董玉靜，鄭 雷

（山東能源龍礦集團(tuán)，山東 龍口 265700）

引言

在煤礦作業(yè)生產(chǎn)中，皮帶運(yùn)輸機(jī)是其綜采環(huán)節(jié)不可或缺的設(shè)備，將該設(shè)備安裝在轉(zhuǎn)載破碎機(jī)之后，主要負(fù)責(zé)對(duì)煤礦資源的運(yùn)輸[1]。由于當(dāng)前煤礦作業(yè)環(huán)境復(fù)雜因素逐漸增加，工作環(huán)境惡劣，加之煤礦生產(chǎn)企業(yè)對(duì)煤礦開采效率提出了更高的要求，使得當(dāng)前皮帶運(yùn)輸機(jī)的運(yùn)行條件逐漸復(fù)雜，且運(yùn)行負(fù)擔(dān)逐漸增加，造成其停轉(zhuǎn)、轉(zhuǎn)速過快、轉(zhuǎn)速過慢等問題逐漸產(chǎn)生，嚴(yán)重影響著煤礦生產(chǎn)的質(zhì)量和效率，同時(shí)也會(huì)在一定程度上影響到煤礦作業(yè)的安全[2]。為了解決這一問題，國內(nèi)學(xué)者提出關(guān)于煤礦皮帶運(yùn)輸機(jī)故障的診斷方法。采用分布式光纖測(cè)溫的方式對(duì)煤礦皮帶運(yùn)輸機(jī)的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，出現(xiàn)故障之后及時(shí)進(jìn)行維修，能夠減少由于運(yùn)輸機(jī)故障而帶來的經(jīng)濟(jì)損失[2]。但是該方法容易受到周圍復(fù)雜環(huán)境因素的影響，對(duì)于煤礦皮帶運(yùn)輸機(jī)的故障診斷結(jié)果與實(shí)際故障情況存在誤差，診斷精度較低，影響煤礦皮帶運(yùn)輸機(jī)的運(yùn)行安全。針對(duì)這一問題，為了能夠提升皮帶運(yùn)輸機(jī)運(yùn)行穩(wěn)定性，確保煤礦開采的安裝，在皮帶運(yùn)輸機(jī)出現(xiàn)故障問題時(shí)應(yīng)當(dāng)作出更加快速的響應(yīng)，本文嘗試引入模糊算法，開展對(duì)煤礦皮帶運(yùn)輸機(jī)故障診斷方法的設(shè)計(jì)研究。以期提高煤礦開采的工作效率和安全。

1 基于模糊算法的煤礦皮帶運(yùn)輸機(jī)故障診斷方法

1.1 煤礦皮帶運(yùn)輸機(jī)故障分析與類型劃分

煤礦皮帶運(yùn)輸機(jī)是煤礦行業(yè)中必不可少的一種散裝物體的運(yùn)輸工具，這種運(yùn)輸機(jī)的主要部件包括輸送帶、托輥、滾筒、電機(jī)、減速器與張緊裝置等各類連接部件。煤礦皮帶運(yùn)輸機(jī)在長(zhǎng)期高負(fù)荷運(yùn)轉(zhuǎn)下，多種器件進(jìn)行摩擦、嚙合，容易產(chǎn)生器件故障，此時(shí)煤礦皮帶運(yùn)輸機(jī)會(huì)出現(xiàn)異響、停運(yùn)等故障狀態(tài)，需要及時(shí)更換器件，或增加檢修次數(shù)即可解決。

在煤礦生產(chǎn)作業(yè)中，皮帶運(yùn)輸機(jī)常見的故障發(fā)生在油泵電機(jī)以及運(yùn)輸電機(jī)當(dāng)中，例如油溫過高、油位過低等屬于油泵電機(jī)故障；過載、過熱、過流等屬于運(yùn)輸電機(jī)故障[3]。當(dāng)煤礦皮帶運(yùn)輸機(jī)的油泵電機(jī)出現(xiàn)故障問題時(shí)，輸入點(diǎn)會(huì)處于閉合狀態(tài)，此時(shí)定時(shí)器開始計(jì)時(shí)，根據(jù)計(jì)時(shí)結(jié)果能夠?qū)崿F(xiàn)對(duì)過載具體倍數(shù)的確定。除此之外，煤礦皮帶運(yùn)輸機(jī)在運(yùn)行過程中還會(huì)出現(xiàn)傳感器組故障，當(dāng)這種故障問題產(chǎn)生時(shí)，則通過對(duì)液壓油溫度參數(shù)、壓力參數(shù)、油位參數(shù)等變化可以實(shí)現(xiàn)對(duì)其具體傳感器故障類型的判斷。

