綜采工作面“三機(jī)”狀態(tài)監(jiān)測及故障診斷系統(tǒng)開發(fā)＊

李建華 雷志鵬 李艷偉

（1.山西煤礦機(jī)械制造有限責(zé)任公司，山西省太原市，030031；2.太原理工大學(xué)電氣與動(dòng)力工程學(xué)院，山西省太原市，030024）

綜采工作面“三機(jī)”狀態(tài)監(jiān)測及故障診斷系統(tǒng)開發(fā)＊

李建華1雷志鵬2李艷偉2

（1.山西煤礦機(jī)械制造有限責(zé)任公司，山西省太原市，030031；2.太原理工大學(xué)電氣與動(dòng)力工程學(xué)院，山西省太原市，030024）

針對年產(chǎn)千萬噸級大采高綜采工作面對輸送設(shè)備的要求，設(shè)計(jì)開發(fā)了一種基于LabVIEW的綜采工作面“三機(jī)”狀態(tài)監(jiān)測及故障診斷系統(tǒng)。介紹了該系統(tǒng)的整體結(jié)構(gòu)，重點(diǎn)闡述了故障的診斷方法，采用頻域分析和小波分析分別提取了電動(dòng)機(jī)定子電流和振動(dòng)特征量，結(jié)合BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了基于多參量的故障診斷程序。試驗(yàn)結(jié)果表明，該系統(tǒng)為在地面準(zhǔn)確監(jiān)測井下工作面輸送設(shè)備的運(yùn)行狀態(tài)及診斷故障類型，提供了一種行之有效的方法。

輸送設(shè)備 狀態(tài)監(jiān)測 故障診斷 綜采工作面

高產(chǎn)高效礦井的主要特點(diǎn)是產(chǎn)量大、機(jī)械化程度高、效率高。伴隨著煤礦產(chǎn)量的穩(wěn)步增長，如何提高煤礦生產(chǎn)的安全性，減少人員傷亡和設(shè)備的損壞，延長設(shè)備的使用壽命，是當(dāng)前煤炭領(lǐng)域研究的重點(diǎn)。為此而提出的煤礦自動(dòng)化開采和少人或“無人”值守綜采工作面，一直是國內(nèi)外采煤行業(yè)追求的目標(biāo)。

無人值守綜采工作面主要包括負(fù)荷中心、泵站、采煤機(jī)、液壓支架、刮板輸送機(jī)、破碎機(jī)、轉(zhuǎn)載機(jī)和帶式輸送機(jī)等配套設(shè)備，其中刮板輸送機(jī)、破碎機(jī)和轉(zhuǎn)載機(jī)統(tǒng)稱為工作面輸送設(shè)備，即工作面“三機(jī)”，為了加速“無人”值守綜采工作面的建立，就需要工作面的配套設(shè)備滿足更高的要求，有關(guān)工作面輸送設(shè)備的電氣要求大致可分為監(jiān)測和診斷兩部分。

因此，本文針對工作面輸送設(shè)備的遠(yuǎn)程監(jiān)測和診斷問題進(jìn)行了研究，開發(fā)了基于LabVIEW的“三機(jī)”遠(yuǎn)程狀態(tài)監(jiān)測與故障診斷系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)在地面監(jiān)測“三機(jī)”配套減速器和電動(dòng)機(jī)的運(yùn)行狀態(tài)，預(yù)測和診斷設(shè)備故障，實(shí)現(xiàn)了對監(jiān)測數(shù)據(jù)的管理、查詢和共享等功能。

1 “三機(jī)”監(jiān)測及診斷系統(tǒng)簡介

根據(jù)綜采工作面輸送系統(tǒng)的組成和布局，“三機(jī)”監(jiān)測及診斷系統(tǒng)由綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測及故障診斷系統(tǒng)和基于LabVIEW的“三機(jī)”狀態(tài)監(jiān)測與故障診斷系統(tǒng)組成，系統(tǒng)結(jié)構(gòu)如圖1所示。其中，綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測及故障診斷系統(tǒng)已應(yīng)用于山西焦煤集團(tuán)西山煤電晉興公司斜溝煤礦年產(chǎn)千萬噸的18105綜采工作面，并得到廣泛認(rèn)可。綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測及故障診斷系統(tǒng)安裝于井下綜采工作面，其主要功能是完成對工作面刮板輸送機(jī)、轉(zhuǎn)載機(jī)和破碎機(jī)工況數(shù)據(jù)的就地采集、處理、顯示和上傳等功能，系統(tǒng)中的分站既可以獨(dú)立使用，又能相互協(xié)調(diào)工作，組成有機(jī)整體。

