一種集成可靠性估計(jì)與狀態(tài)監(jiān)測(cè)數(shù)據(jù)的帶式輸送機(jī)托輥維護(hù)決策

張寶龍

(平頂山天安煤業(yè)股份有限公司，河南 平頂山 467000)

0 引言

帶式輸送機(jī)系統(tǒng)的可靠性對(duì)礦井煤炭運(yùn)輸部門(mén)安全管理有重要作用[1]。系統(tǒng)可靠性可以看作是整體結(jié)構(gòu)中各部件(輸送帶、滾筒、傳動(dòng)裝置和托輥等)的綜合可靠性，預(yù)防性維護(hù)是保證帶式輸送機(jī)系統(tǒng)可靠性的重要環(huán)節(jié)[2]。輸送帶、滾筒和傳動(dòng)裝置的維護(hù)決策已被廣泛研究，例如基于軸承的故障檢測(cè)對(duì)于滾筒的維護(hù)決策，以及通過(guò)監(jiān)測(cè)溫度和振動(dòng)兩個(gè)主要參數(shù)對(duì)滑輪的維護(hù)決策。對(duì)于驅(qū)動(dòng)裝置，學(xué)者們介紹了基于模型的變速箱監(jiān)測(cè)與診斷方法[3]。然而，目前對(duì)帶式輸送機(jī)系統(tǒng)中空間分布的托輥進(jìn)行預(yù)防性維護(hù)決策的研究較少，托輥的失效形式主要有軸承失效和輥殼磨損兩種，其中軸承失效造成的后果更嚴(yán)重[4]。

軸承可靠性理論是托輥可靠性評(píng)估的基礎(chǔ)，學(xué)者們研究了軸承的各種失效模型如泊松分布、泊松指數(shù)分布、威布爾分布和對(duì)數(shù)正態(tài)分布等[5]。然而，在沒(méi)有歷史維修數(shù)據(jù)或先驗(yàn)知識(shí)的情況下，這些理論可靠性模型中的參數(shù)很難確定。此外，模型僅提供托輥總體的可靠性估計(jì)，而對(duì)于個(gè)別故障托輥的判別無(wú)能為力[6]。溫度是滾動(dòng)軸承故障的直接有效指標(biāo)，目前溫度信號(hào)的診斷都是基于閾值的方法，診斷是通過(guò)評(píng)估監(jiān)測(cè)參數(shù)的值是否超過(guò)假定的閾值來(lái)實(shí)現(xiàn)[7]。然而，滾動(dòng)軸承的溫度隨軸承、負(fù)載、轉(zhuǎn)速和環(huán)境而變化。因此，設(shè)定一個(gè)通用的托輥診斷閾值是非常困難的，這種方法需要深入了解狀態(tài)數(shù)據(jù)與物理劣化之間的關(guān)系，而物理劣化通常比較缺乏。

本文將可靠性理論估計(jì)與狀態(tài)監(jiān)測(cè)數(shù)據(jù)相結(jié)合，提出了一種帶式輸送機(jī)系統(tǒng)托輥的綜合維護(hù)決策架構(gòu)，該決策架構(gòu)中的診斷閾值可以根據(jù)托輥實(shí)時(shí)運(yùn)行條件和可靠性估計(jì)結(jié)果而變化，實(shí)現(xiàn)了以可靠性為中心的托輥預(yù)防性維護(hù)準(zhǔn)確決策。

1 維護(hù)決策架構(gòu)

為了實(shí)現(xiàn)帶式輸送機(jī)系統(tǒng)托輥的預(yù)防性維護(hù)，提出了一種帶式輸送機(jī)托輥的維護(hù)決策架構(gòu)，如圖1所示。

圖1 維護(hù)決策框架

該維護(hù)決策框架的核心包括4部分內(nèi)容，分別為托輥滾動(dòng)軸承壽命計(jì)算、軸承壽命理論、滾動(dòng)軸承故障率的理論計(jì)算和決策算法，它們集成了托輥的工況信息、可靠性評(píng)估和狀態(tài)監(jiān)測(cè)數(shù)據(jù)。帶式輸送機(jī)系統(tǒng)中的托輥均含有一個(gè)狀態(tài)監(jiān)測(cè)系統(tǒng)，用于監(jiān)測(cè)托輥的承載壓力、轉(zhuǎn)速、溫度等信息參數(shù)，通過(guò)對(duì)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行計(jì)算分析，實(shí)現(xiàn)托輥的預(yù)防性維護(hù)決策，可以診斷哪些托輥將出現(xiàn)故障，以及確定下一次檢查時(shí)間。

