采煤机故障诊断与故障预测的分析

朱艺超

（平煤神马集团设备租赁分公司，河南 平顶山 467021）

采煤机故障诊断与故障预测的分析

朱艺超

（平煤神马集团设备租赁分公司，河南 平顶山 467021）

煤矿资源是现代工业生产和人们生活的重要能源和化工原料，在经济发展的过程中我国对煤炭资源的需求量一直较大，而且短期内无法被完全替代。而煤矿资源的开采效率很大程度上取决于采煤机的应用可靠性，降低采煤机在开采过程中故障发生的概率是煤炭资源开采发展的必然选择。在此背景下，本文针对采煤机故障诊断和故障预测两方面展开研究，为提升煤炭资源开采的可靠性和安全性提供参考。

采煤机；故障诊断；故障预测

0 引言

采煤机在煤矿资源开采过程中发挥着割煤和装煤的作用，其通常由电气控制部分、截割部、牵引部、附属装置构成，在采煤机被行走机构齿轮带动的情况下，可实现正向、反向、停止等不同运动状态的牵引，并在螺旋滚筒旋转的作用下发挥破煤功能，现阶段我国大部分煤矿使用的煤机类型为变频调速电牵引式采煤机，下面主要对该类型的煤机进行分析说明。

1 采煤机故障分析

采煤机在采面运行的过程中，如果发生较大的故障，会直接影响采煤工作面生产推进度的正常进行，甚至对采面人员的生命安全和三机设备的安全配合构成威胁。例如，采煤机牵引超大负荷行走过程中，发生滚动体破碎脱落等问题。即使采煤机在运行的过程中并未表现出明显的故障，也不排除其关键部位轴承被磨损的可能，如果未进行及时的检修，可能会造成非常严重的生产事故[1]。

我国现阶段已经认识到对采煤机故障进行诊断和预测的重要性，即使我国采煤机故障诊断的相关研究起步相对较晚，但现阶段在采煤机故障诊断和预测方面也形成了较成熟的方法，而且呈现出多样化发展的整体趋势。

采煤机的地下工作环境和复杂的结构构成决定了其在运行的过程中发生故障的可能性较大，主要集中于电气装置、机械装置和液压牵引部方面。例如，在下按启动按钮后，整机并不动作、启动后机组不能实现自保护等启动先导回路故障；传感器显示值不准确、开机显示的瓦斯超限等瓦斯断电仪故障；PLC接点故障造成机器无法启动、电机PT100损坏等电机故障等均属于电气装置故障[2]。轴承温度过高或具有噪音、齿轮的齿面啮合不平或出现斑点、擦伤痕、接触疲劳等情况属于机械装置故障；而采煤机调高千斤顶损坏、牵引部油泵过热或存在异响等属于液压牵引装置故障。在任何方面故障发生后，均会因无法割煤造成采面停产，对煤矿开采企业的经济效益、安全效益等方面产生一定的影响，所以针对采煤机故障诊断和预测的方法展开研究具有必要性。

2 采煤机故障诊断与故障预测的方法

2.1 采煤机故障诊断与故障预测的常见方法

2.1.1 温度监测

由于通常情况下，机械设备摩擦零件在发生故障后，零件表面的温度会有所提升，在故障诊断和预测的过程中，可以利用温度传感器对预测摩擦零件表面的温度进行获取，并进行对比分析，判断零件的运行状态，所以在对采煤机故障进行诊断和预测时，利用在线温度监测方法可在一定程度上达到预期效果[3]。例如，温度在线监测可以通过温度变化及时的定位采煤机截割滚筒轴承在长时间摩擦受损的部位，通过受损部位与其他部位温度的对比分析，预测轴承其他部位发生破损的概率，并做好记录，为后期维护检修提供参考。

2.1.2 铁谱分析

机械设备在运行的过程中，会发生一定的磨损，对机械磨损产生的磨屑颗粒进行收集和分析，可以判断机械设备的磨损程度，进而实现故障的诊断和预测，所以此方法在采煤机故障诊断和预测方面应用也具有可行性[4]。在使用铁谱分析方法检测时，先要将润滑油应用于高梯度强磁场的环境中，为润滑油经过区域的磨屑颗粒按顺序在基片中沉淀创造环境，然后将基片中沉积的磨屑颗粒制作成用于分析的谱片，在显微镜和光密度计的作用下对磨屑数量、形状等进行确定，以此判断采煤机因磨损发生故障的部位，并结合采煤机的工作原理对磨损故障产生的原因及故障的损害趋势等进行分析，可见这种方法在采煤机故障的诊断和预测方面均可以应用。

2.1.3 专家系统

为提升故障诊断的效率和准确性，人们在已有专家知识的基础上，通过模拟专家的思维，建立了专家系统，专家系统的核心是知识库的建设，其主要包括采煤机故障诊断和预测方面专家群体公认的事实知识和以故障判别规则为主要构成的经验知识两类，在应用的过程中，先要对采煤机故障现场的相关诊断信息进行收集和整理，然后结合知识库的数据进行诊断和预测[5]。专家系统知识库的人机交互界面通常包括知识库管理与维护、诊断解释、知识获取、故障诊断、故障预测、信号参数监测和处理等模块，而且各模块内的信息存储格式要统一规范，以此保证知识库可以准确的表达各种机械故障方面的知识，可以结合实际需要进行快速的检索。

