張 強(qiáng)， 劉志恒， 王海艦， 田 瑩， NGUYEN Viet Tuyen,4

(1.遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院 阜新，123000) (2.礦物加工科學(xué)與技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 北京,100160) (3．遼寧工程技術(shù)大學(xué)煤炭資源安全開(kāi)采與潔凈利用工程研究中心 阜新，123000) (4. 越南煤礦與機(jī)械能源研究院 河內(nèi)，100000)

引 言

礦用截齒是煤炭采掘工程機(jī)械用來(lái)破巖落煤的刀具[1]。截齒工作環(huán)境復(fù)雜惡劣，在破碎煤巖的過(guò)程中不僅要承受較高的壓應(yīng)力、剪切應(yīng)力以及摩擦力，還要承受復(fù)雜多變的載荷沖擊以及腐蝕作用使截齒極易發(fā)生損壞，成為采煤機(jī)作業(yè)中消耗量最大的易損件[2]。截齒發(fā)生合金頭崩刃、脫落或合金頭嚴(yán)重磨損，不僅直接影響采煤產(chǎn)量、噸煤成本，還會(huì)影響機(jī)械設(shè)備關(guān)鍵零部件的可靠性，對(duì)采煤機(jī)整機(jī)性能、工作壽命、安全性及經(jīng)濟(jì)性等產(chǎn)生很大的影響[3-4]。因此，針對(duì)采煤機(jī)截齒合金頭失效形式進(jìn)行在線(xiàn)監(jiān)測(cè)及識(shí)別研究具有重要的實(shí)際意義。

近年來(lái)，部分專(zhuān)家學(xué)者針對(duì)截齒進(jìn)行了一系列的研究。文獻(xiàn)[5-6]指出了煤巖截割過(guò)程中影響截齒壽命的主要影響因素及原因。文獻(xiàn)[7-8]分析了截齒合金在硬煤層中的失效形式，研究合金的性能和組織差異對(duì)截齒性能的影響，得到提升截齒合金性能的有效辦法。王冬梅[9]利用Abaqus軟件對(duì)鎬形截齒受載時(shí)的應(yīng)力分布進(jìn)行仿真，為截齒的改進(jìn)設(shè)計(jì)提供依據(jù)。謝貴君[10]利用LS-DYNA對(duì)采煤機(jī)鎬形截齒的截割過(guò)程進(jìn)行模擬，得到截割力3個(gè)方向上分力的變化規(guī)律。萬(wàn)欣娣等[11]分析截齒常見(jiàn)的磨損、刀頭崩刃及截齒丟失的失效原因并提出增強(qiáng)其性能的方法。劉春生等[12]分析截割阻力譜，探究阻力譜分形特征與安裝角、切削厚度的關(guān)系。文獻(xiàn)[13-14]為提高采煤機(jī)截齒的耐磨性能，利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行WC-Co涂層的耐磨性能預(yù)測(cè)。文獻(xiàn)[15-16]利用Workbench建立截齒有限元模型，對(duì)截齒結(jié)構(gòu)進(jìn)行優(yōu)化得到更加合理的鎬形截齒結(jié)構(gòu)。張景異等[17]利用圖像處理技術(shù)對(duì)截齒磨損試驗(yàn)進(jìn)行研究，利用Matlab分析截齒的磨損率。張夢(mèng)奇等[18]利用截割試驗(yàn)臺(tái)進(jìn)行截齒截割煤體模擬試驗(yàn)，得到截割過(guò)程中截齒變形破壞過(guò)程。張強(qiáng)等[19]提取掘進(jìn)過(guò)程中不同磨損程度截齒的電流信號(hào)、振動(dòng)信號(hào)和聲發(fā)射信號(hào)，實(shí)現(xiàn)掘進(jìn)過(guò)程中截齒磨損量的實(shí)時(shí)監(jiān)測(cè)。筆者提出一種基于BP神經(jīng)網(wǎng)絡(luò)的截齒合金頭失效形式監(jiān)測(cè)和識(shí)別方法，提取截齒截割過(guò)程中x，y，z三個(gè)方向的振動(dòng)特征信號(hào)和電流特征信號(hào)，構(gòu)建截齒合金頭失效形式識(shí)別模型，為實(shí)現(xiàn)截割過(guò)程中截齒失效形式的監(jiān)測(cè)和識(shí)別提供實(shí)際有效的方法。