圖1表明了帶式輸送機(jī)系統(tǒng)托輥的預(yù)防性維護(hù)決策流程，首先根據(jù)煤炭的生產(chǎn)量、煤質(zhì)特性、輸送機(jī)參數(shù)和傳送帶速度計(jì)算托輥中的滾動(dòng)軸承載荷，利用滾動(dòng)軸承的運(yùn)行時(shí)間和L10軸承壽命理論確定托輥滾動(dòng)軸承的剩余壽命。然后通過(guò)理論計(jì)算獲得托輥滾動(dòng)軸承的故障率，結(jié)合采集的狀態(tài)監(jiān)測(cè)數(shù)據(jù)，輸入到開(kāi)發(fā)的決策算法中分析。最后判別出現(xiàn)故障的托輥并更換，以及確定下次檢查的時(shí)間。在維護(hù)決策流程中，滾動(dòng)軸承故障率計(jì)算和決策算法是決策過(guò)程中的兩個(gè)重要階段。

2 故障率計(jì)算

帶式輸送機(jī)系統(tǒng)空間分布的托輥軸承處于相同工作條件下，其可靠性、額定壽命L10和運(yùn)行時(shí)間之間存在一定關(guān)系，它們之間的關(guān)系通過(guò)滾動(dòng)軸承失效的累積分布函數(shù)FTC(t)表示為：

FTC(t)=1-RB(t)=1-exp[-0.105 3(LS(t)/L10,m)10/9]

(1)

式中：RB(t)為滾動(dòng)軸承的可靠性，L10,m是滾動(dòng)軸承的額定壽命，LS(t)為滾動(dòng)軸承已經(jīng)達(dá)到的運(yùn)行時(shí)間，其表達(dá)式為：

(2)

如果煤炭生產(chǎn)量和帶式輸送機(jī)的輸送帶速度恒定不變，則式(2)可簡(jiǎn)化為：

(3)

將誤差項(xiàng)ε(t)引入到時(shí)間點(diǎn)ti-1和ti兩次連續(xù)檢查之間的故障率理論計(jì)算中，可以修正可靠性估計(jì)。引入誤差項(xiàng)的修正故障率可以表示為：

(4)

在恒定的生產(chǎn)量和帶速下，將式(1)代入式(4)，故障率可進(jìn)一步寫(xiě)為：

(5)

3 決策算法

決策算法是帶式輸送機(jī)托輥維護(hù)決策框架的核心，其算法流程如圖2所示。該算法將滾動(dòng)軸承故障率的理論計(jì)算結(jié)果和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)作為輸入，輸出為失效的托輥和下一次檢查時(shí)間。

圖2 維護(hù)決策算法

(6)

式中：TH(ti-1)表示在ti時(shí)刻超過(guò)閾值的軸承數(shù)量，fti(x)為監(jiān)測(cè)參數(shù)的相對(duì)頻率函數(shù)。

(7)

通過(guò)考慮兩個(gè)故障率之間的差值?(ti)，可以修正閾值TH(ti)。如果?(ti)>0，則閾值在診斷時(shí)間ti+1可以修正為更高的值TH(ti+1)=TH(ti)+Θ。如果?(ti)<0，則閾值在ti+1時(shí)刻修正為T(mén)H(ti+1)=TH(ti)-Θ。滾動(dòng)軸承的診斷是通過(guò)一個(gè)不斷更新的閾值來(lái)實(shí)現(xiàn)的。在時(shí)間ti檢查后，通過(guò)檢查監(jiān)測(cè)參數(shù)值是否超過(guò)閾值TH(ti)來(lái)實(shí)現(xiàn)滾動(dòng)軸承的診斷。

4 決策效果分析

采用模擬仿真和現(xiàn)場(chǎng)統(tǒng)計(jì)的托輥故障數(shù)據(jù)說(shuō)明本文提出的帶式輸送機(jī)系統(tǒng)托輥維護(hù)決策架構(gòu)的有效性。考慮到傳感器的安裝和可行性、信號(hào)的可解釋性和及時(shí)性，選擇溫度作為托輥的狀態(tài)監(jiān)測(cè)參數(shù)。表1為帶式輸送機(jī)系統(tǒng)仿真實(shí)例中的相關(guān)參數(shù)設(shè)置。

表1 參數(shù)設(shè)置

模擬開(kāi)始時(shí)，初始閾值設(shè)置為40 ℃。選擇中心滾動(dòng)軸承作為仿真研究對(duì)象。為了表示滾動(dòng)軸承溫度隨時(shí)間的變化，隨機(jī)分配10 002個(gè)中心滾動(dòng)軸承的溫度，使得它們的相對(duì)頻率函數(shù)呈現(xiàn)如圖3所示的模式。假設(shè)每次檢驗(yàn)的模擬溫度測(cè)量值服從正態(tài)分布。對(duì)于模擬研究，采用1個(gè)月的恒定檢查間隔。對(duì)于框架中的誤差項(xiàng)ε(ti)，考慮了一個(gè)線性模型ε(ti)=α1,i+α2,i·ti進(jìn)行模擬。閾值增量Θ在仿真過(guò)程中設(shè)置為0.3 ℃。

