田震，荊雙喜，趙麗娟，高珊，張成光

(1.周口師范學(xué)院 機(jī)械與電氣工程學(xué)院，河南 周口466000；2.河南理工大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，河南 焦作 454000；3.遼寧工程技術(shù)大學(xué) 機(jī)械工程學(xué)院，遼寧 阜新 123000)

0 引 言

滾筒式采煤機(jī)對(duì)不同煤層有較強(qiáng)的適應(yīng)性，且與裝載機(jī)和運(yùn)輸機(jī)配套后能極大提升煤炭生產(chǎn)機(jī)械化及自動(dòng)化程度，因此，在我國(guó)薄煤層機(jī)械化開(kāi)采中應(yīng)用較廣[1-2]。螺旋滾筒在截割含硬質(zhì)包裹體或多層夾矸的復(fù)雜煤層時(shí)，將受到非線性沖擊載荷的作用，而采煤機(jī)在強(qiáng)大沖擊作用下會(huì)產(chǎn)生劇烈振動(dòng)[3-4]，過(guò)于強(qiáng)烈的振動(dòng)不僅會(huì)影響采煤機(jī)的穩(wěn)定性，而且還會(huì)對(duì)采煤機(jī)機(jī)械、液壓以及電氣系統(tǒng)可靠性產(chǎn)生不利影響。如何提高采煤機(jī)工作的可靠性，已成為薄煤層開(kāi)采中的重要課題。

目前,許多學(xué)者對(duì)采煤機(jī)在截割煤層過(guò)程中的可靠性進(jìn)行了研究。蒲志新等[5]基于多體動(dòng)力學(xué)理論，結(jié)合RecurDyn建立了采煤機(jī)牽引部剛?cè)狁詈夏Ｐ?，?duì)牽引部傳動(dòng)齒輪的受力以及接觸力分布進(jìn)行了分析，并對(duì)傳動(dòng)系統(tǒng)進(jìn)行了優(yōu)化；陳穎等[6]根據(jù)滾筒截齒破煤理論，利用MATLAB計(jì)算了滾筒在截割煤層過(guò)程中受到的瞬時(shí)載荷，解決了采煤機(jī)虛擬樣機(jī)仿真中外部負(fù)載的輸入問(wèn)題；劉旭南等[7]基于ADAMS軟件，對(duì)采煤機(jī)多體系統(tǒng)進(jìn)行動(dòng)態(tài)特性仿真，得到了牽引部行星架及行星軸的應(yīng)力分布，并開(kāi)發(fā)出一種對(duì)齒輪強(qiáng)度進(jìn)行校核的軟件；張義民等[8]通過(guò)建立采煤機(jī)截割部傳動(dòng)系統(tǒng)的動(dòng)力學(xué)模型，對(duì)傳動(dòng)系統(tǒng)的可靠性和靈敏度進(jìn)行分析，找出了傳動(dòng)齒輪結(jié)構(gòu)參數(shù)對(duì)系統(tǒng)可靠度的影響；周笛等[9]通過(guò)建立采煤機(jī)牽引部動(dòng)力學(xué)模型，分析了牽引部傳動(dòng)系統(tǒng)的動(dòng)態(tài)特性，并利用順序統(tǒng)計(jì)量理論對(duì)傳動(dòng)系統(tǒng)的動(dòng)態(tài)可靠性變化規(guī)律進(jìn)行了分析。

