煤礦皮帶運(yùn)輸機(jī)故障分析及診斷

趙 盾

(山西煤礦安全監(jiān)察局安全技術(shù)中心,太原 030000)

皮帶運(yùn)輸機(jī)作為煤炭長(zhǎng)距離運(yùn)輸?shù)闹匾ぞ?由于工作環(huán)境惡劣,運(yùn)行過程故障率較高,對(duì)煤礦的整體工作效率與生產(chǎn)效益造成制約[1-2]。隨著煤炭規(guī)模化開采的推進(jìn),長(zhǎng)距離運(yùn)輸機(jī)應(yīng)用范圍越來越廣,皮帶機(jī)的故障將對(duì)整個(gè)生產(chǎn)系統(tǒng)造成更加嚴(yán)重的影響[3-4]。目前國(guó)內(nèi)大多數(shù)煤礦對(duì)皮帶運(yùn)輸機(jī)缺少有效監(jiān)測(cè),部分煤礦采用單一傳感器檢測(cè)技術(shù),沒有有效的信號(hào)處理與故障診斷功能,無法及時(shí)對(duì)皮帶運(yùn)輸機(jī)各部件的故障進(jìn)行特征處理[5-6]。本文將針對(duì)皮帶運(yùn)輸機(jī)的主要部件進(jìn)行故障分析,并建立信息處理與故障診斷系統(tǒng)。

1 皮帶運(yùn)輸機(jī)故障分析

皮帶運(yùn)輸機(jī)作為一種散裝物體的運(yùn)輸工具,主要部件包括輸送帶、托輥、滾筒、電機(jī)、減速器與張緊裝置等各類連接部件。在運(yùn)輸過程中,輸送帶與托輥、滾筒等部件之間相互摩擦,嚙合運(yùn)行,在長(zhǎng)期高負(fù)荷運(yùn)轉(zhuǎn)下,輸送帶、托輥與滾筒成為皮帶運(yùn)輸機(jī)最常見的故障部件[7-8]。

1.1 輸送帶故障及診斷

輸送帶故障最常見的形式包括:輸送帶縱向撕裂、輸送帶打滑、輸送帶跑偏及輸送帶斷裂等。

在輸送帶長(zhǎng)期過度磨損或輸送物料中存在尖銳石子時(shí),輸送帶容易發(fā)生縱向撕裂。撕裂故障常用的診斷方法為超聲波檢測(cè)、電磁檢測(cè)及壓力檢測(cè)等。

輸送帶打滑主要由于輸送帶張緊力不足,導(dǎo)致與傳動(dòng)滾筒之間無法產(chǎn)生足夠的摩擦力，使得輸送帶的運(yùn)行速度小于滾筒的切向線速度。打滑會(huì)導(dǎo)致滾筒與輸送帶之間的摩擦加劇,產(chǎn)生大量熱,引起火災(zāi)和瓦斯爆炸等事故。目前打滑的診斷方式為速度檢測(cè)法,通過布置幾組速度傳感器用于檢測(cè)滾筒與輸送帶的運(yùn)行速度,判斷是否打滑[9]。

輸送帶跑偏是指輸送帶運(yùn)轉(zhuǎn)的位置與理論運(yùn)輸?shù)姆较虺霈F(xiàn)偏差。跑偏的主要原因?yàn)檫\(yùn)輸機(jī)橫截面上輸送帶兩側(cè)受力不平衡,其中一端的外力大于輸送帶另一端,導(dǎo)致輸送帶偏向一側(cè)。輸送帶的跑偏會(huì)導(dǎo)致輸送帶與機(jī)架之間產(chǎn)生距離摩擦,輸送帶磨損加大,縮短材料的使用壽命。同時(shí),輸送帶上的物料也會(huì)偏移輸送路線,灑落于皮帶運(yùn)輸機(jī)的托輥與滾筒之間,造成其他部件的損壞。目前,輸送帶跑偏的診斷方法為:在輸送帶運(yùn)行方向的兩側(cè)安裝跑偏開關(guān),檢測(cè)到輸送帶偏離位置時(shí),觸發(fā)報(bào)警開關(guān)[10]。

輸送帶斷裂的主要原因是皮帶在運(yùn)送物料時(shí),運(yùn)輸負(fù)荷較大或運(yùn)輸路線存在較大坡度時(shí),輸送帶受到的張力超過材料允許范圍,導(dǎo)致輸送帶斷裂。斷裂會(huì)導(dǎo)致物料堵塞,損壞機(jī)架等重要部件,在長(zhǎng)時(shí)間范圍內(nèi)無法開機(jī)運(yùn)輸。通過檢測(cè)皮帶張力的大小可以實(shí)現(xiàn)斷帶故障的診斷,當(dāng)張緊力突然增大并超過限值時(shí),判斷發(fā)生斷帶。

