采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷分析*

李 斌

(潞安化工集團(tuán)漳村煤礦機(jī)電科，山西 長治 046032)

0 引 言

機(jī)械設(shè)備集成化具有體積大、結(jié)構(gòu)復(fù)雜等特點(diǎn)，機(jī)械設(shè)備內(nèi)部零件繁多，零件之間相互作用，相互影響，任何一個(gè)零件故障都會影響整體設(shè)備的運(yùn)行，尤其是軸承等關(guān)鍵部件。機(jī)械在運(yùn)行過程中一旦發(fā)生故障，技術(shù)人員必須在短時(shí)間內(nèi)尋找到故障發(fā)生的具體位置以及故障原因。否則故障會影響到與其相關(guān)聯(lián)的其他部件，造成更大損失，甚至引起安全事故。

搖臂傳動系統(tǒng)中的滾動軸承作為旋轉(zhuǎn)機(jī)械的核心部件是采煤機(jī)設(shè)備使用中故障率最高的設(shè)備元件之一，其設(shè)備故障率可達(dá)40%以上，在日常開采作業(yè)中，由于設(shè)備載荷的變化與使用環(huán)境噪聲的干擾，傳統(tǒng)故障診斷系統(tǒng)無法收集準(zhǔn)確的振動信號，故障診斷系統(tǒng)誤診率較高[1]。因此探究和優(yōu)化采煤機(jī)搖臂傳動系統(tǒng)中滾動軸承的故障診斷方法是提高診斷故障率的有效途徑。

筆者通過對采煤機(jī)搖臂傳動系統(tǒng)滾動軸承進(jìn)行故障分析，依據(jù)其相關(guān)機(jī)理，運(yùn)用反卷積自編碼器與卷積神經(jīng)網(wǎng)絡(luò)對滾動軸承實(shí)行故障診斷，建立實(shí)驗(yàn)?zāi)Ｐ?，以期提高設(shè)備故障診斷效率，解決和加快設(shè)備正常運(yùn)行，恢復(fù)企業(yè)正常安全生產(chǎn)。

1 采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障分析

1.1 采煤機(jī)搖臂傳動系統(tǒng)滾動軸承結(jié)構(gòu)分析

采煤機(jī)搖臂傳動系統(tǒng)中使用的滾動軸承一般為調(diào)心滾子滾動軸承、單列圓柱滾子滾動軸承、球式回轉(zhuǎn)滾動軸承和無內(nèi)圈圓柱滾子滾動軸承。文中以球式回轉(zhuǎn)滾動軸承為例進(jìn)行結(jié)構(gòu)分析，該軸承主要由內(nèi)圈、外圈、保持架和滾動體四部分組成。外圈主要是起支撐作用，保持固定；內(nèi)圈分內(nèi)部與外部兩個(gè)部分，外部是滾動體軌道內(nèi)環(huán)，而軌道外環(huán)就是軸承外圈的內(nèi)部，內(nèi)外環(huán)中間夾著滾動體，可起到減小摩擦力，延長使用壽命的效果；保持架可以使?jié)L子不產(chǎn)生摩擦；滾動體為滾動軸承的核心部件，不同的材料與數(shù)量使軸承有不同的承載性能。其結(jié)構(gòu)示意圖如圖1所示。

圖1 球式回轉(zhuǎn)滾動軸承結(jié)構(gòu)示意圖

1.2 滾動軸承故障種類

采煤機(jī)的工作環(huán)境一般較為惡劣，煤矸石的侵入、設(shè)備使用時(shí)的震動與過載應(yīng)力都是采煤機(jī)搖臂傳動系統(tǒng)滾動軸承發(fā)生故障的原因。除了外部因素以外，內(nèi)部零件隨著使用時(shí)間的增多而達(dá)到疲勞極限造成零件的失效也是軸承故障的原因之一。對于采煤機(jī)搖臂傳動系統(tǒng)滾動軸承來說，其失效形式一般分為六種[2]。

(1) 磨損失效

在采煤機(jī)的日常使用過程中，滾動軸承之間的摩擦、突變應(yīng)力、設(shè)備運(yùn)行過程中侵入的粉塵、煤渣等各類雜物都會導(dǎo)致滾動軸承的磨損。隨著時(shí)間的推移，設(shè)備磨損會不斷加劇，先會造成先兆性的損壞影響設(shè)備一部分功能的使用，隨著設(shè)備磨損的加劇，滾動軸承最終會出現(xiàn)裂紋等破壞，使?jié)L動軸承徹底失效。

