摘 " "要:隨著科學(xué)技術(shù)的快速發(fā)展,近年來(lái)我國(guó)煤礦領(lǐng)域發(fā)展迅速,煤礦機(jī)電設(shè)備的大量應(yīng)用便能夠證明這一認(rèn)知,基于此,本文介紹了常見的煤礦機(jī)電設(shè)備故障檢測(cè)診斷技術(shù),并結(jié)合實(shí)例詳細(xì)論述了故障檢測(cè)診斷技術(shù)的具體應(yīng)用,希望由此能夠?yàn)橄嚓P(guān)業(yè)內(nèi)人士帶來(lái)一定啟發(fā)。
關(guān)鍵詞:煤礦機(jī)電設(shè)備;故障檢測(cè)診斷技術(shù);通風(fēng)機(jī)
中圖分類號(hào):TD63 " " " " " "文獻(xiàn)標(biāo)識(shí)碼:A " " " " " " " 文章編號(hào):1004-7344(2019)03-0173-02
前 言
機(jī)電設(shè)備在煤礦生產(chǎn)中的應(yīng)用具有提高煤礦生產(chǎn)效率、保障作業(yè)安全的優(yōu)勢(shì),但在優(yōu)勢(shì)的背后,煤礦機(jī)電設(shè)備頻繁出現(xiàn)的機(jī)械故障也會(huì)直接影響正常的煤礦生產(chǎn)作業(yè),如采煤機(jī)故障、通風(fēng)機(jī)故障,而為了盡可能降低這類故障帶來(lái)的負(fù)面影響,正是本文圍繞煤礦機(jī)電設(shè)備中的故障檢測(cè)診斷技術(shù)開展具體研究的原因所在。
1 "常用的故障檢測(cè)診斷技術(shù)
在煤礦機(jī)電設(shè)備中的故障檢測(cè)診斷中,振動(dòng)檢測(cè)、溫度檢測(cè)、鐵譜檢測(cè)、外觀診斷、專家診斷系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)診斷、模糊數(shù)學(xué)診斷等均屬于較為常見的故障檢測(cè)診斷技術(shù)。
1.1 "振動(dòng)檢測(cè)
作為一種常用的故障檢測(cè)診斷技術(shù),振動(dòng)檢測(cè)需要使用專業(yè)設(shè)備放大振動(dòng)信號(hào),并通過(guò)檢波器顯示振動(dòng)峰值和有效值,以此進(jìn)行煤礦機(jī)電設(shè)備的故障分析,故障診斷目標(biāo)可由此順利實(shí)現(xiàn)。振動(dòng)檢測(cè)使用的設(shè)備主要包括簡(jiǎn)易診斷儀與精密診斷系統(tǒng),前者主要負(fù)責(zé)故障設(shè)備的初步檢測(cè),后者則需要錄入初步檢測(cè)數(shù)據(jù)和振動(dòng)信號(hào),以此形成更為精準(zhǔn)的振動(dòng)信號(hào),最終通過(guò)計(jì)算機(jī)的分析和整合處理,即可完成高水準(zhǔn)的煤礦機(jī)電設(shè)備故障檢測(cè)診斷。
1.2 "溫度檢測(cè)
煤礦機(jī)電設(shè)備發(fā)生故障時(shí)往往會(huì)出現(xiàn)一定的溫度變化,如故障部位溫度偏高,這一原理同樣可用于煤礦機(jī)電設(shè)備故障檢測(cè)診斷。溫度檢測(cè)需要應(yīng)用溫度檢測(cè)設(shè)備收集處理檢測(cè)到的溫度數(shù)據(jù),并通過(guò)曲線繪制分析設(shè)備的溫度變化,以此找出溫度突變部位,該部位便很可能為故障位置,故障排除的針對(duì)性、精確性可由此得到較好保障。煤礦生產(chǎn)對(duì)溫度存在極高的要求,因此溫度檢測(cè)可較好地服務(wù)于煤礦機(jī)電設(shè)備溫度威脅的排除。以煤礦主通風(fēng)機(jī)的電動(dòng)機(jī)軸承溫度檢測(cè)為例,該檢測(cè)一般應(yīng)用熱電偶,主通風(fēng)機(jī)電動(dòng)機(jī)軸承都會(huì)有伸出主通風(fēng)機(jī)機(jī)殼外的軸承加油孔,可以將熱電偶插入加油孔,以檢測(cè)電動(dòng)機(jī)軸承的溫度。此外,電阻法、專業(yè)的溫度檢測(cè)儀器也能夠較好用于溫度檢測(cè)。
1.3 "鐵譜檢測(cè)
旋轉(zhuǎn)式鐵譜儀、顆粒定量?jī)x均屬于鐵譜檢測(cè)常用設(shè)備,基于鐵磁屑和潤(rùn)滑油在高磁場(chǎng)中相互作用開展的故障檢測(cè)診斷屬于鐵譜檢測(cè)的主要方式。在高磁場(chǎng)環(huán)境下,潤(rùn)滑油與鐵磁屑可實(shí)現(xiàn)相互分離,且基片上會(huì)沉淀分離物,由此即可參考沉淀密度、沉淀顆粒的外形和大小進(jìn)行故障診斷。在具體的鐵譜檢測(cè)中,可基于沉淀顆粒的外形和大小判斷故障的類型和原因,磨屑成分檢測(cè)則能夠明確設(shè)備磨損程度及故障的具體位置。
