煤礦機(jī)電運(yùn)輸設(shè)備故障率精準(zhǔn)預(yù)測(cè)研究

摘 要：由于煤礦生產(chǎn)過程中的工況條件多變，因此煤礦機(jī)電運(yùn)輸設(shè)備的故障通常由多種因素共同作用導(dǎo)致，這些因素相互影響，使故障預(yù)測(cè)具有復(fù)雜性，導(dǎo)致最終的煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)結(jié)果偏差較大。為此本文提出一種煤礦機(jī)電運(yùn)輸設(shè)備故障率精準(zhǔn)預(yù)測(cè)方法。提取煤礦機(jī)電運(yùn)輸設(shè)備故障特征，設(shè)計(jì)多層級(jí)預(yù)測(cè)機(jī)制，并搭建煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)模型。該模型結(jié)合局部最優(yōu)核驗(yàn)方法來進(jìn)行煤礦機(jī)電運(yùn)輸設(shè)備故障率精準(zhǔn)預(yù)測(cè)。試驗(yàn)測(cè)試結(jié)果表明，所提方法的煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)偏差被較好地控制在2.5%以下，說明該方法所得結(jié)果更真實(shí)、可靠。

關(guān)鍵詞：煤礦機(jī)電；運(yùn)輸設(shè)備；故障率計(jì)算；故障預(yù)測(cè)；局部最優(yōu)核驗(yàn)

中圖分類號(hào)：TM 774 " " 文獻(xiàn)標(biāo)志碼：A

在煤礦生產(chǎn)領(lǐng)域，機(jī)電運(yùn)輸設(shè)備是主要的支撐設(shè)備，其日常運(yùn)行狀態(tài)直接關(guān)系煤礦的生產(chǎn)效率、經(jīng)濟(jì)效益以及作業(yè)人員的安全。由于社會(huì)需求增加，煤礦開采深度和開采強(qiáng)度逐漸加大，在一定程度上加重了機(jī)電運(yùn)輸設(shè)備的運(yùn)行壓力，疊加復(fù)雜、嚴(yán)峻的運(yùn)行環(huán)境，導(dǎo)致故障頻發(fā)，制約了煤礦的高效、安全生產(chǎn)。為解決該問題，研究人員設(shè)計(jì)了應(yīng)對(duì)性較強(qiáng)的故障率預(yù)測(cè)方法，例如：信息化機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法收集設(shè)備的運(yùn)行數(shù)據(jù)，利用數(shù)據(jù)分析工具與算法，識(shí)別故障模式與規(guī)律，對(duì)設(shè)備故障率進(jìn)行精準(zhǔn)預(yù)測(cè)[1]；云平臺(tái)機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法利用云端算法模型，快速識(shí)別設(shè)備故障前兆，從而進(jìn)行故障率精準(zhǔn)預(yù)測(cè)與預(yù)警[2]。上述方法可以實(shí)現(xiàn)預(yù)期的預(yù)測(cè)目標(biāo)，但是對(duì)經(jīng)驗(yàn)判斷和定期檢修有一定依賴性，難以在短時(shí)間內(nèi)準(zhǔn)確預(yù)測(cè)和預(yù)防設(shè)備故障。因此，本文提出對(duì)煤礦機(jī)電運(yùn)輸設(shè)備故障率精準(zhǔn)預(yù)測(cè)方法進(jìn)行設(shè)計(jì)，并與大數(shù)據(jù)實(shí)踐性研究、人工智能和物聯(lián)網(wǎng)等技術(shù)進(jìn)行融合發(fā)展，為煤礦機(jī)電運(yùn)輸設(shè)備故障預(yù)測(cè)提供全新的思路和方法。結(jié)合采集設(shè)備的實(shí)時(shí)運(yùn)行數(shù)據(jù)，深入挖掘設(shè)備故障與運(yùn)行參數(shù)間的內(nèi)在聯(lián)系，構(gòu)建精準(zhǔn)的故障預(yù)測(cè)模型[3]。基于當(dāng)前運(yùn)行環(huán)境，模型能夠?qū)收显O(shè)備進(jìn)行提前預(yù)警和精準(zhǔn)定位，在最大程度上縮短實(shí)時(shí)預(yù)測(cè)時(shí)間，為煤礦行業(yè)的智能化、安全化發(fā)展貢獻(xiàn)力量。