以上研究,多從單個(gè)或多個(gè)結(jié)構(gòu)件受力和傳動(dòng)系統(tǒng)的動(dòng)態(tài)響應(yīng)等角度對(duì)采煤機(jī)可靠性進(jìn)行研究，但是較少涉及采煤機(jī)系統(tǒng)結(jié)構(gòu)件受力與整機(jī)動(dòng)態(tài)可靠度之間相互關(guān)系的分析。本文以MG400/951-WD型薄煤層采煤機(jī)為研究對(duì)象，對(duì)該采煤機(jī)應(yīng)用煤層煤樣性質(zhì)進(jìn)行測(cè)定，根據(jù)測(cè)定結(jié)果計(jì)算采煤機(jī)截割時(shí)所受外部激勵(lì)；結(jié)合采煤機(jī)多體模型對(duì)截割過(guò)程中的動(dòng)態(tài)響應(yīng)進(jìn)行分析；建立相關(guān)材料的應(yīng)力-可靠度隸屬函數(shù)，獲取各結(jié)構(gòu)件可靠度并計(jì)算采煤機(jī)整機(jī)的可靠度；采用粒子群優(yōu)化(particle swarm optimization，PSO)算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，建立采煤機(jī)可靠性預(yù)測(cè)模型；通過(guò)正交實(shí)驗(yàn)獲取不同因素影響下采煤機(jī)可靠度樣本參數(shù)，以此對(duì)采煤機(jī)可靠性預(yù)測(cè)模型準(zhǔn)確度進(jìn)行檢驗(yàn)。研究結(jié)果可為采煤機(jī)可靠性評(píng)價(jià)提供一定參考。

1 PSO-BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

1.1 PSO算法

標(biāo)準(zhǔn)的PSO算法需要對(duì)一群隨機(jī)粒子進(jìn)行初始化，然后通過(guò)對(duì)當(dāng)前最優(yōu)粒子進(jìn)行跟蹤找出最優(yōu)解。假設(shè)在一個(gè)n維的搜索空間中有m個(gè)粒子群體，其中第i個(gè)粒子的位置和速度分別為Xi=(xi1，xi2，xi3，…，xin)和Vi=(vi1，vi2，vi3，…，vin)，則在每次迭代過(guò)程中，粒子通過(guò)尋找個(gè)體最優(yōu)值Pi=(pi1，pi2，pi3，…，pin)和種群全局最優(yōu)值Pq=(pq1，pq2，pq3，…，pqn)這兩個(gè)最優(yōu)解更新自身的位置和速度，更新后的位置和速度可按式(1)和式(2)進(jìn)行計(jì)算[10-11]：

vi，j(t+1)=wivi，j(t)+c1r1[pi，j(t)-xi，j(t)]+

c2r2[pp，j(t)-xi，j(t)]，

(1)

xi，j(t+1)=xi，j(t)+vi，j(t+1)，

i=1，2，…m;j=1，2，…n，

(2)

式中：t為迭代次數(shù)；wi為慣性因子；c1和c2為學(xué)習(xí)因子；r1和r2為[0，1]內(nèi)的隨機(jī)數(shù)。

在PSO算法中，優(yōu)化性能的參數(shù)有慣性因子、學(xué)習(xí)因子和粒子群體數(shù)，其中粒子群體數(shù)可根據(jù)實(shí)際問(wèn)題進(jìn)行合理選取。學(xué)習(xí)因子對(duì)粒子本身信息及其他粒子信息的尋找有著重要的影響，c1反映粒子尋優(yōu)過(guò)程中記憶的最優(yōu)位置對(duì)尋找速度的影響，c2反映粒子群最優(yōu)位置對(duì)尋找速度的影響。權(quán)重因子不僅影響算法的搜索能力，而且還會(huì)影響算法的收斂性，權(quán)重因子的增大將會(huì)使粒子更新速度加快，全局搜索能力越強(qiáng)，而權(quán)重因子的減小使算法局部搜索能力較強(qiáng)，算法收斂性易于控制。在實(shí)際應(yīng)用中，慣性因子多采用Shi提出的線性遞減慣性因子策略[12]，即

(3)

式中：wmax為權(quán)重因子的最大值，一般取0.9；wmin為權(quán)重因子的最小值，一般取0.4；t為當(dāng)前迭代步數(shù)；tmax為最大迭代步數(shù)。

1.2 PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

采用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，可以有效提高BP神經(jīng)網(wǎng)絡(luò)性能，提高預(yù)測(cè)精度[13]。粒子優(yōu)化的適應(yīng)度函數(shù)為

(4)

式中：N為采煤機(jī)可靠性訓(xùn)練樣本總數(shù)；yj，i(n)為第i個(gè)可靠度樣本信息中第j個(gè)輸出節(jié)點(diǎn)的可靠性預(yù)測(cè)值；yj，i(n)為第i個(gè)可靠度樣本信息中第j個(gè)輸出節(jié)點(diǎn)的可靠性實(shí)際值；m為輸出神經(jīng)元個(gè)數(shù)。

PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)采煤機(jī)可靠性的流程和具體實(shí)現(xiàn)過(guò)程如圖1所示。

(1)根據(jù)采煤機(jī)VP模型分析，得到可靠性的訓(xùn)練樣本，并確定BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行參數(shù)初始化。

(2)根據(jù)已經(jīng)確定的BP神經(jīng)網(wǎng)絡(luò)，初始化粒子群的速度和位置等相關(guān)參數(shù)。

(3)根據(jù)建立的PSO-BP神經(jīng)網(wǎng)絡(luò)，開(kāi)始粒子的尋優(yōu)迭代，對(duì)粒子最優(yōu)位置以及粒子群的最優(yōu)位置進(jìn)行計(jì)算，并對(duì)計(jì)算結(jié)果判斷分析，找出個(gè)體及全局最優(yōu)解。

(4)粒子和粒子群的速度和位置更新。

(5)判斷結(jié)果是否符合要求。若迭代次數(shù)達(dá)到預(yù)定的最大迭代次數(shù)或誤差低于預(yù)定最小誤差要求，則迭代終止，輸出最優(yōu)解并將其作為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值；若結(jié)果不符合要求，則繼續(xù)尋找最優(yōu)解。

圖1 PSO 優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)流程Fig.1 Flow chart of PSO-BP network

2 采煤機(jī)可靠性預(yù)測(cè)

2.1 采煤機(jī)可靠度計(jì)算

為實(shí)現(xiàn)薄煤層高產(chǎn)高效生產(chǎn)作業(yè)，某采煤機(jī)公司設(shè)計(jì)出MG400/951-WD型電牽引采煤機(jī)，該采煤機(jī)采用過(guò)橋式布置形式，具有機(jī)面高度低、臥底充分、裝機(jī)功率大等特點(diǎn)。由于該采煤機(jī)搖臂采用了“C”字型結(jié)構(gòu)，其工作可靠性仍有待于進(jìn)一步分析。為此，本文以該采煤機(jī)為工程對(duì)象，對(duì)其關(guān)鍵零部件的可靠性進(jìn)行研究。在采煤機(jī)工作過(guò)程中，搖臂殼體不僅承受著傳動(dòng)系統(tǒng)內(nèi)部齒輪嚙合時(shí)的沖擊，而且還會(huì)承受螺旋滾筒截割時(shí)受到的交變沖擊載荷作用，在機(jī)械系統(tǒng)中屬于受力較為惡劣的薄弱環(huán)節(jié)。由于行星減速機(jī)構(gòu)具有較大的減速比，且能夠傳遞較大的扭矩，因此，在搖臂殼體內(nèi)部的傳動(dòng)系統(tǒng)中通常采用行星減速器。在動(dòng)力傳遞過(guò)程中，滾筒截割時(shí)受到的交變沖擊載荷使行星機(jī)構(gòu)承受較大的負(fù)載，過(guò)大的負(fù)載極易造成行星減速器的損壞，影響整個(gè)生產(chǎn)過(guò)程，因此，有必要對(duì)行星減速器的可靠性進(jìn)行分析。本文基于PRO/E、ANSYS和ADAMS等軟件構(gòu)建協(xié)同仿真平臺(tái)[14-15]，結(jié)合采煤機(jī)多體拓?fù)浣Y(jié)構(gòu)，建立采煤機(jī)多體模型，如圖2所示。

圖2 采煤機(jī)多體模型Fig.2 Multi-body model of shearer

為使?jié)L筒所受外部激勵(lì)符合實(shí)際工況，對(duì)采煤機(jī)所應(yīng)用煤礦具有典型代表性的煤層取樣，進(jìn)行物理機(jī)械性質(zhì)測(cè)試，如圖3所示。試驗(yàn)測(cè)得煤樣的主要力學(xué)性質(zhì)數(shù)據(jù)：密度1 303 kg/m3；抗拉強(qiáng)度0.955 MPa；抗壓強(qiáng)度16.745 MPa；彈性模量4 250 MPa；泊松比為0.235；堅(jiān)固性系數(shù)1.95。

