連續采煤機裝載系統故障診斷的專家系統

閆建軍

（山西鄉寧焦煤集團申南凹焦煤有限公司， 山西 臨汾 042105）

引言

圖1 某場連續采煤機裝載系統示意圖

連續采煤機中的裝載裝置對于采煤機的正常工作運行起到了重要作用[1]。本文主要對連續采煤機中裝載系統可能出現的故障及其具體的診斷方法進行詳細分析，通過采用BP的相關技術以及具體的實踐方法，并以VC++6.0作為相應的變成平臺來進行人機交換界面的具體操作，將SQL2000作為數據庫，從而建立起專業的故障分析專家系統。

1 連續采煤機的故障及其診斷

1.1 連續采煤機可能出現的故障

如圖1所示是某場的連續采煤機裝載系統，圖中的M1至M11所對應的分別為其裝載系統的具體部位[2]，連續采煤機中裝載系統所出現的具體故障主要體現在：轉速過慢（X1）、轉動速度時快時慢（X2）、工作時震動幅度較大導致噪音較大（X3）、工作時異常發熱（X4）、轉動過慢（X5）、輸送機轉動異常（X6）、減速器的轉動快慢不均（X7）、減速器在震動時噪音過大（X8）、減速器工作時異常散熱（X9）、電動機工作時有噪音（X10）、轉動不均（X11）、電動機過熱（X12）。

1.2 造成故障的主要原因

經分析，造成故障的原因有：電壓與額定電壓不符（Y1）、內部線圈短路（Y2）、離合器不牢固（Y3）、軸出現變形（Y4）、齒輪存在磨損現象（Y5）、軸承出現故障（Y6）、軸承不夠潤滑（Y7）、錐齒輪存在異常磨損現象（Y8）、齒輪零件的磨損破舊（Y9—Y11）、軸減速器的軸承年久失修（Y12—Y14）[3]。減速器運轉不夠潤滑（Y15）、減速器的螺絲沒有固定（Y16）、電螺機的螺絲沒有牢固（Y17）、電機缺少一定的潤滑（Y18）、電機數值超過負荷（Y19）、電機內部的軸承出現產生壓痕和表面脫落等不同方面的損壞（Y20）。

1.3 檢測出現故障的方法

連續采煤機內部裝載機構出現的問題主要是通過傳感器進行獲取和傳輸的，進行裝載機構檢測主要分為11個測試環節，專業的技術工作人員首先將傳感器模擬的電信號輸出進行提前處理，從而將單片機上的AD轉換器進行專業的數據采集，使得專家系統能夠更加方便地獲取檢驗的具體數據，最后將專家系統得出連續采煤機中裝載系統所出現的具體問題并進行合理修復[4]。在連接星輪的軸承、轉動軸承座、電機軸承座以及減速器進行速度傳感器的具體安裝，由M2負責X2以及X3的測試、由M5負責X6以及X3的測試、由M10負責X10以及X11的測試、由M6、M7、M8負責X7以及X8的具體裝置測試。與此同時，專業技術人員還需在兩個星輪的連接處以及減速外殼等分別設置對應的傳感器，并進行上述相對應的具體測試。

2 連續采煤機故障診斷模型

通過故障征兆的個數與故障的個數可形成一個由2個子神經網絡構成的一個復雜神經網絡，子神經網絡1是由輸入層的6個神經元（n=6）、隱藏層的10 個神經元（j=1、2、...、10）和輸出層的 8 個神經元（k=1、2、...、8）構成的 3 層 BP 神經網絡，負責星輪部分的故障。子神經網絡2是由輸入層的6個神經元（n=6）、隱藏層的 10 個神經元（j=1、2、...、10）和輸入層的 12 個神經元（k=1、2、...、12）構成的 3 層 BP 神經網絡，負責電動機和減速器的故障。

首先得到神經網絡的輸入層到隱藏層的凈輸入值n1j為：

式中：ωij為輸入層到輸出層權值；Xi為輸入故障值；θ1j為輸入層到輸出層閾值。

將凈輸入值n1j代入到sigmoid的函數中，得到具體的隱藏層值：

式中：λ為sigmoid函數的速度系數，在實際的神經網絡中常取1。

則隱藏層到輸入層凈值為：

式中：vik為隱藏層到輸出層權值；θ2k為隱藏層到輸出層閾值。

最后得到輸出值：

在經過上述的具體表達后，專業的技術人員便可以通過BD神經網絡來完成循環系統，從而更為完善地構成連續采煤機專家系統的數據庫，并形成專家系統，專業的技術人員也可以通過專家系統中的數據庫對連續采煤機中裝載系統所出現的問題進行合理且精準的排查修復。

3 專家系統VC實現

3.1 診斷概述

專家系統主要是包含有兩個子網絡的復雜神經網絡進行故障的診斷與排查，主要包括不同環節所出現的故障。首先是星輪部分所存在的故障，其次是電動機以及減速器所出現的故障。在此過程中進行專業系統的學習，有效克服以往故障診斷需要通過采用神經網絡的適應性以及模仿性來完成的模式，在具體過程中，只建立一個網絡，會對所診斷的轉載系統的對象以及結構的具體表達進行遺漏，使其不能適應具體連接值的體現，導致數值的不規律的增加。與此同時，進行樣本學習的組合也有了一定程度上的增加，更為龐大的診斷為整個專家系統的診斷工作提供了一定的難度。但是，以VC++6.0作為主要的編程平臺，可以通過編程平臺來對人機交互式畫面進行制作，從而通過數據庫來進行圖表以及故障歷史表的保存。在專家系統的內部嵌入Matlab6.5，便可通過其完善且專業的圖像功能與上述提及的而混合編程分別對子神經網絡進行合理有效的仿真。

3.2 具體案例

連續采煤機的裝載系統在進入專家系統后，可以從專家系統的主頁面進入神經網絡的學習界面中，并得到神經網絡樣本中的訓練數據，利用專業的算法制成樣本數據，最終進入數據庫，形成知識庫。在進入到專家系統后可以進入神經網絡診斷界面，然后在進入故障診斷界面，對采煤機中的運載裝置所出現的問題進行合理修復，并通過串口將所要檢驗的故障體現出來，以便開始進行具體的專家診斷。在此過程中，專家系統可以依靠數據庫中的主要內容對連續采煤機中的運載裝置所存在的問題進行專業的檢測以及修復。

4 結論

利用專家系統和專業數據庫對裝載系統進行細節診斷，不僅可以節省對裝載系統的維修時間，而且可在一定程度上提升連續采煤機的工作效率?？梢娧b載系統及其故障診斷專家系統對連續采煤機的重要性。

[1] 張衛亮，李飛舟.狀態監測裝載機液壓故障診斷專家系統的研究[J].機床與液壓，2017，45（1）：167-172.

[2] 劉志海，張榮華，楊凱迪，等.基于模糊專家系統的采煤機故障診斷研究[J].煤炭技術，2017（1）：227-229.

[3] 渠通.采煤機常見故障的分析和故障診斷的基本方法研究[J].機械管理開發，2017，32（7）：61-62.

[4] 張杰.連續采煤機電氣故障分析與防治[J].能源與節能，2017（4）：54-55.

[5] 肖峰.JOY 12CM15-10D直流牽引連續采煤機電控系統國產化改造[J].煤礦機械，2017，38（8）：103-106.