基于靜態(tài)故障樹的礦井提升機(jī)系統(tǒng)故障診斷研究*

楊戰(zhàn)社，馬憲民

(西安科技大學(xué) 電氣與控制工程學(xué)院，陜西 西安710054)

0 引 言

礦井提升機(jī)是礦山企業(yè)生產(chǎn)中的大型設(shè)備，集機(jī)、電、液于一體的機(jī)電設(shè)備，它擔(dān)負(fù)著提升物料、升降人員等任務(wù)，是豎井開采方式中聯(lián)系井上、井下的唯一通道［1］，是礦井的“咽喉”［2］。提升機(jī)運(yùn)行的安全可靠性不僅影響著礦井的生產(chǎn)、礦山的經(jīng)濟(jì)效益，而且關(guān)系到礦工的生命安全［3］。到目前為止，中國(guó)礦業(yè)生產(chǎn)中由于提升設(shè)備故障而發(fā)生重大事故時(shí)有發(fā)生，已造成巨大的經(jīng)濟(jì)損失和人員傷亡，因此，對(duì)礦井提升機(jī)的故障診斷有重要的實(shí)際意義。

近年來，礦井提升機(jī)故障診斷技術(shù)在國(guó)內(nèi)外有一定的發(fā)展，主要采用傳統(tǒng)的專家診斷系統(tǒng)和現(xiàn)場(chǎng)技術(shù)工作人員的經(jīng)驗(yàn)相結(jié)合的人工判斷，該方法有一定的局限性。首先，專家故障知識(shí)獲取的局限性和專家知識(shí)表達(dá)方法有一定的難度造成了診斷知識(shí)庫(kù)的不完備;其次，傳統(tǒng)專家系統(tǒng)對(duì)知識(shí)推理的不確定性，推理方法簡(jiǎn)單，控制策略不靈活，容易出現(xiàn)“組合爆炸”等問題。所以，針對(duì)礦井提升機(jī)復(fù)雜的結(jié)構(gòu)組成進(jìn)行分析，整理故障之間的關(guān)聯(lián)性，分析故障發(fā)生時(shí)，引起故障發(fā)生的各種因素，找出重要的影響因素，對(duì)其引起故障發(fā)生的各種因素重要度進(jìn)行測(cè)定和排序，為研究設(shè)計(jì)智能故障診斷技術(shù)與方法，建立完備知識(shí)庫(kù)奠定基礎(chǔ)。為技術(shù)維修人員提供技術(shù)支持，提供第一手資料，盡早發(fā)現(xiàn)故障隱患，提高故障檢測(cè)和維修效率，成為目前礦井提升機(jī)智能故障診斷的首要問題。

據(jù)統(tǒng)計(jì)資料數(shù)據(jù)分析，在礦井提升機(jī)的故障中，75%的故障是由于制動(dòng)系統(tǒng)發(fā)生故障造成的［4］。制動(dòng)系統(tǒng)故障的發(fā)生，有可能引起井毀人亡的嚴(yán)重后果。文中主要針對(duì)礦井提升機(jī)制動(dòng)系統(tǒng)故障中的制動(dòng)力不足而造成的過卷事故，對(duì)其故障機(jī)理進(jìn)行逐層定性分析，找出引起故障發(fā)生的各種因素，建立其靜態(tài)故障樹，通過靜態(tài)故障樹的最小割集，研究了制動(dòng)系統(tǒng)故障發(fā)生時(shí)各種因素的重要度，找出各種因素的重要度，為故障的人工智能診斷奠定一定的基礎(chǔ)。

1 礦井提升機(jī)系統(tǒng)故障的分類

提升機(jī)系統(tǒng)故障是指提升機(jī)系統(tǒng)本身因運(yùn)行狀態(tài)、參數(shù)異?；蛲饨鐥l件改變發(fā)生的故障。從信號(hào)檢測(cè)的角度可分為硬故障和軟故障。硬故障是指一些特定的參數(shù)超限表現(xiàn)出來的故障，該類故障主要由后備保護(hù)裝置來解決;軟故障需由許多參數(shù)值和測(cè)量值經(jīng)過計(jì)算才能診斷出來，軟故障是硬故障的先兆，硬故障是軟故障的發(fā)展結(jié)果。