圖3 煤樣力學(xué)性質(zhì)測(cè)試Fig.3 Mechanics property test of coal sample

以牽引速度5 m/min、前滾筒截煤厚度為其直徑1 150 mm、后滾筒截煤厚度400 mm為例，利用MATLAB計(jì)算繪制滾筒所受瞬時(shí)負(fù)載曲線，其中前滾筒所受瞬時(shí)負(fù)載曲線如圖4所示。

圖4 前滾筒瞬時(shí)載荷曲線Fig.4 Instantaneous load curves of front drum

將計(jì)算得到的滾筒所受外部激勵(lì)，施加給前后滾筒,進(jìn)行動(dòng)力學(xué)仿真，可得到采煤機(jī)截割作業(yè)時(shí)搖臂殼體、行星架以及行星軸等關(guān)鍵零部件的動(dòng)態(tài)特性，其中前搖臂殼體應(yīng)力分布和最值節(jié)點(diǎn)應(yīng)力如圖5～6所示。由圖5～6可見(jiàn)，截割過(guò)程中搖臂殼體的高動(dòng)力區(qū)域主要集中在調(diào)高耳部附近，應(yīng)力在初始截割時(shí)迅速增大，隨著截割的進(jìn)行，應(yīng)力逐漸下降并趨于平穩(wěn)。

圖5 前搖臂殼體應(yīng)力分布Fig.5 Stress distribution of front ranging arm

圖6 前搖臂殼體最值節(jié)點(diǎn)應(yīng)力曲線Fig.6 Maximum node stress curve of front ranging arm

根據(jù)零件材料的許用應(yīng)力，可將零部件應(yīng)力與可靠度之間的映射關(guān)系通過(guò)式(5)所示的高斯型隸屬度函數(shù)進(jìn)行表示[16]：

Rs=μs(x)=

(5)

其中，a，b分別為對(duì)應(yīng)零件的許用應(yīng)力及屈服極限。

查閱該采煤機(jī)相關(guān)零件所用材料可知：搖臂殼體屈服極限為345 MPa，行星架屈服極限為1 175 MPa，行星軸屈服極限為785 MPa。根據(jù)行星架和行星軸的安全系數(shù),得到搖臂殼體、行星架與行星軸的許用應(yīng)力，分別為256.44，470，560.7 MPa。

采煤機(jī)機(jī)械系統(tǒng)的零部件之間為串聯(lián)關(guān)系，當(dāng)其中任一個(gè)零部件發(fā)生損壞時(shí)，采煤機(jī)的可靠性也會(huì)受到影響,因此，采煤機(jī)整機(jī)的可靠度可按式(6)計(jì)算[18]：

R(x)=R1(x)·R2(x)·R3(x)…·Rn(x)=

(6)

式中：x為零部件所受應(yīng)力；n為構(gòu)成采煤機(jī)機(jī)械系統(tǒng)零件個(gè)數(shù)；Ri(x)為第i個(gè)零部件的可靠度。

2.2 正交實(shí)驗(yàn)設(shè)計(jì)

對(duì)于該采煤機(jī)而言，螺旋滾筒的結(jié)構(gòu)和運(yùn)動(dòng)參數(shù)已經(jīng)固定，則煤層堅(jiān)固性系數(shù)f、采煤機(jī)牽引速度vq以及螺旋滾筒截深h這3個(gè)因素不僅影響著螺旋滾筒的截割性能，而且還影響著采煤機(jī)工作過(guò)程中的可靠性。為研究上述3個(gè)因素變化后滾筒所受載荷對(duì)采煤機(jī)可靠性的影響，采用正交實(shí)驗(yàn)的方法，挑選具有代表性的工況設(shè)計(jì)仿真方案，這樣不僅能研究多個(gè)因子對(duì)采煤機(jī)可靠性的影響，而且通過(guò)有限的實(shí)驗(yàn)可能獲取較精確的結(jié)果。對(duì)煤層的堅(jiān)固性系數(shù)、采煤機(jī)的牽引速度以及螺旋滾筒的截深這3個(gè)因素分別選取5個(gè)因素水平，見(jiàn)表1。根據(jù)文獻(xiàn)[17]，選擇L25(56)設(shè)計(jì)表并利用MATLAB對(duì)不同因素水平實(shí)驗(yàn)所需載荷進(jìn)行計(jì)算。

