礦用通風機運行狀態(tài)監(jiān)控系統(tǒng)的研究

米海峰

（霍州煤電集團三交河煤礦， 山西 臨汾 041600）

引言

通風機作為向煤礦井下巷道供風的核心裝備，其運行穩(wěn)定性直接決定了井下的通風安全，為了保證高通風系統(tǒng)的運行穩(wěn)定性，各煤炭生產(chǎn)企業(yè)均高度重視對通風系統(tǒng)運行狀態(tài)的監(jiān)測，開發(fā)了一系列的風機運行狀態(tài)監(jiān)測系統(tǒng)，實現(xiàn)對風機運行狀態(tài)的持續(xù)監(jiān)測。在實際應用過程中發(fā)現(xiàn)目前多數(shù)通風機運行狀態(tài)監(jiān)測系統(tǒng)對風機運行時的轉速、風量、風壓監(jiān)測較為精確，但對風機運行時的偏心、軸承故障、轉子不對中故障的監(jiān)測精確性極低，無法及時識別，導致故障的不斷惡化，最終造成風機停機、機架斷裂等，嚴重影響了礦井通風安全。

針對以上難題，結合智能診斷技術的發(fā)展，提出了一種新的基于振動傳感器的礦用通風機運行狀態(tài)監(jiān)控系統(tǒng)，其核心是通過對風機常見隱秘故障振動狀態(tài)的監(jiān)測，獲取其振動特征信號，然后通過振動傳感器對風機的運行振動情況進行監(jiān)測，在經(jīng)過小波神經(jīng)網(wǎng)絡智能分析后確定風機的運行特性，從而實現(xiàn)對風機運行情況的智能判斷。

1 風機運行隱秘故障分析及監(jiān)測需求

通過對通風機運行故障的分析，風機在運行過程中比較常見的隱秘故障主要包括轉子不對中、轉子運行不平衡、風機運行喘振以及機組松動，其故障率占據(jù)了風機運行整個故障率的89%以上[1]。

轉子不對中：主要是指風機的轉子在水平或者角度不對中，主要是制造誤差以及在長期運行過程中因磨損導致的偏離。當風機轉子不對中時，風機在運行過程中會出現(xiàn)振幅過大，通過對其運行特性的分析，其振動時還伴隨有高頻的振動信號，最少為2 倍倍頻，且偏心越嚴重其運行時的倍頻越高。

轉子運行不平衡：主要是由風機轉子在制造過程中由于質量分布不均勻導致或者由于磨損導致的偏心，在運行時會伴隨有顯著的高頻振幅，一般為運行時的1～2 倍倍頻，其他運行振動信號和轉子不平衡時的振動信號類似。

風機運行喘振：風機在工作時，由于井下氣流分布紊亂或者運行轉速不平衡容易發(fā)生波動，導致風機系統(tǒng)出現(xiàn)劇烈的振動，在喘振發(fā)生時其特征頻率為0.5 倍低頻，常伴頻率為1 倍低頻，存在著較大的不穩(wěn)定性。

風機基座松動，主要是風機固定螺絲的松動或者地基下沉、傾斜導致的，當風機運行時會在水平或者垂直方向上產(chǎn)生異常的波動，其工作時的特征頻率為0.5～0.86 倍低頻，常伴頻率為2～3 倍低頻。

傳統(tǒng)風機運行狀態(tài)監(jiān)測系統(tǒng)由于存在局限性，無法對以上隱秘故障進行有效的監(jiān)控，因此需要開發(fā)全新的監(jiān)測系統(tǒng)，要求能夠準確地對風機的振動狀態(tài)進行監(jiān)控，根據(jù)監(jiān)測結果對振動特性進行分析，實現(xiàn)對隱秘故障的精確定位。

2 通風機運行狀態(tài)監(jiān)測系統(tǒng)

該通風機運行狀態(tài)監(jiān)測系統(tǒng)的核心，是在通風機的不同位置設置振動傳感器，對風機運行時的振動特性信號進行采集，然后通過數(shù)據(jù)分析，判斷其故障狀態(tài)類型，其監(jiān)測系統(tǒng)整體結構如圖1 所示。