從工作原理角度又可分為行程監(jiān)視類故障、速度監(jiān)視故障、位置監(jiān)視與同步校正故障［5］。

1)行程監(jiān)視類故障:主要是指對(duì)提升機(jī)電氣控制系統(tǒng)提升容器(如箕斗)時(shí)進(jìn)行全程監(jiān)視過程中產(chǎn)生的故障，例如包括過卷故障，其中過卷故障是控制系統(tǒng)從行程運(yùn)算和井筒實(shí)際位置兩個(gè)方面監(jiān)視提升容器是否超過其過卷位置。從行程運(yùn)算上產(chǎn)生的過卷故障叫軟過卷故障;從井筒實(shí)際位置(井筒過卷開關(guān))產(chǎn)生的過卷故障叫井筒過卷故障(硬卷過故障)。

2)速度監(jiān)視故障:在提升機(jī)系統(tǒng)整個(gè)運(yùn)行過程中對(duì)提升機(jī)的各個(gè)運(yùn)行階段速度進(jìn)行監(jiān)視，所產(chǎn)生的故障稱速度監(jiān)視故障，它是通過檢測(cè)實(shí)際運(yùn)行速度是否超過給定速度的15%，根據(jù)運(yùn)行的不同階段又分為等速段超速故障、減速段超速故障和爬行段超速故障等。

3)減速監(jiān)視故障:是對(duì)提升機(jī)運(yùn)行到減速段時(shí)是否減速或減速值是否下降到設(shè)定值進(jìn)行監(jiān)視，有減速點(diǎn)監(jiān)視故障、減速段過速故障等。

4)位置監(jiān)視與同步校正故障，位置監(jiān)視保護(hù)有編碼器故障、終點(diǎn)開關(guān)故障;在提升機(jī)控制系統(tǒng)中，提升容器PLC 位置運(yùn)算值與實(shí)際值保持一致是極其重要的，在實(shí)際運(yùn)行中，因故障停車造成鋼絲繩在主卷筒上的滑動(dòng)以及停電、鋼絲繩伸長(zhǎng)原因使提升容器位置運(yùn)算值與實(shí)際值產(chǎn)生偏差，這個(gè)偏差需要在本次運(yùn)行至終點(diǎn)位置前進(jìn)行糾正，校對(duì)位置叫做同步校對(duì)點(diǎn)。如果系統(tǒng)沒有糾正或校對(duì)開關(guān)不工作則產(chǎn)生同步故障。同步故障包括井筒同步開關(guān)故障和鋼絲繩磁同步開關(guān)故障。

2 靜態(tài)故障樹分析法的基本理論與方法

靜態(tài)故障樹分析法(FTA)是一種用于復(fù)雜系統(tǒng)的可靠性、安全性和風(fēng)險(xiǎn)性評(píng)價(jià)的方法，不考慮各種故障發(fā)生與時(shí)間的先后關(guān)系［6］。它是一種圖形演繹法，是故障事件在一定條件下的邏輯推理方法，可針對(duì)某一故障事件，自上而下作層層追蹤分析［7］。這種圖形化的方法清楚易懂，使人們對(duì)所描述的事件之間的邏輯關(guān)系一目了然，而且便于對(duì)各種事件之間復(fù)雜的邏輯關(guān)系進(jìn)行深入的定性和定量分析;FTA 通常把最不希望發(fā)生的事件稱為頂事件(或父節(jié)點(diǎn)故障)，不再細(xì)分的事件為底事件(或葉節(jié)點(diǎn)故障)，而介于頂事件(或父節(jié)點(diǎn)故障)與底事件(或葉節(jié)點(diǎn)故障)之間的事件稱為中間事件(或子節(jié)點(diǎn)故障)，并分層逐級(jí)細(xì)分，最終找出故障發(fā)生的根本原因，即故障樹的葉節(jié)點(diǎn)故障為止。由于故障樹將系統(tǒng)故障的各種可能因素聯(lián)系起來，可有效找出系統(tǒng)薄弱環(huán)節(jié)和系統(tǒng)的故障譜，在系統(tǒng)故障中有助于判明系統(tǒng)的隱患和潛在故障，以便提高系統(tǒng)的可靠性。故障樹用相應(yīng)的符號(hào)代表這些事件(或故障)，再用合適的邏輯門把父節(jié)點(diǎn)故障、子節(jié)點(diǎn)故障和葉節(jié)點(diǎn)故障連接成倒立樹形圖，即故障樹(FT)。以FT 為工具，分析設(shè)備系統(tǒng)發(fā)生故障(失效)的各種原因、途徑，提出有效防止措施的系統(tǒng)可靠性研究方法即為靜態(tài)故障樹分析法FTA.