1 截齒主要的失效形式

1.1 合金頭龜裂

截齒截割煤巖過(guò)程中金屬熱疲勞效應(yīng)促進(jìn)裂紋萌生、擴(kuò)展導(dǎo)致合金頭龜裂，合金頭龜裂占失效形式的20% ～30%。截割煤巖過(guò)程中截齒作斷續(xù)截割運(yùn)動(dòng)，截齒半程截割半程空轉(zhuǎn)。截割過(guò)程中截齒在強(qiáng)大的推進(jìn)力作用下擠壓截割煤巖，產(chǎn)生劇烈的摩擦合金頭溫度迅速升至600～800℃的高溫；在空轉(zhuǎn)半程中，截齒由于受到空氣、噴水的冷卻，溫度迅速下降，在截齒合金內(nèi)部產(chǎn)生較大的溫度梯度。如此反復(fù)會(huì)在截齒合金頭產(chǎn)生高溫回火，使其硬度下降至50%，從而加速合金頭龜裂[20]。截齒截割過(guò)程不僅承受周期性沖擊載荷，還承受交變熱應(yīng)力的作用，加速合金頭熱疲勞裂紋的萌生和擴(kuò)展。合金龜裂后截齒截割阻力劇增，加劇截齒磨損和合金頭裂紋的擴(kuò)展，進(jìn)而降低了采煤機(jī)開(kāi)采效率。

1.2 合金頭脫落

截齒在截割煤巖過(guò)程中較大的沖擊載荷會(huì)引起合金頭脫落，合金頭脫落占截齒失效形式的20%～25%。截齒合金脫落的主要原因有：a.釬焊質(zhì)量問(wèn)題，如焊接處存在夾砂、微裂紋以及虛焊等缺陷；b.截齒在截割到煤巖時(shí)承受強(qiáng)大的沖擊負(fù)荷，致使缺陷處產(chǎn)生應(yīng)力集中，反復(fù)的沖擊導(dǎo)致合金頭的松動(dòng)直致脫落。截齒合金脫落后，截割過(guò)程中截齒利用齒身截割，截割阻力變大加速截齒的破壞。

1.3 合金頭崩刃

截割煤巖過(guò)程中截齒在沖擊載荷作用下會(huì)在齒尖處產(chǎn)生高壓應(yīng)力，當(dāng)遇到煤巖中堅(jiān)硬的矸石時(shí)，齒尖在不良接觸區(qū)域承受高的剪應(yīng)力，應(yīng)力數(shù)值超過(guò)合金的強(qiáng)度極限時(shí)截齒合金頭就會(huì)發(fā)生碎裂，引起鎬形截齒尖崩刃[21]。合金頭崩刃占失效形式的10%～15%。合金頭崩刃的主要原因有：a.硬質(zhì)合金壓制工藝落后，合金中含有雜質(zhì)，晶粒不均勻，密度差大，孔隙多，硬度低；b.齒尖同一區(qū)域的裂紋受到反復(fù)的沖擊將會(huì)引起微裂縫擴(kuò)展，最終導(dǎo)致崩刃的出現(xiàn)。合金齒尖崩刃后截齒缺乏銳利的合金齒尖，使切割阻力劇增，加劇截齒的磨損并且降低了開(kāi)采效率。

1.4 合金頭磨損

在截割煤巖過(guò)程中銳利的截齒與煤巖發(fā)生沖擊和摩擦，隨著截割時(shí)間的增加截齒會(huì)被磨鈍直至失效，磨損是截齒失效的主要原因，占失效形式的40% ～50%。截齒磨損的主要原因有：a.根據(jù)磨損理論，煤巖對(duì)截齒的磨損屬于磨料磨損，在干摩擦狀態(tài)下，煤中的硬礦物如石英、黃鐵礦等是造成磨料磨損的主要因素；b.井下環(huán)境水煤漿的腐蝕作用也會(huì)加劇截齒材料的腐蝕磨損。磨損后截齒切削部分的面積增大，使截割阻力增加，截齒強(qiáng)度降低[22]。

由于鎬形截齒切向布置，齒身折斷、齒體變形占失效類(lèi)型比例的5%～10%左右[23]，比例較低本研究不做重點(diǎn)分析。合金頭龜裂、合金頭脫落、合金頭崩刃和合金頭嚴(yán)重磨損截齒的失效形式會(huì)影響采煤機(jī)截割部的振動(dòng)，所以選取截齒x，y，z三個(gè)方向的振動(dòng)信號(hào)作為特征信號(hào)，來(lái)實(shí)現(xiàn)對(duì)截齒合金頭失效形式的監(jiān)測(cè)和識(shí)別。上述4種失效形式會(huì)增大采煤機(jī)截割過(guò)程中的阻力，從而引起截割電機(jī)電流的變化，因此選用截割電動(dòng)機(jī)的電流信號(hào)作為特征信號(hào)。

2 截齒失效形式多特征信號(hào)測(cè)試與提取

2.1 截齒截割特征信號(hào)分析

截割煤巖過(guò)程中采煤機(jī)各截齒所受的截割阻力可看作是滾筒在橫向振動(dòng)(x方向)、縱向振動(dòng)(y方向)和軸向振動(dòng)(z方向)三個(gè)方向上的分力Fx，F(xiàn)y和Fz[24-25]，如圖1所示。