圖1 風機運行狀態(tài)監(jiān)測系統(tǒng)結構示意圖

由于風機工作環(huán)境惡劣，在運行過程中振動類型多、持續(xù)時間長，因此對振動傳感器的可靠性和監(jiān)測精度要求極高，經(jīng)過多次實際測試，最終選擇了AMV-70420 型振動傳感器[2]，其靈敏性達到了18.2 mV/gn。為了滿足監(jiān)測精確性的需求，在風機的徑向水平測定、徑向垂直測點以及軸向測點上分別設置傳感器，滿足監(jiān)測可靠性的需求。

系統(tǒng)內的數(shù)據(jù)采集儀采用了防爆型多路振動采集儀[3]，數(shù)據(jù)傳輸采用了高速光纖，滿足各類監(jiān)測數(shù)據(jù)高速的傳輸需求。

3 故障判斷理論

由于風機在運行過程中本身就存在著一定的振動，而且在運行過程中會受到多種因素的影響，導致振動傳感器監(jiān)測到的振動狀態(tài)信號包含很多的雜波，要想精確地對風機的運行狀態(tài)進行判斷，就需要能快速、精確地識別出對應的振動狀態(tài)信號。傳統(tǒng)的數(shù)據(jù)分析模式無法很好地進行振動狀態(tài)信息判斷，因此本文提出了一種新的小波神經(jīng)網(wǎng)絡判斷邏輯。

在進行故障分析邏輯構建時，首先要對不同狀態(tài)下的振動信號特征進行分析，然后確定不同類型的神經(jīng)網(wǎng)絡架構，最終再確定風機振動情況下的特征向量維數(shù)，當系統(tǒng)獲取運行狀態(tài)時的振動狀態(tài)信息后，將振動信號傳輸?shù)綐嫿ㄍ瓿傻纳窠?jīng)網(wǎng)絡里，通過不斷的訓練和匹配，最終獲取一個滿足給定誤差的數(shù)據(jù)輸出，精確地確定振動信號的特征類型并快速匹配，進而實現(xiàn)對故障的快速定位，該小波神經(jīng)網(wǎng)絡分析原理如圖2 所示[4]。

圖2 小波神經(jīng)網(wǎng)絡分析邏輯示意圖

4 風機運行狀態(tài)監(jiān)測系統(tǒng)的應用

該運行狀態(tài)監(jiān)測系統(tǒng)應用以后，對風機的運行狀態(tài)進行監(jiān)測。煤礦井下巷道深度為443 m，工作面采用三進一回的全風壓通風方式，工作面最小進風量為進風巷槽、設備安裝巷與切眼的最小進風量之和為1 178.1 m3/min，工作面最大進風量為進風順槽、設備安裝巷與切眼的最大進風量之和11 785.0 m3/min。風機在運行過程中監(jiān)測系統(tǒng)共檢測出3 次轉子不對中、轉子運行不平衡故障，出現(xiàn)故障后自動進行報警，提醒作業(yè)人員進行維修。根據(jù)統(tǒng)計其對風機隱秘故障的檢測精度達88.5%以上，顯著提升了風機運行時的安全性和可靠性，風機振動監(jiān)測系統(tǒng)如圖3 所示。

圖3 風機振動監(jiān)測系統(tǒng)應用現(xiàn)場圖

5 結論

1）風機在運行過程中比較常見的隱秘故障主要包括轉子不對中、轉子運行不平衡、風機運行喘振以及機組松動，其故障率占據(jù)了風機運行整個故障率的89%以上。

2）小波神經(jīng)網(wǎng)絡判斷邏輯，能夠精確的確定振動信號的特征類型并快速匹配，進而實現(xiàn)對故障的快速定位；

3）該監(jiān)測系統(tǒng)對風機隱秘故障的檢測精度達88.5%以上，對提升礦井通風機的運行安全性和穩(wěn)定性具有十分重要的意義。