基于多傳感特征信息融合的采煤機截齒失效診斷

張　強　王海艦　李立瑩　聞學震　 阮越宣,3

1.遼寧工程技術(shù)大學，阜新，1230002.大連理工大學工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室，大連，1160233.煤礦與機械能源研究院，河內(nèi)，越南，100000

?

基于多傳感特征信息融合的采煤機截齒失效診斷

張強1,2王海艦1李立瑩1聞學震1阮越宣1,3

1.遼寧工程技術(shù)大學，阜新，1230002.大連理工大學工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室，大連，1160233.煤礦與機械能源研究院，河內(nèi)，越南，100000

針對采煤機截割頭截割過程中截齒失效狀態(tài)不易在線識別的難題，提出了一種基于多傳感特征信息融合的采煤機截齒失效診斷方法。通過測試采煤機不同磨損程度狀態(tài)的截齒在截割過程中的振動信號以及聲發(fā)射信號，建立截齒損耗和失效的信號特征數(shù)據(jù)庫，采用基于最小模糊隸屬度優(yōu)化模型的多傳感信息融合方法診斷采煤機截齒的磨損及失效狀態(tài)。實驗結(jié)果表明診斷結(jié)果的準確率可達95%以上，證明采用此方法可實現(xiàn)對采煤機截齒磨損程度及失效狀態(tài)的實時精確診斷。研究結(jié)果對及時發(fā)現(xiàn)和更換失效截齒、提高采煤機截割頭的工作效率和使用壽命具有重要意義。

采煤機；截齒失效；聲發(fā)射；信息融合；模糊隸屬度

0　引言

采煤機是綜采工作面主要的煤巖截割機械裝備，在開采過程中，采煤機的截齒與煤、巖產(chǎn)生劇烈碰撞和沖擊，勢必會造成截齒的嚴重磨損甚至失效。采煤機截齒的主要失效形式包括刀頭脫落、崩刀和刀頭、刀體磨損等，在某些特殊工況下也經(jīng)常因為刀體折斷造成截齒失效，截齒一旦處于嚴重磨損或失效狀態(tài)，將大大降低采煤機的截割效率，增大采煤機的功耗，縮短采煤機截割頭整體的使用壽命。因此，實現(xiàn)對采煤機截齒磨損程度及失效狀態(tài)的實時監(jiān)測與診斷，獲取采煤機截齒的最佳更換與維護周期，對提高采煤機械運轉(zhuǎn)率、提高煤礦生產(chǎn)的綜合經(jīng)濟效益都具有十分重要的意義。

目前，國內(nèi)外對截齒失效診斷的研究還比較少，多數(shù)專家學者主要針對采煤機截齒的失效形式[1-3]、斷齒過程中的信號檢測及提取進行了一定的研究。Dewangan等[4-5]利用掃描電子顯微鏡和能量彌散X射線探測器對截齒磨損部位進行了深入的研究，得到了截齒磨損機理，并將其分為開裂、破碎等7種不同類型。王新等[6]、賈禮[7]對截割頭截齒斷裂、脫落和碎裂等缺齒失效形式進行了分析，從加工制造、釬焊、熱處理工藝以及堆焊技術(shù)等方面提出了提高截齒性能的技術(shù)途徑。趙麗娟等[8]利用虛擬樣機系統(tǒng)仿真的方法得到了截割頭在缺齒時的瞬時負載以及搖臂殼體、行星架和同一截線上截齒受力的變化情況，通過檢測截割頭瞬時負載以及同一截線上截齒的受力情況實現(xiàn)截割頭的斷齒檢測，該方法具有一定的理論參考價值，但采用單一信號進行斷齒檢測的可信度較低。嚴作堂等[9-10]、張星輝等[11]、康葳等[12]分別采用振動信號檢測、Morlet小波的時頻分析、SVM與GA參數(shù)優(yōu)化以及Internet技術(shù)等方法實現(xiàn)了對齒輪斷齒故障診斷，然而此類研究成果只限于針對齒輪的失效診斷，尚難以實現(xiàn)采煤機截割頭截齒失效的精確診斷。

