煤矿地质勘探机械振动故障成因检测技术

陈亚萍

(兰州资源环境职业技术大学,甘肃 兰州 730022)

无论是常规设备还是自动化设备，都无法完全避免机械故障的产生[1]。但对煤矿地质勘探设备盲目地进行故障诊断，将会严重减低煤矿生产效率，并且在一定程度上增加煤矿开采的成本。因此，要想避免地质勘探机械振动故障的发展，就必须注意对其故障原因的分析。基于此，本文开展对煤矿地质勘探机械振动故障原因分析技术的设计研究。

1 煤矿地质勘探机械振动故障原因分析技术

1.1 确定勘探设备机械振动及其分类

在煤矿地质勘探领域当中，机械振动是指勘探设备在运行过程中，设备上某一节点在规定位移量范围以内围绕其均值或相对基准时间发生的改变[2]。针对勘探设备机械振动特点，按照其运行时振动信号的变化，对其振动信号进行划分。表1 为确定性振动与随机性振动的细化分类结果。如表1 可知，不同类型的振动信号会表现出特征，因此将其振动信号作为依据对其故障原因进行分析时，应当采取不同的分析策略[3]。

表1 勘探设备确定性振动、随机性振动的细化分类结果

1.2 煤矿地质勘探机械振动信号采集与处理

完成对勘探设备机械振动的分类后，采集振动信号，并进行预处理，将采集的信号作为煤矿地质勘探机械振动故障识别与诊断的依据[4]。本文采用图1 所示的流程实现对煤矿地质勘探机械振动信号的采集。

图1 煤矿地质勘探机械振动信号采集流程图

在采集过程中，可在信号通信信道中集成数据挖掘技术与信号识别技术，通过物联网对信道中传输的信号进行实时分析，以此种方式，保证对信号处理的频率与效率[5]。完成数据导出后，引进数据挖掘技术对采集的煤矿地质勘探机械振动信号进行处理，先将信号群离散化，将呈现离散化状态的空间分子离子进行融合与重组。按照此种方式进行振动信号的精细化处理，可以使信号描述的故障表示得更为清晰，从而确保管理人员及时感知机械振动行为的发生区域，并根据煤矿地质勘探机械的运行标准，对机械进行自检与运行调试。

1.3 机械振动时域与频域分析

完成信号采集及预处理后，从时域与频域两个方面对机械振动进行分析。在进行信号时域分析时，先确定分析指标，根据信号的反馈值提取振动信号中的峰值数据、平均值数据、有效信号区间数据、低谷值数据等相关数据，明确煤矿地质勘探机械振动信号的峰值、低谷值、平均值及有效值[6]。振动信号的峰值计算公式为：

公式(1)中，Xp表示为振动信号峰值，即最大距离；t 表示为振动时间；x(t)表示为在某一时刻下波形零线与波峰之间的距离。平均值的计算公式为：

公式(2)中，X 表示为平均值；m ax(x(t))表示为峰值；min(x(t))表示为谷值。有效信号区间数据的计算公式为：

公式(3)中，Xrms表示为等效信号区间数据；T 表示为波形周期。

当煤矿地质勘探机械在运行中反馈了明显的反馈振动信号时，可以认为机械中某元件此时存在运行过程中的异常，将提取的指标信息与标准时域指标范围进行对比，即可实现对煤矿地质勘探机械运行情况的初步评估。在完成对信号的时域分析后，根据分析结果与指标评估结果，对机械振动信号进行频域分析。将信号的振动周期/振动频率作为频域分析的主要指标，提取煤矿地质勘探机械振动信号的频率幅值，将幅值定义为机械发生振动所产生的能量总和。当振动信号的特征频率随着幅度的增加而呈现增加趋势时，则可以证明此时煤矿地质勘探机械中某元件呈现运行异常。

对信号进行时域与频率的协同分析，可以在实现对煤矿地质勘探机械运行定性分析的基础上，定位振动异常区段。

1.4 故障原因分析结果导出

在完成对机械反馈振动信号的分析后，需要对煤矿地质勘探机械故障进行诊断，定位机械故障发生点。诊断过程中，技术人员需要按照预设的标准化流程，对机械振动信号进行提取、处理与分析。根据故障诊断工作的进度与诊断结果，将提取的机械故障参数与常态化参数进行比对，明确煤矿地质勘探机械故障的表现形式后，匹配机械的使用与运行标准，进行故障原因的精准分析，排查不同元件的故障结果，生成一个针对煤矿地质勘探机械设备的质量验收报告与故障诊断详单。完成对煤矿地质勘探机械故障的诊断后，考虑到此机械在运行中的异常振动会影响其使用效果或影响机械的勘探精度，为保证机械的常态化运行，保证机械的使用满足煤矿地质勘探作业需求，终端管理人员与技术人员还需要定期对机械的振动故障与异常的校验。根据校验中的需求，进行故障的排查与预测。

