基于模糊算法的煤礦皮帶運輸機故障診斷方法

董玉靜，鄭 雷

（山東能源龍礦集團，山東 龍口 265700）

引言

在煤礦作業(yè)生產(chǎn)中，皮帶運輸機是其綜采環(huán)節(jié)不可或缺的設(shè)備，將該設(shè)備安裝在轉(zhuǎn)載破碎機之后，主要負責(zé)對煤礦資源的運輸[1]。由于當(dāng)前煤礦作業(yè)環(huán)境復(fù)雜因素逐漸增加，工作環(huán)境惡劣，加之煤礦生產(chǎn)企業(yè)對煤礦開采效率提出了更高的要求，使得當(dāng)前皮帶運輸機的運行條件逐漸復(fù)雜，且運行負擔(dān)逐漸增加，造成其停轉(zhuǎn)、轉(zhuǎn)速過快、轉(zhuǎn)速過慢等問題逐漸產(chǎn)生，嚴(yán)重影響著煤礦生產(chǎn)的質(zhì)量和效率，同時也會在一定程度上影響到煤礦作業(yè)的安全[2]。為了解決這一問題，國內(nèi)學(xué)者提出關(guān)于煤礦皮帶運輸機故障的診斷方法。采用分布式光纖測溫的方式對煤礦皮帶運輸機的運行情況進行實時監(jiān)測，出現(xiàn)故障之后及時進行維修，能夠減少由于運輸機故障而帶來的經(jīng)濟損失[2]。但是該方法容易受到周圍復(fù)雜環(huán)境因素的影響，對于煤礦皮帶運輸機的故障診斷結(jié)果與實際故障情況存在誤差，診斷精度較低，影響煤礦皮帶運輸機的運行安全。針對這一問題，為了能夠提升皮帶運輸機運行穩(wěn)定性，確保煤礦開采的安裝，在皮帶運輸機出現(xiàn)故障問題時應(yīng)當(dāng)作出更加快速的響應(yīng)，本文嘗試引入模糊算法，開展對煤礦皮帶運輸機故障診斷方法的設(shè)計研究。以期提高煤礦開采的工作效率和安全。

1 基于模糊算法的煤礦皮帶運輸機故障診斷方法

1.1 煤礦皮帶運輸機故障分析與類型劃分

煤礦皮帶運輸機是煤礦行業(yè)中必不可少的一種散裝物體的運輸工具，這種運輸機的主要部件包括輸送帶、托輥、滾筒、電機、減速器與張緊裝置等各類連接部件。煤礦皮帶運輸機在長期高負荷運轉(zhuǎn)下，多種器件進行摩擦、嚙合，容易產(chǎn)生器件故障，此時煤礦皮帶運輸機會出現(xiàn)異響、停運等故障狀態(tài)，需要及時更換器件，或增加檢修次數(shù)即可解決。

在煤礦生產(chǎn)作業(yè)中，皮帶運輸機常見的故障發(fā)生在油泵電機以及運輸電機當(dāng)中，例如油溫過高、油位過低等屬于油泵電機故障；過載、過熱、過流等屬于運輸電機故障[3]。當(dāng)煤礦皮帶運輸機的油泵電機出現(xiàn)故障問題時，輸入點會處于閉合狀態(tài)，此時定時器開始計時，根據(jù)計時結(jié)果能夠?qū)崿F(xiàn)對過載具體倍數(shù)的確定。除此之外，煤礦皮帶運輸機在運行過程中還會出現(xiàn)傳感器組故障，當(dāng)這種故障問題產(chǎn)生時，則通過對液壓油溫度參數(shù)、壓力參數(shù)、油位參數(shù)等變化可以實現(xiàn)對其具體傳感器故障類型的判斷。

1.2 基于模糊算法構(gòu)建皮帶運輸機故障診斷模型

由于獲取煤礦皮帶運輸機運行參數(shù)時會受到周圍復(fù)雜環(huán)境因素的影響，造成參數(shù)當(dāng)中含有大量的噪聲，并且屬性值參數(shù)分布較為分散。針對這一問題，為了提高煤礦皮帶運輸機故障診斷結(jié)果的準(zhǔn)確性和精度，引入模糊算法，針對煤礦皮帶運輸機運行過程中離散化的屬性值進行分析和處理[4]。利用煤礦皮帶運輸機監(jiān)控裝置獲取到需要進行故障診斷設(shè)備的運行參數(shù)，并以此建立原始連續(xù)故障特征屬性集合，假設(shè)為D。針對結(jié)合D 當(dāng)中所有連續(xù)故障征兆屬性值進行離散化處理，并利用模糊算法對離散屬性值約簡，使原始連續(xù)故障征兆信號當(dāng)中含有大量連續(xù)性的屬性參數(shù)。針對離散化處理后得到的粗糙集屬性約簡，并利用離散后的條件屬性構(gòu)建決策表，計算求解出最小條件屬性以及核[5]。將生成的各函數(shù)帶入到BP 神經(jīng)網(wǎng)絡(luò)模型當(dāng)中進行訓(xùn)練，迭代滿足條件后，按照上述論述內(nèi)容，得到皮帶運輸機故障診斷模型為：