1　截齒截割特征信號測試與分析

1.1截割特征參數(shù)分析

采煤機截齒在不同磨損程度條件(含失效)下的截割信號表征是實現(xiàn)截齒失效精確診斷的重要前提。筆者主要針對不同磨損程度的截齒在截割過程中的振動信號以及聲發(fā)射信號進行采集與分析，建立各傳感器數(shù)據(jù)信號的特征值樣本。

采煤機截割頭在截割煤巖過程中各截齒所受的截割阻力可看作是滾筒在x、y、z三個方向上的分力[13]，如圖1所示。經(jīng)過大量實驗統(tǒng)計和現(xiàn)場調(diào)研，采煤機滾筒在截割過程中的振動形式與其截割阻力的方向一致，包括橫向振動(x方向)、縱向振動(y方向)和軸向振動(z方向)三種，其中x方向和y方向的振動較大，y方向振動最為明顯，如圖2所示。

圖1　采煤機滾筒所受三向力示意圖

聲發(fā)射是材料中局部區(qū)域應力集中、快速釋放能量并產(chǎn)生瞬態(tài)彈性波的現(xiàn)象[14]。采煤機截齒在截割過程中與煤、巖產(chǎn)生劇烈振動和摩擦，并伴隨聲信號向外傳播，產(chǎn)生的聲發(fā)射信號不但能夠反映煤巖內(nèi)部損傷破壞情況，及時發(fā)現(xiàn)裂紋的位置、性質(zhì)及擴展情況[15]，而且，人們還能夠根據(jù)聲發(fā)射信號的強弱、幅值的大小來分析截齒的磨損程度。圖3所示為采煤機截齒在新齒以及失效兩種狀態(tài)下截割煤層時的聲發(fā)射信號，可以看出，截齒在兩種狀態(tài)下截割時的聲發(fā)射信號差異很大，截齒在使用初期截割效果好，聲發(fā)射信號幅值較大，而失效截齒的截割聲發(fā)射信號幅值較小，因此，通過測試不同磨損程度及失效狀態(tài)下截齒的聲發(fā)射信號特征，能夠為截齒的失效診斷提供重要的數(shù)值依據(jù)。

(a)橫向振動(x方向)

(b)縱向振動(y方向)

(c)軸向振動(z方向)圖2　采煤機滾筒截割三向振動曲線

(a)新齒狀態(tài)下截割聲發(fā)射信號曲線

(b)截齒失效狀態(tài)下截割聲發(fā)射信號曲線圖3　采煤機截齒不同狀態(tài)下聲發(fā)射曲線

1.2截割特征參數(shù)樣本模型

為采集采煤機截割頭截割過程中x、y、z三個方向上的振動信號以及聲發(fā)射信號，建立采煤機截齒不同磨損及失效的特征樣本模型，開展采煤機截齒在如圖4所示的新齒、早期磨損、嚴重磨損以及失效四種狀態(tài)下的截割實驗，分別采用三向振動傳感器與聲發(fā)射儀器對截齒截割過程中的振動和聲發(fā)射特征信號進行提取、去噪和識別處理，得到的三向振動與聲發(fā)射信號特征樣本分別如表1～表4所示。

圖4　不同磨損程度及失效的截齒試件

mm

表2　y軸振動特征樣本值　mm

表3　z軸振動特征樣本值　mm

表4　聲發(fā)射信號特征樣本值　mV

2　基于信息融合的截齒失效診斷

2.1截齒失效診斷融合模型

采煤機在截割過程中可以看作是一個不斷向外輸出信息的系統(tǒng)，其輸出的三向振動信號和聲發(fā)射信號構(gòu)成診斷融合模型的信號特征空間，每個特征作為特征空間的一個特征子集，再由多個特征子集交互構(gòu)成識別和診斷截齒失效的證據(jù)[16]，通過D-S證據(jù)理論對所獲取的證據(jù)進行推理，最終通過特定的診斷決策規(guī)則，得出診斷結(jié)論及當前截齒的磨損狀態(tài)。截齒失效診斷多信息決策融合模型結(jié)構(gòu)如圖5所示。