圖1 采煤機(jī)滾筒三向力示意圖Fig.1 Three direction forces diagram of shearer drum

為實(shí)現(xiàn)截齒合金頭失效形式的監(jiān)測(cè)和識(shí)別，建立截齒合金頭失效形式與特征信號(hào)之間的關(guān)聯(lián)樣本庫(kù)。首先對(duì)截齒進(jìn)行預(yù)處理，形成合金頭龜裂、合金頭脫落、合金頭崩刃和合金頭嚴(yán)重磨損4種截齒類(lèi)型，針對(duì)4種截齒進(jìn)行分組實(shí)驗(yàn)，將滾筒上的齒座均安裝上經(jīng)過(guò)預(yù)先處理的合金頭龜裂截齒，啟動(dòng)實(shí)驗(yàn)系統(tǒng)進(jìn)行試件截割實(shí)驗(yàn)，獲取合金頭龜裂截齒截割過(guò)程中的x，y，z三個(gè)方向的振動(dòng)信號(hào)以及電流信號(hào)。測(cè)試時(shí)將振動(dòng)信號(hào)的采集模塊傳感器安裝在采煤機(jī)滾筒端搖臂上，獲取合金頭龜裂x，y，z三個(gè)方向的振動(dòng)曲線(xiàn)，如圖2所示。將電流參數(shù)采集模塊安裝在采煤機(jī)截割部電機(jī)的三相電進(jìn)線(xiàn)端處，電流數(shù)據(jù)通過(guò)數(shù)據(jù)總線(xiàn)傳輸給系統(tǒng)。每組截齒進(jìn)行50組測(cè)試實(shí)驗(yàn)，測(cè)試完合金頭龜裂截齒特征信號(hào)之后，將該組截齒全部換下安裝下一組待測(cè)截齒。通過(guò)上述方法依次獲取合金頭脫落、合金頭崩刃和合金頭嚴(yán)重磨損3種失效形式下的x，y，z三個(gè)方向的振動(dòng)信號(hào)特征信號(hào)樣本，如圖3～圖5所示。同時(shí)獲取合金頭龜裂、脫落、崩刃和嚴(yán)重磨損截4種失效形式下截割電機(jī)的電流曲線(xiàn)，如圖6 (a)～(d)所示。

圖2 合金頭龜裂截齒x，y，z三個(gè)方向的振動(dòng)曲線(xiàn)Fig. 2 Alloy head chapped pick′s x，y，z three-vibration curves

圖3 合金頭脫落截齒x，y，z三個(gè)方向的振動(dòng)曲線(xiàn)Fig.3 Alloy head off pick′s x，y，z three-vibration curves

圖4 合金頭崩刃截齒x，y，z三個(gè)方向的振動(dòng)曲線(xiàn)Fig.4 Alloy head chipping pick′s x，y，z three-vibration curves

圖5 合金頭嚴(yán)重磨損截齒x，y，z三個(gè)方向的振動(dòng)曲線(xiàn)Fig.5 Serious wear of alloy head pick’s x，y，z three-vibration curves

圖6 截割電機(jī)電流曲線(xiàn)Fig.6 Current curves of cutting motor

2.2 多截割信號(hào)特征樣本庫(kù)

測(cè)試提取截割過(guò)程中不同截齒合金頭失效形式的特征信號(hào)，選取合金頭龜裂、脫落、崩刃和嚴(yán)重磨損4種不同形式的截齒，分別對(duì)每種形式下截齒截割過(guò)程中的x，y，z三個(gè)方向的振動(dòng)信號(hào)和電流信號(hào)進(jìn)行測(cè)試。由圖2～圖6可知：a.合金頭龜裂三個(gè)方向的振動(dòng)信號(hào)和電流信號(hào)均顯著小于合金頭嚴(yán)重磨損截齒的失效形式；b.合金頭脫落截齒的振動(dòng)和電流特征信號(hào)的最大峰值小于合金頭嚴(yán)重磨損截齒失效形式，其特征信號(hào)的均值和方差均小于合金頭嚴(yán)重磨損截齒失效形式，信號(hào)波動(dòng)較??；c.合金頭崩刃截齒存在信號(hào)躍遷，雖然特征信號(hào)的最大值與合金頭嚴(yán)重磨損截齒振動(dòng)信號(hào)和電流信號(hào)接近，但信號(hào)均值小于合金頭嚴(yán)重磨損截齒失效形式，信號(hào)方差大于合金頭嚴(yán)重磨損截齒失效形式，合金頭崩刃存在著明顯數(shù)據(jù)波動(dòng)。

通過(guò)多次測(cè)試實(shí)驗(yàn)，提取4種截齒x，y，z三個(gè)方向的振動(dòng)信號(hào)和電流特征信號(hào)的最大值、均值和方差建立特征信號(hào)的樣本數(shù)據(jù)庫(kù)。取數(shù)據(jù)庫(kù)中的2組典型特征樣本值進(jìn)行說(shuō)明分析，如表1～表4所示。

