基于智能评估技术机电设备运行状态评价模型构建及应用

刘安猛

（新矿集团内蒙能源长城三矿，内蒙古 鄂尔多斯 017000）

煤矿机电设备稳定运行关系到煤矿安全生产，一旦发生故障或存在异常状态，不仅影响安全生产，也增加设备维修费用。为此，对设备管理模式进行规范，做好机电设备运行状态评价，可及时发现设备运行风险，并采取针对性解决对策，从而降低设备运行故障发生率，提高设备运行效益，对煤矿可持续生产意义重大[1]。机电设备运行存在隐性风险，故障种类比较多，潜在诱因复杂，包括连续使用时间、设备功能设置以及日常维修保养等，但是目前关于煤矿机电设备运行状态评价的相关研究比较有限，并且传统设备运行状态评价方法往往需要大量决策数据，一旦存在偏差数据，则会导致评价结果失真，因此研究设备运行状态评价模型并运用到实际工作中，具有现实意义。

新矿集团内蒙能源长城三矿是一座设计生产能力500 万t/a 的现代化大型矿井，矿井遵循“轻型高效、智慧矿山”建设目标，大力推进新技术、新工艺。随着机械化程度提高，机电设备运行故障也不断增多，日常维修工作量也随之增加。由于目前尚未形成动态化设备运行风险评估机制，致使机电设备运行监测与故障风险预测难度较大。为解决此类问题，根据总公司“四位一体”设备维修模式，构建一体化机电设备运行保障模式，尝试将智能评估技术构建评价模型运用到机电设备运行状态监测中。为此以MG450/1050-WDK 型交流电牵引采煤机作为研究对象，分析智能评价模型的应用效果，旨在为清晰直观展示机电设备运行状态、降低机电设备运行故障几率以及故障风险预测提供一定理论基础。

1 评价指标选取

传感器是能感受被测量并按照一定的规律转换成可用输出信号的器件或装置，其工作原理是通过采集设备周围的环境物理量或化学量及电气设备电参数等模拟量和开关量，将所采集到的数据输出至数据采集设备中。传感器可以采集许多不同类型的数据，包括温度、湿度、光照、气压、振动、电压和电流等等信息[2]。通过这些数据，了解设备的运行状态、负载情况和异常情况，从而达到预警预测设备的运行实时参数，提高设备的运行效率和延长设备使用寿命。例如，在采煤机上安装温度传感器、振动传感器和电流传感器等，可以实时监测采煤机的温度、转速、振动和电流等指标，以便及时发现和预测设备故障，确保采煤机的正常运行[3-4]。为保证机电设备运行状态评价更加准确、及时，在选取评价指标上，要保证指标具有代表性和全面性，如表1 所示。

表1 煤矿机电设备运行状态评价一级和二级指标选取

在表1 中内容基础上，将n设定现有用于评价设备运行状态构件数量，此时可采用M表示设备运行状态数据集合。根据上述方式完成评价指标体系的构建。

2 运行状态劣化度计算

在完成上述评价指标选取后，参考权威文献[5-6]，评价设备运行安全性引入“劣化度”模型，并且明确各构件运行状态与设备整体运行状态之间的关系，计算设备运行时二级指标与良好状态之间的差距。因二级指标劣化度可能受到多种因素影响，故结合机电设备额定运行状态，初步测算劣化状态和劣化度，如下公式：

式中：d为劣化度初步测算结果；x0为设备初始化运行状态；xn为传感器收集的设备运行状态数据；xmax为极限状态下设备运行数据；k为状态参数与设备运行额定参数间关系。

在常规情况下，k取值应选择常数，将初步测算结果上传给专家系统，同时将专家系统评分结果作为辅助计算劣化度。假定设备运行状态共有A种，根据如下公式计算劣化值：

式中：D为专家系统劣化度计算结果；B为现场打分值；C为专家评估值；A为技术小组评分值；An为技术小组评价数量。

根据上述计算方法及流程，实现对设备运行状态劣化度的计算，为智能评估技术提供决策信息和数据。

3 设备运行状态智能化评价

3.1 一致性检验

在采用智能评估技术时，为确保评价结果的准确性，引入层次分析法量化处理二级指标劣化度结果。在进行量化处理之前，对相关计算结果进行一致性检验，目的在于保证评价结果的可靠性，并对评价结果是否可行进行检验。为此，获取不同运行状态下评价指标和参数的数据值，并将其作为标准值，采用层次分析法计算指标权重，确定指标在设备运行状态评价中的重要程度[7]。随后，构建设备运行状态评价模型，结合评价集合、运行状态集合确定评价矩阵及向量值，对设备运行状态进行智能化评价，注意要将最大隶属度作为评价原则。一致性检验通过如下公式来完成：

式中：C为评价结果一致性检验结果；c为随机检验值；I为指标层次；R为判断矩阵；P为权重；p为指标维度。

3.2 设备运行状态评价等级

根据公式（3）进行计算，当C＞0.05 时，说明检验结果一致性高，数据可靠，可直接将对应结果输出；当C＜0.05 时，表示检验结果一致性差，数据偏差，则需要重新选取评价指标或构建判断矩阵[8-9]。将公式（2）所得劣化度作为设备状态评价参考标准，并对公式（3）评价过程进行数据标准化处理，确定设备运行状态劣化度量化取值标准与评价等级，如表2 所示。