圖5　截齒失效診斷多信息決策融合模型

2.2信息融合基本理論

(1)

通過式(1)可以看出，D-S證據(jù)理論信息融合技術(shù)就是將兩個或兩個以上單一信任函數(shù)的概率分配函數(shù)，通過計算得到新的基本概率分配作為最后的決策依據(jù)。由此可以推導出多信任函數(shù)的證據(jù)組合規(guī)則為

m=(((m1⊕m2)⊕m3)⊕…)⊕mn

(2)

其中，m1,m2,…,mn分別為同一識別框架2Θ上信任函數(shù)Bel1,Bel2,…,Beln的基本概率分配函數(shù)。

2.3特征樣本模糊隸屬度函數(shù)模型

(3)

采煤機截齒失效診斷系統(tǒng)的四個狀態(tài)分別為新齒、早期磨損、嚴重磨損和失效，用模糊集合表示為{A1，A2，A3，A4}，其對應的各模糊子集的隸屬度函數(shù)分別為μ1、μ2、μ3和μ4，其隸屬度函數(shù)如圖6所示。

圖6　截齒磨損程度隸屬度函數(shù)圖

根據(jù)隸屬度函數(shù)圖和各信號參數(shù)的特征樣本值，通過下式利用最小模糊度規(guī)則進行k值求解[19]：

(4)

(5)

由表1～表4可以看出，采煤機截齒不同磨損程度及失效狀態(tài)下的不同截割信號的特征樣本值具有一定的模糊性。利用MATLAB軟件構(gòu)建式(4)隸屬度函數(shù)模型的程序式，對各隸屬度函數(shù)的p值進行優(yōu)化求解，結(jié)合圖6得到截齒不同磨損程度的三向振動及聲發(fā)射信號特征參數(shù)的模糊隸屬度函數(shù),如圖7所示。

2.4基本概率分配函數(shù)

(6)

(7)

(a)x軸振動特征參數(shù)

(b)y軸振動特征參數(shù)

(c)z軸振動特征參數(shù)

(d)聲反射信號特征參數(shù)圖7　三向振動及聲發(fā)射信號模糊隸屬度函數(shù)圖

其中，δi表示第i個證據(jù)體對具有最大隸屬度及次最大隸屬度的兩命題的差值，該值從最大隸屬度的突出程度角度反映系統(tǒng)診斷的可靠性；γi表示除最大值命題外，第i個證據(jù)體對其余命題隸屬度的方差，反映決策結(jié)論的可靠性；φi表示第i個證據(jù)體的權(quán)值，用來提高截齒失效診斷結(jié)論的正確性[20]。δi與γi的數(shù)學表達式分別為

(8)

(9)

2.5融合診斷決策規(guī)則

為了實現(xiàn)對采煤機截齒磨損程度及失效狀態(tài)的精確診斷，避免采用單一信號進行識別和診斷時信度比較低等缺陷和不足，筆者采用多規(guī)則“與”判定的決策方法對截齒狀態(tài)進行診斷，其各判定準則為

準則1用來表明診斷命題結(jié)果具有最大的信度；準則2說明診斷結(jié)果的信度與其他任意命題的信度差值要大于閾值ε；準則3表明證據(jù)的不確定性必須小于限值λ，ε與λ的取值需根據(jù)實際情況來確定，本系統(tǒng)中ε取值為0.25，λ取值為0.2。多規(guī)則“與”判定決策方法要求診斷結(jié)果必須同時滿足上述三個準則，缺一不可，如若以上三個準則不能同時滿足，則判定與決策終止，無法確定輸出截齒狀態(tài)診斷結(jié)論。

3　實驗分析

為驗證基于多傳感信息融合的采煤機截齒失效診斷系統(tǒng)的精確度，以張家口國家能源采掘裝備研發(fā)實驗中心的實驗平臺進行現(xiàn)場截割測試與診斷實驗。根據(jù)相似原則，采用煤炭、沙子、水泥以及特骨料等澆筑長70m、高3m的相似結(jié)構(gòu)煤壁，煤壁硬度為F5，如圖8所示，采煤機型號為MGN500/1130-WD，在采煤機懸臂上安裝三向振動傳感器，利用聲耦合劑將聲發(fā)射采集探頭固定在煤壁上，保證其與煤壁緊密接觸。