表1 合金頭龜裂特征信號(hào)樣本值

表2 合金頭脫落特征信號(hào)樣本值

表3 合金頭崩刃特征信號(hào)樣本值

表4 合金頭嚴(yán)重磨損截齒特征信號(hào)樣本值

3 基于BP神經(jīng)網(wǎng)絡(luò)的截齒失效形式識(shí)別模型

3. 1 BP網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元工作的智能學(xué)習(xí)算法.TIF，BP神經(jīng)網(wǎng)絡(luò)作為多層前饋神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層。BP網(wǎng)絡(luò)的特點(diǎn)是信號(hào)前向傳遞，誤差反向傳播。在學(xué)習(xí)過(guò)程中通過(guò)梯度下降算法將輸出層的期望輸出與實(shí)際輸出的均方差一層層地向輸入層反方向傳遞，然后配分給每個(gè)節(jié)點(diǎn)，同時(shí)計(jì)算出每個(gè)節(jié)點(diǎn)的參考誤差值，并通過(guò)調(diào)節(jié)連接權(quán)值讓網(wǎng)絡(luò)的期望輸出與實(shí)際輸出均方差值達(dá)到最小為止。

BP神經(jīng)網(wǎng)絡(luò)可以任意精度逼近任意的連續(xù)函數(shù)。Hecht-Nielsen證明具有1個(gè)隱藏層的3層前饋型網(wǎng)絡(luò)可以逼近任何多變量函數(shù)，故采用3層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)截齒合金頭失效形式的監(jiān)測(cè)和識(shí)別。圖7所示為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖7 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.7 BP neural network structure

由表1～表4可知，截齒x，y，z三個(gè)方向振動(dòng)信號(hào)中y方向的振動(dòng)信號(hào)變化最為明顯，4種失效形式中y方向振動(dòng)的數(shù)據(jù)最具有代表性。為了減少輸入特征向量的維數(shù)，減少網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練時(shí)間，所以分別選擇合金頭龜裂、脫落、崩刃和嚴(yán)重磨損截齒截割過(guò)程中y方向振動(dòng)信號(hào)和電流信號(hào)的最大值、均值和方差作為輸入樣本，故BP神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)個(gè)數(shù)設(shè)置6個(gè)神經(jīng)元；輸出層為截齒失效形式狀態(tài)為合金頭龜裂、脫落、崩刃和嚴(yán)重磨損4種狀態(tài)，故輸出層設(shè)置4個(gè)神經(jīng)元。

隱層節(jié)點(diǎn)數(shù)量的估算方法如下。

1) 根據(jù)Kolmogorov定理，綜合考慮網(wǎng)絡(luò)的學(xué)習(xí)速度和泛化能力，確定隱含層神經(jīng)元數(shù)目k的經(jīng)驗(yàn)公式：k=2x+1=13，故本研究隱含層神經(jīng)元數(shù)目為13個(gè)。

2) 隱含層節(jié)點(diǎn)數(shù)的估算方法為

(1)

其中：k為隱層節(jié)點(diǎn)數(shù)；x為輸入神經(jīng)單元數(shù)6個(gè)；y為輸出神經(jīng)單元數(shù)4個(gè)；a為1～10之間的常數(shù)。

故隱含層神經(jīng)元最大數(shù)目為13個(gè)。

3) 運(yùn)用最小二乘法對(duì)隱層單元數(shù)量進(jìn)行擬合得到經(jīng)驗(yàn)公式為

(2)

其中：k為隱層節(jié)點(diǎn)數(shù)；x為輸入節(jié)點(diǎn)數(shù)6個(gè)；y為輸出節(jié)點(diǎn)數(shù)4個(gè)。

故隱含層神經(jīng)元數(shù)目為7個(gè)。

本神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層為6個(gè)神經(jīng)單元；輸出層為4個(gè)單元。通過(guò)實(shí)驗(yàn)數(shù)據(jù)試錯(cuò)法進(jìn)行訓(xùn)練，獲取達(dá)到精度0.01時(shí)訓(xùn)練次數(shù)的變化情況。表5所示為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中不同隱層節(jié)點(diǎn)數(shù)對(duì)應(yīng)的訓(xùn)練次數(shù)，可知當(dāng)隱層節(jié)點(diǎn)數(shù)為13個(gè)時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)最小，所以選取神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)為13個(gè)。

表5 隱層節(jié)點(diǎn)數(shù)確定

3.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法

神經(jīng)網(wǎng)絡(luò)中輸入向量為Xs=(x1,x2，…，xs)，理想輸出向量為Oq=(o1,o2，…，oq)。中間層單元的輸入向量Gp=(g1,g2，…，gp)，中間層單元的輸出向量Hp=(h1,h2，…，hp)。輸出層神經(jīng)元的輸入向量為Mq=(m1,m2，…，mq)，輸出層單元實(shí)際輸出向量為Yq=(y1,y2，…，yq)。

