摘要：在科學(xué)技術(shù)不斷發(fā)展過程中，各行各業(yè)都開始融入自動(dòng)化、智能化技術(shù)，在此背景下，煤礦領(lǐng)域也要加快推進(jìn)智能化發(fā)展，不斷提升煤礦機(jī)電設(shè)備的智能化水平。本文主要分析了煤礦機(jī)電設(shè)備智能化維護(hù)的現(xiàn)狀，對(duì)設(shè)備故障機(jī)理、狀態(tài)監(jiān)測(cè)、信號(hào)分析、預(yù)測(cè)算法等智能化維護(hù)的應(yīng)用進(jìn)行了歸納總結(jié)，展望了設(shè)備智能化維護(hù)未來發(fā)展趨勢(shì)，以供相關(guān)研究人員參考。

關(guān)鍵詞：煤礦機(jī)電設(shè)備；智能化；維護(hù)

一、煤礦機(jī)電設(shè)備智能化維護(hù)發(fā)展背景

（一）技術(shù)支持力不斷加大

我國(guó)制造業(yè)自2013年開始飛速發(fā)展，新舊動(dòng)能加速轉(zhuǎn)換，使工業(yè)軟件產(chǎn)業(yè)保持良好的發(fā)展勢(shì)頭。通過工業(yè)技術(shù)軟件產(chǎn)業(yè)聯(lián)盟相關(guān)數(shù)據(jù)可以發(fā)現(xiàn)，我國(guó)工業(yè)軟件產(chǎn)業(yè)的市場(chǎng)規(guī)模從2018年的1477億元發(fā)展到2022年的2610億元，具體數(shù)據(jù)如表1所示。由此可見，我國(guó)工業(yè)軟件產(chǎn)業(yè)發(fā)展規(guī)模在不斷擴(kuò)大，并保持良好的增長(zhǎng)勢(shì)頭，為煤礦機(jī)電設(shè)備智能化維護(hù)、建設(shè)及發(fā)展提供了可靠的技術(shù)支撐。

（二）智能化維護(hù)發(fā)展空間日漸加大

近年來，煤礦機(jī)電設(shè)備不斷提升著智能化維護(hù)水平，且整體發(fā)展勢(shì)頭良好，煤礦多個(gè)工作面都開始推進(jìn)智能化改造，煤礦工作現(xiàn)場(chǎng)應(yīng)用的機(jī)器人達(dá)到19種，涉及采煤、鉆錨以及巡檢等方面。而我國(guó)煤炭工業(yè)協(xié)會(huì)發(fā)布了2018～2022年智能化煤礦開采以及挖掘工作面的增加情況，具體參數(shù)如表2所示。由此可見，智能化煤礦開采以及挖掘工作面呈逐年增加趨勢(shì)，反映出煤礦機(jī)電設(shè)備智能化維護(hù)技術(shù)有著廣闊的應(yīng)用及發(fā)展空間。

二、煤礦機(jī)電設(shè)備智能化維護(hù)研究現(xiàn)狀

（一）故障機(jī)理研究更加深入

在煤礦機(jī)電設(shè)備智能化維護(hù)研究中進(jìn)行故障機(jī)理研究，可以通過理論發(fā)現(xiàn)以及大量試驗(yàn)方法得到反映設(shè)備故障狀態(tài)的信號(hào)特征以及設(shè)備系統(tǒng)參數(shù)的規(guī)律。研究人員以礦井提升機(jī)相關(guān)剛性罐道故障激勵(lì)為基礎(chǔ)，構(gòu)建容器垂直以及水平振動(dòng)提升的模型，同步開展仿真分析，獲得差異化的罐道故障、提升荷載以及速度對(duì)容器振動(dòng)產(chǎn)生影響的相互關(guān)系曲線，通過振動(dòng)法檢測(cè)罐道故障，并提供可靠的理論依據(jù)。例如，在檢測(cè)剛性罐道偏移問題時(shí)，可通過傾角傳感器直接檢測(cè)罐道本身，如果罐道傾斜，在空間上會(huì)有曲率半徑較大的空間曲線，設(shè)指標(biāo)坐標(biāo)系（x，y，z），坐標(biāo)原點(diǎn)是井底測(cè)量基點(diǎn)，可通過x、y、z坐標(biāo)值代表罐道偏移空間點(diǎn)位，x、y代表罐道偏斜于水平面的相關(guān)投影，z代表罐道于井筒內(nèi)的點(diǎn)位，可以用以下公式代表管道偏移于XOY平面中的投影：

