＊趙艷鵬

（陽泉煤業(yè)集團泊里煤礦有限公司 山西 032700）

引言

我國地域遼闊、國土面積位于全球第三。礦產(chǎn)資源豐富多樣，煤炭儲量居多，埋藏普遍較深。普遍以掘井方式予以開采，由于開采環(huán)境相對封閉，有害氣體不利于擴散，造成有害氣體積聚，含氧量不高。所以，煤炭開采作業(yè)時，首先要確保通風(fēng)良好。要求通風(fēng)系統(tǒng)性能可靠。通風(fēng)系統(tǒng)的核心設(shè)備為通風(fēng)機，一旦發(fā)生故障，造成通風(fēng)量的波動，甚至中斷，導(dǎo)致有害氣體排出困難，嚴重威脅煤礦安全生產(chǎn)。為保障通風(fēng)安全，通風(fēng)機處于不間斷運行狀態(tài)。然而，井巷環(huán)境潮濕、煤塵多、存在腐蝕性氣體，給設(shè)備運行帶來不便。該工況下，通風(fēng)機易于發(fā)生故障，其中振動故障占比較高，為確保通風(fēng)機運行安全，必須對其進行故障檢測，以確保通風(fēng)安全。

泊里礦井田位于山西省晉中市和順縣與昔陽縣交界處，行政區(qū)劃屬和順縣李陽鎮(zhèn)管轄，井田面積為109.379平方千米，設(shè)計可采儲量為4.35億噸，礦井生產(chǎn)能力500萬噸/年。采用傾斜長臂采煤法，使用綜合機械化回采工作一、全部垮落法管理頂板。該礦屬于高瓦斯礦井，瓦斯相對涌出量平均16.0m3/t，絕對涌出量平均78m3/min。礦井現(xiàn)有2個回風(fēng)井，各有一臺主扇。2015年至2020年，主扇每年初冬都會出現(xiàn)異常振動，2019年、2020年發(fā)生異?，F(xiàn)象多次，持續(xù)時間最長達70min，最短時長5min。嚴重影響礦井安全生產(chǎn)。為保障主扇可靠運行，急需分析、研究異常振動的原因，以便采取應(yīng)對措施。

1.振動分析

主扇風(fēng)機是一種從動的流體機械，依靠電機輸出的機械能轉(zhuǎn)換為氣體的內(nèi)能，從而實現(xiàn)氣體朝一定方向排出。電動機轉(zhuǎn)速普遍較高，對轉(zhuǎn)動部件局部產(chǎn)生磨損，磨損超過允許值時，振幅將會增加，導(dǎo)致風(fēng)機運行出現(xiàn)振動。

(1)軸系不對中

通風(fēng)機和電動機屬于兩臺設(shè)備，電動機為通風(fēng)機提供源動力，兩者之間通過聯(lián)軸器相連。聯(lián)軸器的一端與電動機相連，另一端與通風(fēng)機相連。聯(lián)軸器、電機軸、風(fēng)機軸加工中存在一定的偏差，裝配作業(yè)中存有裝配偏差，兩者相加為聯(lián)通軸體系偏差。隨著運行時間的推移，偏差會逐步增加，轉(zhuǎn)子在受力不均的作用下，會造成形變，使得電機軸和風(fēng)機軸同心度偏差過大。軸系不對中故障其根本原因在轉(zhuǎn)子軸在運行狀態(tài)下發(fā)生平行、位移、角度不對稱，造成聯(lián)軸器不同心，導(dǎo)致風(fēng)機故障，通風(fēng)系統(tǒng)穩(wěn)定性下降。

(2)轉(zhuǎn)子不平衡

轉(zhuǎn)子不平衡式風(fēng)機振動的誘因之一，通風(fēng)機的零部件在制造過程中需要經(jīng)過諸多工序進行，每道工序均有一定的公差范圍，即制造誤差、裝配過程中存有裝配誤差、零部件材質(zhì)不均，即材質(zhì)誤差。受誤差因素影響，轉(zhuǎn)子出現(xiàn)變形、錯位、磨損等，造成風(fēng)機振動。

(3)轉(zhuǎn)子和零部件之間存在摩擦

風(fēng)機構(gòu)件由轉(zhuǎn)動部件、靜止部件兩類組成。轉(zhuǎn)動部件在轉(zhuǎn)動過程中與配合的部件出現(xiàn)碰撞，產(chǎn)生軸向或徑向摩擦。轉(zhuǎn)子外部與靜止部件發(fā)生的摩擦類型為徑向摩擦。轉(zhuǎn)子軸向與靜止部件發(fā)生的摩擦類型為軸向摩擦。轉(zhuǎn)子在安裝時與定子同心度不足、轉(zhuǎn)軸在長時運行受熱不均造成轉(zhuǎn)子出現(xiàn)碰磨現(xiàn)象。

(4)風(fēng)機葉片變形

風(fēng)機葉片在高速旋轉(zhuǎn)的狀態(tài)下，受到較大氣體沖擊力，而葉片厚度較小，此條件下葉片易于變形、開裂、磨損，出現(xiàn)該類故障，葉片動平衡受到破壞，引發(fā)風(fēng)機振動。振動分為徑向振動、軸向振動兩類，早期多為徑向振動，若故障處理不及時，致使葉片故障加劇，引發(fā)軸向振動。進而威脅通風(fēng)系統(tǒng)安全性。

