煤礦風(fēng)機(jī)故障的智能診斷探討

趙冬建

（開(kāi)灤股份呂家坨礦業(yè)分公司，河北 唐山 063017）

在煤礦生產(chǎn)中風(fēng)機(jī)源源不斷的向礦井輸送新鮮空氣，及時(shí)排除瓦斯、粉塵等污濁氣體，保障礦井的安全生產(chǎn)，而一旦煤礦風(fēng)機(jī)出現(xiàn)運(yùn)行故障，會(huì)嚴(yán)重威脅工作人員的生命安全。隨著現(xiàn)代化煤礦風(fēng)機(jī)的快速發(fā)展，其內(nèi)部結(jié)構(gòu)越來(lái)越復(fù)雜，加上運(yùn)行環(huán)境的多變性，造成煤礦風(fēng)機(jī)故障率不斷提高。通過(guò)采用多種現(xiàn)代化的智能診斷方法，快速、準(zhǔn)確地診斷煤礦風(fēng)機(jī)故障程度、故障類型和故障位置，有針對(duì)性采取有效的維修措施，提高煤礦風(fēng)機(jī)運(yùn)行的安全性和可靠性。

1 煤礦風(fēng)機(jī)運(yùn)行的常見(jiàn)故障

煤礦風(fēng)機(jī)運(yùn)行環(huán)境惡劣、運(yùn)行參數(shù)多變和內(nèi)部結(jié)構(gòu)復(fù)雜，在長(zhǎng)時(shí)間的運(yùn)行中煤礦風(fēng)機(jī)的故障部位和故障形式往往不同，因此煤礦工作人員應(yīng)注意及時(shí)總結(jié)和歸納煤礦風(fēng)機(jī)運(yùn)行的常見(jiàn)故障，找出風(fēng)機(jī)故障部位和故障類型之間存在的聯(lián)系，建立煤礦風(fēng)機(jī)故障類型和故障征兆之間的定性關(guān)系，當(dāng)煤礦風(fēng)機(jī)發(fā)生運(yùn)行故障時(shí)，能夠快速地判別故障類型，為煤礦風(fēng)機(jī)的故障診斷、故障識(shí)別和故障排除奠定良好的基礎(chǔ)。

在煤礦風(fēng)機(jī)運(yùn)行中，經(jīng)常出現(xiàn)以下常見(jiàn)故障：其一，由于風(fēng)管連接口漏氣、葉輪上粘黏大量油污、輸送帶松弛等，風(fēng)機(jī)送風(fēng)量逐漸減弱；其二，由于軸承故障、潤(rùn)滑油劣化、軸承安裝錯(cuò)誤等，導(dǎo)致風(fēng)機(jī)軸承釋放大量熱量；其三，由于供電線不合理、輸入電壓較高、電機(jī)超負(fù)荷運(yùn)轉(zhuǎn)等，風(fēng)機(jī)電機(jī)溫度過(guò)高；其四，螺栓松動(dòng)、軸承碰擦、不平衡或葉輪變形[1]，導(dǎo)致整個(gè)風(fēng)機(jī)劇烈震動(dòng)；其五，輸送帶不對(duì)稱或者由于長(zhǎng)時(shí)間磨損輸送帶松弛，使得風(fēng)機(jī)輸送和跳動(dòng)。雖然根據(jù)煤礦風(fēng)機(jī)運(yùn)行故障可以初步識(shí)別故障類型，但是不能準(zhǔn)確的定位風(fēng)機(jī)故障程度和故障位置，無(wú)法為煤礦風(fēng)機(jī)故障維修提供全面的資料，有時(shí)煤礦風(fēng)機(jī)故障表現(xiàn)不明顯，很容易淹沒(méi)在環(huán)境噪聲中，難以快速有效地識(shí)別風(fēng)機(jī)故障，造成嚴(yán)重的安全事故。

為了更加準(zhǔn)確地確定煤礦風(fēng)機(jī)的故障程度和故障部位，應(yīng)在煤礦風(fēng)機(jī)的合適位置安裝油液、聲發(fā)射、振動(dòng)等監(jiān)測(cè)傳感器，采集煤礦風(fēng)機(jī)的實(shí)時(shí)運(yùn)行信號(hào)，再利用現(xiàn)代化的智能診斷方法對(duì)煤礦風(fēng)機(jī)進(jìn)行多層次、多角度的故障診斷。