圖8　現(xiàn)場截割測試與診斷實驗

分別針對采煤機截齒在新齒、早期磨損、嚴重磨損以及失效四種狀態(tài)下的聲發(fā)射信號和三向振動信號進行測試、提取與識別，隨機抽取20組不同時間、不同截齒狀態(tài)的特征信息進行融合決策診斷，其診斷結(jié)果如表5所示。由表5可以看出，采用基于多傳感信息融合的采煤機截齒失效診斷方法在隨機抽取的20組診斷結(jié)果中，截齒在不同磨損狀態(tài)的融合結(jié)果概率分配識辨性很高，其診斷結(jié)果的準確率達到了95%，證據(jù)體的不確定度很小，診斷結(jié)果的可信度較高。這說明采煤機截齒失效的多傳感信息融合決策診斷具有非常好的峰值性和可靠性，本研究為采煤機截齒在截割過程中磨損程度及失效狀態(tài)的動態(tài)診斷與識別提供了一種精確的方法和手段。

表5　截齒狀態(tài)多信息融合決策診斷結(jié)果

4　結(jié)語

通過測試和提取采煤機截齒截割過程中的三向振動以及聲發(fā)射信號特征樣本，根據(jù)最小模糊度原則得到各特征信號優(yōu)化后的模糊隸屬度函數(shù)，在D-S證據(jù)理論與融合推理方法的基礎上，建立各特征信息的基本概率分配函數(shù)和多規(guī)則“與”判定的決策準則，提出了一種適用于采煤機截齒失效診斷的多傳感特征信息決策融合有效方法。實驗驗證表明，基于多傳感特征信息融合的采煤機截齒失效診斷方法診斷精度可達到95%以上，有效解決了采煤機截齒狀態(tài)難以實時監(jiān)測與診斷的技術(shù)難題，對提高采煤機的工作效率以及節(jié)能降耗具有非常重要的意義。

[1]尚慧玲.采煤機滾筒截齒失效工況的影響分析及對策[J].煤炭科學技術(shù),2012,40 (8):75-77.

Shang Huiling. Analysis and Counter Measures of Pick Failure Performance Influences of Cutting Drum in Coal Shearer[J]. Coal Science and Technology, 2012,40 (8):75-77.

[2]李曉豁,閆建偉,張惠波,等.割巖截齒的應力分布及其載荷的仿真研究[J].計算機仿真, 2011,28 (11):405-408.

Li Xiaohuo, Yan Jianwei, Zhang Huibo, et al. Simulation and Research on Stress Distribution and Loads on Pick Cutting Rock[J].Computer Simulation, 2011,28 (11):405-408.

[3]宋楊,劉春生.采煤機端盤截齒截割煤巖的三向載荷數(shù)值模擬[J].礦山機械,2013,41(7):19-22.

Song Yang,Liu Chunsheng. Numerical Simulation on Triaxial Loads at Shearer Transverse Flange Pick Cutting Coal Rock[J]. Mining & Processing Equipment, 2013,41 (7):19-22.

[4]Dewangan S, Chattopadhyaya S, Hloch S.Wear Assessment of Conical Pick Used in Coal Cutting Operation[J]. Rock Mechanics & Rock Engineering,2015, 48 (5):2129-2139.

[5]Dewangan S, Chattopadhyaya S. Characterization of Wear Mechanisms in Distorted Conical Picks after Coal Cutting[J]. Rock Mechanics & Rock Engineer- ing, 2016,49(1):225-242.

[6]王新,張妍,朱洪睿.礦用截齒失效分析及技術(shù)改進[J].鑄造技術(shù),2012, 33(5): 553-555.

Wang Xin, Zhang Yan, Zhu Hongrui. Failure Analysis of Picks Used for Mine and Their Technical Improvement[J]. Foundry Technology, 2012,33(5):553- 555.

[7]賈禮.采煤機截齒柄部斷裂的分析與防止[J].煤礦機械,2004(3):59-60.