1 設(shè)計(jì)煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法

1.1 煤礦機(jī)電運(yùn)輸設(shè)備故障特征提取

通常情況下，煤礦機(jī)電設(shè)備的運(yùn)行壓力較大，疊加外部環(huán)境和特定因素影響，故障率攀升，阻礙了日常應(yīng)用和實(shí)踐。因此，在進(jìn)行故障率預(yù)測(cè)前，需要先進(jìn)行故障特征提取。煤礦機(jī)電設(shè)備的故障特征通常覆蓋范圍較大，本文結(jié)合實(shí)際應(yīng)用情況，在運(yùn)行區(qū)域設(shè)置實(shí)時(shí)檢測(cè)節(jié)點(diǎn)。實(shí)時(shí)檢測(cè)節(jié)點(diǎn)分為核心節(jié)點(diǎn)和邊緣節(jié)點(diǎn)，核心節(jié)點(diǎn)能夠?qū)C(jī)電設(shè)備進(jìn)行調(diào)度與實(shí)控，邊緣節(jié)點(diǎn)能夠監(jiān)測(cè)機(jī)電運(yùn)輸設(shè)備的運(yùn)行狀況，并采集對(duì)應(yīng)的數(shù)據(jù)和信息，便于后續(xù)使用。

首先，在煤礦機(jī)電設(shè)備上安裝各類傳感器（例如振動(dòng)傳感器、溫度傳感器和壓力傳感器等），完成基礎(chǔ)數(shù)據(jù)和信息的歸類。其次，對(duì)采集的數(shù)據(jù)進(jìn)行去噪，填補(bǔ)缺失值，篩選并去除錯(cuò)誤值后，轉(zhuǎn)換為統(tǒng)一格式，以數(shù)據(jù)包的形式進(jìn)行存儲(chǔ)。進(jìn)而以此為基礎(chǔ)，進(jìn)行特征提取。確定基礎(chǔ)的頻域，以頻譜基進(jìn)行比較，將煤礦機(jī)電設(shè)備的運(yùn)行劃分為多個(gè)區(qū)段，每一個(gè)區(qū)段均需要采集對(duì)應(yīng)的振動(dòng)信號(hào)，煤礦機(jī)電運(yùn)輸設(shè)備振動(dòng)信號(hào)的異常捕捉如圖1所示。

在當(dāng)前頻域范圍內(nèi)，標(biāo)定出異常振動(dòng)信號(hào)的峰值點(diǎn)和谷值點(diǎn)，將各個(gè)區(qū)段采集的信號(hào)轉(zhuǎn)換為數(shù)據(jù)，總結(jié)出故障的變化特征和趨勢(shì)，計(jì)算出特征值，如公式（1）所示。

（1）

式中：A代表特征值；r代表頻域區(qū)域；λ代表信號(hào)波動(dòng)差；w代表異常點(diǎn)；n代表轉(zhuǎn)換特征。

將計(jì)算所得特征值設(shè)定為引導(dǎo)目標(biāo)，為后續(xù)的故障率預(yù)測(cè)奠定基礎(chǔ)條件。需要注意的是，當(dāng)前設(shè)定的故障特征及其相關(guān)標(biāo)準(zhǔn)并不是固定的，需要結(jié)合實(shí)際情況隨時(shí)做出調(diào)整與修正，以此增加當(dāng)前預(yù)測(cè)處理的靈活性與穩(wěn)定程度，擴(kuò)大煤礦機(jī)電設(shè)備故障的可識(shí)別范圍，強(qiáng)化預(yù)測(cè)結(jié)果。此外，周期性故障特征提取具有一定針對(duì)性，僅代表一個(gè)單獨(dú)時(shí)段或者一個(gè)獨(dú)立設(shè)備的運(yùn)行特征，并不代表綜合故障特征。

1.2 設(shè)計(jì)多層級(jí)預(yù)測(cè)機(jī)制

與傳統(tǒng)的機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)機(jī)制相比，本文針對(duì)當(dāng)前故障預(yù)測(cè)需求，設(shè)計(jì)了多層級(jí)預(yù)測(cè)機(jī)制，以期提升煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)精度。多層級(jí)煤礦機(jī)電運(yùn)輸設(shè)備故障預(yù)測(cè)機(jī)制的具體結(jié)構(gòu)如圖2所示。