圖4所示為理論計(jì)算修正的故障率、具有更新閾值的監(jiān)測(cè)數(shù)據(jù)故障率和應(yīng)用L10軸承壽命理論得出的故障率隨軸承運(yùn)行時(shí)間的變化情況。由圖4可知，前23個(gè)月L10理論的故障率最高。在此期間，溫度的相對(duì)頻率函數(shù)集中在低溫區(qū)，這意味著很少有滾動(dòng)軸承的溫度超過(guò)閾值，故障率很低。23個(gè)月后，狀態(tài)監(jiān)測(cè)的故障率高于L10理論的故障率，同時(shí)狀態(tài)監(jiān)測(cè)的故障率發(fā)生了顯著波動(dòng)，這可歸因于模擬溫度測(cè)量值和閾值的同時(shí)變化。L10理論的故障率幾乎恒定在0.2%，修正后的理論計(jì)算的故障率比狀態(tài)監(jiān)測(cè)的故障率變化更為平穩(wěn)。從圖4可以得出結(jié)論，在所提出的框架中理論計(jì)算修正得到的故障率比從L10理論得到的故障率更精確。

圖3 軸承在不同使用時(shí)間的模擬溫度分布

圖4 仿真過(guò)程中滾動(dòng)軸承的故障率

圖5所示為模擬期間溫度閾值隨運(yùn)行時(shí)間的變化情況。在前23個(gè)月閾值從最初的40 ℃線性下降到31.2 ℃，之后觀察到閾值增加并在120個(gè)月結(jié)束于44.5 ℃。觀察結(jié)果與模擬研究中預(yù)先設(shè)定的臨界值40 ℃和托輥間的溫度分布有關(guān)。前23個(gè)月很少有滾子軸承溫度超過(guò)臨界值，在這種情況下將閾值修改為較低的值。隨著仿真時(shí)間的延長(zhǎng)，滾柱軸承的溫度超過(guò)臨界值的次數(shù)多于可靠性計(jì)算指標(biāo)，在此期間閾值將持續(xù)更新為更高值。圖5表明可以用給定的初始值、實(shí)時(shí)數(shù)據(jù)和理論計(jì)算來(lái)更新閾值。

圖6所示為分別采用本文方法、具有恒定閾值的傳統(tǒng)方法和L10理論計(jì)算得到的滾動(dòng)軸承故障累積分布。由圖6可知，當(dāng)托輥運(yùn)行120個(gè)月時(shí)，利用本文提出的框架計(jì)算故障累計(jì)約為62%，說(shuō)明10 a內(nèi)將有62%的滾動(dòng)軸承需要被更換。而L10理論計(jì)算結(jié)果表明只有22%的滾動(dòng)軸承將被更換，恒溫閾值的計(jì)算結(jié)果表明86個(gè)月后需要更換所有托輥。因此，綜合維護(hù)決策框架能夠?yàn)橥休伖收咸峁└鼫?zhǔn)確的決策。

圖5 仿真過(guò)程中閾值的演化

圖6 仿真過(guò)程中滾動(dòng)軸承故障的累積變化

根據(jù)平煤集團(tuán)某礦帶式輸送機(jī)系統(tǒng)近3年的現(xiàn)場(chǎng)故障數(shù)據(jù)統(tǒng)計(jì)，托輥的故障率為20%。基于經(jīng)驗(yàn)常數(shù)閾值方法計(jì)算的托輥故障率為33%，而采用本文的綜合維護(hù)決策架構(gòu)計(jì)算的故障率僅為22%，與實(shí)際故障率更為接近。以上分析說(shuō)明綜合維護(hù)決策架構(gòu)對(duì)托輥故障具有更強(qiáng)的預(yù)測(cè)能力，有利于礦井煤炭運(yùn)輸部門(mén)的管理。該架構(gòu)在保證帶式輸送機(jī)系統(tǒng)可靠性的同時(shí)可降低維護(hù)成本。

5 結(jié)論

本文提出了一種基于帶式輸送機(jī)系統(tǒng)托輥的運(yùn)行狀態(tài)數(shù)據(jù)、可靠性理論估計(jì)和狀態(tài)監(jiān)測(cè)數(shù)據(jù)的綜合維護(hù)決策框架。在此框架下，進(jìn)行了可靠性理論估計(jì)與狀態(tài)監(jiān)測(cè)數(shù)據(jù)的交互作用，從而實(shí)現(xiàn)了托輥失效率預(yù)測(cè)的不斷修正和閾值參數(shù)的進(jìn)一步更新。該框架能夠合理的對(duì)設(shè)備進(jìn)行維護(hù)，可以幫助企業(yè)降低維修成本，具有較好的工程應(yīng)用價(jià)值。通過(guò)仿真驗(yàn)證了該框架的有效性。現(xiàn)場(chǎng)故障數(shù)據(jù)統(tǒng)計(jì)結(jié)果表明，該框架能提高托輥故障的可預(yù)測(cè)性。