2.2 采煤机故障诊断与故障预测的智能方法

2.2.1 混合智能算法在采煤机故障诊断中的应用

混合智能算法即将模糊化神经网络和专家系统结合应用的方法，前者在应用的过程中。

首先要通过公式 () () GXuFu，将采集的原始信号数据模糊化，其中X代表精确量；G代表对应的关系函数；F代表标准论域中元素的模糊量。

再通过最大隶属度法和重心法对模糊化的数据进行精确化的处理。

例如某煤矿厂的采煤机运行记录数据显示，冷却系统受损、液压压力过小、齿轮磨损程度过大、液压电流过高等均可能导致其现阶段液压牵引装置表面温度过热现象的发生，将以上故障特征分别设定为X1、X2、X3、X4、X5、X6、X7，并将其对应的故障现象如冷却系统受损的现象冷却装置漏水等，分别用W1、W2、W3、W4、W5、W6、W7等表示，此时将超出采煤机正常数据上限很多和较小的故障特征分别用1和0.5表示，将少于采煤机正常数据下限很多和较小的故障特征分别用-1和-0.5表示，则可以直接将采煤机的故障域确定，并形成故障集，此时针对偏高正常值、正常值和偏小正常值进行归一化的计算，则可以形成采煤机故障样本的评价集，将评价集的数据直接输入专家系统，则可以通过专家系统的知识库数据对故障进行准确的定位。

可见此方法在应用的过程中，虽然计算过程相对较复杂，但可以直接通过故障原因表现的特征值和现象等，准确的定位故障，使故障诊断的效率和准确性更加有保证。随着计算机芯片处理器运行性能的不断强大，此方法的应用效果越来越明显。

2.2.2 BP网络算法在采煤机故障预测中的应用

现阶段人们通常会选择利用BP网络算法建立可实现采煤机故障离线和在线预测的预测模型，在获取的数据与预测模型中设定的数据存在偏差的情况下，该系统会自动的报警，为检修提供依据，以此减少煤机故障的发生概率。在预测模型建立前，需要将采煤机各装置的关键信号参数进行收集和归一化处理，归一化处理的公式为

其中x’代表最初始值。而xmin和xmax分别代表最初始值的最小值和最大值。

将归一化处理后所获取的具体值作为预测样本进行存储，并以时间序列的方式进行BP神经网络模型的构建，在应用的过程中，先要将网络参数初始化，然后输入样本参数，计算隐层和输出层各节点的输出、样本误差的平方和、隐层和输出层的均方差，权值和阈值等，在确定误差在要求的范围内的情况下，完成BP神经网络计算的训练，在重复的训练过程中，如果发现计算的数据偏离原本的预算轨迹，则可以判断故障具有发生的可能。可见此方法不仅可以保证故障预算的准确性、前瞻性，而且可以对故障发生的原因进行较全面的判断，使采煤机故障的检修更加具有针对性，在降低采煤机故障发生概率方面具有积极的作用。

随着人们对采煤机的关注程度不断提升和相关理论的不断完善，采煤机故障诊断和预测的智能方法将不断发展，所以应以发展的视角看待采煤机的应用。

例如，现阶段人们在已有的智能诊断和预测方法的基础上，通过软件对采煤机仿真界面进行了设计，并将专家系统知识库的信息向计算机系统中导入，人们可以通过计算机直接进入采煤机故障诊断与预测控制系统，在系统主界面选择进入样本训练界面、故障预测界面和故障诊断界面，并通过各界面对采煤机的各部分装置系统进行常规BP神经网络、自适应BP神经网络、专家系统与模糊BP网络等算法的故障诊断和预测，舍去了繁琐的计算过程，实现了在线的检测和诊断，极大的提升了诊断的效率和准确性。可见随着采煤机故障诊断和预测方法的不断深入，采煤机运行的可靠性和稳定性会越来越强，满足煤炭资源开采的需要。

3 结论

通过上述分析可以发现，现阶段人们已经认识到采煤机运行的可靠性和稳定性直接关系到煤炭资源开采的效率和安全性，并在实践中有意识的结合采煤机的工作环境、原理等，利用先进的机械设备故障诊断方法，尽可能实现对故障的事前检测、事中处理和事后预防，降低采煤机故障概率，这是现代煤炭开采水平和生产管理水平提升的具体体现。

[1]钱沛云．采煤机截割传动系统故障诊断及可靠性分析[D]．中国矿业大学，2015．

[2]谢国民．基于时频联合小波法的采煤机关键部件故障诊断研究[D]．辽宁工程技术大学，2012．

[3]钱沛云，陈曦晖，胡晓，程刚．基于振动信号分析的采煤机摇臂轴承故障诊断研究[J]．煤炭科学技术，2014,12:89～92．

[4]梁晓欢．采煤机故障诊断及故障预测探讨[J]．技术与市场，2015,06:96～97．

[5]孙潘潘．基于故障树的煤矿设备故障分析方法研究[D]．中国矿业大学，2014．

TD42

A

1671-0711（2016）10（下）-0031-02