1.2 托輥故障與診斷

托輥的故障形式主要分為三種:托輥軸斷裂、軸承磨損及主軸彎曲變形。托輥軸斷裂:當(dāng)托輥的運(yùn)行速度與運(yùn)輸機(jī)輸送方向之間存在夾角時(shí),托輥殼體與軸承之間的磨損加劇,設(shè)備繼續(xù)運(yùn)轉(zhuǎn),托輥軸兩端受力不均,發(fā)生斷裂。軸承磨損:輸送過程中,煤料與油污等被帶入軸承中,造成軸承劇烈磨損。主軸彎曲變形:當(dāng)輸送帶上物料重力分配不均時(shí),在長(zhǎng)期惡劣工作環(huán)境下,會(huì)造成托輥一端的載荷較大,使托輥主軸彎曲變形。目前托輥的故障診斷主要通過對(duì)其轉(zhuǎn)速、轉(zhuǎn)矩與振動(dòng)信號(hào)的檢測(cè),并對(duì)采集信號(hào)進(jìn)行相關(guān)處理與分析,完成故障診斷。

1.3 滾筒故障及診斷

滾筒的主要故障形式包括:包膠損壞、筒體壓裂、軸損壞與軸承座損壞。在皮帶運(yùn)輸機(jī)運(yùn)行時(shí),當(dāng)滾筒與皮帶的運(yùn)行摩擦力大于材料允許范圍內(nèi)時(shí),兩者之間會(huì)形成微小位移,造成滾筒外包膠的磨損。當(dāng)皮帶運(yùn)輸機(jī)長(zhǎng)時(shí)間高負(fù)荷運(yùn)轉(zhuǎn)時(shí),滾筒載荷較大,在焊接質(zhì)量較差的情況下,滾筒會(huì)出現(xiàn)壓裂開焊。軸承與軸承座的損壞通常是由于軸的質(zhì)量不佳或存在異物摩擦磨損導(dǎo)致。滾筒的故障診斷方法與托輥相同。

2 皮帶運(yùn)輸機(jī)故障樹建立

通過上文分析,得到皮帶運(yùn)輸機(jī)的主要故障失效形式及直接原因。由參考文獻(xiàn)[4]可知,由于各類故障及原因存在聯(lián)系,在診斷時(shí)會(huì)出現(xiàn)同一種狀態(tài)對(duì)應(yīng)多種故障的情形,如當(dāng)滾筒出現(xiàn)抖動(dòng)時(shí),可能是滾筒軸發(fā)生損壞或筒體壓裂。所以,為了避免診斷時(shí)出現(xiàn)干擾,本文建立了一種皮帶運(yùn)輸機(jī)的故障樹,對(duì)皮帶運(yùn)輸機(jī)的故障邏輯因果關(guān)系進(jìn)行分析與建模，如圖1所示。

故障樹模型中包括頂事件、中間事件、底事件、條件事件與事件符號(hào)等,其中事件符號(hào)包括與門、非門及異或門等邏輯門,用于描述各事件之間的邏輯關(guān)系。在建立故障樹時(shí),應(yīng)將各類故障形式作為頂事件,放在模型頂端。研究造成各類頂事件的原因,通過事件符號(hào)將其聯(lián)系起來,中間事件作為頂事件中故障的直接原因,繼續(xù)向下延伸,底事件為故障失效的根本原因,多代表部件已知的故障形式與原因。通過事件在故障樹中的高低位置來判斷優(yōu)先等級(jí),位置越靠上的事件,對(duì)故障樹頂事件的影響越大。在發(fā)生故障后,通過由上向下逐級(jí)地分析,獲得造成故障的根本原因。皮帶運(yùn)輸機(jī)最常見的故障為輸送帶跑偏,本文對(duì)其故障樹進(jìn)行建模。

3 皮帶運(yùn)輸機(jī)故障診斷技術(shù)及實(shí)現(xiàn)

3.1 故障診斷技術(shù)分析

由于皮帶運(yùn)輸機(jī)組成結(jié)構(gòu)復(fù)雜,工況環(huán)境惡劣,故障形式多樣,傳統(tǒng)故障監(jiān)測(cè)方法很難起到較好的預(yù)測(cè)作用。本文提出了一種多元信息預(yù)測(cè)技術(shù),對(duì)皮帶運(yùn)輸機(jī)多個(gè)典型工況參數(shù)與故障信息進(jìn)行采集,通過對(duì)不同信息特征量的提取與分析,最終融合為各故障類型的發(fā)生概率,從多個(gè)方面對(duì)故障進(jìn)行研究,得到更加精確的判斷結(jié)果。