对煤矿地质勘探机械故障诊断结果与故障原因分析结果进行导出，明确此步骤是保证机械稳定运行的关键步骤。完成对所有相关数据的导出与录入后，引进大数据技术，辅助数据挖掘技术，对振动结果进行精准分析，掌握煤矿地质勘探机械振动的来源，保证振动定位的高精度。此外，可在完成对机械的振动检测与原因提取后，进行机械运行的二次复检，将复检产生的结果数据清晰呈现在报告中，全面规范机械设备的故障检验行为，保证故障检验工作的规范化、秩序化落实。

2 实例应用分析

通过本文上述论述，针对煤矿地质当中勘探机械振动故障问题，提出了一种新的原因分析技术，为了验证这一技术在实际煤矿地质勘探设备运行环境当中的应用可行性，选择以某地区煤矿生产企业作为依托，针对该生产企业进行的煤矿地质勘探工作，引入本文提出的原因分析技术，以此实现对项目中勘探设备机械振动故障原因的查明。选择以该煤矿地质勘探机械设备运行数据，将该组数据作为分析样本数据，并对其原始样本数据进行归一化处理。归一化计算公式为：

公式(4)中，R'表示为经过归一化处理后的试验样本数据；R 表示为原始样本数据；minR 表示为原始样本数据结合中最小归一化量化指标；maxR 表示为原始样本数据结合中最大归一化量化指标。按照上述公式，完成对样本数据归一化处理后，得到如表2 所示的机械振动故障样本数据表。

表2 实验中勘探设备机械振动故障样本数据记录表

正常情况下，勘探设备在运行过程中未出现振动故障，则此时在各个频段下其运行数据均应当为0.00。在明确上述基本内容后，利用本文提出的原因分析技术对其进行测定，并将分析结果绘制成如图2 所示。

图2 本文原因分析技术实例应用结果记录图

从图2 原因分析结果界面中显示的内容可以看出，本文原因分析结果与上述表1 中的数据相比，其分析输出误差数值均小于0.02。通常情况下，分析误差数值小于0.05，得出的分析结果均具备地质勘探设备机械振动故障诊断的精度需要。因此，从上述得出的实验结果能够证明，本文提出的原因分析技术针对真实煤矿地质勘探机械振动故障进行诊断具有极高的诊断精度，可为后续故障原因分析提供精准数据依据。

完成上述实验后，在此基础上，结合本文原因分析技术得出的分析诊断结果，如表3 所示，对各个节点存在的具体故障原因进行分析。

表3 本文原因分析技术故障原因诊断结果记录表

结合表3 中记录数据，对该煤矿生产企业的地质勘探设备进行机械振动故障原因分析。表2 中各个节点分别代表不同故障原因，其中节点0 表示为勘探设备机械振动不平衡；节点1 表示为勘探设备气动力偶；节点2 表示为勘探设备不对中运动；节点3 表示为勘探设备存在油膜涡动；节点4 表示为勘探设备机械振动过程中存在转子径向碰摩。从样本I各个节点得到的分析数据可以看出，样本I 煤矿地质勘探设备在运行过程中，输出节点3 的数值较大，同时伴有节点4的故障值，因此说明样本I 存在油膜涡动主导，同时伴随转子径向碰摩。从样本I 各个节点得到的分析数据可以看出，样本II 煤矿地质勘探设备在运行过程中，输出节点4 的数值出现异常，说明样本II 存在转子径向碰摩故障问题。从样本III 数据得出，输出节点0 的数值较大，同时伴有节点3 和节点4 异常，说明节点III 存在机械振动不平衡主导，伴有油膜涡动和转子径向碰摩故障。样本IV 各节点数据中，输出节点2 的数值较大，同时伴有节点4 异常，说明节点IV 存在不对中运动主导，伴有转子径向碰摩。样本V 各节点数据中，输出节点0、节点3 和节点4 存在异常，说明样本V 故障包括机械振动不平衡、油膜涡动和转子径向碰摩故障问题。将上述分析内容与该煤矿地质勘探各个设备实际故障类型进行对比，得出的对比结果均与上述内容相符。因此，通过上述得出的实验结果再次证明本文原因分析技术的可行性。同时，也进一步证明了本文原因分析技术的应用具有较高的精度，可为煤矿地质勘探设备稳定运行提供重要数据信息，并方便后续对其维护、维修和更换等决策方案提供依据。

结束语

第四次工业革命使得更多的现代化科学技术与社会生产实现了融合，而在这样的背景下，将分析技术应用到煤矿生产和开采领域当中，能够在极大程度上促进其整个行业的发展。基于此，本文通过开展煤矿地质勘探机械振动故障原因分析技术研究，提出一种全新的分析技术，并通过实例应用的方式证明了该技术应用的可行性以及应用优势。在后续的研究当中，还将引入更多现代化分析技术对勘探设备更多故障问题的原因进行探究。同时，由于时间和能力有限，在研究过程中并未考虑到分析技术的复杂性，尽管分析结果具备极高精度，但实际操作仍然需要专业技术人员操作实现。因此，针对这一问题，在后续研究时，还将尝试引入机器学习技术，以此提高本文分析技术的智能化和自动化。