Jia Li. Analysis and Prevention of Pick Stem Failure Crack of Shearer[J].Coal Mine Machinery, 2004(3): 59- 60.

[8]趙麗娟,陳穎,董萌萌.滾筒截齒對采煤機截割部工作可靠性的影響研究[J].現(xiàn)代制造工程, 2010(12):104-110.

Zhao Lijuan, Chen Ying, Dong Mengmeng. Resear-ch on the Influence on Working Reliability of Cutting Unit of Shearer by Cutting Pick[J].Modern Manufacturing Engineering, 2010(12):104-110.

[9]嚴作堂,陳宏.基于振動信號診斷齒輪斷齒故障新方法[J].機械傳動,2012,36(9):93-95.

Yan Zuotang, Chen Hong. Diagnosis Method of Broken Teeth Fault of Gear Based on Vibration Signal[J]. Journal of Mechanical Transmission, 2012,36(9):93-95.

[10]嚴作堂,陳宏.基于Morlet小波的時頻圖在齒輪斷齒故障診斷中的應用[J].機械研究與應用,2012 (4):46-50.

Yan Zuotang, Chen Hong. Application of the Morlet Wavelet Time-frequency Diagram in the Diagnosis of Broken Teeth Fault of Gear[J]. Mechanical Research & Application, 2012(4):46- 50.

[11]張星輝,康建設,曹端超,等.基于SVM與GA參數(shù)優(yōu)化的齒輪箱斷齒故障診斷方法研究[J].機械傳動, 2012,36(12):26-30.

Zhang Xinghui, Kang Jianshe, Cao Duanchao, et al. Research on the Method of Gearbox Fault Diagnosis Based on SVM and Parameter Optimized by GA[J].Journal of Mechanical Transmission, 2012,36(12):26-30.

[12]康葳,蔣欣軍,常廣建.基于Internet技術(shù)的齒輪斷齒故障診斷研究[J].中國制造業(yè)信息化,2008,37(1):76-79.

Kang Wei, Jiang Xinjun, Chang Guangjian. The Research for Fault Diagnosis of the Gear Fracture Based on Internet[J]. Manufacture Information Engineering of China,2008,37(1):76-79.

[13]李曉豁,何洋,焦麗,等.基于參數(shù)識別的截割頭縱向隨機振動響應優(yōu)化[J].中國機械工程, 2015, 26 (6):818-823.

Li Xiaohuo, He Yang, Jiao Li, et al. Vertical Random Vibration Response and Optimization of Cutting Head Based on Parameter Identification[J]. China Mechanical Engineering,2015,26(6):818- 823.

[14]焦陽,侯潔,李光海,等.聲發(fā)射信號處理技術(shù)及其在滾動軸承檢測中的應用現(xiàn)狀[J].河北科技大學學報,2013,34(4): 313-317.

Jiao Yang, Hou Jie, Li Guanghai, et al. Acoustic Emission Signal Processing Technology and its Application in Rolling Bearing Test[J]. Journal of Hebei University of Science and Technology, 2013,34(4):313-317.

[15]邵良杉,李永利,孫朋.煤巖破裂全過程的聲發(fā)射序列分形特征研究[J]. 中國安全科學學報, 2013,23(12):78-83.

Shao Liangshan, Li Yongli, Sun Peng. Study on Fractal Characteristics of AE Sequence of Whole Process of Fracture of Coal or Rock[J].China Safety Science Journal,2013,23 (12):78-83.

[16]王新穎,江志偉,于永亮,等.多信息融合的城市燃氣管道泄漏診斷技術(shù)研究[J].中國安全科學學報,2014,24(6):165-170.

Wang Xinying, Jiang Zhiwei, Yu Yongliang, et al. Research on Multi-information Fusion Technique for Diagnosis of Urban Gas Pipeline Leakage[J].China Safety Science Journal,2014, 24(6):165-170.

[17]胡金海,余治國,翟旭升,等.基于改進D-S證據(jù)理論的航空發(fā)動機轉(zhuǎn)子故障決策融合診斷研究[J].航空學報,2014,35(2):436-443.

