浅谈煤矿井下机械设备的管理及故障的诊断

宋洋

（山西晋煤集团金鼎公司支架分公司，山西晋城048000）



浅谈煤矿井下机械设备的管理及故障的诊断

宋洋

（山西晋煤集团金鼎公司支架分公司，山西晋城048000）

对煤矿井下机械设备的管理及故障诊断进行了详细地分析与讨论，以期促进煤矿开采的安全顺利进行。

煤矿井；机械设备；管理

引言

随着中国科学技术的发展，现在机械设备开始朝着复杂化、自动化、高速化、大型化的方向发展。在机械设备内部，各个部分之间的联系更加密切，同时也导致了内部一小部分的故障没有被及时发现，从而引起一连串的反应，最终对整个机械设备造成巨大的影响，甚至还会造成巨大的经济损失。煤炭采矿机械设备由于工作地点在矿井下，环境恶劣复杂，因此对于设备的管理和故障诊断显得特别重要［1］。

1　原理与方法

煤矿井下机械设备的故障诊断主要是指利用各种传感器对机械设备的工作运行情况进行监督控制，以此判断其是否正常运行。从本质上来说，机械设备的故障诊断其实就是一个模式的过程。其最主要的目的在于能够及时发现问题找出原因，并且得到及时维修，使设备能够得到有效的保养和维护。图1是煤矿机械故障诊断示意图，主要包括有信号提取、探测器、状态诊断、诊断决策等。智能故障技术诊断技术是时代发展下的必然产物，随着力学、数学、人工智能、计算技术、信号处理技术等新型技术的出现而新出现的一种新技术，具有较强的综合性的特点。针对目前的实际情况而言，模糊理论、人工神经网络、遗传算法、决策树、专家系统技术等故障诊断技术得到了广泛运用，这些新方法、新技术的运用实现了许多传统方法无法实现的功能，可以说智能故障诊断技术与传统诊断技术相比而言，具有无法取代的优势［2］。

图1　煤矿机械设备故障诊断系统原理示意图

2　故障诊断系统设计

2.1训练样本的创建

本文以某处煤矿的一款煤炭采掘机为例子，对其进行实验。首先，需要对该采掘机的工作状态进行检测，分析其能够正常工作和运行，随后将电机底座的螺丝和机头进行人为破坏，同时还需要人为地破坏系统的各个齿轮和主轴，但是在此过程中值得注意一点的是，破坏的程度必须有所不同，使得到的结果更加贴近于实际。最后建立训练集，并对该系统进行科学合理的训练［3］。

2.2模型建立的预测

该系统采用的是CC55号，详细地对振动点和振动强度进行检测，检测结果分别是220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB，同时这些结果分别作为在人工神经网络中的输入层。此外，该系统中的输出层中包含着一个神经单元，用来充分表示CC55号振动点的故障位置。随后在中间层选择16个神经单元，用于平衡输出结果的误差，从最大程度上减少输出层的误差，同时利用决策树的结构定性判决预测结果，最后对故障原因进行输出，预测结果。

2.3结果预测与分析

通过多次实验，对实验结果进行反复比较，发现当人工神经网络的迭代次数可在20 000次左右的时候，学习精度为0.005，在WIN7系统中运行MATLAB2011建立煤矿采掘机的BP人工神经网络预测模型，首先就采用了220 dB、210 dB、200 dB、190 dB、180 dB、170 dB、160 dB、150 dB的振动强度训练模型，随后预测分析各个部位的小故障。本文以采掘机经常出现故障的主轴轴承损坏为例子进行阐述。主轴轴承的损坏在一般情况下会对某部分的振动强度进行加强，如图2所示，振动强度会密集的分布在一个固定的区域之中，然后采用BP人工网络三级处理的手段对其进行覆盖，BP人工网络三级处理手段不仅效率较高，而且覆盖面积较广。BP人工神经网络预测的误差与训练迭代次数关系如图3所示。从图中不难发现，当训练次数达到一定的程度时（图中显示的是6 000次），预测误差一般在0.005的范围之内，从而实现了预期迭代次数的两万次的效果，由此可知，模型的预测效率较高［4］。

图2　主轴轴承发生故障的振动频率示意图

图3　BP人工神经网络预测的误差与训练迭代次数关系

3　结语

将BP人工神经系统网络技术与专家系统有效地结合起来，对煤矿井下的机械设备进行故障诊断，不仅能够弥补传统故障诊断技术中的不足，快速适应井下的工作环境，对井下的各种机械设备运行状态进行监控，而且还能提高故障诊断的精确度，同时还能制定出相应的解决措施，从而为故障的排出提供了重要的依据，促进了煤矿行业的健康安全发展。

［1］孟柏震.煤矿井下运输机械设备的安全管理［J］.科技创业家，2014（1）:81.

［2］冯志勤.探究煤矿井下掘进机电设备的节能对策［J］.能源与节能，2014（7）:79-80.

［3］周述霞.煤矿井下机电设备常见故障及维修［J］.技术与市场，2014（7）:66-67.

［4］张丽.煤矿井下机电设备常见故障及维修［J］.城市建设理论研究，2014（27）:2 779.

（编辑：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，江苏溧阳人，本科，助理工程师，现就职于山西晋煤集团金鼎公司支架分公司，研究方向：机械。