2 煤礦風(fēng)機(jī)故障的智能診斷

煤礦風(fēng)機(jī)結(jié)構(gòu)具有耦合性和復(fù)雜性的特點(diǎn)，其運(yùn)行故障呈現(xiàn)出模糊性、相關(guān)性和非線性，煤礦風(fēng)機(jī)故障診斷存在很大難度。模糊理論、專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)等人工智能方法可實(shí)現(xiàn)自推理、自適應(yīng)和自學(xué)習(xí)等優(yōu)點(diǎn)，能夠很好地解決煤礦風(fēng)機(jī)故障診斷的模糊性、時(shí)變性和非線性等問(wèn)題，故障診斷結(jié)果更加可靠和精確。另外，煤礦風(fēng)機(jī)故障的智能診斷可不斷提高煤礦企業(yè)的智能化和自動(dòng)化管理水平，為煤礦風(fēng)機(jī)故障維護(hù)管理奠定良好的基礎(chǔ)。

2.1 基于專家系統(tǒng)的故障診斷

專家系統(tǒng)是一種將多個(gè)領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識(shí)組合起來(lái)的模仿人類大腦的推理系統(tǒng)，包括人機(jī)交互界面、推理系統(tǒng)和數(shù)據(jù)庫(kù)等，專家系統(tǒng)具有很強(qiáng)的推理性和解釋性，在煤礦風(fēng)機(jī)故障診斷中應(yīng)用專家系統(tǒng)，可有效判別故障類型和部位?；趯＜蚁到y(tǒng)的煤礦風(fēng)機(jī)故障智能診斷，首先要建立風(fēng)機(jī)故障模型，對(duì)常見(jiàn)的煤礦風(fēng)機(jī)故障類型和故障敏感特征，根據(jù)樹(shù)形結(jié)構(gòu)和生成式規(guī)則等知識(shí)表示方法，建立煤礦風(fēng)機(jī)故障的案例規(guī)則庫(kù)[2]。在診斷煤礦風(fēng)機(jī)故障時(shí)，將故障敏感特征和故障類型輸入風(fēng)機(jī)故障規(guī)則庫(kù)。通過(guò)案列推理、規(guī)則推理、模糊邏輯等推理方式，專家系統(tǒng)可找出最相似的故障類型和故障敏感特征，輸出準(zhǔn)確的故障診斷結(jié)果。煤礦風(fēng)機(jī)故障的專家系統(tǒng)智能診斷方法模擬了人類的推理邏輯和思維邏輯，符合人們正常的思維邏輯習(xí)慣，其綜合利用多個(gè)領(lǐng)域的知識(shí)，相關(guān)故障診斷結(jié)果比較合理，但是也由于在線實(shí)用性差、推理組合過(guò)多和知識(shí)獲取困難等問(wèn)題，限制了專家系統(tǒng)在煤礦風(fēng)機(jī)故障診斷中的廣泛應(yīng)用，在未來(lái)發(fā)展過(guò)程中應(yīng)加大研究力度。

