連續采煤機故障檢測技術研究

湯林森

（同煤集團云崗礦，山西　大同　037017）

引言

采煤機是現代化采煤作業中不可取代的重要快速掘進設備，是采煤企業提高運作效率、獲取經濟效益的重要保障。但是，由于采煤機特殊的工作環境和工作負荷，在運轉過程中難免會因為巨大的工作壓力和多變的工作對象而出現各種各樣的故障，嚴重影響采煤機工作的可靠性，對采煤任務的順利開展造成阻礙。采煤行業的發展逐漸對采煤機的運轉性能提出了更高的要求，面對采煤機發生故障較為頻繁的現狀，部分企業采用的計劃維修方案因為對維修時機把控不夠及時已經不能夠滿足當今的要求。所以，在使用連續采煤機的過程中，要進行科學的使用規劃和維修檢測，在開展具體的檢查維修工時作要注意把握時機，要利用現代的故障檢測方法實現不影響正常生產的在線檢測[1]。

1　采煤機檢測故障技術介紹

1.1　振動檢測技術

對采煤機進行振動狀態的檢測和分析是檢測機械運轉情況中最普遍、最基礎的技術手段。就采煤機懸臂齒輪減速箱的機械結構來看，當其發生不同程度的故障時，振動檢測儀器檢測到的振動信號的頻率和能量分布都會與正常情況下的有所不同，這樣就可以對采煤機進行在線的故障檢測。目前國內外對于振動理論和檢測分析的技術研究相對成熟，也可以買到價格適當的檢測設備。

在使用振動法進行故障檢測分析時，首先，要對檢測的對象進行詳細的了解和測試，了解的信息包括機械振動異常的特征、采煤機運行的環境要求、機器的維修記錄等等。其次，要明確采煤機減速箱中機械結構（齒輪和軸承）的規格以及頻率特征等信息，并且根據需要在箱體上選擇適當的測試點，使用傳感器獲取振動信號，對獲取的信號采用信號處理方面的技術進行分析，提取特征，完成對采煤機故障的檢測。具體的振動信息處理方式有時域分析和頻域分析兩種方式，但現實應用中一般將這兩種方式結合起來使用以提高故障分析的準確性和可靠性，對信號進行時域分析可以獲得產生故障的位置，對信號進行頻域分析可以得到機器故障的性質和嚴重程度，兩者結合使用優勢互補。為了能夠隨對信號進行更加高效的處理，我們通常會把獲得的初始信號通過帶通濾波器進行濾波處理，去掉不在分析范圍內的相關信號。再者，對信號進行分析之前通常使用相加平均法來進行信號除噪聲處理。總而言之，振動法進行故障分析技術較為成熟，能夠與現代計算機信號處理技術進行結合完成在線監測，但考慮到檢測系統的可靠性，對振動監測設備的防爆性能提出了更高的要求[2]。

1.2　油液分析檢測技術

目前，很多國內外的先進采煤企業使用油液分析技術進行采煤機的故障檢測和分析，油液分析技術在近些年得到了很大的發展和改進，是一種得到業內廣泛認可的有效檢測技術。

油液分析技術分為對油液本身的物理化學性質進行分析和對油液中不溶性物質進行分析兩大類。分析油液本身的物理化學性能是指通過使用潤滑油綜合分析儀來分析潤滑油中的各項物理化學指標，因為潤滑劑的使用狀態能夠直接反應機器的磨損狀況，對其進行各項指標的理化分析可以判斷機器的運轉狀況。對油液中的不溶性物質進行分析又名“磨屑檢測技術”，其具體實現方法有光譜分析和鐵譜分析兩種方式，對磨屑進行分析可以判斷機器的磨損程度、和磨損位置，操作可行性、準確性高，對環境要求和工作條件限制較低，但是對非鐵固體檢測能力較差，在設備操作上對人員的專業要求較高。