1.4 "其他檢測(cè)方法
除上述檢測(cè)診斷技術(shù)外,外觀診斷、專家診斷系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)診斷、模糊數(shù)學(xué)診斷同樣可較好服務(wù)于煤礦機(jī)電設(shè)備故障檢測(cè)診斷。以人工神經(jīng)網(wǎng)絡(luò)為例,人工神經(jīng)網(wǎng)絡(luò)具備一定推理和計(jì)算能力,配合實(shí)時(shí)監(jiān)測(cè)、物理結(jié)構(gòu)模擬,人工神經(jīng)網(wǎng)絡(luò)便能夠快速確定煤礦機(jī)電設(shè)備的故障位置及原因,由此實(shí)現(xiàn)的自動(dòng)化故障診斷檢測(cè)必須得到業(yè)內(nèi)人士重視。
2 "故障檢測(cè)診斷技術(shù)在煤礦機(jī)電設(shè)備中的具體應(yīng)用
為提高研究的實(shí)踐價(jià)值,本文圍繞基于人工神經(jīng)網(wǎng)絡(luò)的煤礦主要通風(fēng)機(jī)故障檢測(cè)診斷、基于狀態(tài)監(jiān)測(cè)系統(tǒng)的采煤機(jī)自動(dòng)化故障檢測(cè)診斷開展了深入分析。
2.1 "基于人工神經(jīng)網(wǎng)絡(luò)的煤礦主要通風(fēng)機(jī)故障檢測(cè)診斷
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的煤礦主要通風(fēng)機(jī)故障檢測(cè)診斷,需要首先建立人工神經(jīng)網(wǎng)絡(luò)故障模型,這一模型的建立需結(jié)合煤礦主要通風(fēng)機(jī)實(shí)際情況。這里以某煤礦的軸流式通風(fēng)機(jī)為例,由于通風(fēng)機(jī)在運(yùn)行過(guò)程中時(shí)常出現(xiàn)振動(dòng)超限故障,因此人工神經(jīng)網(wǎng)絡(luò)故障模型的建立需要深入分析振動(dòng)特性、了解故障機(jī)理、提取故障特征。軸流式通風(fēng)機(jī)的結(jié)構(gòu)相對(duì)復(fù)雜,為精確判斷故障發(fā)生的時(shí)間,需首先開展小波分析以此分解通風(fēng)機(jī)的振動(dòng)信號(hào),并選擇八維向量作為特征向量。重構(gòu)小波分解系數(shù),并從不同頻帶范圍進(jìn)行信號(hào)的提取,即可開展針對(duì)性較高的分析工作。量化處理需要結(jié)合各層能量構(gòu)造向量,由此即可最終獲得特征向量。
一般情況下,煤礦主要通風(fēng)機(jī)的運(yùn)行速度、采樣頻率會(huì)分別控制為3000r/min以內(nèi)、1000Hz,而結(jié)合Nyquist定理,可明確500Hz的頻率上限值,通過(guò)3層小波包分解,可最終得到表1所示的不同頻段代表頻率范圍。
將得到的8個(gè)頻帶能量(小波包3層分解)作為人工神經(jīng)網(wǎng)絡(luò)的輸入向量,即可構(gòu)建圖1所示的3層人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。多次迭代后,如輸出總體誤差小于系統(tǒng)允許誤差,則訓(xùn)練結(jié)束。輸入故障信號(hào)至訓(xùn)練好的3層人工神經(jīng)網(wǎng)絡(luò),即可自動(dòng)分析故障信息。在實(shí)際的應(yīng)用中,檢修人員可通過(guò)通風(fēng)機(jī)的振動(dòng)信號(hào)開展故障檢測(cè)診斷,通過(guò)分解故障特征信號(hào)、傳輸至對(duì)應(yīng)頻段、獲得小波頻帶分解能量,即可為人工神經(jīng)網(wǎng)絡(luò)的故障診斷、狀態(tài)自識(shí)別工作的開展提供有力支持。圖2為人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中誤差變化曲線圖,結(jié)合該圖可更深入了解人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用價(jià)值,煤礦通風(fēng)機(jī)的維修也能夠獲得指導(dǎo)依據(jù)。
2.2 "基于狀態(tài)監(jiān)測(cè)系統(tǒng)的采煤機(jī)自動(dòng)化故障檢測(cè)診斷
