提升機運行監測及故障診斷方法的研究

趙晉

摘 要：提升機作為礦山開采工作中較為大型的機械設施，主要工作是進行物料和工作人員的提升和下放，所以提升機能否安全順利的運轉，不但直接影響著煤炭開采的成效，更是直接影響著工作人員的生命安全。提升機運轉狀態線上監控和問題診斷系統，可以提供提升機運轉情況直觀化的監控平臺和穩固牢靠的問題診斷方式，從而為提升機安全穩固的工作提供有效支持。基于此本文主要對提升機運行監測及故障診斷方法進行了綜合的分析，以供參考。

關鍵詞：提升機;運行監測;故障診斷;方法研究

1 提升機運行監測內容分析

第一，對于虛擬設備技術的推廣和運用，不但能夠使提升機檢測診斷程序的構造變得更加簡化，便于檢測修理，還可降低對于實物儀器設備的應用，減少系統的建立成本，此外，針對引進的新程序，系統不用做過多的修正和改變，系統在做升級和更新時非常快捷。

第二，可針對系統內所有的重要部分實施隨時的檢測，比如：減速器、電機、主軸和制度程序等等，隨時檢測與調節鋼繩是否保持在平衡的狀態中，有效規避因為鋼繩張力不均而造成安全事故的出現，還能夠對系統中所有重要的運行數據進行檢測并且顯示出來，為工作人員提供便利，及時了解提升機程序的運轉狀態，為操控管理工作提供便利。

第三，運用神經網絡構成了超強的數據分析性能，可對故障問題實施診斷與警示，預先分析出有可能會出現的故障，預先實施治理預防故障的出現。同時，如果已經出現了故障，實時對故障進行警示，明確提出出現故障的方位、類別等訊息與修理意見等等。進行對應性的檢測修理，更加方便快速，從而將經濟虧損降到最低，也規避了人員傷亡事故的產生。

2 提升機運行常見故障

2.1 主軸裝置常見故障

包括：軸瓦的溫度太高而被燒壞、輥皮開裂沒法運行、卷筒偏擺異常、卷筒出現噪音、軸承的溫度太高不能正常運行、主軸因為沒法承載工作動力而斷裂。

2.2 齒輪常見故障

齒輪間的配合失去平衡致使齒輪出現誤差而干擾系統正常運行，齒輪誤差包含齒輪偏離中心、齒輪不同軸、有均勻性的磨損情況均能導致其無法順利運行。

2.3 減速器常見故障

驅動軸出現彎曲或者斷裂情況、齒輪微顫或者出現較大的噪音、軸承運行異常時熱度較高、滑動軸承承載不了力度出現斷裂情況、齒輪運行異常時出現磨損等普遍的電機問題。電機運行過快致使電機的軸承溫度過高，軸承出現異常噪音，還有溫度太高、不匹配或者滾動太快以及太慢、電機時速、電機過流等。

2.4 液壓制動系統常見故障

液壓系統的壓力不夠穩固、液壓系統的壓力突然失控、剩余的壓力太高、制動油帶來的壓力無法到達標準值、制動器長時間空轉、在剎車時剎車油未能提供足夠的壓力、剎車扭矩不達標、制動時長未在正常范圍內。

3 提升機運行監測及故障診斷方法的研究

3.1 粒子群優化算法的參數選擇

在運用PSO對SVM的參數c，g進行尋優時，以下數據對于結果會帶來干擾：種群數量N，加速常數c1，c2，性權重系數w，最大飛行速度Vmax，收縮因子x和最大位置Xmax。PSO參數的選取，例如表1所示。

3.2 故障診斷模型建立

在進行開采期間，安全問題是最為關鍵的，所以規定采用的設施均需要擁有更高的牢靠性。就拿提升機的系統來講，出現故障的幾率太小，能夠獲得的故障樣本也會過少。因為SVM在對小樣本問題進行治理時效果比較好，故而此系統會應用SVM創建提升機的故障診斷模型。想要提升其精準度，有效降低診斷誤差，系統會采用PSO尋優SVM的c，g參數，詳細的故障診斷模型創建程序為：

以副斜井提升機單元偏擺1診斷為例，建立偏擺1故障診斷模型如圖1所示。

①采集故障會形成訓練數據，主要用在訓練SVM上。非故障樣本會形成測試數據，主要對故障診斷模型分類時的精準度來進行測試，想要提升其精準度，在情況準許時盡量利用多組參數進行訓練;②利用PSO來獲取訓練參數，得到最為優質的SVM參數c，g;③把通過PSO尋優以后得到的c，g數據代入SVM;④應用訓練參數對SVM進行訓練，獲得最為優質的分類超平面，實現對于故障診斷模型的創建;⑤對測驗數據進行讀取同時輸出測驗成果，實現對于故障診斷模型精準度的檢測。就以副斜井提升機單元偏擺1診斷為例子，對偏擺1故障診斷模型進行創建，如圖1所示。

3.3 提升機單元故障診斷

此系統將副斜井提升機單元當作例子來檢測故障診斷系統。在提升機單元的情況數據中，像偏擺1和偏擺2、徑向振動X、液壓站壓力、軸向振動、液壓站油溫、徑向振動Y、潤滑站油溫、閘瓦間隙九路參數數據能夠展現出提升機系統中的液壓系統、提升機主軸、滾筒和潤滑系統是否正常，所以，必須從這九個方面展開故障的檢測。將近幾年中提升機的運轉情況進行匯總，同時和現場的工作人員進行交流溝通，最后明確出三十組故障參數，三十組正常參數均為提升機單元的故障診斷訓練參數，三十組正常參數和三十組故障參數屬于檢測數據。將副斜井提升機單元偏擺1的數據當作例子，表明了故障診斷系統針對提升機偏擺情況的診斷流程。此系統將MATLAB當作故障診斷的平臺，用PSO尋優SVM的最優質數據c，g，來對故障診斷模型6U進行創建，同時運用檢測參數檢測診斷模型的精準度。一般來講對SVM核函數的選取差異會致使診斷模型的精準度產生差異，根據表1對PSO的參數進行建立同時把迭代次數設置成100，將SVM核函數分別設置成線性核函數、RBF核函數、多項式核函數和sigmoid核函數來創建故障診斷模型，對應獲得數據尋優成果和診斷模型精準度。

此系統內還包含徑向振動X、潤滑站油溫、徑向振動Y等各個方面的診斷和偏擺1診斷流程相似，對應的PSO尋優成果和診斷模型檢測成果可以從故障診斷成果中顯示出來，雖說參數樣本太小，但以粒子群優化為基礎的支持向量機故障診斷系統擁有良好的故障診斷能力，其故障診斷的精準度更高。

4 結束語

綜上所述，筆者針對提升機單元故障診斷模型的創建流程，對于PSO與SVM的基礎原理進行了講解，PSO怎樣尋優SVM中的c，g參數和SVM根據訓練參數尋求最優超平面的方式，講解了PSO數據的選取根據和SVM核函數的選取流程，實現了故障診斷模型的創建，同時利用檢測數據針對故障診斷系統的性能展開檢測，檢測成果說明，此系統擁有更高的故障診斷精準度。

參考文獻：

[1]朱歡.礦井提升機關鍵運行信息遠程監測系統研究[D].山西：太原理工大學，2015.

[2]鄭洪強.礦井提升機運行狀態在線監測系統實現[D].山西：太原理工大學，2014.

[3]胡勇，付勝.礦用提升機運行狀態監測系統的應用[J].中國設備工程，2010（08）：57-58.

[4]岳仁亮.監測系統網絡化研究[D].北京：北京化工大學，2003.