靜態(tài)故障樹分析的一般步驟為

1)選擇頂事件。據(jù)工程實(shí)際需要選擇合理的頂事件，把最不希望發(fā)生的事件稱為頂事件;

2)建立故障樹;

3)故障樹的定性分析:①故障樹的簡(jiǎn)化;②求最小割集。

4)故障樹的定量分析:①求頂事件的發(fā)生概率;②重要度分析。

5)確定設(shè)計(jì)上的薄弱環(huán)節(jié)(找出問題所在)。

靜態(tài)故障樹的割集是一組葉節(jié)點(diǎn)的集合，它反映了系統(tǒng)的一種失效狀態(tài)或故障模式，全部的割集反映了系統(tǒng)所有的失效狀態(tài)或故障模式［8］。

最小割集是FTA 中最重要的基本概念和分析故障的基本方法［9］。當(dāng)割集中的每一個(gè)葉節(jié)點(diǎn)故障都同時(shí)存在時(shí)，父節(jié)點(diǎn)故障才發(fā)生，則該割集稱為最小割集，即最小割集就是去掉其中任一葉節(jié)點(diǎn)故障，系統(tǒng)故障不再發(fā)生。

3 制動(dòng)系統(tǒng)故障樹的建立及分析

提升機(jī)的過卷故障主要是由兩方面引起:一是制動(dòng)系統(tǒng)故障而導(dǎo)致制動(dòng)力不足，二是在減速段超速保護(hù)失靈時(shí)，發(fā)生了超速［10］。下面主要對(duì)于礦井提升機(jī)的制動(dòng)系統(tǒng)故障進(jìn)行分析。

3.1 定性分析

經(jīng)過分析礦井提升機(jī)的過卷故障產(chǎn)生的機(jī)理，得到其故障樹的故障事件，列于表1 中。

再逐層細(xì)分，在表1 中的制動(dòng)器失效中，存在的原因有制動(dòng)電機(jī)停止工作，首先分析影響該故障的事件，列于表2.

根據(jù)表2，通過邏輯門(與、或門)，建立其故障樹如圖1 所示。

3.2 定量計(jì)算

圖1 制動(dòng)電機(jī)停止工作的故障樹Fig.1 Fault tree of brake motor stop working

為了得出圖1 的提升機(jī)制動(dòng)時(shí)電機(jī)停止葉(父)節(jié)點(diǎn)狀態(tài)分布表，必須求出其故障樹全部的最小割集。其方法有兩種:上行法(Semanderes法，布爾代數(shù)化簡(jiǎn)法)和下行法(Fussell-vesely法)［11］。

表1 礦井提升機(jī)制動(dòng)系統(tǒng)故障樹的故障事件Tab.1 Failure events of the mine hoist braking system fault tree

下行法根據(jù)故障樹的實(shí)際結(jié)構(gòu)，從頂事件開始，逐級(jí)向下尋查:

遇到“與門”就將其輸入事件排在同一行(只增加割集階數(shù)，不增加割集個(gè)數(shù))，遇到“或門”就將其輸入事件各自排成一行(只增加割集個(gè)數(shù)，不增加割集階數(shù))，這樣直到全部換成底事件為止，這樣得到的割集再通過兩兩比較，劃去那些非最小割集，剩下即為故障樹的全部最小割集。下行法求最小割集得到的結(jié)果與上行法得到的結(jié)果相同，此處不再贅述。

表2 制動(dòng)電機(jī)停止工作故障的事件Tab.2 Brake motor stop work failure events

3.2.1 上行法求最小割集

從故障樹的底事件開始，自下而上逐層地進(jìn)行事件集合運(yùn)算。

將“或門”輸出事件用輸入事件的并(布爾和)代替，將“與門”輸出事件用輸入事件的交(布爾積)代替。在逐層代入過程中，按照布爾代數(shù)吸收律和等冪律來化簡(jiǎn)，最后將頂事件表示成底事件積之和的最簡(jiǎn)式。其中每一積項(xiàng)對(duì)應(yīng)于故障樹的一個(gè)最小割集，全部積項(xiàng)即是故障樹的所有最小割集。

根據(jù)圖1 和邏輯代數(shù)，可得出下列公式

逐級(jí)代入并簡(jiǎn)化，最后得到F = A1+ A2= J1J2+J2J5+J4J5+J1J3J4

故其最小割集為 {J1，J2}、{J2，J5}、{J4，J5}、{J1，J3，J4}共4 個(gè)。

3.2.2 葉(父)節(jié)點(diǎn)狀態(tài)分布表

根據(jù)公式F = A1+ A2= J1J2+ J2J5+ J4J5+J1J3J4可求的葉(父)節(jié)點(diǎn)狀態(tài)分布表見表3.

3.2.3 葉節(jié)點(diǎn)故障重要度的定量分析

葉節(jié)點(diǎn)故障(或底事件)結(jié)構(gòu)重要度就是根據(jù)其故障樹，通過計(jì)算的方法來確定該故障點(diǎn)因所處的位置不同，葉節(jié)點(diǎn)故障發(fā)生引起父節(jié)點(diǎn)故障發(fā)生概率的大小。針對(duì)葉節(jié)點(diǎn)故障(底事件)Ji只能取(0，1)兩個(gè)值，即

表3 葉(父)節(jié)點(diǎn)狀態(tài)分布表Tab.3 Leaf node status (parent)distribution

由概率論可知，葉節(jié)點(diǎn)關(guān)鍵性重要度(危害度)的概率為

根據(jù)上式和表3 可計(jì)算出葉節(jié)點(diǎn)的關(guān)鍵性重要度(危害度)分別為

從計(jì)算結(jié)果可知，J2和J5最為重要，J1，J4次之，葉節(jié)點(diǎn)故障(底事件)J3對(duì)父節(jié)點(diǎn)故障(頂事件)F 發(fā)生的影響最小。根據(jù)此故障發(fā)生的概率大小，逐次分階地進(jìn)行故障診斷，即先診斷發(fā)生故障概率大的葉事件，逐次遞推。同時(shí)，在監(jiān)控系統(tǒng)中，可忽略對(duì)發(fā)生故障概率小的狀態(tài)的檢測(cè)，這樣，可以減少監(jiān)控系統(tǒng)的監(jiān)控?cái)?shù)量，縮短了故障診斷的時(shí)間，提高了系統(tǒng)故障診斷的實(shí)時(shí)性［12］。

4 結(jié) 論

文中主要針對(duì)制動(dòng)系統(tǒng)失效時(shí)產(chǎn)生的過卷故障，建立了制動(dòng)系統(tǒng)中的制動(dòng)電機(jī)不工作時(shí)，建立了故障樹，同時(shí)定性、定量分析了故障發(fā)生時(shí)，影響它的因素的概率，通過在陜西澄合王村礦井中得以應(yīng)用，取得了良好的效果，診斷正確率為87.2%，同時(shí)為后續(xù)的智能故障診斷提供了理論基礎(chǔ)依據(jù)。

References

［1］ 雷勇濤.基于神經(jīng)網(wǎng)絡(luò)的提升機(jī)制動(dòng)系統(tǒng)故障診斷技術(shù)與方法［D］.太原:太原理工大學(xué)，2010.LEI Yong-tao. Based on neural network fault diagnosis technology and the method of mechanism dynamic system［D］. Taiyuan:Taiyuan University of Technology，2010.