圖1 綜采工作面“三機(jī)”監(jiān)測及診斷系統(tǒng)結(jié)構(gòu)

基于LabVIEW的“三機(jī)”狀態(tài)監(jiān)測與故障診斷系統(tǒng)安裝于地面調(diào)度室，它的功能是對井下各工作面“三機(jī)”的監(jiān)測和診斷系統(tǒng)統(tǒng)一管理，監(jiān)測“三機(jī)”運(yùn)行狀態(tài)，最終與其他設(shè)備的監(jiān)測診斷系統(tǒng)聯(lián)網(wǎng)構(gòu)成全礦井災(zāi)害預(yù)警系統(tǒng)。圖2所示為系統(tǒng)主界面，可實(shí)時(shí)顯示監(jiān)測和診斷信息，此外還包括頻譜分析界面、參數(shù)設(shè)置頁面和歷史數(shù)據(jù)查詢界面等。

圖2 綜采工作面“三機(jī)”監(jiān)測及診斷系統(tǒng)主界面

原有“三機(jī)”監(jiān)測及診斷系統(tǒng)的主要監(jiān)測點(diǎn)包括刮板輸送機(jī)、破碎機(jī)和轉(zhuǎn)載機(jī)配套減速器的高速繞組溫度、低速繞組溫度、油溫、油位、冷卻水流量和壓力、電動(dòng)機(jī)繞組溫度、轉(zhuǎn)子前軸承溫度、轉(zhuǎn)子后軸承溫度、冷卻水流量和壓力等。

考慮到工作面輸送設(shè)備配套電動(dòng)機(jī)作為動(dòng)力源是高速旋轉(zhuǎn)部件，其軸承承受較大的軸向壓力，并且由于軸承是動(dòng)靜部件結(jié)合處，長期運(yùn)行下容易產(chǎn)生疲勞，使軸承產(chǎn)生裂紋。裂紋最先出現(xiàn)在電機(jī)滾珠和軸承的接觸面上。隨著疲勞加重，裂紋范圍擴(kuò)大，產(chǎn)生振動(dòng)和噪聲，最后造成軸承磨損，甚至報(bào)廢。軸承磨損會(huì)引起偏心，其在定子電流出現(xiàn)的特征頻率ftz為：

式中：f——電源頻率，Hz；

k——正整數(shù)；

養(yǎng)殖戶反映患病牛發(fā)病較為突然，發(fā)病初期表現(xiàn)為精神萎靡不振，鼻鏡干燥，采食量下降，隨著病情的發(fā)展，患病牛食欲廢絕，反芻減少，直至停止，從口腔中分泌出粘稠的唾液，存在明顯的酸臭味。牛會(huì)出現(xiàn)間歇性鼓氣，自主收縮能力減弱，瘤胃蠕動(dòng)能力減弱，用手觸摸瘤胃，內(nèi)部充滿粘膩感、呈粥狀的內(nèi)容物，觸診瘤胃內(nèi)容物松軟，患病牛胃部存在疼痛感，用手輕輕按壓瘤胃存在指痕?；疾∨Ｅ疟懔恐饾u減少，糞便干硬呈現(xiàn)深褐色，排出的糞便呈現(xiàn)球狀，有時(shí)在糞便表面附著大量粘液。