作為綜采工作面的重要機(jī)電設(shè)備,采煤機(jī)很容易因大量粉塵、潮濕的工作環(huán)境出現(xiàn)故障。為了能夠第一時(shí)間發(fā)現(xiàn)故障、解決故障,近年來(lái)我國(guó)煤礦生產(chǎn)領(lǐng)域的采煤機(jī)設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)普及率不斷升高,這便為采煤機(jī)自動(dòng)化故障檢測(cè)診斷奠定了堅(jiān)實(shí)基礎(chǔ)。系統(tǒng)一般由遠(yuǎn)程監(jiān)測(cè)系統(tǒng)和機(jī)載監(jiān)測(cè)系統(tǒng)組成,圖3為典型采煤機(jī)設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)整體架構(gòu),該系統(tǒng)具備狀態(tài)監(jiān)測(cè)、故障診斷、信息管理、可靠性評(píng)價(jià)等功能。
以某煤礦采煤機(jī)出現(xiàn)的齒輪故障為例,該故障屬于采煤機(jī)的主要故障,占整機(jī)故障30%左右,因此本文圍繞這一故障探討了基于狀態(tài)監(jiān)測(cè)系統(tǒng)的采煤機(jī)自動(dòng)化故障檢測(cè)診斷。在具體的故障檢測(cè)診斷中,需應(yīng)用時(shí)域平均分析方法,以此分析系統(tǒng)收集的齒輪箱信號(hào)等參數(shù),由此即可自動(dòng)分析齒輪箱故障。時(shí)域平均分析的要點(diǎn)在于從復(fù)雜信號(hào)(攜帶噪聲)中提取特定周期分量,并以此判斷設(shè)備故障,而在同一周期內(nèi),時(shí)域平均分析的開展需保證信號(hào)按照相應(yīng)周期截取,信號(hào)起始點(diǎn)相同相位的保障也需要得到重視。在齒輪箱故障的診斷中,齒輪所在軸旋轉(zhuǎn)周期一般取整數(shù)倍,且齒輪箱裝置振動(dòng)信息的收集過(guò)程還需要同時(shí)對(duì)轉(zhuǎn)速脈沖信號(hào)進(jìn)行記錄,由此開展時(shí)域平均,觸發(fā)信號(hào)平均相加(利用同步脈沖信號(hào)整數(shù)倍),隨著平均次數(shù)的不斷增多,嚙合頻率信息、齒輪回轉(zhuǎn)頻率信息均會(huì)較好保留,這一過(guò)程需保證噪聲信號(hào)得到有效消減。通過(guò)上述措施,即可獲得振動(dòng)信號(hào)中的周期性成分,配合對(duì)所得時(shí)域波的觀察分析,即可準(zhǔn)確判斷故障。
圖4為不同狀態(tài)下的齒輪時(shí)域平均信號(hào),其中圖4(a)的出現(xiàn)代表齒輪處于正常運(yùn)行狀態(tài);圖4(b)的出現(xiàn)代表幅值調(diào)制作用對(duì)時(shí)域平均信號(hào)造成了影響,且調(diào)制頻率相對(duì)較低;圖4(c)的出現(xiàn)代表齒輪存在嚴(yán)重磨損,且時(shí)域統(tǒng)計(jì)特征幅值存在顯著增大;圖4(d)的出現(xiàn)代表齒輪出現(xiàn)了較為嚴(yán)重的故障,且現(xiàn)場(chǎng)一般會(huì)聽到異常的噪聲,發(fā)現(xiàn)該故障后檢修人員必須第一時(shí)間進(jìn)行修理。
3 "結(jié) 論
綜上所述,煤礦機(jī)電設(shè)備中的故障檢測(cè)診斷技術(shù)具備較高實(shí)用性,在此基礎(chǔ)上,本文涉及的基于人工神經(jīng)網(wǎng)絡(luò)的煤礦通風(fēng)機(jī)故障檢測(cè)診斷、基于狀態(tài)監(jiān)測(cè)系統(tǒng)的采煤機(jī)自動(dòng)化故障檢測(cè)診斷等內(nèi)容,則提供了可行性較高的故障檢測(cè)診斷技術(shù)應(yīng)用路徑,而為了進(jìn)一步提高故障檢測(cè)診斷水平,結(jié)合實(shí)際情況的故障檢測(cè)診斷技術(shù)選擇、故障類型與故障特征的非線性關(guān)系明確必須得到重視。
參考文獻(xiàn)
[1]崔東偉.煤礦機(jī)電設(shè)備管理中機(jī)械故障檢測(cè)診斷技術(shù)的應(yīng)用分析[J].山東工業(yè)技術(shù),2018(21):87.
[2]王 芳.關(guān)于故障診斷技術(shù)在礦山機(jī)電設(shè)備中的實(shí)踐運(yùn)用探索[J].科技視界,2017(03):102+100.
[3]霍東東.煤礦機(jī)電設(shè)備管理中機(jī)械故障檢測(cè)診斷技術(shù)的應(yīng)用分析[J].科技創(chuàng)新與應(yīng)用,2014(05):100.
收稿日期:2018-12-7
作者簡(jiǎn)介:王洪波(1983-),男,機(jī)電工程師、一級(jí)建造師,大學(xué)本科,主要從事煤礦機(jī)械設(shè)備選型及供配電設(shè)計(jì)工作。