輸入層至中間層連接權(quán)為{Wij}，中間層至輸出層連接權(quán)為{Vjt}，中間層各單元輸出閾值為{θj}，輸出層各單元輸出閾值為{γt}，α,β為學(xué)習(xí)率。

模擬生物神經(jīng)元非線(xiàn)性特性，選取網(wǎng)絡(luò)響應(yīng)函數(shù)

(3)

(4)

hj=f(gj)

(5)

利用中間輸出{hj}、連接權(quán)值{Vjt}和閾值{γt}計(jì)算輸出層各單元輸入{Mj}，然后用{Mj}通過(guò)S計(jì)算輸出層各單元的響應(yīng){Yt}

(6)

Yt=f(Mt)

(7)

通過(guò)希望輸出向量Oq=(o1,o2，…，oq)、網(wǎng)絡(luò)實(shí)際輸出{Yj}，可以得到輸出層各神經(jīng)單元一般性誤差

(8)

在將數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練之前，需要先對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的歸一化處理。將數(shù)據(jù)映射到[0, 1] 之間以便后續(xù)的處理分析

(9)

其中：x為輸入向量；y為輸出向量；xmin為輸入向量x中的最小值；xmax為輸入向量x中的最大值。

3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練及驗(yàn)證分析

由于神經(jīng)網(wǎng)絡(luò)輸入和輸出是非線(xiàn)性的映射關(guān)系，初始權(quán)值決定訓(xùn)練能否達(dá)到局部最小或訓(xùn)練能否收斂，因此初始權(quán)值應(yīng)選為均勻分布的小數(shù)經(jīng)驗(yàn)值。這里取初始化網(wǎng)絡(luò)權(quán)系數(shù)在[0,1]之間的隨機(jī)數(shù)。利用Matlab函數(shù)sim進(jìn)一步對(duì)上述神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真與計(jì)算，即

y=sim(net,x)

(10)

其中：net為BP神經(jīng)網(wǎng)絡(luò)；sim為網(wǎng)絡(luò)仿真函數(shù)。

x=[x1,x2,x3,x4,x5,x6]T為輸入變量，其中：x1,x2，x3分別為截齒y方向的振動(dòng)信號(hào)的最大值、均值和方差；x4,x5,x6為電機(jī)電流信號(hào)的最大值、均值和方差。y1,y2,y3,y4為截齒BP網(wǎng)絡(luò)預(yù)測(cè)輸出層的失效形式識(shí)別結(jié)果，當(dāng)輸出值為[0,0,0,1]，[0,0,1,0]，[0,1,0,0]，[1,0,0,0]時(shí)，分別對(duì)應(yīng)識(shí)別結(jié)果為合金頭龜裂、合金頭脫落、合金頭崩刃和合金頭嚴(yán)重磨損截齒。圖8為截齒失效形式神經(jīng)網(wǎng)絡(luò)特征信號(hào)融合模型。

圖8 截齒失效形式神經(jīng)網(wǎng)絡(luò)特征信號(hào)融合模型Fig.8 Neural network feature signal fusion model for the failure mode of picks

BP網(wǎng)絡(luò)的隱含層和輸出層神經(jīng)元激活函數(shù)采用Sigmoid函數(shù)，可以將整個(gè)BP網(wǎng)絡(luò)的輸出限制在[0,1]的范圍之內(nèi)，與網(wǎng)絡(luò)的輸出目標(biāo)0或1接近，方便對(duì)輸出結(jié)果進(jìn)行判斷。運(yùn)用Matlab軟件中BP網(wǎng)絡(luò)模型的編程指令來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)的建模，選取隱含層的傳遞函數(shù)為tansig函數(shù)，輸出層的傳遞函數(shù)為logsig函數(shù)。

在Matlab中對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前先對(duì)參數(shù)進(jìn)行設(shè)置。網(wǎng)絡(luò)權(quán)系數(shù)在[0,1]之間，設(shè)置訓(xùn)練步長(zhǎng)為1，訓(xùn)練步數(shù)為1 000，訓(xùn)練誤差為0. 000 01，剩余參數(shù)采用軟件系統(tǒng)默認(rèn)值。經(jīng)過(guò)訓(xùn)練的函數(shù)執(zhí)行后，訓(xùn)練界面如圖9所示。從圖中可以看出，第55步己經(jīng)滿(mǎn)足誤差目標(biāo)要求，若網(wǎng)絡(luò)的學(xué)習(xí)誤差為1.0 ×10-5，則將輸入樣本輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，網(wǎng)絡(luò)在第55步能夠收斂到要求精度。

圖9 神經(jīng)網(wǎng)絡(luò)誤差性能曲線(xiàn)圖Fig.9 Neural network error performance curve

