掘進機故障自動診斷系統的設計及應用分析

龔 彪

（晉能控股集團北辛窯煤業有限公司，山西忻州 034000）

掘進機是集機、電、液于一體的大型機電設備，其工作時需由電控系統來對液壓及機械系統進行控制，主要應用于礦井下的巷道中，由于礦井工作環境惡劣，地質條件復雜，在長時間的高強度工作下，掘進機很容易發生機械故障，嚴重影響了礦井的安全生產。為了提高掘進機的可靠性，目前采用的是定期維護和定期檢修等被動措施，但是該措施實施效果較差，由于不能在短時間內及時發現掘進機的故障，不能對其進行快速的定位與處理，不能適應礦井的高效掘進，需要進行進一步的升級。

本文介紹一種用于煤礦掘進機故障自動診斷的新方法，基于掘進機工作狀況的在線實時監控，建立了基于狀態監測的故障診斷系統，以實例推理與規則推理相結合的故障診斷邏輯為核心，通過分析掘進機的工作狀況，實現了對掘進機的異常信息的快速識別，識別并判定異常信息，識別故障類型和位置，并能及時發布預警，方便維修人員進行及時的維護。同時，本系統還具有故障定位、故障分析等功能，能夠迅速判斷出掘進機的工作狀態，為故障的迅速處理提供了依據。實踐證明，采用本系統可以減少掘進機的故障診斷時間達92.4%，使掘進機的故障率下降89.2%，對于提高礦井的掘進工作效率有著重要的作用。

1 掘進機機電控制系統

本文以EBZ315 型掘進機為例，機電系統由四個控制電機組成，其中一組控制油泵的驅動電機，以實現掘進機的搖擺和提升；第二部分是對除塵驅動電機進行控制，以達到對除塵設備的控制；第三組采用截割式驅動電動機進行控制，以實現對截割機的自動控制；第四部分是用來控制轉載電機，把割下來的煤送到外面。

在運行時，整個機電系統必須具備過載保護、缺相保護等功能，在不同的采掘工況下，為了保證掘進機的正常工作，必須滿足掘進機的自動化控制要求[1]。所以，要對掘進機的機電系統進行自動故障判定，就必須對其進行全面的監控和判別，由此可以迅速捕獲并確認運行中的異常信號，圖1對該掘進機機電控制系統總體結構進行了詳細的闡述。

圖1 掘進機機電控制系統結構示意圖

2 故障分類方案

掘進機的故障分析是整個系統的關鍵，它直接影響到整個系統的工作性能和穩定性。對掘進機故障進行了綜合分析，發現掘進機的故障類型主要有驅動電機故障、傳感器故障和通信故障[2]。

電動機的故障有過熱故障、過流故障、缺相故障等，對掘進機運行過程中各個電動機的運行狀況進行了實時監測，獲得了它們在正常工作條件下的工作溫度、電流、電壓等數據，并通過對各種正常運行狀況的數據進行采集分析，得出各個監測指標的正常工作區間。在掘進機運轉過程中，通過電流、電壓傳感器對各個電動機進行電流、電壓信號的采集，通過紅外傳感器對溫度進行實時監控。傳感器將監控數據實時傳輸至PLC監控系統，通過與標準數據的比較，能夠精確地判定電動機有無過熱、過流、過載、缺相、粘連等故障。然后，將監測的數據傳送至監視終端，當出現故障時，由過流報警燈、過流報警燈、過載警告燈、缺相警示燈、粘連警示燈等相應的聲光裝置進行報警。

傳感器的常見失效形式有：監控信號傳輸不良、傳感器信號異常等，所以在監控傳感器故障時，主要采用脈沖信號檢測傳感器的開關量，并對傳感器信號進行監控和分析，如果檢測信號超出了系統設置的正常值，則系統會及時地發出報警信號，提醒維護人員進行檢查和驗證。

礦井下的地質環境非常復雜，對數據通訊的需求非常高，在保證數據通訊的安全性和準確性的前提下，必須在較短的時間內進行大量的數據傳送，并且保證數據的正確性。從通信故障的種類來看，通信線路故障、數據連接故障、電源不足是當前通信故障的主要原因。因此，在系統內部安裝CAN 通訊狀況分析裝置，監控通訊全過程的通訊狀況，并定時發送模擬信號，如果分析裝置可以接收到數據，則表明通信系統狀態正常；如果沒有接收到或接收到的信號是錯誤的，則表明通信系統的功能出現障礙，需要進行故障排查，恢復通信功能[3]。