x=f（z） （1）

y=Φ（z） （2）

在上述公式中，x和y代表罐道偏離于垂直線的具體坐標(biāo)；f（z）和Φ（z）指x和y方向具體的彎曲函數(shù)。提升機(jī)運(yùn)行期間，上滾輪罐耳在提升容器時(shí)，在OYZ平面當(dāng)中相對(duì)于下滾輪罐耳順著y方向偏移的具體量是：

△y=sinθ·L" （3）

在公式（3）中，θ指OYZ平面中提升容器中心線的投影和Z軸所保持的夾角，單位是rad；L指提升容器上滾輪罐耳和下滾輪罐耳兩者間距，單位是m。

按照相同的方法，可獲得提升容器上部滾輪罐耳在OYZ平面中相對(duì)于下部滾輪罐耳并順著x軸的偏移量△x。理論上，可將傾角傳感器裝在提升容器中，測(cè)量容器偏斜角度，計(jì)算得到管道偏移量，不過，實(shí)際上的容器有較大尺寸，長(zhǎng)度可能超過小波長(zhǎng)，難以反映罐道小波長(zhǎng)彎曲，所以需要設(shè)計(jì)專用測(cè)量裝置，使上下輪之間保持較小的距離，并測(cè)量剛性罐道偏斜度。在裝置應(yīng)用中，可以直接測(cè)量裝置點(diǎn)位相對(duì)于起始點(diǎn)在x軸和y軸的偏移量，確定剛性罐道的傾斜度和彎曲程度，以此反映剛性罐道偏斜的故障。

同時(shí)也有研究人員圍繞礦井關(guān)鍵通風(fēng)機(jī)轉(zhuǎn)子出現(xiàn)不平衡故障的情況，構(gòu)建了相關(guān)動(dòng)力學(xué)模型，同時(shí)通過頻譜圖展示基頻部位相對(duì)較高的頻譜峰值，并作為通風(fēng)機(jī)發(fā)生故障的重要診斷依據(jù)。此外，針對(duì)礦用重載帶式輸送機(jī)的內(nèi)部減速器斜齒輪構(gòu)建相對(duì)全面的動(dòng)力學(xué)模型，同時(shí)通過虛擬樣機(jī)法，經(jīng)過模擬獲得不同類型故障以及故障程度不同的齒輪動(dòng)力學(xué)特征，以此識(shí)別與分析齒輪故障。

綜上所述，針對(duì)故障機(jī)理的研究重點(diǎn)是通過有限元、動(dòng)力學(xué)等方法對(duì)多種設(shè)備構(gòu)建故障分析模型，通過激勵(lì)模型得到故障動(dòng)態(tài)響應(yīng)，進(jìn)而參考相關(guān)信息診斷故障。

（二）狀態(tài)檢測(cè)研究日漸成熟

研究人員針對(duì)雙滾筒采煤機(jī)開發(fā)出實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，可以實(shí)時(shí)監(jiān)測(cè)設(shè)備采高狀態(tài)、運(yùn)行位置、工作面傾角和牽引速度等，并經(jīng)CAN總線將相關(guān)信息傳到井下分站，隨后利用工業(yè)以太網(wǎng)向井上監(jiān)控室傳輸數(shù)據(jù)，并通過可視化平臺(tái)模擬采煤機(jī)在井下的工作狀態(tài)畫面，同步呈現(xiàn)監(jiān)測(cè)數(shù)據(jù)。此外，還有研究人員利用STM32F4芯片，同步通過8通道16bit并行高精度AD采樣芯片AD7606，針對(duì)煤礦機(jī)電設(shè)備建立采集計(jì)算平臺(tái)，用于預(yù)測(cè)性維護(hù)，相應(yīng)平臺(tái)可以采集機(jī)電設(shè)備的壓力數(shù)據(jù)、溫度數(shù)據(jù)和振動(dòng)數(shù)據(jù)等，還能實(shí)時(shí)開展包絡(luò)譜分析以及傅里葉變換等處理，從而準(zhǔn)備判斷設(shè)備各部件的實(shí)際運(yùn)行情況和故障問題，滿足現(xiàn)場(chǎng)布局靈活、就地分析以及實(shí)時(shí)計(jì)算等要求。在該計(jì)算平臺(tái)應(yīng)用中，通過GSD20振動(dòng)速度傳感器以及KGS18振動(dòng)加速度傳感器測(cè)量振動(dòng)信號(hào)，可以記錄采集到的傳感器峰值，并與振動(dòng)試驗(yàn)臺(tái)相關(guān)數(shù)據(jù)做比對(duì)，結(jié)果如表3所示，該平臺(tái)的測(cè)量誤差＜4%。