fr——轉(zhuǎn)子轉(zhuǎn)動(dòng)頻率，Hz。

另外根據(jù)軸承的結(jié)構(gòu)，在不同的位置振動(dòng)信號中產(chǎn)生的故障特征頻率不同，其中軸承外圈故障特征頻率為：

軸承內(nèi)圈故障特征頻率為：

滾動(dòng)體故障特征頻率為：

式中：Z——滾動(dòng)體的數(shù)目，個(gè)；

d0——滾動(dòng)體的平均直徑，mm；

α——滾動(dòng)體受力方向與內(nèi)外軌道垂直線的夾角，（°）；

fB——軸的旋轉(zhuǎn)頻率，Hz。

通過以上分析可知，根據(jù)定子電流特征頻率和軸承不同位置的振動(dòng)特征頻率可以診斷存在于軸承的故障，并給出故障位置。因此，在原有的“三機(jī)”監(jiān)測及診斷系統(tǒng)中增加對電動(dòng)機(jī)電壓、電流、轉(zhuǎn)速和振動(dòng)信號（轉(zhuǎn)子后軸水平和垂直方向、電機(jī)本體垂直方向）的采集。

2 “三機(jī)”電動(dòng)機(jī)機(jī)械故障診斷方法

故障診斷是“三機(jī)”狀態(tài)監(jiān)測與故障診斷系統(tǒng)的核心，原系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)和D－S證據(jù)理論相結(jié)合的方法診斷設(shè)備故障。本文開發(fā)的基于LabVIEW的“三機(jī)”狀態(tài)監(jiān)測與故障診斷系統(tǒng)對原有的故障診斷方法進(jìn)行了改進(jìn)。首先在頻域分析了電動(dòng)機(jī)的電流信號，得出相關(guān)的故障診斷特征參量；然后利用小波分析法，對振動(dòng)信號進(jìn)行分解和重構(gòu)，提取特征量；最后結(jié)合BP神經(jīng)網(wǎng)絡(luò)進(jìn)行多參數(shù)融合，診斷電動(dòng)機(jī)故障。

2.1 基于頻域的電流特征量提取

在故障診斷前，首先基于快速傅里葉變換對采集到的電動(dòng)機(jī)定子電流進(jìn)行頻域分析，提取出電流中的工頻f信號、特征頻率f1（1±2s）信號（s為轉(zhuǎn)差率）和轉(zhuǎn)動(dòng)頻率fr信號（包括二倍頻2fr和四倍頻4fr信號等）。圖3為電動(dòng)機(jī)定子電流頻域特征量提取程序，如果所要提取的信號頻率在所設(shè)定的頻率范圍內(nèi)，則輸出該信號的幅值；如果不在，則置幅值為零。

圖3 電動(dòng)機(jī)定子電流頻域特征量提取程序

2.2 基于小波包的振動(dòng)特征量提取

由于振動(dòng)信號為非穩(wěn)定信號，為了在時(shí)域和頻域同時(shí)表示出信號，利用小波包分析技術(shù)對振動(dòng)信號進(jìn)行分析，并提取了特征量，圖4為小波包分解、重構(gòu)和特征量提取流程圖。小波包程序利用LabVIEW自帶的小波包分析工具包編寫。

2.2.1 LabVIEW下信號的分解和重構(gòu)

小波包分解的基本思想是將尺度空間與小波空間通過分解和重構(gòu)用新的子空間來表示。圖5為小波包的分解和重構(gòu)程序，程序首先利用Create WP session VI創(chuàng)建小波包結(jié)構(gòu)；然后通過WP Decomposition VI設(shè)置需要分解的層數(shù)、小波函數(shù)和節(jié)點(diǎn)路徑，進(jìn)行分解；其次利用WP Read Node和WP Write Node將無關(guān)的節(jié)點(diǎn)系數(shù)循環(huán)置零；最后利用WP Reconstruction VI對所需節(jié)點(diǎn)系數(shù)進(jìn)行信號重構(gòu)，完成后關(guān)閉小波包結(jié)構(gòu)，釋放內(nèi)存。