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證基于BP神經(jīng)網(wǎng)絡(luò)截齒合金頭失效形式在線(xiàn)監(jiān)測(cè)和識(shí)別系統(tǒng)的精確性與可靠性，對(duì)已知失效形式截齒進(jìn)行截割實(shí)驗(yàn)。實(shí)驗(yàn)截齒采用神東天隆公司生產(chǎn)的U85型截齒，三向振動(dòng)傳感器采用ZXD-YB一體化振動(dòng)變送器，量程為0～20mm/s，誤差精度為±1%。電流傳感器采用HNC005D電流傳感器，測(cè)量量程為0～5A，精度≤0.1%[26]。測(cè)試時(shí)將每組待測(cè)實(shí)驗(yàn)截齒安裝固定在截齒滾筒上，

由于滾筒在實(shí)驗(yàn)過(guò)程中一直處于旋轉(zhuǎn)運(yùn)動(dòng)狀態(tài)，振動(dòng)傳感器無(wú)法安裝固定在截齒滾筒上，故將其安裝在與截齒滾筒直接傳動(dòng)連接的減速器上。截割電流參數(shù)采集模塊安裝在截割電機(jī)的三相電進(jìn)線(xiàn)端。實(shí)驗(yàn)臺(tái)控制柜的顯示屏可以實(shí)時(shí)顯示振動(dòng)信號(hào)和電流信號(hào)的數(shù)值變化。實(shí)驗(yàn)采用SIRIUS RACK 8數(shù)據(jù)采集系統(tǒng)采集截割過(guò)程中的振動(dòng)信號(hào)和電流信號(hào)，并通過(guò)數(shù)據(jù)總線(xiàn)將信號(hào)傳輸至上位機(jī)數(shù)據(jù)采集與分析系統(tǒng)，進(jìn)行數(shù)據(jù)存儲(chǔ)和分析。截齒失效形式監(jiān)測(cè)實(shí)驗(yàn)臺(tái)如圖10所示。

分別將截齒4種不同失效形式狀態(tài)下的2組檢驗(yàn)樣本輸入己經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行截齒合金頭失效形式的驗(yàn)證分析，其網(wǎng)絡(luò)目標(biāo)和網(wǎng)絡(luò)實(shí)際輸出的結(jié)果如表6所示。從表中可看出，這8組用于驗(yàn)證的樣本能夠很好地被識(shí)別出來(lái)，該神經(jīng)網(wǎng)絡(luò)的效果良好。

圖10 截齒失效形式監(jiān)測(cè)實(shí)驗(yàn)臺(tái)Fig. 10 Pick′s failure mode monitoring experiment station

表6 截齒合金頭失效形式驗(yàn)證結(jié)果

表6中序號(hào)1,2截齒的BP神經(jīng)網(wǎng)絡(luò)輸出識(shí)別結(jié)果接近[0,0,0,1]，因此判定為合金頭龜裂；序號(hào)3,4截齒狀態(tài)輸出結(jié)果接近[0,0,1,0]，判定截齒失效形式是合金頭脫落；序號(hào)5,6截齒狀態(tài)輸出結(jié)果接近[0,1,0,0]，判定是合金頭崩刃；序號(hào)7,8截齒狀態(tài)輸出結(jié)果接近[1,0,0,0]，判定是合金頭嚴(yán)重磨損的截齒。輸出結(jié)果證明，基于BP神經(jīng)網(wǎng)絡(luò)的判別結(jié)果和測(cè)試樣本的實(shí)際失效類(lèi)型相符，因此，本研究所建立的BP神經(jīng)網(wǎng)絡(luò)能夠?qū)佚X合金頭失效形式進(jìn)行準(zhǔn)確識(shí)別。

5 結(jié) 論

1) 合金頭龜裂三個(gè)方向的振動(dòng)信號(hào)和電流信號(hào)均小于合金頭嚴(yán)重磨損截齒的失效形式。

2) 合金頭脫落截齒的振動(dòng)和電流特征信號(hào)最大值、均值和方差均小于合金頭嚴(yán)重磨損截齒失效形式，數(shù)據(jù)波動(dòng)幅度較小。

3) 合金頭崩刃失效形式存在信號(hào)躍遷，數(shù)據(jù)波動(dòng)明顯。

4) 選取截齒y方向振動(dòng)信號(hào)和電流信號(hào)的最大值、均值、方差特征樣本結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)不同失效形式截齒特征信號(hào)模型進(jìn)行學(xué)習(xí)和訓(xùn)練，實(shí)現(xiàn)采煤機(jī)截齒合金頭失效形式監(jiān)測(cè)和識(shí)別。檢驗(yàn)樣本驗(yàn)證.TIF，BP神經(jīng)網(wǎng)絡(luò)能夠準(zhǔn)確識(shí)別截齒合金頭失效形式，具有實(shí)際的應(yīng)用價(jià)值。

參 考 文 獻(xiàn)

[1] 高英.煤礦用截齒失效研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 裝備制造技術(shù),2010(9):107-109.