表1 正交實(shí)驗(yàn)因素水平Tab.1 Factor levels of orthogonal tests

將動(dòng)力學(xué)仿真得到的25組搖臂殼體、行星架以及行星軸的應(yīng)力信息通過(guò)隸屬度函數(shù)轉(zhuǎn)化為相應(yīng)的可靠度,計(jì)算得到各零部件的可靠度及整機(jī)的可靠度，如表2所示。由表2可知：前搖臂行星軸最為薄弱，其次為前搖臂行星架、后搖臂行星軸和后搖臂行星架，可靠度最高的為前后搖臂殼體；在各零部件不同可靠度的影響下，采煤機(jī)整機(jī)可靠度變化較為明顯。

表2 正交實(shí)驗(yàn)分析結(jié)果Tab.2 Analysis results of orthogonal experiment

2.3 采煤機(jī)可靠性預(yù)測(cè)

從表2的正交實(shí)驗(yàn)數(shù)據(jù)中挑選前22組數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，后3組數(shù)據(jù)作為測(cè)試樣本，其中煤層堅(jiān)固性系數(shù)f、采煤機(jī)牽引速度vq以及螺旋滾筒截深h作為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸入值，采煤機(jī)可靠度作為目標(biāo)輸出值。在PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中,有3個(gè)輸入節(jié)點(diǎn)和1個(gè)輸出節(jié)點(diǎn)；隱含層設(shè)定為6個(gè)；輸入層和隱含層之間采用Sigmoid函數(shù)計(jì)算；隱含層和輸出層之間采用線性Pureline函數(shù)計(jì)算；訓(xùn)練函數(shù)采用trainlm(反向傳播算法)；最大迭代次數(shù)5 000；學(xué)習(xí)速率0.005；目標(biāo)誤差設(shè)定為1×10-5；種群規(guī)模30；學(xué)習(xí)因子1.494 45。利用所建模型對(duì)后3組可靠性進(jìn)行預(yù)測(cè)，得到整機(jī)的可靠度，如表3所示。由表3可見(jiàn)，采煤機(jī)可靠度的最大絕對(duì)誤差為0.011 6，最大相對(duì)誤差為2.61%，表明所建立的PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型能夠?qū)崿F(xiàn)不同工況下采煤機(jī)可靠性的準(zhǔn)確預(yù)測(cè)。

表3 可靠度預(yù)測(cè)結(jié)果Tab.3 Results of reliability prediction

3 采煤機(jī)可靠性影響因素分析

為了研究煤層堅(jiān)固性系數(shù)對(duì)采煤機(jī)可靠性的影響，對(duì)采煤機(jī)以牽引速度4 m/min、截割深度400 mm截割不同硬度煤層時(shí)采煤機(jī)可靠性進(jìn)行預(yù)測(cè)，得到可靠度與堅(jiān)固性系數(shù)之間的關(guān)系，如圖7所示。由圖7可見(jiàn)，當(dāng)牽引速度和截割深度一定時(shí)，采煤機(jī)可靠性隨著煤層硬度的增大而降低，呈線性減小的變化趨勢(shì)。由截齒破煤理論可知，隨著煤層硬度的增大，螺旋滾筒破碎硬煤時(shí)需要消耗更多的能量，同時(shí)也會(huì)產(chǎn)生更大的沖擊，使采煤機(jī)各關(guān)鍵零部件所受沖擊變得更加惡劣，從而導(dǎo)致采煤機(jī)可靠度降低。

圖7 可靠度與堅(jiān)固性系數(shù)之間的關(guān)系Fig.7 Relation between reliability and coefficient of firmness