本文用到的故障數(shù)據(jù)理論為Dempster-Shafer合成法則(D-S證據(jù)理論),將不確定的問題轉(zhuǎn)換成集合的形式,通過分配各事件的概率函數(shù),確定目標(biāo)的最終狀態(tài)信息,做出相應(yīng)決策。D-S理論中定義信度函數(shù)為:

(1)

式中,bel為信度函數(shù)；m為單個(gè)證據(jù)的可信函數(shù)；B為A事件的信息度。

信度函數(shù)表示該數(shù)據(jù)對(duì)該假設(shè)的悲觀估計(jì),應(yīng)用于本系統(tǒng)可表示在某參數(shù)下,皮帶運(yùn)輸機(jī)的故障概率大小。在多個(gè)信度函數(shù)下,D-S的融合分配規(guī)則如公式(2)所示:

(2)

3.2 故障診斷模型及實(shí)現(xiàn)

本文的故障診斷技術(shù)模型如圖2所示。根據(jù)處理順序與功能可分為數(shù)據(jù)預(yù)處理、特征提取與決策輸出三個(gè)階段。數(shù)據(jù)預(yù)處理:系統(tǒng)通過設(shè)備現(xiàn)場(chǎng)布置的傳感器,對(duì)各類工況參數(shù)與故障信息進(jìn)行采集,并將數(shù)據(jù)進(jìn)行歸一化等預(yù)處理,作為下一階段的輸入；本文將皮帶運(yùn)輸機(jī)的工作溫度、皮帶張力、運(yùn)輸速度、環(huán)境瓦斯?jié)舛扰c電機(jī)電流信號(hào)作為數(shù)據(jù)采集指標(biāo)。特征提取:將采集數(shù)據(jù)進(jìn)行劃分,利用樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)參數(shù),將數(shù)據(jù)作為網(wǎng)絡(luò)的輸入信號(hào),得到各參數(shù)下故障類型的隸屬度。決策輸出:根據(jù)網(wǎng)絡(luò)輸出的各故障類型概率,利用D-S證據(jù)理論輸出最終故障概率,配對(duì)故障數(shù)據(jù)庫(kù)規(guī)則,確定故障觸發(fā)原因及解決維護(hù)措施。

圖2 故障診斷技術(shù)模型Fig.2 Fault diagnosis technology model

特征提取階段中,各信號(hào)子網(wǎng)采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè),采用三層網(wǎng)絡(luò)結(jié)構(gòu)。以溫度子網(wǎng)為例,神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)為5,代表溫度采集點(diǎn)為5個(gè),分別為：皮帶運(yùn)輸機(jī)電機(jī)溫度，減速器溫度，機(jī)架溫度，機(jī)頭溫度與滾筒溫度。網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)為12,訓(xùn)練函數(shù)為tansig,系統(tǒng)訓(xùn)練樣本通過實(shí)驗(yàn)與故障歷史數(shù)據(jù)獲取。本文所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)故障類型與測(cè)試數(shù)據(jù)特征量的匹配,收斂速度快,避免了局部最小值的出現(xiàn),保持較為合理的計(jì)算誤差,并具備較強(qiáng)的學(xué)習(xí)能力。

4 應(yīng)用效果

建立故障樹與預(yù)測(cè)機(jī)制后,通過各類傳感器數(shù)據(jù)的采集,可在較快時(shí)間內(nèi)發(fā)現(xiàn)皮帶運(yùn)輸機(jī)所發(fā)生的故障類型,及時(shí)解決故障,避免發(fā)生安全事故。診斷模型的應(yīng)用可減少皮帶運(yùn)輸機(jī)故障檢修時(shí)間的15%～20%,應(yīng)用效果如表1所示。

表1 模型應(yīng)用效果Table 1 Model application effect

表中故障處理時(shí)間為發(fā)現(xiàn)故障到故障解決所用的時(shí)間,優(yōu)化效果為模型應(yīng)用前后所用時(shí)間的優(yōu)化結(jié)果。

5 結(jié)束語(yǔ)

本文針對(duì)皮帶運(yùn)輸機(jī)的主要故障部件進(jìn)行分析,提出了一種故障診斷模型。建立皮帶運(yùn)輸機(jī)故障樹,相較于傳統(tǒng)數(shù)據(jù)庫(kù),具有更好的邏輯性,方便逐級(jí)分析。利用D-S理論與神經(jīng)網(wǎng)絡(luò)模型進(jìn)行定性分析,判斷皮帶運(yùn)輸機(jī)的故障類型,及時(shí)做出解決措施,避免引發(fā)更大的安全事故,有助于生產(chǎn)運(yùn)輸?shù)募皶r(shí)恢復(fù)。