Gao Ying. Research status and development trend of the research status and development trend of cutting gear failure in coal mines [J]. Equipment Manufacturing Technology, 2010 (9): 107-109.(in Chinese)

[2] 孫方紅,馬壯,董世知.礦用截齒表面強(qiáng)化技術(shù)[J]. 金屬熱處理,2011(11):99-102.

Sun Fanghong, Ma Zhuang, Dong Shizhi. Strengthening technology for the surface strengthening technology of mine cutting teeth [J]. Metal Heat Treatment, 2011 (11): 99-102.(in Chinese)

[3] 王崢榮,熊曉燕,張宏,等. 基于LS-DYNA采煤機(jī)鎬型截齒截割有限元分析[J]. 振動(dòng)、測(cè)試與診斷,2010,30(2):163-165.

Wang Zhengrong, Xiong Xiaoyan, Zhang Hong,et al.Based on LS - DYNA miner pick pick cutting finite element analysis [J].Journal of Vibration, Measurement & Diagnosis,2010,30(2): 163-165.(in Chinese)

[4] 李曉豁,趙岐?jiǎng)?曹艷麗. 連續(xù)采煤機(jī)垂直方向振動(dòng)的仿真[J]. 振動(dòng)、測(cè)試與診斷,2010,30(6):626-629.

Li Xiaohuo, Zhao Qigang, Cao Yanli.Simulation of verticalvibration of continuous miner [J].Journal of Vibration, Measurement & Diagnosis, 2010,30(6): 626-629.(in Chinese)

[5] 王焱金,張建廣,馬昭.綜掘裝備技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].煤炭科學(xué)術(shù),2015(11):87-90,21.

Wang Yanjin, Zhang Jianguang, Ma Zhao. The fully mechanized equipment technology research status and development trend [J]. Coal Science and Technology, 2015 (11): 87-90,21.(in Chinese)

[6] Dewangan S,Chattopadhyaya S.Characterization of wear mechanisms in distorted conical picks after coal cutting[J]. Rock Mechanics and Rock Engineering, 2016, 49(1): 225-242.

[7] 程在望,劉華平. 截齒合金的失效形式及對(duì)策[J]. 鑿巖機(jī)械氣動(dòng)工具,2015(1):37-40.

Cheng Zaiwang, Liu Huaping.The failure form and countermeasure of pick alloy [J].Pneumatic Tools for Drilling Machinery, 2015(1): 37-40.(in Chinese)

[8] Yang Daolong, Li Jianping , Wang Liping,et al. Experimental and theoretical design for decreasing wear in conical picks in rotation-drilling cutting process[J]. The International Journal of Advanced Manufacturing Technology, 2015, 77(9-12): 1571-1579.

[9] 王冬梅. 鎬形截齒合金頭焊接處的應(yīng)力分布規(guī)律研究[J]. 煤礦機(jī)械,2013,34(6):55-56.

Wang Dongmei.Study on stress distribution law of welded joint of pick shaped alloy head [J]. Coal Mine Machinery, 2013,34 (6): 55-56.(in Chinese)

[10] 謝貴君. 采煤機(jī)鎬形截齒截割力模擬[J].煤礦機(jī)械,2009(3):43-44.

Xie Guijun.Shearer pick cutting force simulation of [J]. Coal Mine Machinery, 2009 (3): 43-44.(in Chinese)

[11] 萬(wàn)欣娣,羅娜.采煤機(jī)用截齒失效分析及提高其性能的新技術(shù)研究[J].鑄造技術(shù), 2013(11):1503-1505.

Wan Xindi,Luo Na. Study on failure analysis and improvement of the performance of cutting machine for shearer[J].Casting Technology, 2013 (11): 1503-1505.(in Chinese)

[12] 劉春生,王慶華,李德根.鎬型截齒截割阻力譜的分形特征與比能耗模型[J].煤炭學(xué)報(bào),2015(11):2623-2628.

Liu Chunsheng, Wang Qinghua, Li Degen. Pick shaped cutter cutting cutting resistance spectrum of fractal characteristics and energy consumption model[J].Journal of China Coal Society, 2015(11):2623-2628.(in Chinese)

[13] 韓文靜,馬紅雷,宋進(jìn)朝,等. 基于BP模型的截齒WC-Co涂層耐磨性預(yù)測(cè)研究[J].電鍍與精飾,2016(4):10-13.

Han Wenjing, Ma Honglei, Song Jinzhao,et al. Prediction based on BP model of the cutting teeth of the WC-Co coatings [J]. Plating and Finishing, 2016 (4): 10-13.(in Chinese)

[14] Dewangan S, Chattopadhyaya S, Hloch S. Critical damage analysis of WC-Co tip of conical pick due to coal excavation in mines[J]. Advances in Materials Science and Engineering, 2015，2015:1-7.

[15] 鄔黔鳳,劉英林,陳財(cái).基于Workbench的采煤機(jī)鎬形截齒結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J].煤礦機(jī)械,2014(11):177-179.