(5)軸承故障

軸承在轉(zhuǎn)動過程中可有效降低轉(zhuǎn)動部位的摩擦值，從而減少磨損，保障精度，降低發(fā)熱量。為確保轉(zhuǎn)動精密度，必須做好以下幾點：首先，把好軸承質(zhì)量關(guān)；其次，控制裝配關(guān)，規(guī)范安裝步驟；再次，把控保養(yǎng)潤滑關(guān)，潤滑不足，轉(zhuǎn)動體、保持架易于腐蝕、損壞。一旦軸承發(fā)生故障，將會引發(fā)通風(fēng)機異常振動。

(6)機體振動

機體振動通常處于安裝過程中?；A(chǔ)平整度不足、導(dǎo)軌平面度不達標、聯(lián)軸器不同心等因素，造成通風(fēng)機異常振動。引風(fēng)道過短，不足以對風(fēng)流進行緩沖，從而引起風(fēng)機振動；葉片或輪轂附著物較多，使得風(fēng)機動平衡失效，產(chǎn)生異常振動，以上因素都會引發(fā)機體振動。

2.BP神經(jīng)網(wǎng)絡(luò)算法

通風(fēng)機振動為非線性變量，神經(jīng)網(wǎng)絡(luò)為非線性映射，此次，振動檢測系統(tǒng)以BP神經(jīng)網(wǎng)絡(luò)為載體。

(1)建立樣本集

通風(fēng)機在運行中，出現(xiàn)振動故障，其不平穩(wěn)狀態(tài)包含許多故障信息，運用小波分析技術(shù)，對其振動頻率進行分析，將不同頻率的信號分解至相應(yīng)通道中，對頻率通道的信號能量進行匯總，提取振動信號，得出故障特征值，再將其歸一化處理，得出特征向量，總結(jié)出六中常見的故障樣本訓(xùn)練集，見表1。

表1 故障訓(xùn)練樣本集

(2)確定網(wǎng)絡(luò)層數(shù)和節(jié)點

針對通風(fēng)機的振動故障，進行神經(jīng)網(wǎng)絡(luò)設(shè)計（六進六處、一個隱含層），該節(jié)點數(shù)取值范圍，如式（1）。

式中：N為輸入層的節(jié)點數(shù)；M為輸出層的節(jié)點數(shù)；a為整數(shù)1～10。

(3)參數(shù)選擇

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的初始權(quán)值與閾值，取值范圍（-1，1），學(xué)習(xí)效率設(shè)定以訓(xùn)練誤差為參照。防止過大造成系統(tǒng)震蕩劇烈，過小總成耗時過長、次數(shù)繁多。

(4)訓(xùn)練神經(jīng)網(wǎng)絡(luò)

把6個輸入節(jié)點和頻帶的能量值一一對應(yīng)，隱含層的節(jié)點數(shù)設(shè)置為8，6個輸出節(jié)點和6類振動故障進行對應(yīng)，期望誤差設(shè)定為0.01。

3.監(jiān)測系統(tǒng)總體方案

通風(fēng)機振動故障監(jiān)測系統(tǒng)涉及軟硬件設(shè)計，信號采集、處理、轉(zhuǎn)換等均依靠硬件進行；信號顯示、分析、存儲依靠軟件完成；軟硬件的聯(lián)合運用，達到對振動的有效監(jiān)測，實現(xiàn)早發(fā)現(xiàn)、早處理，將故障消除在萌芽階段，確保通風(fēng)系統(tǒng)穩(wěn)定性。

(1)硬件設(shè)計

監(jiān)測系統(tǒng)硬件板塊設(shè)計，見圖1。振動傳感器采集故障信號，在調(diào)理模塊的作用下，進行數(shù)據(jù)處理，再經(jīng)過數(shù)據(jù)采集卡，把所得信號傳輸至工控機，供LabVIEW采集。

圖1 硬件設(shè)計框架圖

(2)軟件設(shè)計

軟件設(shè)計框架如圖2所示。工控機與采集卡通過線纜連接，基于LabVIEW平臺程序，傳遞信號到工控機，小波技術(shù)對振動信號進行特征值分解，并采用神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，LabVIEW平臺予以信號分析與處理，從而達到對風(fēng)機故障進行實時監(jiān)測。

圖2 軟件設(shè)計圖

4.數(shù)據(jù)驗證

BP神經(jīng)網(wǎng)絡(luò)算法和Matlab平臺聯(lián)合應(yīng)用，對故障進行檢測，效果如表2所示。算法訓(xùn)練可得出測繪誤差值，進行曲線描繪，如圖3所示。

表2 實際輸出結(jié)果

圖3 誤差變化曲線圖

5.結(jié)論

經(jīng)過對泊里礦主通風(fēng)機振動的研究，使用BP神經(jīng)網(wǎng)絡(luò)控制算法設(shè)計故障監(jiān)測系統(tǒng)，實驗表明：

軸系不對中、轉(zhuǎn)子不平衡、碰磨、風(fēng)葉葉片、軸承、機體振動等故障均會不同程度的對通風(fēng)機的運行帶來負面影響，甚至?xí)斐墒鹿省?/p>

小波分析技術(shù)將故障信號提取，并采用神經(jīng)網(wǎng)絡(luò)算法，以特征向量為輸入，故障特征為輸出，學(xué)習(xí)樣本，實踐表明，經(jīng)過180次訓(xùn)練后基本可實現(xiàn)預(yù)期效果，可見此設(shè)計能夠達到監(jiān)測效果。

該檢測系統(tǒng)的軟硬件，在LabVIEW和Matlab平臺上，進行故障信號的采集、顯示、存儲。