圖2主要對(duì)多層級(jí)煤礦機(jī)電運(yùn)輸設(shè)備故障預(yù)測(cè)機(jī)制進(jìn)行了設(shè)計(jì)與實(shí)踐分析，從而對(duì)各個(gè)層級(jí)的預(yù)測(cè)機(jī)制進(jìn)行細(xì)化設(shè)定。基礎(chǔ)層進(jìn)行數(shù)據(jù)采集與預(yù)處理，利用安裝在煤礦機(jī)電運(yùn)輸設(shè)備上的各類傳感器，實(shí)時(shí)收集設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)。進(jìn)而對(duì)這些原始數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理，為后續(xù)分析提供高質(zhì)量的數(shù)據(jù)基礎(chǔ)。最后，特征比較分析層對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行深入分析。

需要注意的是，當(dāng)前提取的特征方向并不是固定的，可以根據(jù)機(jī)電運(yùn)輸設(shè)備的類型進(jìn)行調(diào)整與改變，以此來提升整體的故障率預(yù)測(cè)精準(zhǔn)度。決策支持層整合提取的特征和采集的往期數(shù)據(jù)，來標(biāo)定設(shè)備有可能出現(xiàn)故障的位置，對(duì)設(shè)備故障進(jìn)行提前預(yù)警和精準(zhǔn)定位，有效降低故障率，提高設(shè)備運(yùn)行的可靠性和安全性。

1.3 構(gòu)建煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)模型

本文將提取的煤礦機(jī)電運(yùn)輸設(shè)備特征作為引導(dǎo)，設(shè)計(jì)煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)模型。設(shè)定多個(gè)預(yù)測(cè)區(qū)段，每一個(gè)區(qū)段的故障預(yù)測(cè)情況均有不同?？梢韵葘?duì)具有異常特征的設(shè)備位置進(jìn)行標(biāo)定，提取關(guān)鍵特征。在初始模型中，選擇機(jī)器學(xué)習(xí)算法，不斷訓(xùn)練歷史數(shù)據(jù)對(duì)故障類型進(jìn)行預(yù)測(cè)識(shí)別，學(xué)習(xí)設(shè)備狀態(tài)與故障率間的復(fù)雜關(guān)系，并計(jì)算預(yù)測(cè)相對(duì)誤差。將計(jì)算所得相對(duì)誤差設(shè)置為故障率預(yù)測(cè)的約束標(biāo)準(zhǔn)。在關(guān)鍵特征的引導(dǎo)下，基于煤礦機(jī)電運(yùn)輸設(shè)備的運(yùn)行實(shí)況，設(shè)計(jì)對(duì)應(yīng)的預(yù)測(cè)模型結(jié)構(gòu)，如圖3所示。

完成對(duì)設(shè)備故障位置的確定后，融合時(shí)間序列來比較設(shè)備狀態(tài)隨時(shí)間的變化趨勢(shì)，并構(gòu)建預(yù)測(cè)模型的表達(dá)式，如公式（2）所示。

（2）

式中：O代表故障預(yù)測(cè)輸出結(jié)果；τ代表故障區(qū)域；m代表實(shí)時(shí)異常點(diǎn)；d代表預(yù)測(cè)均值；k代表一個(gè)調(diào)整系數(shù)，用于控制A對(duì)預(yù)測(cè)結(jié)果的影響程度。

該模型融合了故障區(qū)域評(píng)估、實(shí)時(shí)異常監(jiān)測(cè)以及從設(shè)備數(shù)據(jù)中提取的關(guān)鍵故障特征。對(duì)故障區(qū)域進(jìn)行量化分析，并結(jié)合實(shí)時(shí)監(jiān)測(cè)的異常點(diǎn)，能夠得到設(shè)備當(dāng)前狀態(tài)的即時(shí)反饋。同時(shí)，引入從歷史數(shù)據(jù)或?qū)崟r(shí)數(shù)據(jù)中提取的故障特征，這些經(jīng)過篩選和加權(quán)處理的特征反映了其對(duì)故障發(fā)生的重要程度。最終，這些因素經(jīng)過數(shù)學(xué)運(yùn)算和系數(shù)調(diào)整，共同作用于預(yù)測(cè)模型，進(jìn)而生成一個(gè)綜合的故障預(yù)測(cè)輸出結(jié)果。該輸出結(jié)果能夠提前警示煤礦機(jī)電運(yùn)輸設(shè)備可能存在的故障風(fēng)險(xiǎn)，為煤礦的安全生產(chǎn)和維護(hù)管理提供重要參考。比較當(dāng)前輸出結(jié)果，能夠準(zhǔn)確反映設(shè)備的當(dāng)前狀態(tài)，以便更有效地管理機(jī)電運(yùn)輸設(shè)備的故障風(fēng)險(xiǎn)，提高生產(chǎn)效率。

