掘進機故障自動診斷系統的應用研究

麻 琪

（晉能控股煤業集團浙能麻家梁煤業有限責任公司，山西 朔州 036000）

引言

掘進機是一種集機、電、液于一體的大型機電設備，在工作時需要電氣控制系統控制液壓系統和機械系統進行運行，用于煤礦井下的巷道掘進，由于煤礦井下工作環境惡劣、地質條件復雜，導致掘進機在長期高強度工作下極易出現機械故障，影響煤礦井下巷道的掘進作業。目前主要通過定期維護、日常檢修等被動方案來提高掘進機的可靠性，但該方案效率低、效果差，既無法有效的提前發現掘進機故障，也無法快速的對掘進機故障進行定位和處理，已經無法滿足煤礦井下高效掘進作業的需求。

本文提出了一種新的礦井掘進機故障自動診斷系統，該診斷系統是搭建在掘進機運行狀態實時監測系統的基礎上，以基于案例推理和規則推理的故障診斷邏輯為核心，通過對掘進機運行狀態數據的分析，快速識別出異常信息，對異常信息進行解讀和判斷，確定故障類別和位置，及時發出警報，便于維護人員及時調整。同時該系統所具備的故障定位和故障分析功能，實現了掘進機運行故障的快速判別，為故障的快速解決奠定了基礎。根據實際應用表明，該系統能夠將掘進機故障排除時間降低92.4%以上，將掘進機運行時的故障率降低了89.2%，對提升煤礦井下巷道掘進效率具有十分重要的意義。

1 掘進機故障監測及診斷系統

掘進機的工作過程是機、電、液共同作用下的結果，因此對掘進機運行過程中的故障監測過程診斷，實際上是對掘進機工作時機、電、液工作執行信號的監測，通過將監測結果和正常的運行執行信號進行對比，即可實現對掘進機運行狀態的實時監控，該掘進機故障監測及診斷系統整體結構如圖1所示[1]。

由圖1可知，該故障監測及診斷系統主要包括數據傳感檢測模塊、電控系統故障判別模塊、數據信息顯示模塊和視頻監控模塊。各個數據模塊之間采用高速數據傳輸系統相連接、確保數據傳輸的精確性和時效性。

圖1 掘進機故障監測及診斷系統

數據傳感檢測模塊，主要是分布在掘進機上的傳感器，用于對掘進機運行控制信號、運行姿態、運行壓力等進行檢測，然后將數據傳輸到PLC控制中心對其進行判斷，篩選出異常運行信號傳遞給故障判別系統，故障判別系統利用預設的案例推理和規則推理邏輯對異常原因進行分析判斷，確定故障位置、故障類別、解決處理方案等，對數據進行分析處理后將其傳遞給數據信息顯示模塊，以特定的類型將故障信息顯示在顯示屏上并發出報警，便于監控人員第一時間發現并處理。同時系統能夠自動對掘進機運行狀態進行調整，實現故障的不停機自動處理，提高掘進機運行的可靠性。視頻監控系統屬于數據監測的補充，用于對掘進機運行姿態進行判斷，從而確定調節是否到位，滿足監測可靠性的需求。

2 故障自動判別邏輯

由于煤礦井下地質條件復雜、掘進機在掘進過程中的截割姿態、運行控制信號等在載荷沖擊等外界因素的影響下極易出現波動，因此如何實現對掘進機異常運行狀態的判斷，避免出現誤報警情況是該故障自動診斷系統的核心要點之一[2]。同時系統還需要具有自適應學習功能，能夠不斷地對故障庫進行更新，滿足快速識別故障的能力，該故障判別邏輯如圖2所示[3]。

圖2 故障判別邏輯示意圖

由圖2可知，系統在獲取設備運行數據后，根據異常數據信號從案例庫內獲取相關數據信息進行案例匹配和案例推理（CBR）[4]，若系統匹配上對應的案例，則自動調取故障原因、維修措施、經驗教訓等，若系統未匹配到對應的案例則開始從規則庫內獲取相應規制并進行規制推理（RBR）[5]，最終獲取綜合診斷結果，判定故障類別。

同時系統還能夠實現將所獲取的案例進行重新匹配，對原案例進行修正或者添加新案例，不斷對數據庫進行完善，提高系統對故障的識別率。

3 案例檢索邏輯

由于整個系統庫內的數據量極大，因此若按傳統逐一匹配的方案會導致檢索周期長、識別效率低，影響整個系統使用的可靠性，因此本文提出了一種新的基于相似度的案例檢索邏輯[6]，通過對關鍵字和特征的匹配實現對案例的快速檢索。根據實際驗證，該案例檢索邏輯能夠將數據檢索速度控制在0.7 s內，檢索速度快、效率高，其檢索控制邏輯如圖3所示[7]。

4 實際應用效果分析

圖3 案例檢索控制邏輯示意圖

該故障自動判別系統，能夠對每天掘進機的運行狀態進行總結，對各關鍵參數進行分析，獲取參數偏移量大的數據，自動生成設備維護建議報告，在停機的過程中設備維護人員根據系統提供的維護報告，針對性地對設備進行維護，降低了維護工作量，還提升了維護的可靠性。

根據實際應用表明，在系統建立故障判別體系后，出現故障后的平均解決時間為2.28 min，比優化前的30 min降低了92.4%。通過建立掘進機設備維護建議系統，針對性地對掘進機進行維護，有效地提升了掘進機工作時的穩定性，將掘進機運行時的故障率降低了89.2%，提升了掘進機的工作穩定性和工作效率。

5 結論

1）掘進機故障監測系統，實際上是對掘進機工作時機、電、液工作執行信號的監測，通過將監測結果和正常的運行執行信號進行對比，實現對掘進機運行狀態的實時監控和故障判別；

2）系統通過案例推理和規則推理對掘進機運行故障的準確分析，同時通過自適應學習機制，實行對故障庫的自動更新和完善，提高故障判別效率和準確性；

3）基于相似度的案例檢索邏輯能夠將數據檢索速度控制在0.7 s內，檢索速度快、效率高。

4）系統建立故障判別體系后，出現故障后的平均解決時間比優化前降低了92.4%，掘進機運行時的故障率降低了89.2%，顯著地提升了掘進機的工作穩定性和工作效率。