表2 机电设备运行状态劣化度量化取值标准与评价等级

3.3 评价等级具体含义

从表2 中可以看出，煤矿机电设备的运行状态可以分为健康状态、良好状态、预警状态和故障状态。其中，健康状态（I 级）是设备运行正常，各项指标均处于正常范围内，距离预警阈值比较远，设备运行稳定可靠，没有发现任何异常和故障情况；良好状态（Ⅱ级）是设备出现了一些小问题、小故障或者异常情况，比如噪声略大、温度略高等，但是这些问题并不会影响设备的正常运行；预警状态（Ⅲ级）是设备出现一些警告信号或者预警信号，如高温预警、振动预警等，需要及时进行维护保养，避免问题进一步恶化；故障状态（Ⅳ级）则表示煤矿机电设备出现比较严重的故障，比如设备突然停机、零部件损坏等，需要及时停机维修或更换部件，以免影响煤矿生产的正常运转。

4 实际应用

在完成评价模型构建后，对基于智能评估技术的机电设备运行状态评价模型进行实际检验，为保证评价模型真正发挥实际作用，参考文献[10]内容，在运行监控终端配置相应的测试环境，包括HADOOP 可视化测试平台、S822L-C 小型服务器、POWER-8/16 核处理器、2.8 GHz 主频、64 GB 运行内存、IBM V1000 10TB 磁盘阵列、＞2.0TB 存储空间。在完成测试环境配置后，选择安装传感器的MG450/1050-WDK 型交流电牵引采煤机作为评价对象，并结合上述评价模型进行设备实时运行状态智能化评价，根据监测时序将评价结果反馈给测试平台前端进行感知。假定电牵引采煤机处于预警运行状态，截取平台前端评价曲线，如图1。

图1 电牵引采煤机运行状态智能评估结果

在上图中，4 条虚线表示电牵引采煤机劣化度量化处理后的界限。根据测试结果，劣化度量化取值在Ⅲ级（0.35～0.65）范围内波动，因此判定设备处于预警运行状态，且与已知结果相同，证实评价指标选取、评价模型构建科学且合理。

5 结语

煤矿机电设备的运行状态评价等级是根据设备的运行参数和维护周期来确定的，且在通常状况下设备的运行参数越稳定可靠，维护周期越短，设备评价等级越高。本研究立足于煤矿机电设备使用高故障风险现状，创新性提出将基于智能评估技术的煤矿机电设备运行状态评价模型运用到机电设备运行状态分析中，前期结合煤矿机电设备运行评估实际需要选取评价指标，随后计算运行状态劣化度，构建设备运行状态智能化评价模型，并将模型带入实际使用的机电设备中，寻找机电设备运行故障潜在诱因，并设置健康状态（I 级）、良好状态（Ⅱ级）、预警状态（Ⅲ级）、故障状态（Ⅳ级）四个设备运行状态评价等级。

该研究所提出的以智能评估技术为主的煤矿机电设备运行状态评价模型，在评价机电设备运行状态中发挥明显优势，具有较高的适用性，即基于智能评估技术的煤矿机电设备运行状态评价模型在电牵引采煤机运行状态评价中具有实践性。未来应针对机电设备实际使用状况，结合本试验结果，适当增加不同型号和用途机电设备，大力开展对此方法的应用与测试，并进行全方位验证，为更多机电设备运行状态评价提供便利，从而不断扩大模型实际应用范围。然而，考虑到引发机电设备运行故障的原因及影响因素还有很多，且目前基于设备运行状态评价的模型比较有限，不同研究方向所用测量、分析以及评价方法有所差异，后续将就具体问题进行详细分析，并引入更多评价工具，以实现灵活运用评价模型[11-12]。

在引入评价模型的过程中，关注改进方案的制定，人为因素、管理因素、监测因素，均与人的执行不到位有直接关系，因此建立一系列培训、管理及监测机制，选择机电设备使用者、维修者最能接受的最佳方案，从而不断强化相关人员的专业能力，为不断提高机电设备使用可靠性提供一定支持[12]。为进一步降低机电设备运行风险，降低故障率，对改进方案进行不断完善，构建动态监测体系，通过引入智能化技术和设备，对机电设备故障进行综合分析，并结合常见故障制定维护与保养计划，应做好以下几点工作：

1）准确记录机电设备运行状态评价模型使用过程，加强对设备运行的日常监测，并对改进成果进行标准化处理。

2）评估该评价模型应用过程存在的问题，并增加循环管理机制，不断完善整个运行状态评价模型架构，提高评价准确性。

3）加强机电设备运行故障风险测量及控制，彻底改变“事后整改”顽疾，通过运行状态评价模型实现“事前预防”，从而降低机电设备运行故障。

4）在设备运行状态评价模型中也要兼顾紧急事件防范，形成应急预案，从而不断增强评价模型功能，提高其实际使用效果。