桑建偉,劉 赟,郜 彤

(1.山西天地王坡煤業(yè)有限公司,山西 晉城 048021;2.中煤信息技術(北京)有限公司,北京 100120)

目前,煤礦綜采工作面裝備日趨大型化、自動化,國家不斷加大綜采工作面智能化的建設力度,采煤機作為綜采工作面的關鍵機電裝備之一,在煤炭生產中占有非常重要的地位。但在實際生產中,采煤機不僅受到煤塊的沖擊,還受到水、瓦斯、煤塵等的侵蝕[1],經常出現(xiàn)故障停機的情況[2],所以對采煤機進行在線監(jiān)測與預測性故障診斷,使采煤機工作在最佳狀態(tài),減少突發(fā)事故的次數(shù),提高采煤機工作的可靠性,是煤礦安全、高產、高效的重要保障[3]。在“中國制造2025”戰(zhàn)略背景下,采煤機在線監(jiān)測與故障診斷作為智慧礦山的組成部分,具有重要的現(xiàn)實意義[4]。

1 采煤機檢測故障診斷的挑戰(zhàn)

1.1 數(shù)字化程度低

采煤機缺少采集關鍵部位運行狀態(tài)的傳感器,數(shù)字化程度較低。設備運行狀態(tài)僅僅局限于簡單的煤礦工人敲擊觸摸監(jiān)測,單純憑借工人的經驗來判定故障,可靠性較低。

1.2 數(shù)據缺失

設備運行數(shù)據沒有存儲和上傳,無法實現(xiàn)科學的監(jiān)測和診斷。調研發(fā)現(xiàn),由于礦井環(huán)網建設落后,很多礦井采煤工作面數(shù)據無法實時上傳;部分礦井雖然安裝了設備監(jiān)測系統(tǒng),但僅實時顯示數(shù)值,并沒有存儲長期運行的歷史數(shù)據。

1.3 采煤機故障診斷模型落后

數(shù)據驅動的采煤機在線監(jiān)測和故障診斷是一項新技術,相關理論和技術研究較落后?，F(xiàn)場主要憑經驗對采煤機進行診斷分析,根據經驗設定單指標的報警限值,當設備達到警限值時,發(fā)出預警信號。此方法局限大、科學性差。

隨著物聯(lián)網[5]和云計算[6]等技術的發(fā)展,獲取數(shù)據、傳輸數(shù)據、存儲數(shù)據的成本和難度大大降低,采煤機運行過程中產生的大量狀態(tài)信息、位置信息、傳感器信息都可以通過工業(yè)互聯(lián)網實時傳送到調度室。將數(shù)據存儲在InfluxDB等數(shù)據庫中,為采煤機在線監(jiān)測與故障診斷研究奠定了重要的數(shù)據基礎[7]。

2 系統(tǒng)構建

采煤機結構復雜,采煤工作面環(huán)境惡劣,對其運行狀態(tài)在線監(jiān)測和故障診斷是一個非常復雜的過程。本研究基于礦井工業(yè)環(huán)網和物聯(lián)網技術,構建了采煤機在線監(jiān)測和故障診斷系統(tǒng),系統(tǒng)從下到上分為設備層、采集層、傳輸層、數(shù)據層、服務層和應用層,采煤機在線監(jiān)測和故障診斷系統(tǒng)結構見圖1。

圖1 采煤機在線監(jiān)測和故障診斷系統(tǒng)結構Fig.1 Shearer online monitoring and fault diagnosis system structure

設備層,重點關注采煤機的重要機械結構。主要包括:采煤機總體狀態(tài)、主泵、左右牽引部、左右滾筒、左右搖臂、變壓器、變頻器和破碎機等其他輔助部件。各部分密切配合,完成采煤機移動、落煤、裝煤、降塵等主要生產工作,任何一個機械結構產生故障,都會影響生產,需要實時關注。

采集層,通過傳感器采集采煤機和工作面主要參數(shù)。包括各機械結構的運行狀態(tài),電子元件的開關狀態(tài),電氣設備的電流、電壓、功率等參數(shù),工作面風速、瓦斯?jié)舛鹊刃畔ⅰ?/p>

傳輸層,主要負責將采集的信息實時傳送到地面處理中心。數(shù)據從數(shù)據采集設備通過無線通信接入工作面環(huán)網交換機,經井下環(huán)網接入地面環(huán)網,接入各個終端設備,實時展示采煤機健康狀態(tài),為調度和檢修決策提供直接參考。

數(shù)據層,主要作用是數(shù)據的分發(fā)和存儲。InfluxDB著力于高性能地查詢與存儲時序性數(shù)據,主要用于傳感器等設備的監(jiān)控數(shù)據、物聯(lián)網行業(yè)實時數(shù)據等場景。SQL Server關系數(shù)據庫,主要存儲設備屬性數(shù)據,模型參數(shù)等信息。數(shù)據層負責將存儲的數(shù)據上傳到云平臺,進行綜合分析。