2.2.2 頻段變換算法

由于小波包分解的節(jié)點(diǎn)順序是自然順序，如分解層數(shù)較少，可手動(dòng)查找所需終端節(jié)點(diǎn)的路徑，但是當(dāng)分解層數(shù)較多時(shí)，查找所需終端節(jié)點(diǎn)的路徑就很困難。因此，為了方便進(jìn)行節(jié)點(diǎn)路徑查詢，需要將自然順序轉(zhuǎn)化為頻率順序，所以采用二進(jìn)制轉(zhuǎn)換算法對LabVIEW小波包分解程序中節(jié)點(diǎn)路徑進(jìn)行變換。具體方法為：將小波分解樹上各節(jié)點(diǎn)的位置用0和1組合的二進(jìn)制字符串表示，其中0代表低通濾波器，1代表高通濾波器。例如：路徑101表示信號先后經(jīng)過一次高通濾波，一次低通濾波和一次高通濾波。最后根據(jù)各個(gè)頻帶的信號能量，將小波包提取出的參數(shù)進(jìn)行歸一化，得出振動(dòng)信號的特征量，即軸承外圈故障特征頻率fo、軸承內(nèi)圈故障特征頻率fi、滾動(dòng)體故障特征頻率fb。

2.3 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷

利用頻域分析和小波包分析分別提取的電流和振動(dòng)特征量，結(jié)合電動(dòng)機(jī)繞組溫度、轉(zhuǎn)子前軸承溫度、轉(zhuǎn)子后軸承溫度等特征量，重新構(gòu)建“三機(jī)”配套電動(dòng)機(jī)的故障診斷BP神經(jīng)網(wǎng)絡(luò)。故障診斷BP網(wǎng)絡(luò)仍然使用三層神經(jīng)網(wǎng)絡(luò)，其中：輸入節(jié)點(diǎn)數(shù)增加為13，所增加節(jié)點(diǎn)為轉(zhuǎn)動(dòng)頻率fr（包括二倍頻、四倍頻、五倍頻、六倍頻和十倍頻）、軸承外圈故障特征頻率fo、軸承內(nèi)圈故障特征頻率fi、滾動(dòng)體故障特征頻率fb。輸出層節(jié)點(diǎn)數(shù)為3，分別為無故障、繞組故障和軸承故障。

系統(tǒng)采用LabVIEW作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和應(yīng)用平臺(tái)，設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)故障診斷程序，包括神經(jīng)網(wǎng)絡(luò)初始化程序、樣本打亂程序、BP網(wǎng)絡(luò)訓(xùn)練程序和故障診斷程序，如圖6所示。通過神經(jīng)網(wǎng)絡(luò)初始化程序，計(jì)算出神經(jīng)網(wǎng)絡(luò)隱含層每一神經(jīng)元到輸入層神經(jīng)元的權(quán)值和輸出層每一神經(jīng)元到隱含層神經(jīng)元的權(quán)值；樣本打亂程序是為了防止程序陷入極小值死循環(huán)，減小訓(xùn)練程序因樣本排列順序不變帶來的誤差；對三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，在保證學(xué)習(xí)率為0.4、誤差上限為0.01、最大學(xué)習(xí)次數(shù)小于1000000的情況下，得到隱含層到輸入層權(quán)值和輸出層到隱含層權(quán)值；將所有監(jiān)測得到的運(yùn)行參數(shù)帶入故障診斷程序，利用訓(xùn)練得到的權(quán)值得出故障類型。

圖6 BP神經(jīng)網(wǎng)絡(luò)故障診斷程序

3 試驗(yàn)結(jié)果及分析

在實(shí)驗(yàn)室對三相異步電機(jī)進(jìn)行了試驗(yàn)，分別模擬了以下幾種情況：軸承完好；輕度滾珠故障；輕度內(nèi)圈故障；輕度滾珠與輕度內(nèi)圈組合故障；輕度滾珠與重度內(nèi)圈組合故障；重度滾珠與輕度內(nèi)圈故障；重度內(nèi)圈故障；重度滾珠故障；重度滾珠與重度內(nèi)圈組合故障。

采集非軸伸端水平方向和垂直方向的振動(dòng)信號進(jìn)行分析，比較信號振動(dòng)最大振幅對應(yīng)的頻率與公式（2）～（4）計(jì)算出的電動(dòng)機(jī)固有機(jī)械特征頻率，即可得出故障軸承發(fā)生的位置。如圖7所示為軸承完好、輕度內(nèi)圈故障和重度滾珠故障的振動(dòng)頻譜圖，可以看出軸承完好時(shí)，最大振動(dòng)幅值對應(yīng)頻率為248Hz；輕度內(nèi)圈故障和重度滾珠故障時(shí)，最大振動(dòng)幅值對應(yīng)頻率分別為237Hz和260Hz。故障時(shí)最大振幅對應(yīng)的頻率與電動(dòng)機(jī)特征頻率基本相等，可以診斷出電機(jī)故障類型。

