電牽引采煤機在線監(jiān)測與故障診斷系統(tǒng)研究

李國星

山西焦煤西山煤電馬蘭礦 山西 太原 030200

1 前言

隨著綠色能源風(fēng)能、水能、太陽能等能源行業(yè)的進步，煤炭資源的消耗量日益減小，但由于綠色能源處于初級階段使得煤炭資源的消耗仍十分巨大。電牽采煤機作為煤礦生產(chǎn)的重要設(shè)備，其工作性能直接關(guān)系到我國煤礦的生產(chǎn)效率，由于礦山地質(zhì)環(huán)境較為復(fù)雜，在工作過程中極易發(fā)生故障，故障如不能及時進行處理會大大降低煤礦的效率，因此對電牽引采煤機的故障診斷成為了一個重要的課題[1，2]。此前楊成喜[3]分析了電牽引采煤機液壓調(diào)高系統(tǒng)常見故障及其相應(yīng)的解決方案。提出提升調(diào)高系統(tǒng)性能的方案，為礦山提升了經(jīng)濟效益。姜海[4]設(shè)計了電牽引采煤機監(jiān)測系統(tǒng)，設(shè)計后采煤機數(shù)據(jù)記錄儀實時監(jiān)測采煤機的工況。實現(xiàn)采煤機狀態(tài)實時監(jiān)測，為采煤機故障的實時監(jiān)測作出一定的貢獻。本文以MG900/2215-GWD電牽引采煤機為研究對象，基于混沌和小波技術(shù)對采煤機進行振動故障分析及診斷，為礦山實驗智能化開采提供一定的貢獻。

2 混沌Duffing 振子在故障診斷中的應(yīng)用

隨著機械化的不斷進步，礦山采煤機的數(shù)量不斷增加，同時采煤機的結(jié)構(gòu)也越來越復(fù)雜，對采煤機故障進行及時的診斷也就變得十分重要。一般來說常見的采煤機故障診斷技術(shù)主要為油液分析法、溫度檢測法、電氣量分析法、狀態(tài)參數(shù)法等。各種分析方法均有其一定的優(yōu)劣勢，所以在進行采煤機故障診斷時需要考慮實際情況，合理選擇適當?shù)墓收戏治黾夹g(shù)?？紤]到本文對采煤機的截割部位進行故障分析，所以選定利用振動信號對采煤機故障進行實時的監(jiān)測和診斷。振動信號監(jiān)測不僅可以對部件故障進行及時的分類，同時可以給出發(fā)生故障的類型及其故障源，從而實現(xiàn)實時報警。

振動信號分析法根據(jù)其分析對象可分為幅值域分析法、頻域分析法和解調(diào)分析法等，隨著振動分析法的發(fā)展，振動信號的診斷技術(shù)已經(jīng)發(fā)展到時頻分析法，考慮到對振動故障即運行過程中的不平穩(wěn)階段進行分析，所以選定時頻分析法進行分析，對Duffing混沌振子監(jiān)測振動信號進行研究。在實際煤礦運行過程中采煤機的振動頻率是很難測量的，所以需要利用Duffing振子對振幅進行監(jiān)測，振子的檢測振幅及頻率流程如圖1所示。

圖1 Duffing振子檢測幅和頻率值流程圖

如圖1所示，當系統(tǒng)監(jiān)測到微弱振動信號后通過建立的混沌系統(tǒng)模型對微弱振動信號進行驗證，當微弱信號的幅值大于臨界最大值時，輸出待測信號的幅值，當振動微弱信號小于臨界大尺度周期時，重新調(diào)節(jié)參考值進行下一步的驗證。頻率檢測流程與幅值檢測流程類似，不作綴述。

對于已經(jīng)完成檢測頻率的振動信號，采用Duffing振子方程進行判斷，Duffing振子方程如下所示。

如圖2可以看出，當轉(zhuǎn)速ω=1rad/s時，此時隨著r值的增大，系統(tǒng)的經(jīng)過同宿軌道如圖2（a）所示，當r值增大至0.22時，此時的進入周期分叉狀態(tài)，當r值增大至0.687時，此時進入混沌狀態(tài)。在這變化的過程中由于r值增大較快，所以達到混沌狀態(tài)的時間較短，達到混沌狀態(tài)后長時間處于此狀態(tài)，當r增大至閾值rd后，系統(tǒng)進入大尺度周期狀態(tài)如圖2（d）所示。從上述分析可以看出，當?shù)贸鲩撝岛?，系統(tǒng)處于大尺度周期狀態(tài)，此時將采煤機截割部振動故障信號與正常采煤機截割部振動信號導(dǎo)入至仿真系統(tǒng)中，同時將微小攝動幅值調(diào)整r=0.00008mm，系統(tǒng)再次進入混沌狀態(tài)，當策動力頻率為1rad/s時，此時的閾值為0.718r，當策動力頻率增大至1.2rad/s時，此時的系統(tǒng)閾值為0.796r，策動力頻率增大至2rad/s時此時的閾值為0.912r?？梢钥闯鲭S著策動力頻率的增大，系統(tǒng)閾值也在逐步增大，但增大的幅度較小，所以利用混沌振子進行采集采煤機早期的振動故障的幅值特性，誤差值小于10-7，可以有效的提升采煤機故障診斷。

3 小波變化在故障分析中的應(yīng)用

在基于混沌Duffing振子的早期故障診斷后，利用卷積型小波形變化對故障進行提取，由于采煤機截割部在振動過程中軸承與齒輪最易發(fā)生故障，主要故障可以分為齒輪磨損故障、齒輪偏離中心軸、齒面點蝕、齒面劃傷和齒根裂紋等。軸承故障分為軸承斷裂、軸承磨損及軸承腐蝕等。利用matlab軟件對故障進行特征提取，分別選定軸承及齒輪的一種故障進行分析，后將故障信息導(dǎo)入至仿真軟件中，對正常狀態(tài)及故障狀態(tài)下振動信號的小波能量譜圖進行對比研究，采煤機截割部軸承外部故障對比圖如3所示。

如圖3為對外圈故障進行三層小波重構(gòu)后所得的8個信號頻段，8個信號頻段分別編計為s30～s37。從正常狀態(tài)和故障狀態(tài)下振動信號小波能量譜圖可以得出，當子頻段在s32和s36內(nèi)的故障信號振動的能量較正常振動的信號能量有了一定的增大，所占比例s32從原有的10%提升至18%左右，而s36從原有的5.4%提升至13.5%，此時故障信號就出現(xiàn)在s32和s36兩個子頻段內(nèi)，所以根據(jù)子頻段的頻率找到振動故障發(fā)生的對應(yīng)的頻率，從而找到故障信號。

圖3 正常狀態(tài)及故障狀態(tài)下振動信號的小波能量譜圖

4 結(jié)論

（1）利用混沌理論及Duffing振子檢測的原理對故障振動初期的微弱振動信號進行監(jiān)測，驗證了此技術(shù)的可行性。

（2）通過對采煤機截割部軸承外部故障進行分析，分析了正常狀態(tài)及故障狀態(tài)下小波能量譜圖，驗證了軸承故障的適用性。

（3）通過對采煤機齒面點蝕故障進行分析，分析了正常狀態(tài)及故障狀態(tài)下小波能量譜圖，驗證了齒面故障的適用性。