服務層,業(yè)務核心邏輯實現(xiàn)功能。包括狀態(tài)監(jiān)測預警模型、故障診斷預測模型和負載預測預警模型。該層接受數(shù)據庫實時數(shù)據,模型分析結果對應用層提供訪問接口,并與云平臺交互,不斷更新云平臺對模型參數(shù)的優(yōu)化。

應用層,可視化展示功能。實時展示采煤工作面環(huán)境和采煤機運行狀態(tài)信息,通過訪問接口,展示服務層分析結果和統(tǒng)計信息。移動端方便隨時隨地掌握采煤機的健康、維修狀態(tài)信息。

3 監(jiān)控指標體系

構建一個合理的采煤機健康管理指標體系是在線監(jiān)測和故障診斷的基礎。采煤機本身是一個非常復雜的系統(tǒng),長期在惡劣的環(huán)境中工作,各個核心部件的各項歷史數(shù)據、實時數(shù)據一定程度上反應了采煤機各個部件以及整體的健康狀態(tài)。根據各項數(shù)據的突變情況,也可以快速定位采煤機的故障位置和類型,方便對這個復雜系統(tǒng)進行預測性維護。本研究遵循指標構建體系構建基本原則,結合眾多專家學者的建議和煤礦采煤機采集、上報數(shù)據現(xiàn)狀,構建采煤機健康管理評估指標,如表1所示。

表1 采煤機健康管理指標體系Table 1 Health management index system of shearers

4 監(jiān)測診斷模型

4.1 波動率監(jiān)測預警

波動率反應了單個指標的穩(wěn)定狀態(tài),波動率變化越小,表示設備越穩(wěn)定,目前性能較好;若波動率變化劇烈且頻繁,則可能是出現(xiàn)故障的前兆。波動率計算公式是為:

V=ln(Yt/Yt-1) .

(1)

式中:V表示采煤機指標的波動率；Yt表示t時刻監(jiān)測指標的值；Yt-1表示t-1時刻指標值。

基于歷史數(shù)據,計算各個指標波動率值的均值和方差,利用正太分布3σ法則或者分位數(shù)法確定指標的正常波動區(qū)間,變化過程中超過正常波動區(qū)間的視為超限異常。在穩(wěn)定工況下,監(jiān)測的輸入(或者監(jiān)測值波動率)落在正?？刂葡尥?則表明采煤機的健康出現(xiàn)了較大的異常波。

4.2 基于波動率的層次聚類故障診斷模型

層次聚類屬于無監(jiān)督機器學習方法。本研究采用AGglomerative NESting層次聚類算法構建采煤機故障診斷模型(見圖2)。

圖2 故障診斷模型Fig.2 Fault diagnosis model

AGNES故障診斷模型構建:

1)獲取表1中采煤機健康管理指標歷史數(shù)據。對缺失數(shù)據、異常值等進行適當?shù)臄?shù)據預處理。

2)計算各指標的波動率。將各指標歷史數(shù)據代入公式(1),得到各指標的波動率數(shù)據。

3)確定樣本距離度量函數(shù)d和聚類簇數(shù)k。聚類簇數(shù)一般設為1,之后結合聚類譜系圖確定。

(2)

(3)

6)運用分位數(shù)法確定故障預警區(qū)間[8]。選擇2.5%,97.5%分位點作為其預警閾值點。

以每班生產時間為單位,對每個指標異常情況進行統(tǒng)計分析,基于每班異常情況的平均值和波動情況進行故障分析。若采煤機的各部件都出現(xiàn)異常,則可能地質環(huán)境變化較大,或者采煤機整體性能下降,通常不是采煤機自身故障引起的。各部件異常情況進行橫向對比,若只有少數(shù)部件指標異常,例如:采煤機左滾筒電機軸承溫度指標在某班生產中出現(xiàn)較大異常,其他部件均無異?；虍惓］^小,則可以預測采煤機左滾筒出現(xiàn)故障的可能性較大,建議檢修班重點檢查維修。如果出現(xiàn)某部件每班異常數(shù)量增多,維修頻率提高,該部件可能進入損傷階段,對其壽命進行預警。

5 結束語

在數(shù)字礦山、智慧礦山及無人工作面的行業(yè)發(fā)展背景下,采煤機在線監(jiān)測與故障診斷系統(tǒng)以工業(yè)互聯(lián)網和物聯(lián)網技術為基礎,在礦井重要設備安全監(jiān)測和故障診斷預警方面做出了積極探索。本研究提出了采煤機在線監(jiān)測和故障診斷系統(tǒng)架構,構建了健康管理指標體系,研究了單指標波動率異常預警模型和基于波動率的層次聚類故障診斷模型,能夠實時發(fā)現(xiàn)采煤機異常情況,掌控采煤機的健康狀態(tài)。為采煤機合理工況條件的設定、預測性維修、快速故障診斷等提供重要參考。