由表可知，設(shè)備狀態(tài)監(jiān)測(cè)研究成果豐碩，目前已面向煤礦機(jī)電設(shè)備構(gòu)建具有完備功能的狀態(tài)監(jiān)測(cè)系統(tǒng)，可及時(shí)獲取設(shè)備的速度、位置、壓力、溫度、電參數(shù)和振動(dòng)等參數(shù)，還具有數(shù)據(jù)傳輸、顯示以及存儲(chǔ)等功能，可有效支持故障診斷。

（三）信號(hào)分析及處理力度加大

研究人員針對(duì)采煤機(jī)的搖臂直齒輪出現(xiàn)的部分故障建立相關(guān)振動(dòng)信號(hào)模型，分析齒輪結(jié)構(gòu)特征、振動(dòng)信號(hào)的出現(xiàn)以及變化規(guī)律，同時(shí)對(duì)所采集的振動(dòng)信號(hào)開展頻譜分析，在頻譜分析法應(yīng)用下診斷局部故障。也有研究人員圍繞振動(dòng)信號(hào)降噪法分解經(jīng)驗(yàn)?zāi)B(tài)期間面臨的模態(tài)混疊等情況，針對(duì)礦用帶式輸送機(jī)其內(nèi)部驅(qū)動(dòng)滾筒軸承，提出一種以FastICA（快速獨(dú)立分量分析）以及EEMD（集合經(jīng)驗(yàn)?zāi)B(tài)分析）等為基礎(chǔ)的振動(dòng)信號(hào)降噪法。在此方法應(yīng)用中，可過濾最初振動(dòng)信號(hào)內(nèi)的噪聲，從而更清晰地呈現(xiàn)軸承運(yùn)行狀態(tài)信息、診斷故障。還有研究人員設(shè)計(jì)一種以小波包、EEMD等為基礎(chǔ)的優(yōu)良降噪算法，可以找到故障信號(hào)，過濾其他信號(hào)。例如，對(duì)滾動(dòng)軸承其外圈點(diǎn)蝕故障開展數(shù)據(jù)仿真期間，軸承參數(shù)如表4所示，經(jīng)過計(jì)算，得出軸承外環(huán)有103.21Hz的故障頻率，而振動(dòng)篩保持1.66Hz。在仿真中經(jīng)過多次計(jì)算，獲得12組濾波組合算法逼近度還有相關(guān)度以及目標(biāo)函數(shù)值和具體走勢(shì)圖，經(jīng)頻譜分析得出振動(dòng)篩處理結(jié)果最佳的帶通濾波器，經(jīng)實(shí)測(cè)獲得降噪效果最好的濾波組合。運(yùn)用此算法分析實(shí)測(cè)所得振動(dòng)篩其軸承信號(hào)，并獲得較好的降噪效果。

針對(duì)信號(hào)分析以及處理所開展的研究不僅運(yùn)用了時(shí)頻域、頻域、時(shí)域等分析法，還結(jié)合使用多種方法進(jìn)行信號(hào)處理和特征提取，使處理效率更高，結(jié)果更可靠。

