弓華忠

（山西西山煤電股份有限公司西曲礦勞資科， 山西 古交 030200）

引言

目前，我國煤礦對采煤機要求的特點為功率大、可靠性高等，但由于技術(shù)還存在問題，所以采煤機的可靠性一直得不到有效的保障。為了有效的提高采煤機工作的可靠性及穩(wěn)定性，采取對采煤機的各項狀態(tài)進行在線監(jiān)測的方式，以實時了解采煤機的工作狀態(tài)，對故障做出比較精確的預(yù)測或者是在故障發(fā)生后能夠定位故障位置[1]

1 采煤機故障分析

如圖1所示，電牽引采煤機主要由四部分組成，分別是電氣控制系統(tǒng)、液壓系統(tǒng)、機械系統(tǒng)以及冷卻與供水系統(tǒng)。通過現(xiàn)場經(jīng)驗可以確定液壓和冷卻這兩個系統(tǒng)由于主要部件是管路所以可以通過對其管路的壓力實時監(jiān)測進行故障分析。而電氣和機械部分由于組成部分比較多，故障發(fā)生的可能性也是千變?nèi)f化所以對這兩個部分的故障診斷難度比較大。

通過查閱相關(guān)資料，將采煤機的機械部位常見故障分為兩類。這兩部分分別是可以運動的部位和不可以運動的外殼?？梢赃\動的部件主要有齒輪、軸承等。關(guān)鍵殼體主要有牽引箱、行走箱等的外殼?？赡艹霈F(xiàn)的問題也是千奇百怪，比如說轉(zhuǎn)動類的出現(xiàn)松動、不對稱、軸變形等一系列問題。而在軸承類里有磨損、缺乏潤滑油等；齒輪可能出現(xiàn)的故障有磨損、偏心、齒距配合不好等；而涉及到殼體的主要是密封性不好，或者是在使用的過程中出現(xiàn)裂紋等。上面提到的這些故障的出現(xiàn)都會對采煤機的正常運行造成不同程度的影響。主要的表現(xiàn)形式為機械不穩(wěn)定、電氣方面的電壓電流反常等。

為了能夠在采集盡量少的信息的情況下得到更多的信息，這里經(jīng)過多次分析和實際經(jīng)驗最終決定采集現(xiàn)場溫度、振動、管道壓力、電氣參數(shù)等。通過采用各種先進的算法和分析技術(shù)獲得采煤機的實時工況，比如說油液分析技術(shù)、噪聲監(jiān)測監(jiān)控技術(shù)、超聲波探傷等。將不同的信號結(jié)合起來，充分的發(fā)掘他們所攜帶的信息。采用的算法包括在貝葉斯基礎(chǔ)上的決策，線性和非線性的識別方法、利用概率的方法來做出判斷、小波分析法、幾何算法等。還利用了涉及到人工智能的方法比如說模糊邏輯和基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的故障診斷方法，用來判斷采煤機是否出現(xiàn)故障，或者是多故障的預(yù)測[2]。

圖1 電牽引采煤機組成

2 故障診斷系統(tǒng)方案設(shè)計

如下頁圖2所示為采煤機在線監(jiān)測與故障診斷系統(tǒng)整體框架圖。從圖中我們可以看出整個系統(tǒng)主要由兩大部分組成，他們分別是用于測試故障的子系統(tǒng)和用于信息采集和處理的子系統(tǒng)。測試子系統(tǒng)主要工作是用于檢測采煤機的各項電氣或者是機械參數(shù)。比如說電流、電壓、以及各項部件工作時的溫度等參數(shù)。而機械部件的參數(shù)包括振動、溫度、液壓系統(tǒng)各個管路的壓力參數(shù)等。圖中所指的定期離線無損檢測方式主要是針對一些比較容易出現(xiàn)故障或者是經(jīng)常磨損的器件，比如說軸承類的或者是關(guān)鍵的殼體等。通過對這些器件定期的進行監(jiān)測可以方便的獲得實時健康數(shù)據(jù)，方便以后的狀態(tài)分析和經(jīng)驗積累。第二部分子系統(tǒng)的主要任務(wù)是對其他系統(tǒng)已經(jīng)獲得的數(shù)據(jù)進行記錄，處理以及對比，按照預(yù)定的相關(guān)標(biāo)準(zhǔn)或者是算法函數(shù)進行計算，最后獲得信號的時域或者是頻域的分析結(jié)果，然后對其進行進一步的智能預(yù)測和狀況趨勢分析。從而得出采煤機的整體評定、維護決策和部件評定等。給維護人員一個方向性的指示[3]。