局部最優(yōu)核驗(yàn)通常會(huì)與局部最優(yōu)解搜索相結(jié)合。利用本文設(shè)計(jì)的模型進(jìn)行層級(jí)訓(xùn)練，調(diào)整歷史故障數(shù)據(jù)和設(shè)備運(yùn)行參數(shù)，對(duì)同一階段的不同故障進(jìn)行預(yù)測(cè)分析，學(xué)習(xí)數(shù)據(jù)中的規(guī)律，預(yù)測(cè)未來故障發(fā)生的可能性。然而，煤礦機(jī)電運(yùn)輸設(shè)備具有復(fù)雜性，通常難以直接求得全局最優(yōu)解。因此，需要先設(shè)定一個(gè)評(píng)價(jià)標(biāo)準(zhǔn)（例如誤差收斂因子ε和ρ），在模型訓(xùn)練過程中不斷評(píng)估當(dāng)前解的性能，并與歷史最優(yōu)解進(jìn)行比較。具體環(huán)節(jié)如圖4所示。

當(dāng)發(fā)現(xiàn)新的解在局部范圍內(nèi)優(yōu)于歷史最優(yōu)解時(shí)，即認(rèn)為找到了一個(gè)局部最優(yōu)解。進(jìn)而調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，將損失函數(shù)最小化，最終得到精準(zhǔn)的煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)結(jié)果。

2 試驗(yàn)

試驗(yàn)主要對(duì)煤礦機(jī)電運(yùn)輸設(shè)備故障率的精準(zhǔn)預(yù)測(cè)應(yīng)用效果進(jìn)行核驗(yàn)、分析。根據(jù)實(shí)時(shí)測(cè)試需求，部署測(cè)試環(huán)境，并細(xì)化測(cè)試條件。選定J工程的煤礦機(jī)電運(yùn)輸設(shè)備作為測(cè)試的目標(biāo)對(duì)象，參考文獻(xiàn)設(shè)定信息化機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法、云平臺(tái)機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法以及本文設(shè)計(jì)的煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法。采集應(yīng)用測(cè)試數(shù)據(jù)和信息并匯總，便于后續(xù)使用，進(jìn)而部署、搭建初始化測(cè)試環(huán)境。

2.1 基礎(chǔ)試驗(yàn)準(zhǔn)備

結(jié)合J工程的運(yùn)行狀態(tài)，根據(jù)機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)分析，部署當(dāng)前的測(cè)試環(huán)境和背景。接入一個(gè)主控輔助測(cè)試系統(tǒng)，標(biāo)定系統(tǒng)內(nèi)部關(guān)聯(lián)的機(jī)電運(yùn)行設(shè)備，在設(shè)備的應(yīng)用區(qū)域內(nèi)部署監(jiān)測(cè)節(jié)點(diǎn)，節(jié)點(diǎn)間互相搭接，形成循環(huán)式的監(jiān)測(cè)控制環(huán)境。隨機(jī)選定設(shè)備6個(gè)月的歷史數(shù)據(jù)，將其作為測(cè)試樣本，以供預(yù)測(cè)模型使用。進(jìn)而針對(duì)機(jī)電設(shè)備的日常運(yùn)行狀態(tài)，預(yù)設(shè)多組輔助測(cè)試的故障類型進(jìn)行比較，煤礦機(jī)電運(yùn)輸設(shè)備故障類型見表1。

利用平臺(tái)將上述故障類型轉(zhuǎn)換為對(duì)應(yīng)的執(zhí)行指令，導(dǎo)入測(cè)試程序，采集當(dāng)前的應(yīng)用數(shù)據(jù)和信息，匯總之后存儲(chǔ)在預(yù)設(shè)位置上，以便為后續(xù)的預(yù)測(cè)核驗(yàn)提供參考依據(jù)。設(shè)計(jì)交叉預(yù)測(cè)驗(yàn)證的輔助環(huán)節(jié)，結(jié)合上述交叉驗(yàn)證方式，利用主控結(jié)構(gòu)核驗(yàn)機(jī)電運(yùn)輸設(shè)備的運(yùn)行狀態(tài)，在保證測(cè)試環(huán)境穩(wěn)定的基礎(chǔ)上進(jìn)行進(jìn)一步分析。