1.3　聲學檢測技術

聲學檢測技術主要是針對采煤機變速器在運轉過程中發出的噪聲來進行分析處理的技術，檢測的噪聲分為兩大類：一類，箱體內應用的零件運轉產生的噪聲經箱體傳播到空氣中（空氣聲）；另一類，箱體本身發生振動產生的噪聲（固體聲）。一旦減速箱運轉異常，其噪聲在頻率和能量的分布上就會出現變化，通過對噪聲進行處理并分析這些變化，就可以對減速箱的運行狀況做出判斷[3]。

現有的聲學檢測技術有超聲波檢測、聲發射檢測和以上提及的噪聲監測，前兩者對設備裂紋檢測有明顯的優勢，但因設備成本問題未能廣泛應用，而噪聲監測在對減速箱的檢測中表現出來很好的效果，其處理分析原理與振動檢測有異曲同工之處。

1.4　人工神經網絡智能檢測

近些年，自動化技術、人工智能、機器學習等高新技術發展迅速，將這些技術應用到對采煤機故障檢測復雜的分析中可以大大降低對檢測人員的經驗、技術要求，提高檢測效率和檢測準確性，所以人工智能在設備檢測領域得到很大的關注，智能檢測技術也應運而生。

人工神經網絡是一種類似于生物神經網絡的信息處理、學習技術，通過網絡可以完成對大量數據信息的特征提取、模式判斷，經過大量的“自學習”過程之后對采煤機故障判斷中遇到的復雜處理進行迅速的決策。這種智能檢測方式能夠充分利用原有的分析經驗，適應惡劣的工作環境，對故障較多、分析困難的情況能夠做出高效、準確的處理，有很好的發展前景。人工神經網絡技術可以與振動檢測、油液分析檢測、聲學檢測等多種較為成熟的檢測技術進行結合，進一步提高故障檢測的診斷質量，但是在進行實際的實驗研究中還有大量的問題需要解決。

1.5　專家系統檢測

專家系統檢測是進行采煤機故障檢測的新方向，現代計算機技術的發展是專家系統檢測得以提出和發展重要技術支持。

專家系統的本質就是一種包含現有故障分析經驗的智能化計算機程序，故障分析判斷的整個過程可以通過計算機程序利用已有經驗完成人類的思維判斷，最終得到具備專家能力的分析結果。專家系統一般由動態知識庫、推理運算機、執行規則庫等多個單元構成，實現過程相對復雜[4]。

2　采煤機故障檢測技術發展趨勢

現代自動化技術、計算機技術、人工智能、機器學習等技術的發展和應用對故障檢測領域帶來了新的生機與活力，傳統的檢測方案在技術實現上較為成熟，但是在數據分析和判斷方面存在很大的提升空間，人工神經網絡檢測和專家系統檢測的提出可以很好的解決這方面的問題，在傳統檢測方法的基礎上，將神經網絡技術與專家系統進行結合組成混合智能故障檢測系統，可大大減少神經網絡學習時間，提高故障檢測效率和準確率。可見，神經網絡與專家系統結合的混合智能檢測可以使故障檢測的整體水平得到顯著提高，是該領域發展的趨勢。

3　結語

隨著現代科學技術的迅速發展使得采煤機故障檢測技術逐漸與電子電氣技術、機械設計、計算機技術、信息科技、人工智能等先進技術領域建立了越來越密切的聯系，因此，將綜合了機械、電子、數學、物理、計算機、人工智能等學科精華的現代檢測方法與故障診斷技術應用于連續采煤機的故障診斷中，才能保障煤礦開采的正常工作，并促進煤礦企業的順利發展，提高企業的生產效率。

[1]曹艷麗.連續采煤機動態特性及結構優化設計的研究[D].阜新：遼寧工程技術大學，2012.

[2]李曉豁，趙岐剛，曹艷麗.連續采煤機垂直方向振動的仿真[J].振動測試與診斷，2010（6）：231.

[3]李令軍，夏本春，夏林穩，等.鐵譜技術在采煤機狀態監測與故障診斷中的應用與研究[J].煤礦機電，2000（1）：39.

[4]王艷杰，張宏偉，紀長林.連續采煤機的國產化之路[J].煤礦機械，2010（2）：123.