煤礦帶式輸送機智能故障診斷方法分析

前言:尋找寫作靈感?中文期刊網用心挑選的煤礦帶式輸送機智能故障診斷方法分析,希望能為您的閱讀和創作帶來靈感,歡迎大家閱讀并分享。

煤礦帶式輸送機智能故障診斷方法分析

摘要:帶式輸送機具有接頭多、輸送能力強、線路長等特點。礦區道路、鐵路區段均設置帶式輸送機。帶式輸送機任何部分的損壞都會導致輸送帶的運輸中斷,因此,迫切需要研究帶式輸送機的誤差處理措施和智能誤差監測。

關鍵詞:帶式輸送機;故障;智能監測

1 煤礦帶式輸送機故障特點

帶式輸送機通常有各種各樣的設備,適用于不同的應用場合,由于煤礦運輸環境特殊、復雜、困難。礦用帶式輸送機通常是根據煤礦運輸條件設計的大型復雜機組。其基本結構分為輸送帶;驅動裝置;驅動輥;反轉輥;張緊滾筒,滾筒分為上滾筒(平或空心、對中、緩沖等)和下滾筒(平或槽、對中、梳、螺旋、錐等);張力裝置;制動和防塵裝置。各種異構設備以不同的方式組合在一起,相應的工作要求也不盡相同,由于煤礦作業環境惡劣,帶式輸送機在運行中經常會出現各種故障。

2 煤礦帶式輸送機常見故障及原因

2.1 輸送帶縱向撕裂

(1)在各種運輸方案中,由于非法操作和運輸,煤炭運輸會產生大量沉積物。在膠帶運行過程中,這些尖銳物體可以在任何時候穿透膠帶,甚至在附加力的作用下沿裂縫引入膠帶。長期的相互作用導致了膠帶的損壞,并最終使其沿著損壞方向移動,運輸過程中的大塊材料或銳邊物體可能散落在輥子上,輥子和膠帶之間的持續摩擦可能刺穿膠帶。(2)如果傳送帶偏離,它會繼續與輥子位置和傳送帶兩側的輥子發生碰撞和擠壓。如果不及時設置,偏離程度會增加,膠帶可能被刺穿并導致縱向撕裂。(3)由于轉向線圈和輥的生產和加工誤差,輥和帶材接觸面上會形成銳槽,在與帶材的相互作用過程中,隨著輸送機重量的增加,銳槽會繼續切割,直到帶材被切斷。(4)如果在操作過程中,重物突然在卸料點碰到傳送帶,則很可能:過大的瞬間沖擊力穿透織帶,甚至直接撕裂織帶。幾乎 75% 的摩擦事故是由于切割和卸載不當造成的。

2.2 輸送帶打滑

輸送帶滑移是指由于傳動輥和皮帶的運動速度不匹配而引起的相對運動不正常。輸送機滑落的主要原因是:(1)張力裝置安裝不正確,或用無法提供足夠張力的材料卡住,致使輸送帶與滾子作用點之間的張力過小;(2)皮帶表面的水或滾子表面的防滑層會導致輸送帶和傳動裝置降低了移動滾子之間的摩擦系數;(3)在超載運輸過程中會使滾子難以正常工作,從而使輸送帶的阻力增加一倍。工作負載超過發動機的負載范圍。此外,輸送帶的嚴重偏差會增加輸送帶因堵塞而產生的阻力。(4)較高的初速也會導致膠帶滑落。

2.3 輸送帶跑偏

帶式輸送機的偏差是指帶式輸送機的中心線偏離其固有中心線的現象。膠帶偏移的主要原因如下:(1)安裝誤差大,地形復雜,工況復雜,運輸距離長,難以保證機架、輥的安裝精度。帶式輸送機等的偏轉率最低,在長期運行過程中,輸送帶出現錯位;不規范的人工操作也會導致安裝偏離規定的標準值。整機中心線與輥總成的安裝位置不垂直,導致輸送帶在帶負荷運行時側向運行。此外,輥子與輸送機相對位置的微小偏差也會導致輸送機皮帶在輥子水平面上的偏轉,這是由于操作過程中兩個力不匹配造成的;(2)接觸面不平整,輥的加工誤差和過多的附著力,導致接觸面不平整,輸送帶受到偏離運行方向的外力,迫使輸送帶沿作用方向偏轉。(3)充電口或充氣口與輸送帶之間的相對高度差。如果一大塊煤快速落在輸送帶一側,會產生較大的沖擊,沖擊力會偏離牽引方向,導致輸送帶一側的力過大,無法保持兩側的平衡,產生偏轉。(4)帶式輸送機長期不間斷運行,會造成接頭腐蝕、損壞、老化,造成偏離運行方向的誤差,也會導致帶式輸送機偏轉。引起輸送帶斷裂的主要因素有:(1)礦用鋼繩芯輸送帶硫化接頭長時間運行后接頭容易老化損傷,抗拉強度下降,如果不能及時更換維護,就會斷開;此外,如果較大塊的物料直接沖擊輸送帶,也會加速接頭破損,引發斷帶。(2)輸送帶本身材質缺陷,低溫下變硬變脆或長時間運行膠帶破損老化,抗拉性能都會大大降低,繼續承重運行很容易斷帶。(3)超載運行或大塊重物作用于膠帶、機架和滾筒等使膠帶運行受到過大的阻力,超負荷運行,造成斷帶。