3 掘進機故障監測及診斷系統

在機、電、液共同作用下，掘進機得以實現系統的各種功能，所以，監測掘進機系統的運行過程和故障診斷，實質上是對掘進機工作時機、電、液執行信號進行監測，然后將采集到的信號與系統中存儲的正常參數范圍進行對比，從而實現對故障狀態及時準確的判斷，圖2對掘進機故障監測及診斷系統整體結構進行了詳細闡述。

圖2 掘進機故障監測及診斷系統

從圖2可以看出，本系統的故障檢測與診斷系統由多個模塊組成，包含數據檢測、電氣控制系統的失效識別、數據顯示、視頻監視等。通過數據傳輸系統將數據模塊連接起來，保證了數據傳輸的準確性和高效性。

數據感應探測系統，是一種在掘進機上布置的傳感器，它可以探測到掘進機運行時的控制信號、工作姿態和工作壓力等，在此基礎上，通過PLC的監控中心對其進行判定，并將異常的操作信息發送至故障識別系統，故障識別系統通過預先設定的事例和規則推理的方法，對故障產生的原因進行分析、判定，從而確定故障的位置、類型、處理方案等，通過對數據的分析和處理，將其傳輸到數據信息顯示模塊，通過特殊的方式將故障信息顯示在屏幕上，從而使監測人員能夠及時地發現和處置。同時，該系統還可以自動調節掘進機的工作狀態，使其在不停機情況下進行故障自動處理，從而提高了掘進機的工作可靠性。視頻監控作為對掘進機工作狀態的判別輔助手段，通過對掘進機的狀態進行判斷，以確定調整是否就位，保證監測的可靠性[4]。

4 故障自動判別邏輯

由于掘進機在工作過程中面臨著復雜的地質環境，掘進機的截割姿態、運行控制信號等受到外部環境的影響，很容易發生變化，所以，如何準確地判斷掘進機的運行狀況，防止系統出現錯誤報警的情況，是整個系統的關鍵問題。同時，系統還必須具備自適應學習的能力，可以對故障進行持續的更新，以實現快速的判斷的功能，圖3對故障判斷的邏輯進行了詳細闡述。

圖3 故障判別邏輯示意圖

從圖3可以看出，當系統獲得了裝置的操作數據之后，從案例庫中獲得了與故障數據有關的數據，并進行了實例匹配和推理，如果與相應的實例匹配成功，則能夠快速地識別故障原因，并給出相應的維修措施和注意事項，如果沒有匹配到相應的案例，那么就會從規則庫中提取出相關的規范，并進行規范推理，最后得出一個完整的診斷結果，并判斷出故障類型[5]。

同時，該軟件還可以完成對已獲得的實例進行再比對，修改原有的實例，增加新的實例，使數據庫得到持續改進，從而增強了系統失效的識別正確率。

5 案例檢索邏輯

鑒于系統庫中存在大量的數據，采用傳統的逐一匹配算法會造成檢索周期長、識別效率低等問題，從而影響到系統的整體應用。因此本文對檢索邏輯進行了優化與升級，提出了基于相似度的案例檢索邏輯，以關鍵字和特征進行匹配，能夠大大提升檢索速度。根據實例檢索結果，采用相似性檢索方法可以保證檢索速度不超過0.7s，檢索速度快，檢索效率高，圖4對故障判斷的邏輯進行了詳細闡述。

圖4 案例檢索控制邏輯示意圖

6 實際應用效果分析

該故障自動判別系統，可對每日掘進機的工作狀況進行匯總，分析各個關鍵參數，獲得大量的參數偏差值，并自動產生設備維修建議。在停機期間，維修人員會依據系統提供的維修報告，有針對性地進行維修，減少維修工作量，提高維修的可靠性。

實踐應用證明，在建立了故障識別系統后，故障后的問題平均求解速度為2.28min，較最優方案30min 下降92.4%。通過構建掘進器維修推薦系統，實現了對其進行有針對性的維修，提高了其工作時的穩定性，使其在工作中的失效概率減少89.2%，提高了其工作的可靠性和工作的質量。

7 結論

（1）該檢測系統主要是對掘進機工作時機、電、液執行信號進行監測，然后將采集到的信號與系統中存儲的正常參數范圍進行對比，從而實現對故障狀態及時準確的判斷。

（2）該系統采用實例推理、規則推理等方法，準確地分析了掘進機的運行故障，并利用自適應學習機制實現了故障識別的自動升級和改進，從而提高了識別的效率和精確度。

（3）實例檢索中，采用相似性檢索方法可以保證檢索速度不超過0.7s，檢索速度快，檢索效率高。

（4）通過構建掘進器維修系統，實現了對掘進器進行有針對性的維修，提高了其工作時的穩定性和效率，使其在工作中的失效概率減少89.2%，時間減少92.4%，提高了其工作的可靠性和工作的質量。