宋洋

（山西晉煤集團金鼎公司支架分公司，山西晉城048000）

?

淺談煤礦井下機械設(shè)備的管理及故障的診斷

宋洋

（山西晉煤集團金鼎公司支架分公司，山西晉城048000）

對煤礦井下機械設(shè)備的管理及故障診斷進行了詳細地分析與討論，以期促進煤礦開采的安全順利進行。

煤礦井；機械設(shè)備；管理

引言

隨著中國科學技術(shù)的發(fā)展，現(xiàn)在機械設(shè)備開始朝著復雜化、自動化、高速化、大型化的方向發(fā)展。在機械設(shè)備內(nèi)部，各個部分之間的聯(lián)系更加密切，同時也導致了內(nèi)部一小部分的故障沒有被及時發(fā)現(xiàn)，從而引起一連串的反應，最終對整個機械設(shè)備造成巨大的影響，甚至還會造成巨大的經(jīng)濟損失。煤炭采礦機械設(shè)備由于工作地點在礦井下，環(huán)境惡劣復雜，因此對于設(shè)備的管理和故障診斷顯得特別重要［1］。

1　原理與方法

煤礦井下機械設(shè)備的故障診斷主要是指利用各種傳感器對機械設(shè)備的工作運行情況進行監(jiān)督控制，以此判斷其是否正常運行。從本質(zhì)上來說，機械設(shè)備的故障診斷其實就是一個模式的過程。其最主要的目的在于能夠及時發(fā)現(xiàn)問題找出原因，并且得到及時維修，使設(shè)備能夠得到有效的保養(yǎng)和維護。圖1是煤礦機械故障診斷示意圖，主要包括有信號提取、探測器、狀態(tài)診斷、診斷決策等。智能故障技術(shù)診斷技術(shù)是時代發(fā)展下的必然產(chǎn)物，隨著力學、數(shù)學、人工智能、計算技術(shù)、信號處理技術(shù)等新型技術(shù)的出現(xiàn)而新出現(xiàn)的一種新技術(shù)，具有較強的綜合性的特點。針對目前的實際情況而言，模糊理論、人工神經(jīng)網(wǎng)絡、遺傳算法、決策樹、專家系統(tǒng)技術(shù)等故障診斷技術(shù)得到了廣泛運用，這些新方法、新技術(shù)的運用實現(xiàn)了許多傳統(tǒng)方法無法實現(xiàn)的功能，可以說智能故障診斷技術(shù)與傳統(tǒng)診斷技術(shù)相比而言，具有無法取代的優(yōu)勢［2］。

圖1　煤礦機械設(shè)備故障診斷系統(tǒng)原理示意圖

2　故障診斷系統(tǒng)設(shè)計

2.1訓練樣本的創(chuàng)建

本文以某處煤礦的一款煤炭采掘機為例子，對其進行實驗。首先，需要對該采掘機的工作狀態(tài)進行檢測，分析其能夠正常工作和運行，隨后將電機底座的螺絲和機頭進行人為破壞，同時還需要人為地破壞系統(tǒng)的各個齒輪和主軸，但是在此過程中值得注意一點的是，破壞的程度必須有所不同，使得到的結(jié)果更加貼近于實際。最后建立訓練集，并對該系統(tǒng)進行科學合理的訓練［3］。

2.2模型建立的預測

該系統(tǒng)采用的是CC55號，詳細地對振動點和振動強度進行檢測，檢測結(jié)果分別是220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB，同時這些結(jié)果分別作為在人工神經(jīng)網(wǎng)絡中的輸入層。此外，該系統(tǒng)中的輸出層中包含著一個神經(jīng)單元，用來充分表示CC55號振動點的故障位置。隨后在中間層選擇16個神經(jīng)單元，用于平衡輸出結(jié)果的誤差，從最大程度上減少輸出層的誤差，同時利用決策樹的結(jié)構(gòu)定性判決預測結(jié)果，最后對故障原因進行輸出，預測結(jié)果。

2.3結(jié)果預測與分析

通過多次實驗，對實驗結(jié)果進行反復比較，發(fā)現(xiàn)當人工神經(jīng)網(wǎng)絡的迭代次數(shù)可在20 000次左右的時候，學習精度為0.005，在WIN7系統(tǒng)中運行MATLAB2011建立煤礦采掘機的BP人工神經(jīng)網(wǎng)絡預測模型，首先就采用了220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB的振動強度訓練模型，隨后預測分析各個部位的小故障。本文以采掘機經(jīng)常出現(xiàn)故障的主軸軸承損壞為例子進行闡述。主軸軸承的損壞在一般情況下會對某部分的振動強度進行加強，如圖2所示，振動強度會密集的分布在一個固定的區(qū)域之中，然后采用BP人工網(wǎng)絡三級處理的手段對其進行覆蓋，BP人工網(wǎng)絡三級處理手段不僅效率較高，而且覆蓋面積較廣。BP人工神經(jīng)網(wǎng)絡預測的誤差與訓練迭代次數(shù)關(guān)系如圖3所示。從圖中不難發(fā)現(xiàn)，當訓練次數(shù)達到一定的程度時（圖中顯示的是6 000次），預測誤差一般在0.005的范圍之內(nèi)，從而實現(xiàn)了預期迭代次數(shù)的兩萬次的效果，由此可知，模型的預測效率較高［4］。

圖2　主軸軸承發(fā)生故障的振動頻率示意圖

圖3　BP人工神經(jīng)網(wǎng)絡預測的誤差與訓練迭代次數(shù)關(guān)系

3　結(jié)語

將BP人工神經(jīng)系統(tǒng)網(wǎng)絡技術(shù)與專家系統(tǒng)有效地結(jié)合起來，對煤礦井下的機械設(shè)備進行故障診斷，不僅能夠彌補傳統(tǒng)故障診斷技術(shù)中的不足，快速適應井下的工作環(huán)境，對井下的各種機械設(shè)備運行狀態(tài)進行監(jiān)控，而且還能提高故障診斷的精確度，同時還能制定出相應的解決措施，從而為故障的排出提供了重要的依據(jù)，促進了煤礦行業(yè)的健康安全發(fā)展。

［1］孟柏震.煤礦井下運輸機械設(shè)備的安全管理［J］.科技創(chuàng)業(yè)家，2014（1）:81.

［2］馮志勤.探究煤礦井下掘進機電設(shè)備的節(jié)能對策［J］.能源與節(jié)能，2014（7）:79-80.

［3］周述霞.煤礦井下機電設(shè)備常見故障及維修［J］.技術(shù)與市場，2014（7）:66-67.

［4］張麗.煤礦井下機電設(shè)備常見故障及維修［J］.城市建設(shè)理論研究，2014（27）:2 779.

（編輯：王璐）

Management and Fault Diagnosis of Coal Mine Machinery and Equipment

Song Yang
（Bracket Branch Company，Shanxi Jincheng Coal Group Jinding Company，Jincheng Shanxi 048000）

This paper carries out a detailed analysis and discussion on the management and fault diagnosis of mechanical equipment in coal mine to smoothly promote the safety of coal mining.

coal mine；mechanical equipment；management

TD407

A

2095-0748（2015）22-0066-02

10.16525/j.cnki.14-1362/n.2015.22.28

2015-10-20

宋洋（1989—），男，江蘇溧陽人，本科，助理工程師，現(xiàn)就職于山西晉煤集團金鼎公司支架分公司，研究方向：機械。