Wu Qianfeng, Liu Yinglin, Chen Cai. Based on the workbench of shearer pick shaped cutting tooth structure optimization design [J]. Coal Mine Machinery, 2014 (11): 177-179.(in Chinese)

[16] 陸輝,王義亮,楊兆建. 采煤機(jī)鎬形截齒疲勞壽命分析及優(yōu)化[J]. 煤炭科學(xué)技術(shù),2013,41(7):100-102,106.

Lu Hui, Wang Yiliang, Yang Zhaojian. Shearer pick shaped cutter fatigue life analysis and optimization [J]. Coal Science and Technology, 2013,41 (7) ：100-102,106.(in Chinese)

[17] 張景異,李高彩. 基于圖像處理的對(duì)掘進(jìn)機(jī)截齒磨損率的研究[J].工業(yè)儀表與自動(dòng)化裝置,2009(1):22-24.

Zhang Jingyi,Li Gaocai. Research on the wear rate of the cutting teeth of the boring machine based on image processing [J]. Industrial Instrumentation and Automation, 2009 (1): 22-24.(in Chinese)

[18] 張夢(mèng)奇,郝建生,馬健康. 錐形截齒旋轉(zhuǎn)破巖截割力預(yù)測(cè)方法試驗(yàn)研究[J]. 煤炭科學(xué)技術(shù),2015(12):98-103.

Zhang Mengqi, Hao Jiansheng, Ma Jiankang. The prediction method of cutting force in the cutting force prediction of the cone shaped pick cutting [J]. Coal Science and Technology, 2015(12):98-103.(in Chinese)

[19] 張強(qiáng),祁秀,王海艦.基于模糊信息融合的掘進(jìn)機(jī)截齒磨損監(jiān)測(cè)系統(tǒng)[J]. 廣西大學(xué)學(xué)報(bào):自然科學(xué)版,2015(5):1177-1182.

Zhang Qiang, Qi Xiu, Wang Haijian. Based on fuzzy information fusion of road header tooth wear monitoring system[J].Guangxi University Journal :Natural Science Edition, 2015 (5):1177-1182.(in Chinese)

[20] 張強(qiáng),聶國(guó)強(qiáng). 重型掘進(jìn)機(jī)截齒失效機(jī)理與耐磨性改進(jìn)研究[J]. 熱加工工藝,2013,14:23-26.

Zhang Qiang, Nie Guoqiang.Heavy roadheader teeth and ear resistance failure mechanism improvement[J]．Thermal Processing, 2013,14: 23-26. (in Chinese)

[21] 申勝利. 采煤機(jī)和掘進(jìn)機(jī)截齒的失效分析及對(duì)策[J]. 煤礦機(jī)械,2005(7):53-55.

Shen Shengli. Shearer and roadheader′s teeth failure analysis and countermeasures [J]. Mining Machinery, 2005(7): 53-55.(in Chinese)

[22] 張強(qiáng),毛君,田大豐. 基于遺傳算法掘進(jìn)機(jī)截割頭多目標(biāo)模糊可靠性?xún)?yōu)化[J]. 煤炭學(xué)報(bào),2008(12):1435-1437.

Zhang Qiang, Mao Jun, Tian Dafeng.Multi objective fuzzy reliability optimization of roadheader cutting head based on genetic algorithm [J].Journal of Coal Science, 2008(12):1435-1437.(in Chinese)

[23] 何泠.礦用截齒失效分析及工程應(yīng)用研究[D].太原：中北大學(xué),2016.

[24] 張強(qiáng),王海艦,李立瑩,等. 基于多傳感特征信息融合的采煤機(jī)截齒失效診斷[J]. 中國(guó)機(jī)械工程,2016,17:2334-2340.

Zhang Qiang, Wang Haijian, Li Liying, et al. Failure diagnosis of shearer pick based on multi sensor feature information fusion [J]. China Mechanical Engineering, 2016,17:2334-2340.(in Chinese)

[25] 張強(qiáng),王海艦,井旺,等.基于模糊神經(jīng)網(wǎng)絡(luò)信息融合的采煤機(jī)煤巖識(shí)別系統(tǒng)[J]. 中國(guó)機(jī)械工程,2016(2):201-208.

Zhang Qiang, Wang Haijian, Jing Wang ,et al. Information fusion based on fuzzy neural network for coal mining machine coal rock recognition system [J]. China Mechanical Engineering, 2016(2):201-208.(in Chinese)

[26] 張強(qiáng),王海艦,王兆,等. 基于紅外熱像檢測(cè)的截齒煤巖截割特性與閃溫分析[J].傳感技術(shù)學(xué)報(bào),2016(5):686-692.

Zhang Qiang, Wang Haijian, Wang Zhao,et al. Based on analysis of cutting characteristics and flash temperature of cutting coal and rock based on infrared thermal imaging detection [J].Journal of Sensing Technology, 2016 (5): 686-692.(in Chinese)