3 煤礦帶式輸送機智能故障診斷方法

基于特征級兩層融合診斷方法,建立了帶式輸送機故障診斷信息融合模型。選取 kelm 和 svm 作為分類器,對輸送機皮帶的運行和故障狀態做出準確的判斷。采用 QPSO 算法對 KELM 網絡參數進行優化,有效地解決了 KELM 參數的敏感問題,實現了對帶式輸送機故障診斷精度的提高,故障診斷精度達到97%。

3.1 故障準確診斷

方法根據帶式輸送機的運行條件和典型故障特征,對監測信號進行預處理,并使用統計參數(如均值、方差等)分析時間范圍。小波包是一種常用的視頻分析過程,小波包分解實質上是對信號進行多頻帶濾波。輸送機的故障診斷主要基于提取的故障特征信息,并使用適當的模式識別程序對輸送機的當前工作狀態和缺陷進行準確評估。信息收集、預處理和特征提取應捕獲輸送機、環路、夾緊輪灰塵和火災損失正常情況下的皮帶速度、輸送機皮帶纏繞到驅動輪的溫度、發動機電流信號和收集的皮帶速度,溫度信號比較。在帶式輸送機故障的早期階段,如果卷數較低,則輪胎速度略低于正常值,且測量的溫度和發動機流量大于正常值;打滑等級,皮帶速度低于正常值。該值低于控制輥存在時的皮帶速度,測量的溫度值高于控制輥存在時的溫度;如果導輥黏滯到一定程度或強烈滑動,則此時存在火災故障。

3.2 特征及故障診斷

利用融合特征訓練 Kelm 分類器和量子粒子群優化 SVM 分類器(QSPO),將測試樣本輸入分類器,得到特征級融合診斷結果,并根據分類器的相應輸出構造 BPAF,實現了 DS 證據理論中 BPAF 的結構。選擇 qpso 算法優化 kelm 參數。在構造 BPAF 時,由于 KELM 的輸出范圍不均勻,傳統的兩類支持向量機的輸出是正負的,因此需要將分類器的輸出轉換為軟輸出,即概率輸出。

3.3 決策級故障診斷

決策級故障診斷可以利用 d-s 證據理論的融合規則,將特征級故障診斷結果進行融合,得到決策級故障診斷結果,實現決策級融合。將帶式輸送機故障診斷信息融合模型與決策層分類器的輸出結果融合,提高了對特征層診斷結果的支持度。將帶式輸送機故障診斷信息融合模型應用于特征級故障診斷時,分類器支持 90% 的輸出結果,不確定度約為10%;在決策級故障診斷中,重熔后故障診斷結果的分類器級特征,對輸出結果的支持率可達 97%,不確定度降低到3%左右。

4 總結

煤礦帶式輸送機越來越大、越來越復雜,工作環境惡劣多變,故障類型也越來越復雜。因此,有必要對帶式輸送機的故障診斷方法進行不斷地研究和改進。為了獲得更全面、完整、準確的診斷和預測結果,保證帶式輸送機高效、安全運行。

參考文獻:

[1]尹同舟,唐至威,楊健健,等 . 基于多傳感器 BP 網絡掘進機截割部故障診斷研究[J].煤炭科學技2016,44(09):134-139.

[2]袁亮 . 我國煤炭工業安全科學技術創新與發展[J]. 煤礦安全,2015,46(B11):5-11.

[3]張愛然 .我國煤礦安全生產現狀及健康發展展望[J].山西大同大學學報(自然科學版),2013,29(2):64-66.

作者:關生德 單位:國家能源集團新疆能源有限責任公司

亚洲精品一二三区-久久