4 結(jié)論

基于LabVIEW的綜采工作面“三機(jī)”狀態(tài)監(jiān)測及故障診斷系統(tǒng)彌補(bǔ)了原有“綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測及故障診斷系統(tǒng)”只能應(yīng)用于井下的不足，實(shí)現(xiàn)在地面調(diào)度中心監(jiān)測運(yùn)行狀態(tài)、診斷設(shè)備故障、記錄歷史數(shù)據(jù)。基于頻域分析和小波分析的特征量提取，提高了故障類型識別的準(zhǔn)確性和可靠性。試驗(yàn)表明，該系統(tǒng)提供了一種在地面監(jiān)測和診斷井下工作面輸送設(shè)備的運(yùn)行狀態(tài)和故障的方法，具有很高的實(shí)用性，為建立全礦井重大災(zāi)害預(yù)警系統(tǒng)奠定了基礎(chǔ)。

［1］ 席慶祥，雷志鵬.綜采面刮板輸送機(jī)狀態(tài)監(jiān)測及故障診斷系統(tǒng)設(shè)計(jì)［J］.煤炭科學(xué)技術(shù)，2011（10）

［2］ 雷志鵬，宋建成.綜采工作面輸送設(shè)備工況實(shí)時(shí)監(jiān)測及故障診斷系統(tǒng)的設(shè)計(jì)［J］.工礦自動(dòng)化，2010（7）

［3］ 汪理全，楊真.長壁綜合機(jī)械化采煤方法的發(fā)展趨勢［J］.煤炭科學(xué)技術(shù)，2005（1）

［4］ 謝特列.礦井主通風(fēng)機(jī)電動(dòng)機(jī)狀態(tài)監(jiān)測及機(jī)械故障診斷預(yù)警軟件開發(fā)［D］.太原理工大學(xué)，2012

［5］ 張春芝，馮海明，孟國營.煤礦井下工作面輸送設(shè)備監(jiān)控平臺(tái)的研究［J］.中國煤炭，2010（1）

［6］ T.Nicolay1，M.Schmitt and A.Blum.Telemetric Chain Link Force Measurement in Coal Mining Armored Face Conveyors［J］.Proceedings of IEEE，2005（10）

［7］ 荊雙喜，冷軍發(fā)，李臻.基于小波－神經(jīng)網(wǎng)絡(luò)的礦用通風(fēng)機(jī)故障診斷研究［J］.煤炭學(xué)報(bào)，2004（6）

Development of the condition monitoring and fault diagnostic system for Conveyors in the coal mining face

Li Jianhua1，Lei Zhipeng2，Li Yanwei2
（1.Shanxi Coal Mine Machinery Manufacturing Co.，Ltd.，Taiyuan，Shanxi 030031，China；2.College of Electrical and Power Engineering，Taiyuan University of Technology，Taiyuan，Shanxi 030024，China）

According to requirements of conveyors in the fully－mechanized coal face with annual production capacity of 10million tons，a condition monitoring and fault diagnostic system based on the LabVIEW was designed.The paper briefly introduced the whole structure of the system，and expounded diagnostic methods in details.Based on the frequency domain analysis and wavelet analysis，characteristic qualities were extracted from stator current signal and vibration signal，combined with Back Propagation neural network，a Multi－parameter fault diagnostic system was designed.The experiment results indicate that the system is an effective tool to monitor the operation condition and diagnose faults types.

conveyor，condition monitor，fault diagnosis，fully－mechanized coal face

TD634

A

國家“十一五”科技支撐計(jì)劃重點(diǎn)項(xiàng)目（2007BAB13B01）

李建華（1964－），男，山西孝義人，高工、副總工程師，本科，長期從事煤礦機(jī)械設(shè)計(jì)與制造方面的科研工作。

（責(zé)任編輯 王雅琴）