(2) 疲勞失效

采煤機(jī)的使用過程中，設(shè)備載荷會不斷發(fā)生變化，在設(shè)備持續(xù)運(yùn)轉(zhuǎn)的工作條件下，滾動體會因此而承受較大的壓力，使得內(nèi)外滾道載荷巨大，造成軸承最大應(yīng)力處斷裂，導(dǎo)致疲勞失效。

(3) 斷裂失效

斷裂失效主要是因?yàn)椴擅簷C(jī)在實(shí)際使用過程中常常會發(fā)生過載現(xiàn)象，再加上設(shè)備運(yùn)行時(shí)搖臂時(shí)起時(shí)停與外來雜質(zhì)的入侵，軸承的缺陷處就會發(fā)生斷裂，從而使軸承發(fā)生斷裂失效。

(4) 腐蝕失效

采煤機(jī)的切割運(yùn)行接觸水或者帶有腐蝕性質(zhì)的液體在所難免，這些液體就會與滾動軸承的材料發(fā)生一定的化學(xué)反應(yīng)，使軸承發(fā)生腐蝕作用，造成軸承的腐蝕失效。

(5) 膠合失效

采煤機(jī)搖臂的長期運(yùn)轉(zhuǎn)會使軸承滾道與滾子產(chǎn)生發(fā)熱現(xiàn)象，再加上設(shè)備的過載、高速等非正常使用情況的發(fā)生，會使?jié)L道與滾子發(fā)生膠合，從而使?jié)L動軸承膠合失效。

(6) 保持架失效

當(dāng)采煤機(jī)所切割煤壁硬度較大時(shí)，保持架會受到來自滾動軸承的巨大壓力，從而造成保持架變形，滾動體與滾道會因保持架變形而產(chǎn)生巨大摩擦造成滾動軸承失效。

1.3 滾動軸承故障機(jī)理分析

通過上述分析可知，采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障主要是由于滾動軸承振動而造成的軸承失效。滾動軸承的振動原因主要是兩部分。其一是因?yàn)檩S承內(nèi)部自身存在誤差，從而造成設(shè)備運(yùn)行發(fā)生振動。另外一個(gè)原因是設(shè)備內(nèi)其他零件對軸承發(fā)生作用，從而使軸承發(fā)生振動。如再加以細(xì)化，可將原因分為自身特點(diǎn)、安裝誤差、運(yùn)行故障、其他因素四大部分。其故障來源示意圖如圖2 所示。

圖2 滾動軸承來源示意圖

2 采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷研究

依據(jù)采煤機(jī)搖臂傳動系統(tǒng)滾動軸承的結(jié)構(gòu)、故障種類與機(jī)理，結(jié)合采煤機(jī)的設(shè)備使用環(huán)境，對故障檢測傳感器的布置如圖3所示。

圖3 故障檢測傳感器布置圖1.電機(jī)軸徑向檢測 2.電機(jī)軸軸向檢測 3.惰輪4徑向檢測 4.惰輪4軸向檢測 5.滾筒徑向檢測 6.滾筒軸向檢測

將傳感器連接至編碼器與神經(jīng)網(wǎng)絡(luò)即可對故障進(jìn)行診斷。傳統(tǒng)滾動軸承故障診斷圖像轉(zhuǎn)換方法由于采煤機(jī)使用環(huán)境復(fù)雜，干擾信號多，使該圖像轉(zhuǎn)換方法誤差較大，且后續(xù)圖像識別效果也很不理想。本文選取反卷積自編碼器+卷積神經(jīng)網(wǎng)絡(luò)的故障識別方法，有效解決了上述問題，實(shí)現(xiàn)了圖像的有效利用。采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷主要是通過傳感器收集信號后運(yùn)用無監(jiān)督學(xué)習(xí)法通過編碼器產(chǎn)生可使卷積神經(jīng)網(wǎng)絡(luò)識別的二維畫面，再以3:1的比例分為測試與訓(xùn)練集，再通過Softmax進(jìn)行故障診斷[3]。由于滾動軸承的故障復(fù)雜多變，固定的故障診斷算法無法滿足實(shí)際的使用要求，故本系統(tǒng)采用無監(jiān)督學(xué)習(xí)法。通過編碼器可將故障數(shù)據(jù)轉(zhuǎn)化為振動圖像，卷積神經(jīng)網(wǎng)絡(luò)可對該圖像進(jìn)行識別，從而判斷設(shè)備是否故障。其診斷方法流程如圖4所示。