［2］ 褚冬莉，李 靜，范 君，等.模糊故障樹在通風(fēng)系統(tǒng)可靠性研究中的應(yīng)用［J］.西安科技大學(xué)學(xué)報(bào)，2011，31(6):750 -754.CHU Dong-li，LI Jing，F(xiàn)AN Jun，et al. Application of fuzzy fault tree to reliability of dynamic ventilation system［J］. Journal of Xi’an University of Science and Technology，2011，31(6):750 -754.

［3］ 李玉瑾.礦井提升系統(tǒng)安全事故分析與防治［J］. 煤炭工程，2012(1):100 -102.LI Yu-jin.Hoisting system of the mine safety accident analysis and prevention and control［J］. Coal Engineering，2012(1):100 -102.

［4］ 許曉林.一種支持向量機(jī)的礦井提升機(jī)故障診斷方法［J］.煤礦機(jī)械，2007，28(8):202 -204.XU Xiao-lin.A mine hoist fault diagnosis method of support vector machine［J］. Coal Mining Machinery，2007，28(8):202 -204.

［5］ 姜小環(huán). 立井提升系統(tǒng)安全可靠性的研究［D］. 北京:中國(guó)礦業(yè)大學(xué)，2006.JIANG Xiao-huan. Vertical shaft hoisting system safety and reliability of research［D］.Beijing:China University of Mining，2006.

［6］ 牛 強(qiáng). 基于語義的礦井提升機(jī)的故障診斷研究［D］.北京:中國(guó)礦業(yè)大學(xué)，2011.NIU Qiang. Fault diagnosis of mine hoist based on semantic research［D］. Beijing:China University of Mining，2011.

［7］ 譚國(guó)俊. 礦井直流提升機(jī)計(jì)算機(jī)控制技術(shù)［M］. 北京:中國(guó)礦業(yè)大學(xué)出版社，2003.TAN Guo-jun. Mine such as dc hoist computer control technology［M］. Beijing:China University of Mining Press，2003.

［8］ 王耀南.智能控制系統(tǒng)［M］.長(zhǎng)沙:湖南大學(xué)出版社，1996.WANG Yao-nan. The intelligent control system［M］.Changsha:Hunan University Press，1996.

［9］ 王致杰，王耀才，李 冬.基于小波網(wǎng)絡(luò)的礦井提升機(jī)運(yùn)行故障預(yù)測(cè)研究［J］.中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2005，34(6):528 -532.WANG Zhi-jie，WANG Yao-cai，LI Dong. Based on the wavelet network operation of mine hoist fault prediction research［J］. Journal of China University of Mining，2005，34 (6):528 -532.

［10］郭小薈，馬小平.基于支持向量機(jī)的礦井提升機(jī)的制動(dòng)系統(tǒng)故障診斷［J］. 中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2006，35(6):813 -817.GUO Xiao-hui，MA Xiao-ping. Based on support vector machine fault diagnosis of mine hoist braking system［J］. Journal of China University of Mining，2006，35(6):813 -817.

［11］周 瑾.礦井提升機(jī)故障機(jī)理與故障診斷研究［D］.徐州:中國(guó)礦業(yè)大學(xué)，2001.ZHOU Jin.Mine hoist fault mechanism and fault diagnosis research［D］. Xuzhou:China University of Mining，2001.

［12］裴九芳，程晉石.基于故障樹和灰關(guān)聯(lián)的礦井提升機(jī)故障診斷研究［J］.礦山機(jī)械，2008，36(6):74 -75.PEI Jiu-fang，CHENG Jin-shi. Based on fault tree and grey relation of mine hoist fault diagnosis research［J］.Mining Machinery，2008，36(6):74 -75.