲繩樣本，確保樣本間具有一定的差異性，為確保預測結果的可靠性，當應用本文方法時，按照表2的內容設計極限學習機的訓練參數。

完成上述設計后，引進文獻[1]提出的基于頻率響應分析的壽命預測方法、文獻[2]提出的疲勞壽命預測方法，將其作為對照組方法1、對照組方法2，同時應用3種方法對多根礦用鋼絲繩壽命進行預測。

為保證試驗結果的客觀性，在預測后，采用人工磨損試驗對礦用鋼絲繩進行處理，得到其實際剩余使用壽命。人工磨損中，準備1臺能夠模擬礦用鋼絲繩實際工作條件的磨損試驗機。該設備應能夠施加可控的拉力加載、精確模擬的摩擦力以及鋼絲繩在井下作業時常有的彎曲、扭轉等動態運動。在試驗中，將選定的礦用鋼絲繩樣本安裝到磨損試驗機上，確保樣本安裝牢固且能夠按照預定的運動軌跡進行磨損。隨后，對試驗機進行細致調試，確保所有參數設置準確無誤，以最大程度還原實際工作環境。啟動試驗機后，按照預定的加載條件和磨損方式開始對鋼絲繩進行磨損，記錄試驗過程中的關鍵數據點，特別是當鋼絲繩達到其預估壽命界限時的磨損次數，這一數據點將作為衡量鋼絲繩真實壽命的重要依據，與之前的預測結果進行對比分析，從而全面評估預測模型的準確性和可靠性。

4.3 試驗結果與分析

當驗證礦用鋼絲繩壽命預測方法的可靠性時，將預測的壽命與實際人工磨損試驗后獲得的鋼絲繩壽命進行直接比對，此結果能夠直觀反映預測方法的準確性和實用性。如果預測壽命與實際磨損壽命高度吻合，就表明該預測方法具有較高的可靠性，能夠準確反映鋼絲繩在特定工況下的使用壽命。排除外界因素的影響，統計鋼絲繩壽命預測結果，見表3。

由表3可以清晰地觀察到，采用本文精心設計的方法對礦用鋼絲繩的剩余使用壽命進行預測，其預測結果與實際測量值之間的偏差被顯著控制在了一個極小的范圍內。此成果不僅體現了本文方法的高精度和可靠性，更驗證了其在滿足壽命精準預測需求方面的卓越性能。相比之下，文獻[1]與[2]中提及的對照組預測方法在相同條件下進行壽命預測時，其預測結果與實際數據之間卻出現了較大的偏差，該偏差使對應的方法難以作為評估鋼絲繩剩余壽命的最終依據。因此，本文提出的方法在鋼絲繩壽命預測領域展現出了明顯的優勢，其卓越的性能為礦用設備的安全管理、維護決策以及資源優化配置提供了更精準、更可靠的預測工具，具有重要的工程應用價值和實踐意義。

5 結語

在礦業生產中，礦用鋼絲繩作為提高系統的重要組成部分，承擔運輸礦石、設備和人員的重要任務。據某大型礦山的實際數據統計，在目前預測方法下，鋼絲繩的平均更換周期為6個月，而實際使用壽命往往因各種因素波動較大，導致資源浪費和安全隱患。極限學習機以其學習速度快、泛化能力強等優點，在多個領域展現了巨大的應用潛力。在礦用鋼絲繩壽命預測領域，極限學習機能夠通過學習大量歷史數據中的非線性關系，實現對鋼絲繩壽命的精準預測。針對此方面問題，本文引進極限學習機，通過建立礦用鋼絲繩應力模型、斷絲特征識別，開展了礦用鋼絲繩壽命精準預測方法的設計研究。旨在通過此次設計，顯著提高礦業生產的安全性和效率，降低維護成本，為礦業企業的可持續發展提供有力支持。隨著技術不斷進步和應用，礦用鋼絲繩壽命預測將更精確、更高效，推動礦山行業向智能化、綠色化方向發展。

參考文獻

[1]鄧賽幫，劉向征，姜葉潔，等.基于頻率響應分析的BCM支架隨機振動疲勞壽命預測[J].客車技術與研究，2024，46（4）：39-43.

[2]關榮鑫，職彥鋒，王東飛，等.殘余應力對SAE9310鋼航空齒輪彎曲疲勞壽命的影響[J].鍛壓技術，2024，49（8）：255-262.

[3]王鑫，閆軍，吳桐，等.基于修正Manson-Halford模型的破碎機銷軸疲勞分析[J].現代制造工程，2024（8）：1-8，34.

[4]張弦，王鵬，張昌明，等.諧波減速器精度退化失效及相關競爭失效可靠度評估研究[J].振動與沖擊，2024，43（15）：277-287.

[5]董昊良，李化建，楊志強，等.高速鐵路無砟軌道現澆道床混凝土凍融破壞機理及壽命預測[J].鐵道學報，2024，46（8）：112-120.