1.2 基于模糊算法構(gòu)建皮帶運(yùn)輸機(jī)故障診斷模型

由于獲取煤礦皮帶運(yùn)輸機(jī)運(yùn)行參數(shù)時(shí)會(huì)受到周圍復(fù)雜環(huán)境因素的影響，造成參數(shù)當(dāng)中含有大量的噪聲，并且屬性值參數(shù)分布較為分散。針對(duì)這一問題，為了提高煤礦皮帶運(yùn)輸機(jī)故障診斷結(jié)果的準(zhǔn)確性和精度，引入模糊算法，針對(duì)煤礦皮帶運(yùn)輸機(jī)運(yùn)行過程中離散化的屬性值進(jìn)行分析和處理[4]。利用煤礦皮帶運(yùn)輸機(jī)監(jiān)控裝置獲取到需要進(jìn)行故障診斷設(shè)備的運(yùn)行參數(shù)，并以此建立原始連續(xù)故障特征屬性集合，假設(shè)為D。針對(duì)結(jié)合D 當(dāng)中所有連續(xù)故障征兆屬性值進(jìn)行離散化處理，并利用模糊算法對(duì)離散屬性值約簡(jiǎn)，使原始連續(xù)故障征兆信號(hào)當(dāng)中含有大量連續(xù)性的屬性參數(shù)。針對(duì)離散化處理后得到的粗糙集屬性約簡(jiǎn)，并利用離散后的條件屬性構(gòu)建決策表，計(jì)算求解出最小條件屬性以及核[5]。將生成的各函數(shù)帶入到BP 神經(jīng)網(wǎng)絡(luò)模型當(dāng)中進(jìn)行訓(xùn)練，迭代滿足條件后，按照上述論述內(nèi)容，得到皮帶運(yùn)輸機(jī)故障診斷模型為：

公式（1）中：d 為原始連續(xù)故障特征屬性集合中的某一屬性數(shù)值；sc、co、d0均為煤礦皮帶運(yùn)輸機(jī)運(yùn)行過程中獲取到的初始化參數(shù)；Vd0、Vsc、Vco為獲取參數(shù)與標(biāo)準(zhǔn)運(yùn)行參數(shù)相差均值。按照公式（1）所示，以構(gòu)建皮帶運(yùn)輸機(jī)故障診斷模型的方式確定設(shè)備運(yùn)行參數(shù)與其故障類型之間的模糊線性關(guān)系。在實(shí)際應(yīng)用中，在掌握皮帶運(yùn)輸機(jī)初始化運(yùn)行參數(shù)的模糊變量集合后，針對(duì)實(shí)際獲取到的運(yùn)行參數(shù)，使用偏差量減的方式得出偏差變化率，為后續(xù)診斷步驟提供數(shù)值依據(jù)。

1.3 輸出模糊診斷規(guī)則

在完成對(duì)皮帶運(yùn)輸機(jī)故障診斷模型的構(gòu)建后，為了確保故障診斷的規(guī)范性，還需要完成對(duì)模糊診斷規(guī)則的輸出，在診斷規(guī)則的基礎(chǔ)上，也能夠進(jìn)一步確保故障診斷結(jié)果的正確性。利用語言歸納故障診斷策略，建立模糊診斷規(guī)則，生成一組條件語句：IF e（p）is Ei and ec（p）is ECj THEN u（p）is U（i+j）。在上述條件語句當(dāng)中，結(jié)合不同皮帶運(yùn)輸機(jī)的故障類型確定p 的取值。p 表示為所有偏差數(shù)值模糊集合，EC 表示為所有偏差的具體變化數(shù)值構(gòu)成的集合，這些規(guī)則的構(gòu)造可以充分表示皮帶運(yùn)輸機(jī)的故障特征。當(dāng)偏差數(shù)值更大或偏差變化量為正數(shù)時(shí)，此時(shí)輸出量的數(shù)值較大；當(dāng)偏差數(shù)值較小或?yàn)榱銜r(shí)，此時(shí)輸出量的數(shù)值也較小或?yàn)榱悖源烁鶕?jù)輸出的一個(gè)結(jié)果即可實(shí)現(xiàn)對(duì)皮帶運(yùn)輸機(jī)故障具體類型的判斷。