2.2 試驗(yàn)過程與結(jié)果分析

在上述搭建的測(cè)試環(huán)境中，結(jié)合機(jī)電運(yùn)輸設(shè)備實(shí)際運(yùn)行情況，對(duì)其故障率進(jìn)行最終預(yù)測(cè)核驗(yàn)。按照順序執(zhí)行預(yù)設(shè)的輔助故障測(cè)試指令。當(dāng)系統(tǒng)出現(xiàn)預(yù)設(shè)的故障類型時(shí)，程序會(huì)立即對(duì)其位置和具體的覆蓋區(qū)域進(jìn)行感應(yīng)捕捉，設(shè)定3個(gè)測(cè)試周期，測(cè)定單周期捕捉識(shí)別的故障次數(shù)，單周期故障次數(shù)變化對(duì)比如圖5所示。

進(jìn)而結(jié)合各個(gè)周期測(cè)定的故障次數(shù)，綜合基礎(chǔ)干擾環(huán)境進(jìn)行核驗(yàn)，計(jì)算出實(shí)際的故障率，如公式（3）所示。

（3）

式中：B代表實(shí)際故障率；α1和α2分別代表初始預(yù)估次數(shù)和實(shí)際預(yù)估次數(shù)；?代表總故障值；δ代表捕捉頻次；C代表覆蓋故障區(qū)域。

根據(jù)當(dāng)前測(cè)定，將所得故障率與預(yù)估的故障進(jìn)行比較，計(jì)算出最終的預(yù)測(cè)偏差，如公式（4）所示。

P=D-B （4）

式中：P代表預(yù)測(cè)偏差；D代表預(yù)估故障率；B代表實(shí)際故障率。

根據(jù)當(dāng)前測(cè)定，分析最終測(cè)試結(jié)果，見表2。

與信息化機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法、云平臺(tái)機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法相比，本文設(shè)計(jì)的煤礦機(jī)電運(yùn)輸設(shè)備故障率預(yù)測(cè)方法所得故障率的精準(zhǔn)預(yù)測(cè)偏差低于2.5%，說明本文預(yù)測(cè)方法的針對(duì)性與穩(wěn)定性較強(qiáng)，預(yù)測(cè)的效率更高，預(yù)測(cè)結(jié)果真實(shí)、可靠。

3 結(jié)語

綜上所述，本文對(duì)煤礦機(jī)電運(yùn)輸設(shè)備故障率的精準(zhǔn)預(yù)測(cè)進(jìn)行了深入探討與比較，結(jié)合智能化技術(shù)與信息技術(shù)，設(shè)計(jì)了更靈活、多變的故障率預(yù)測(cè)結(jié)構(gòu)，在復(fù)雜環(huán)境下，最大程度地降低周圍干擾，并對(duì)設(shè)備故障風(fēng)險(xiǎn)進(jìn)行提前識(shí)別與精準(zhǔn)評(píng)估。此外，智能化預(yù)測(cè)覆蓋范圍較大、更靈敏，能夠降低設(shè)備故障對(duì)生產(chǎn)的影響，顯著提升煤礦生產(chǎn)的安全性和效率，推動(dòng)了煤礦機(jī)電運(yùn)輸設(shè)備故障預(yù)測(cè)技術(shù)的不斷創(chuàng)新與發(fā)展。

參考文獻(xiàn)

[1]陶學(xué)兵.基于信息化和智能化的煤礦機(jī)電設(shè)備故障診斷與預(yù)測(cè)[J].信息系統(tǒng)工程，2024（5）：59-61.

[2]萬樂.基于云平臺(tái)輸電變電設(shè)備故障率預(yù)測(cè)技術(shù)研究[J].電氣技術(shù)與經(jīng)濟(jì)，2024（3）：64-66，69.

[3]褚潤濤.煤炭機(jī)電設(shè)備故障診斷與預(yù)測(cè)性維護(hù)研究與實(shí)踐[J].中國高新科技，2024（7）：78-79，117.

[4]孫化文.智能算法在交通機(jī)電設(shè)備故障預(yù)測(cè)與維護(hù)中的應(yīng)用[J].電子技術(shù)，2024，53（4）：202-203.