（四）診斷及預(yù)測(cè)算法研究程度加深

研究人員針對(duì)主要通風(fēng)機(jī)，以神經(jīng)網(wǎng)絡(luò)構(gòu)建故障診斷模型，并專門設(shè)計(jì)一種故障診斷系統(tǒng)，此系統(tǒng)內(nèi)部在運(yùn)行極限學(xué)習(xí)機(jī)算法時(shí)效率較高，可以準(zhǔn)確判斷故障。也有研究人員面向礦井提升機(jī)，以貝葉斯網(wǎng)絡(luò)和模糊故障樹為基礎(chǔ)，提出一種故障診斷方法，此方法可以判斷提升機(jī)發(fā)生的故障點(diǎn)位和具體故障類型。還有研究人員針對(duì)采煤機(jī)的滾動(dòng)軸承，通過動(dòng)態(tài)卷積神經(jīng)網(wǎng)絡(luò)以及振動(dòng)圖像構(gòu)建了故障診斷模型，可以快速、精準(zhǔn)地識(shí)別故障，而且滾動(dòng)軸承在噪聲較高、相對(duì)復(fù)雜的狀況下，判斷故障。更有研究人員針對(duì)井下水泵在進(jìn)行故障診斷時(shí)引入Petri網(wǎng)理論，同步結(jié)合狀態(tài)監(jiān)測(cè)構(gòu)建故障診斷模型。在利用該模型時(shí)，先處理振動(dòng)信號(hào)，將其視作模糊化特征向量，并將相關(guān)參數(shù)輸入模型中，隨后以BP算法優(yōu)化訓(xùn)練網(wǎng)絡(luò)參數(shù)，精準(zhǔn)找出水泵故障原因，可以體現(xiàn)良好的自適應(yīng)性以及準(zhǔn)確性。

因此來說，預(yù)測(cè)算法研究主要通過多種智能算法構(gòu)建故障診斷以及預(yù)測(cè)模型，來實(shí)現(xiàn)智能診斷以及預(yù)測(cè)故障的目的。

三、煤礦機(jī)電設(shè)備智能化維護(hù)發(fā)展趨勢(shì)

（一）預(yù)測(cè)設(shè)備早期故障

在此方面研究中，要深入研究傳感器的應(yīng)用，使傳感器具有更高的靈敏度，并擴(kuò)大應(yīng)用范圍，能在各種類型的煤礦機(jī)電設(shè)備中安裝并應(yīng)用。同時(shí)，還要結(jié)合隨機(jī)共振法、盲源分離法等方法全面檢測(cè)設(shè)備，并結(jié)合微弱特征信號(hào)提取手段，高效處理設(shè)備的早期故障。

（二）針對(duì)故障診斷與預(yù)測(cè)構(gòu)建仿真模型

模型仿真度偏低會(huì)影響模擬流程，導(dǎo)致模擬結(jié)果和真實(shí)的設(shè)備故障狀況保持較低的復(fù)合度，降低模擬的有效性，難以為設(shè)備運(yùn)維提供參考。在煤礦機(jī)電設(shè)備各類典型故障分析過程中，要結(jié)合使用試驗(yàn)法和仿真法，根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)分析結(jié)果，通過遷移學(xué)習(xí)算法使試驗(yàn)?zāi)Ｐ途哂懈叩姆抡娑?，并完善?shù)據(jù)保障機(jī)制。

四、結(jié)語

煤礦機(jī)電設(shè)備智能化維護(hù)研究深度不斷增加，為設(shè)備維護(hù)提供了更可靠的理論依據(jù)和更多的先進(jìn)手段，推動(dòng)了煤礦領(lǐng)域發(fā)展。不過，當(dāng)前還要進(jìn)一步研究煤礦機(jī)電設(shè)備智能化維護(hù)，在未來研究中關(guān)注設(shè)備早期故障預(yù)測(cè)識(shí)別以及仿真預(yù)測(cè)模型的完善，在先進(jìn)算法和科學(xué)技術(shù)支持下，更智能、高效地維護(hù)煤礦機(jī)電設(shè)備。

參考文獻(xiàn)：

[1]魏小東.煤礦機(jī)電設(shè)備故障診斷技術(shù)分析與研究[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2022，12（11）：300-301.

[2]孫春升，宋曉波，弓海軍.煤礦智慧礦山建設(shè)策略研究[J].煤炭工程，2021，53（02）：191-196.

作者簡(jiǎn)介：趙亮（1988），男，山東省滕州市人，本科學(xué)歷，中級(jí)工程師，主要研究方向?yàn)槊旱V機(jī)電設(shè)備管理。