2 對(duì)比實(shí)驗(yàn)

在上述論述基礎(chǔ)上，為了驗(yàn)證引入模糊算法后的故障診斷方法實(shí)際應(yīng)用效果，選擇將該方法作為實(shí)驗(yàn)組，將傳統(tǒng)基于PLC 控制技術(shù)的診斷方法作為對(duì)照組，將兩種診斷方法應(yīng)用到相同的煤礦皮帶運(yùn)輸機(jī)上，針對(duì)其運(yùn)行過程中出現(xiàn)的故障問題進(jìn)行診斷。已知在該皮帶運(yùn)輸機(jī)運(yùn)行過程中可能出現(xiàn)的故障問題包括油溫過高、油位過低、運(yùn)輸電機(jī)兩側(cè)粘連、油泵電機(jī)過載故障、油泵電機(jī)過熱故障，針對(duì)上述存在的五種故障問題，分別編號(hào)為A、B、C、D 和E。在實(shí)驗(yàn)過程中，皮帶運(yùn)輸機(jī)在運(yùn)行T1～T5時(shí)刻中，對(duì)皮帶運(yùn)輸機(jī)的油溫、油位、壓力以及傾角等參數(shù)進(jìn)行測(cè)定，并通過測(cè)定得出的結(jié)果對(duì)皮帶運(yùn)輸機(jī)的故障類型進(jìn)行判斷，將得到的故障結(jié)果與兩種診斷方法給出的故障類型劃分結(jié)果進(jìn)行對(duì)比。

在T1時(shí)刻和T2時(shí)刻，兩種診斷方法得出的結(jié)果均與實(shí)際煤礦皮帶運(yùn)輸機(jī)故障類型相同。而在T3與T4時(shí)刻時(shí)，本文方法診斷結(jié)果為油溫過高，對(duì)照組診斷結(jié)果為油位過低，實(shí)際故障為油溫過高，油溫分別為94 ℃和93 ℃，本文診斷結(jié)果與實(shí)際故障一致；在T5時(shí)刻時(shí)，本文方法診斷結(jié)果為油位過低，而對(duì)照組未能對(duì)故障進(jìn)行診斷，實(shí)際故障為油位過低，油位分別為19 mm 和9 mm，本文診斷結(jié)果與實(shí)際故障一致。

因此，通過上述得出的實(shí)驗(yàn)結(jié)果證明，本文引入模糊算法后提出的故障診斷方法能夠?qū)崿F(xiàn)對(duì)煤礦皮帶運(yùn)輸機(jī)運(yùn)行過程中故障類型更準(zhǔn)確的判斷。

3 結(jié)語

在結(jié)合模糊算法的基礎(chǔ)上，提出了一種針對(duì)煤礦皮帶運(yùn)輸機(jī)故障的診斷方法，同時(shí)通過實(shí)驗(yàn)的方式證明了該診斷方法的可行性以及應(yīng)用優(yōu)勢(shì)。將本文提出的診斷方法應(yīng)用到實(shí)際煤礦作業(yè)生產(chǎn)當(dāng)中，能夠更加快速、及時(shí)地判斷出煤礦皮帶運(yùn)輸機(jī)故障的具體類型，并進(jìn)行報(bào)警和保護(hù)，從而避免更大事故的發(fā)生，不僅能夠減輕煤礦開采現(xiàn)場(chǎng)的工作負(fù)擔(dān)，同時(shí)也能夠節(jié)省更多對(duì)相關(guān)市設(shè)備維修的資金，為煤礦企業(yè)帶來經(jīng)濟(jì)效益和社會(huì)效益。