2．2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷

神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)、非線性由多個(gè)處理單元組成的信息處理系統(tǒng)，基于神經(jīng)網(wǎng)絡(luò)的煤礦風(fēng)機(jī)故障診斷，可有效解決風(fēng)機(jī)故障的非線性問(wèn)題，實(shí)現(xiàn)智能化和自動(dòng)化的煤礦風(fēng)機(jī)故障。將煤礦風(fēng)機(jī)常見(jiàn)故障振動(dòng)信號(hào)的倍頻、基頻、分頻作為煤礦風(fēng)機(jī)故障神經(jīng)網(wǎng)絡(luò)診斷的輸入，將煤礦風(fēng)機(jī)葉片故障、主軸不對(duì)中、不平衡等故障類型作為風(fēng)機(jī)故障神經(jīng)網(wǎng)絡(luò)診斷的輸出，進(jìn)行故障診斷監(jiān)督學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)通過(guò)合理設(shè)置各個(gè)神經(jīng)單元的偏置閾值和連接權(quán)重，使風(fēng)機(jī)故障的敏感特征和風(fēng)機(jī)故障類型相對(duì)應(yīng)，進(jìn)行煤礦風(fēng)機(jī)故障診斷。神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)、記憶、推測(cè)、聯(lián)想等功能，可并行處理煤礦風(fēng)機(jī)故障模式的識(shí)別問(wèn)題。當(dāng)前，基于神經(jīng)網(wǎng)絡(luò)的煤礦風(fēng)機(jī)故障診斷方法主要包括LVQ神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)等[3]，以風(fēng)機(jī)故障振動(dòng)的敏感特征作為神經(jīng)網(wǎng)絡(luò)的輸入，并且利用監(jiān)督學(xué)習(xí)分析風(fēng)機(jī)故障類型，從而精確診斷煤礦風(fēng)機(jī)運(yùn)行故障。當(dāng)前，神經(jīng)網(wǎng)絡(luò)在煤礦風(fēng)機(jī)故障診斷中的應(yīng)用非常廣泛，但是也存在著難以確定網(wǎng)絡(luò)結(jié)構(gòu)、陷入局部?jī)?yōu)化等問(wèn)題，在未來(lái)發(fā)展過(guò)程中，可將神經(jīng)網(wǎng)絡(luò)和模糊邏輯、專家系統(tǒng)進(jìn)行有效結(jié)合，不斷提高煤礦風(fēng)機(jī)故障診斷效率。

2．3 基于混合智能的故障診斷

專家系統(tǒng)主要是借助于人的邏輯思維和經(jīng)驗(yàn)思維，人工神經(jīng)網(wǎng)絡(luò)是通過(guò)模擬人的創(chuàng)造思維和形象思維，將專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)用于煤礦風(fēng)機(jī)故障診斷可取得更好的效果。專家系統(tǒng)可利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力來(lái)解決知識(shí)獲取難的問(wèn)題，而神經(jīng)網(wǎng)絡(luò)可利用專家系統(tǒng)較強(qiáng)的解釋能力來(lái)解決其黑箱特性，在煤礦風(fēng)機(jī)故障診斷過(guò)程中，優(yōu)化某些參數(shù)，如專家系統(tǒng)的自適應(yīng)參數(shù)和隸屬度函數(shù)、神經(jīng)網(wǎng)絡(luò)的神經(jīng)元數(shù)目和隱層數(shù)，可利用蟻群算法、遺傳算法等人工智能方法來(lái)求解這些問(wèn)題?；诨旌现悄艿拿旱V風(fēng)機(jī)故障診斷通過(guò)綜合利用多個(gè)人工智能方法來(lái)準(zhǔn)確診斷風(fēng)機(jī)故障，可充分發(fā)揮不同診斷方法的優(yōu)點(diǎn)，彌補(bǔ)不足，混合智能的故障診斷方法是未來(lái)煤礦風(fēng)機(jī)故障智能診斷的主要方向。

3 結(jié)束語(yǔ)

煤礦風(fēng)機(jī)長(zhǎng)時(shí)間處于惡劣的運(yùn)行環(huán)境中很容易出現(xiàn)各種運(yùn)行故障，專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)等人工智能方法具有自推理、自適應(yīng)、自學(xué)習(xí)等能力，可用于煤礦風(fēng)機(jī)設(shè)備強(qiáng)耦合、非線性的故障診斷中，從而提升煤礦企業(yè)的智能化和自動(dòng)化故障維護(hù)和管理水平。當(dāng)前，很多人工智能方法在煤礦風(fēng)機(jī)故障診斷中展示出優(yōu)越的特性，在未來(lái)發(fā)展過(guò)程中，應(yīng)對(duì)綜合利用多種人工智能方法實(shí)現(xiàn)高效率、高精度、低成本的煤礦風(fēng)機(jī)故障診斷加大研究力度。

［1］李晶,劉國(guó)華.基于人工智能的煤礦風(fēng)機(jī)故障診斷方法[J].煤礦機(jī)械,2013,12：262-264.

［2］高兵兵,蔣占四,張應(yīng)紅,胡志鵬,韓晉棟.煤礦風(fēng)機(jī)小波神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)研究[J].煤礦機(jī)械,2014,03：227-229.

［3］臧紅巖.礦井風(fēng)機(jī)故障智能診斷研究[D].山東輕工業(yè)學(xué)院,2011.