其中，采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷中，圖像識別技術(shù)是故障診斷系統(tǒng)的關(guān)鍵，而圖像轉(zhuǎn)換部分又是該技術(shù)的核心部分，因此振動信號的高效轉(zhuǎn)化與原始信號的保留是故障診斷方法是否可以高效運(yùn)行的必要條件。傳統(tǒng)的圖像識別技術(shù)具有振動圖像信息利用率低、圖像轉(zhuǎn)換慢、信息保留差等問題，使得圖像識別技術(shù)無法達(dá)到故障診斷方法的要求。本文選用反卷積自編碼器的圖像轉(zhuǎn)換方法，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)將振動信號直接轉(zhuǎn)化為二維圖像，便于卷積神經(jīng)網(wǎng)絡(luò)的識別，再從圖像的角度進(jìn)行分析，從而達(dá)到快速故障識別診斷的目的，提高故障處理效率[4]。

圖4 采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷流程示意圖

卷積神經(jīng)網(wǎng)絡(luò)具有前饋結(jié)構(gòu)系統(tǒng)，主要有以下三個(gè)特點(diǎn)：①可對局部進(jìn)行定域，同時(shí)加以共享權(quán)重和子采樣功能，使得二維圖像分析能力得以加強(qiáng)；②卷積神經(jīng)網(wǎng)絡(luò)由濾波級對輸入信號特征進(jìn)行提取，特征參數(shù)由分類級完成，參數(shù)可同時(shí)訓(xùn)練獲得；③濾波級可分為卷積層、池化層與激活層三個(gè)部分，分類級為全連接層[5]。

運(yùn)用上述方法，將采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷模型建立完成后，本文將反卷積自編碼器+卷積神經(jīng)網(wǎng)絡(luò)(CAE+cnn)與常用故障診斷方法卷積神經(jīng)網(wǎng)絡(luò)+長短時(shí)記憶網(wǎng)絡(luò)(Cnn+Lstm)、長短時(shí)記憶網(wǎng)絡(luò)+一維卷積神經(jīng)網(wǎng)絡(luò)(LSTM+cnn)三種狀態(tài)之下的故障診斷方法進(jìn)行測試實(shí)驗(yàn)，對比傳統(tǒng)診斷方法模型與文中設(shè)計(jì)模型，驗(yàn)證文中設(shè)計(jì)故障診斷模型的高效性。測試數(shù)據(jù)如圖5所示。通過圖5可以看出，文中的設(shè)計(jì)模型用時(shí)最短為60.43 s，其余兩種方法各66.58 s與70.26 s，診斷效率明顯提高。此設(shè)計(jì)模型的最高識別準(zhǔn)確率為99.23%，平均準(zhǔn)確率為88.33%，其余兩種最高識別準(zhǔn)確率為94.55%與96.72%，平均準(zhǔn)確率為82.73%與83.92%,設(shè)計(jì)模型準(zhǔn)確率明顯優(yōu)于另兩種模型。將該模型應(yīng)用于實(shí)際生產(chǎn)后發(fā)現(xiàn)，在高噪聲、高負(fù)荷等工作狀態(tài)下診斷模型診斷平均準(zhǔn)確率仍為88%，其診斷速度較傳統(tǒng)方法有顯著提高，證明該診斷方法高效、準(zhǔn)確、可行。

圖5 三種方法故障診斷時(shí)間對比圖

3 結(jié) 論

采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷作為采煤機(jī)故障診斷的關(guān)鍵一環(huán)，對于采煤機(jī)故障快速排除意義深遠(yuǎn)。文中基于傳統(tǒng)采煤機(jī)搖臂傳動系統(tǒng)滾動軸承故障診斷方法的弊端進(jìn)行針對性研究，得出以下結(jié)論。

(1) 反卷積自編碼器可高效解決傳統(tǒng)圖像處理技術(shù)信息利用率低、圖像轉(zhuǎn)換慢、信息保留差等問題，提高故障診斷速率。

(2) 卷積神經(jīng)網(wǎng)絡(luò)可提高二維圖像分析能力，同時(shí)訓(xùn)練獲得參數(shù)，減少參數(shù)模型，提高故障處理效率。

(3) 反卷積自編碼器與卷積神經(jīng)網(wǎng)絡(luò)故障診斷模型效率高于傳統(tǒng)滾動軸承故障診斷方法，對于煤礦安全生產(chǎn)具有現(xiàn)實(shí)意義。