圖2 采煤機故障診斷系統(tǒng)原理框圖

3 系統(tǒng)關(guān)鍵技術(shù)

目前，我國的采煤機在線故障診斷技術(shù)剛剛起步，在對故障和各項參數(shù)之間聯(lián)系的研究上缺乏足夠的經(jīng)驗，還停留在對各項數(shù)據(jù)單獨分析的階段，很難實現(xiàn)故障預(yù)測以及發(fā)生故障后對故障的精確定位和定量檢測[4]。

3.1 提取故障特征信號

由于采煤機工作狀況的實時變化導(dǎo)致轉(zhuǎn)速也是實時變化，而負(fù)載的變化又會帶來大量的摩擦和撞擊，這樣就造成了大量噪聲的產(chǎn)生，在對采煤機進行在線監(jiān)測和故障診斷中，很重要的一步就是將采集到的信號進行降低噪聲的處理，這樣處理就是為了保證收集到的信號時真是可靠的，能夠用于后續(xù)處理。目前能夠?qū)π盘栠M行處理的方法比較多，比如說小波分析算法、神經(jīng)網(wǎng)絡(luò)算法等。但是這些算法在實際應(yīng)用上還是存在一定的片面性，不能夠完全滿足實際應(yīng)用的需求。

由于采煤機在工作時發(fā)生的故障信號屬于實時變化的噪聲，所以一般用于處理平穩(wěn)信號的算法是不適用的。比如說小波濾波、卡爾曼算法等，目前比較好用的算法只有自適應(yīng)濾波算法。當(dāng)采煤機在運行的過程中有故障發(fā)生時由于各個部件的物理結(jié)構(gòu)不同，工作方式不同以及固有的振動頻率也不同，所以收集到的信號里會在各個不同的頻率段。由于這些信號里摻雜了好多不規(guī)律的，不符合高斯分布的以及不是線性的信號成分，所以利用傳統(tǒng)的手段進行信號分析是行不通的，為了更好的對采集到的信號進行分析，我們必須研究不平穩(wěn)非線性信號的處理方法，將這些信號從原始信號里提取出來，然后再去對我們需要的信息進行分析。由于信號的主要特征包括頻域和時域，所以我們可以從這兩個方面著手，利用小波分析將正弦信號里面包括的各種信號進行歸類處理，然后通過將同一個頻帶里的信號進行能量比較，這樣便能夠?qū)π盘栠M行有效的處理。

3.2 多信息融合的安全評價

為了更加全面的檢測出采煤機的工作狀況，我們采用多種傳感器同時采集多方面的信號進行綜合分析。利用大數(shù)據(jù)處理技術(shù)將傳感器上傳的大量數(shù)據(jù)進行分析，以得到更加精確的運行狀態(tài)信息。在電機控制方面通過結(jié)合電壓、電流、以及轉(zhuǎn)速、溫度和振動等一系列信號就可以得出采煤機實時的狀況。

3.3 支持向量機的智能故障診斷技術(shù)

近幾年，隨著人工智能的發(fā)展在智能診斷故障方面的技術(shù)也得到了飛速的發(fā)展，設(shè)備在運行時通過檢測振動信號便可以得出許多結(jié)論，而建立在對振動實時監(jiān)測監(jiān)控的技術(shù)上我們發(fā)展出了新一代的監(jiān)控技術(shù)。利用人工智能算法將各種振動信號進行綜合比較處理后便可以得到設(shè)備的狀態(tài)信息。

目前，我們所面臨的問題是能夠用于實驗的樣本比較少，在工作面實際生產(chǎn)中變數(shù)比較大，所以我們想到采用向量機的方法來解決這方面的問題。向量機在解決高維度、工況變化比較多以及樣本少的情況具有很大的優(yōu)勢[5]。

4 結(jié)語

通過實際測驗，在線故障診斷監(jiān)測系統(tǒng)在一定程度上滿足設(shè)計要求，對采煤機在運行時的狀況能夠基本監(jiān)測，同時利用預(yù)設(shè)的專家系統(tǒng)，還能預(yù)測一些比較常見的問題。