在不同采煤機(jī)牽引速度下，截深400 mm、截割堅(jiān)固性系數(shù)2.0的煤層時(shí)，對(duì)采煤機(jī)可靠性進(jìn)行預(yù)測(cè)，得到可靠度與牽引速度之間的關(guān)系，如圖8所示。由圖8可見(jiàn)，當(dāng)截深和煤層硬度一定時(shí)，采煤機(jī)可靠性隨著牽引速度的增大而降低，且降低幅度亦不斷增大。這是由于牽引速度過(guò)快使截齒單位時(shí)間內(nèi)切削厚度增大，造成螺旋滾筒受到外部載荷急劇增大，各零部件極易發(fā)生疲勞損壞，進(jìn)而降低了采煤機(jī)的可靠性。

對(duì)采煤機(jī)在4 m/min的牽引速度下以不同截深截割堅(jiān)固性系數(shù)2.0的煤層時(shí)的可靠性進(jìn)行預(yù)測(cè)，得到可靠度與截深之間的關(guān)系，如圖9所示。由圖9可見(jiàn)，當(dāng)牽引速度和煤層硬度一定時(shí)，采煤機(jī)可靠性隨著截割深度的加大而降低，但降低幅度隨截割深度增加而逐漸趨于平緩。這是由于螺旋滾筒靠近端盤側(cè)的截齒數(shù)目較多且截齒密度較大，螺旋滾筒截割時(shí)的受力較大程度上由這部分截齒“貢獻(xiàn)”，截割深度的增大或減小，對(duì)螺旋滾筒受到的外部負(fù)載會(huì)產(chǎn)生一定的影響，但是小于煤層硬度和牽引速度變化產(chǎn)生的影響。

圖8 可靠度與牽引速度之間的關(guān)系Fig.8 Relation between reliability and traction speed

圖9 可靠度與截割深度之間的關(guān)系Fig.9 Relation between reliability and cutting depth

4 結(jié) 論

(1)利用粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，建立了采煤機(jī)可靠性的PSO-BP預(yù)測(cè)模型。該神經(jīng)網(wǎng)絡(luò)模型解決了BP 神經(jīng)網(wǎng)絡(luò)易陷入局部極小、收斂速度較慢和泛化性差等不足，能夠有效提高采煤機(jī)可靠性預(yù)測(cè)的準(zhǔn)確性。

(2)基于采煤機(jī)的多體模型，結(jié)合煤層煤樣測(cè)試結(jié)果，對(duì)MG400/951-WD型采煤機(jī)進(jìn)行動(dòng)力學(xué)仿真，得到了關(guān)鍵結(jié)構(gòu)件的應(yīng)力信息，采用高斯型隸屬度函數(shù)構(gòu)建材料應(yīng)力-結(jié)構(gòu)可靠度之間的隸屬函數(shù)，得到了采煤機(jī)各結(jié)構(gòu)件以及整機(jī)的可靠度。

(3)利用正交實(shí)驗(yàn)確定多工況下采煤機(jī)的可靠度信息，并將其作為PSO-BP預(yù)測(cè)模型的學(xué)習(xí)樣本；利用模型預(yù)測(cè)出的可靠度能夠滿足精度要求，其與實(shí)驗(yàn)結(jié)果相對(duì)誤差為2.61%。同時(shí)，對(duì)采煤機(jī)在不同牽引速度和截深條件下截割不同硬度煤層的可靠度變化進(jìn)行了分析，結(jié)果表明,所建預(yù)測(cè)模型能夠較好地顯示出采煤機(jī)可靠性與各影響因素之間的內(nèi)在聯(lián)系和規(guī)律。

(4)采煤機(jī)為大型工礦設(shè)備，由于零部件眾多，對(duì)多工況下采煤機(jī)的可靠性進(jìn)行分析耗時(shí)較長(zhǎng)，通過(guò)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)合虛擬樣機(jī)技術(shù)，不僅能夠在較短時(shí)間內(nèi)對(duì)多工況條件下采煤機(jī)可靠性進(jìn)行分析，而且能夠?qū)?shí)際生產(chǎn)過(guò)程中的采煤機(jī)工作可靠性進(jìn)行預(yù)測(cè)和評(píng)估。同時(shí)，可根據(jù)預(yù)測(cè)結(jié)果對(duì)采煤機(jī)相關(guān)運(yùn)動(dòng)參數(shù)進(jìn)行調(diào)整，實(shí)現(xiàn)安全高效的煤炭生產(chǎn)。