公式（1）中：d 為原始連續(xù)故障特征屬性集合中的某一屬性數(shù)值；sc、co、d0均為煤礦皮帶運輸機運行過程中獲取到的初始化參數(shù)；Vd0、Vsc、Vco為獲取參數(shù)與標(biāo)準(zhǔn)運行參數(shù)相差均值。按照公式（1）所示，以構(gòu)建皮帶運輸機故障診斷模型的方式確定設(shè)備運行參數(shù)與其故障類型之間的模糊線性關(guān)系。在實際應(yīng)用中，在掌握皮帶運輸機初始化運行參數(shù)的模糊變量集合后，針對實際獲取到的運行參數(shù)，使用偏差量減的方式得出偏差變化率，為后續(xù)診斷步驟提供數(shù)值依據(jù)。

1.3 輸出模糊診斷規(guī)則

在完成對皮帶運輸機故障診斷模型的構(gòu)建后，為了確保故障診斷的規(guī)范性，還需要完成對模糊診斷規(guī)則的輸出，在診斷規(guī)則的基礎(chǔ)上，也能夠進一步確保故障診斷結(jié)果的正確性。利用語言歸納故障診斷策略，建立模糊診斷規(guī)則，生成一組條件語句：IF e（p）is Ei and ec（p）is ECj THEN u（p）is U（i+j）。在上述條件語句當(dāng)中，結(jié)合不同皮帶運輸機的故障類型確定p 的取值。p 表示為所有偏差數(shù)值模糊集合，EC 表示為所有偏差的具體變化數(shù)值構(gòu)成的集合，這些規(guī)則的構(gòu)造可以充分表示皮帶運輸機的故障特征。當(dāng)偏差數(shù)值更大或偏差變化量為正數(shù)時，此時輸出量的數(shù)值較大；當(dāng)偏差數(shù)值較小或為零時，此時輸出量的數(shù)值也較小或為零，以此根據(jù)輸出的一個結(jié)果即可實現(xiàn)對皮帶運輸機故障具體類型的判斷。

2 對比實驗

在上述論述基礎(chǔ)上，為了驗證引入模糊算法后的故障診斷方法實際應(yīng)用效果，選擇將該方法作為實驗組，將傳統(tǒng)基于PLC 控制技術(shù)的診斷方法作為對照組，將兩種診斷方法應(yīng)用到相同的煤礦皮帶運輸機上，針對其運行過程中出現(xiàn)的故障問題進行診斷。已知在該皮帶運輸機運行過程中可能出現(xiàn)的故障問題包括油溫過高、油位過低、運輸電機兩側(cè)粘連、油泵電機過載故障、油泵電機過熱故障，針對上述存在的五種故障問題，分別編號為A、B、C、D 和E。在實驗過程中，皮帶運輸機在運行T1～T5時刻中，對皮帶運輸機的油溫、油位、壓力以及傾角等參數(shù)進行測定，并通過測定得出的結(jié)果對皮帶運輸機的故障類型進行判斷，將得到的故障結(jié)果與兩種診斷方法給出的故障類型劃分結(jié)果進行對比。

在T1時刻和T2時刻，兩種診斷方法得出的結(jié)果均與實際煤礦皮帶運輸機故障類型相同。而在T3與T4時刻時，本文方法診斷結(jié)果為油溫過高，對照組診斷結(jié)果為油位過低，實際故障為油溫過高，油溫分別為94 ℃和93 ℃，本文診斷結(jié)果與實際故障一致；在T5時刻時，本文方法診斷結(jié)果為油位過低，而對照組未能對故障進行診斷，實際故障為油位過低，油位分別為19 mm 和9 mm，本文診斷結(jié)果與實際故障一致。

因此，通過上述得出的實驗結(jié)果證明，本文引入模糊算法后提出的故障診斷方法能夠?qū)崿F(xiàn)對煤礦皮帶運輸機運行過程中故障類型更準(zhǔn)確的判斷。

3 結(jié)語

在結(jié)合模糊算法的基礎(chǔ)上，提出了一種針對煤礦皮帶運輸機故障的診斷方法，同時通過實驗的方式證明了該診斷方法的可行性以及應(yīng)用優(yōu)勢。將本文提出的診斷方法應(yīng)用到實際煤礦作業(yè)生產(chǎn)當(dāng)中，能夠更加快速、及時地判斷出煤礦皮帶運輸機故障的具體類型，并進行報警和保護，從而避免更大事故的發(fā)生，不僅能夠減輕煤礦開采現(xiàn)場的工作負擔(dān)，同時也能夠節(jié)省更多對相關(guān)市設(shè)備維修的資金，為煤礦企業(yè)帶來經(jīng)濟效益和社會效益。