Hu Jinhai, Yu Zhiguo, Zhai Xusheng, et al. Rese-arch of Decision Fusion Diagnosis of Aeroengine Rotor Fault Based on Improved D-S Theo-ry[J]. Acta Aeronautica et Astronautica Sinica, 2014,35 (2):436-443．

[18]張鑫,牟龍華.基于信息融合的礦山電網(wǎng)復合保護的研究[J].煤炭學報,2012,37(11):1947-1952.

Zhang Xin,Mu Longhua.Research on Compound Protection for Mine Power Network Based on Information Fusion[J].Journal of China Coal Society,2012,37(11):1947-1952.

[19]劉曉明,牟龍華,張鑫.基于信息融合的隔爆開關永磁機構(gòu)儲能電容失效診斷[J].煤炭學報, 2014,39(10):2121-2127.

Liu Xiaoming,Mu Longhua,Zhang Xin. Failure Diagnosis for Storage-capacitor in Permanent Magnetic Actuator of Flameproof Switch Gear Based on Information Fusion[J]. Journal of China Coal Society,2014,39(10):2121-2127.

[20]繆燕子,方健,馬小平,等.D-S證據(jù)理論融合技術(shù)及其應用[M].北京:電子工業(yè)出版社,2013.

(編輯華中平)

FailureDiagnosisofShearer’sPicksBasedonInformationFusionfromMultiSensors

ZhangQiang1,2WangHaijian1LiLiying1WenXuezhen1NguyenVietTuyen1,3

1.LiaoningTechnicalUniversity,Fuxin,Liaoning,123000 2.StateKeyLaboratoryofStructuralAnalysisforIndustrialEquipment,DalianUniversityofTechnology,Dalian,Liaoning, 116023 3.VienCoKhiNangLuongVaMo,Hanoi,Vietnam, 100000

Fortheproblemsthatthepicksfailurestatesforashearer’scuttingheadwerenoteasytoidentifyinthecuttingprocesses,amethodwasproposedbasedonmultisensorfeatureinformationfusion.Bytestingthevibrationsignalsandacousticemissionsignalsofthepicksindifferentabrasiondegreesofashearer,thesignalfeaturedatabasesofthepicks’abrasionandfailurewereestablishedbyusingthemethodofmultisensorfeatureinformationfusionofminimumfuzzymembershipoptimizationmodeltodiagnoseshearerpicksabrasionandfailurestates.Theexperimentalresultsshowthattheaccuracyrateofthediagnosisresultsofpicksismorethan95%,whichindicatesthatthemethodcanrealizetheaccuratediagnosistothestatesoftheshearer’spicks.Theresearchresultsmakeagreatcontributiontodiscoverandreplacethefailurepicks,andtoimprovetheservicelifeandworkefficiencyoftheshearercuttinghead.

shearer;pickfailure;acousticemission;informationfusion;fuzzymembership

2015-11-09

國家自然科學基金資助項目(51504121)；高等學校博士學科點專項科研基金資助項目(20132121120011)；工業(yè)裝備結(jié)構(gòu)分析重點實驗室開放基金資助項目(GZ1402)；遼寧省高等學校杰出青年學者成長計劃資助項目(LJQ2014036)；遼寧“百千萬人才工程”培養(yǎng)經(jīng)費資助項目(2014921070)

TP273

10.3969/j.issn.1004-132X.2016.17.011

張強, 男,1980年生。遼寧工程技術(shù)大學機械工程學院教授、 博士研究生導師, 大連理工大學工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室訪問學者, 四川理工學院材料腐蝕與防護四川省重點實驗室訪問學者.主要研究方向為礦山機械動態(tài)設計及監(jiān)測技術(shù).發(fā)表論文60余篇。王海艦, 男, 1987年生。遼寧工程技術(shù)大學機械工程學院博士研究生。李立瑩, 女，1992年生。遼寧工程技術(shù)大學機械工程學院碩士研究生。聞學震, 男,1993年生。遼寧工程技術(shù)大學機械工程學院碩士研究生。 阮越宣, 男,1987年生。 遼寧工程技術(shù)大學機械工程學院博士研究生，越南煤礦與機械能源研究院工作人員。