选煤厂机电设备故障智能化检测系统研究

选煤厂机电设备故障智能化检测系统研究

刘枫奎 1、刘宗君 2

1 山东李楼煤业有限公司 山东省菏泽市郓城县 274700； 2 山西朔州平鲁区龙矿大恒煤业有限公司 山西省朔州市朔城区 036000

摘要：选煤厂对机电设备运行状态、数据参数以及故障诊断越来越重视，阳泉煤业集团新景矿选煤厂机电设备复杂，设备故障状态难以预测，维修成本大，盲目维修几率大，人力资源浪费多。针对这些问题，需建立一个web平台，对机电设备运行状态监测和对故障诊断。对故障诊断系统在数据分析方面做了智能化、及时性和可靠性的提升，通过WiFi网络技术把选煤厂机电设备的具体数据传输至移动端上，然后通过web后台进行数据交互，建立一个巡检管理系统，机电设备的数据通过高性能传感器和E3继电器来获取。识别技术由专家系统和人工神经网络两方面组成，对故障信息和参数的状态做出科学的分析判断，查找出设备的故障原因和其他安全隐患，保证系统正常运作。

关键词：选煤厂；机电设备故障；智能化检测系统；研究,

引言

在选煤厂的生产线之中，机电设备是一项十分关键的设备，它对于选煤厂生产线的工作效率与工作质量都有着决定性作用。但是在实际的应用过程中，不管是进口的机电设备还是国产的机电设备，当运行到了一定长时间的时候，都会有不同的故障出现，进而对选煤厂的生产作业造成一定程度的不利影响。基于这一情况，选煤厂应该加强对机电设备运动的分析，并明确各种问题产生的原因，然后通过合理化的方法进行解决，这样才可以保障机电设备的正常运行，避免选煤厂正常的生产作业受到不利影响，提升选煤厂的经济效益。

1机电设备故障发生的规律

机电设备在其寿命周期内出现的失效率可以分为三个不同的阶段：开始的失效期、偶然性的失效期以及后期磨损出现故障的时期。各时段的失效率是不同的，其表现形状像浴缸的曲线，因此被称作浴盆曲线。①在设备运用的初期，出现故障的情况比较多，大多是由于设备本身的缺陷以及不正确或不恰当的安装而导致的。在这个阶段，主要的检测和维修方案是进行检查，然后记录检查结果，再对故障原因进行分析，最后对参数作调整，通过这一部分的操作使机电设备能以比较好的运行状态去通过这个故障期。②当进入意外故障期间，设备失效率已经处于平缓的低谷，造成的原因主要是维修不当或是一些外部因素，这个期间，最重要的维修工作是对设备进行清洗、检查、加固、润滑等。同时，对工作人员的操作和维修工作进行规范，制定相应的流程，以减少因操作带来的误差，这是非常重要的。③当进入磨损期后，机电设备的失效率开始增加，主要是设备使用时间长而导致部分元器件老化引起的，这时候的维修工作，主要是对设备进行维修、保养和更换。

2设备故障智能化检测服务端

数据库服务器和web端系统构成了整个智能化检测系统。设备故障智能化检测系统对保密性和安全性要求较高，不安全的信息将为新景矿选煤厂带来极大的损失，如用户访问未有授权、数据信息泄露或遗失、数据不完整、服务器遭受外界攻击等，因此该系统选用的安全机制是访问控制，防止非授权用户进入网络，通过授权机制控制用户的权限，保证加密后信息不暴露给非授权用户。新景矿选煤厂智能化检测系统由采集层、控制层、逻辑分析层、数据存储层、高级命令层等结构层次组成，采用基于门户模式的B/S访问方法，针对选煤厂不同管理层次的访问人员提供智能化、信息化、个性化的服务。新景矿选煤厂智能化检测系统采用模型—视图—控制器结构。用户请求被发送到一个控制器，该控制器决定请求的性质，将其发送到适当的处理器，根据请求的内容进行处理。每个处理器都与一个特定的模型相关联，业务逻辑层找出与服务器相对应的数据进行处理，然后把处理结果返回给处理器，处理器选择适当的视图来显示结果。

3设备故障智能化检测

3.1检测参数

选煤厂机电设备的数据管理要对很多信息进行分析，其中有机电设备的资料信息、设备运行过程中的机械电气数据参数、检维参数。机电设备运行参数信息管理，主要是对设备去进行检查和对E3过载继电器进行相应检测。其中，E3过载继电器是选煤厂机电设备故障智能检测系统的一个核心组成部分，作为初始数据，来进行后期的数据分析和信息查询，以及后期用于打印数据表单。系统管理员通常会按照实际需要去对设备进行管理和查询权限设置，机电设备的维修状况按照条件进行查询，然后根据这些数据去分析得出设备在运行中会出现什么故障，通过对出现故障的数据来找出相应的设备去进行维修，并且将过程记录下来，去检测有缺陷的那些数据所对应的设备。

3.2设备检测站点

新景矿选煤厂的监测点有很多机电设备，因此在进行数据采集工作时要合理分配取样点，对重点监测的模块重点划分，这样既能够方便后续的系统维护、修理及更新换代，还可以管理如洗选、设备编号等监测点间的基础信息沟通。

3.3 BP神经网络检测技术的应用

BP神经网络是一种由三层神经元组成的前向多层神经网络，训练过程采用backprppagationBP算法，是进行设备故障诊断的有效网络之一。标准BP神经网络由输入层、隐含层以及输出层三层结构组成，相邻层之间采用全连接模式，结构简图见图1[1-2]。BP神经网络采用BP算法将节点输出误差逐层逆向传播，获取各层参考误差并调整每个神经元的对应权值，使得输出加权值满足系统误差要求。选煤厂智能故障诊断推理机设计采用基于规则的推理和基于实例的推理两种设计方案，达到对发生的设备故障诊断清晰、准确、智能的目的。为提升选煤厂设备的智能化、信息化水平，基于BP神经网络控制原理，设计选煤厂设备智能故障诊断系统，从硬件设计、软件设计两方面进行阐述并完成系统仿真测试，测试结果表明：1）该故障智能诊断系统能够全面、准确地对运行的设备进行故障诊断，实时采集各传感器、数据采集卡信息并进行智能化处理。2）可对设备异常振动、异常位移等情况进行故障预警，增强选煤厂运行的安全性。3）提升了选煤厂设备的运行效率。

3.4在线监测与故障诊断的实现

在线监测功能的实现是将采集处理后的实时数据与数据库的阈值进行比对，判定是否存在故障。例如，对于振动异常故障，系统会自动分析监测点的受力信号、振动频率信号、测点的运动轨迹信号等，判断振动是否异常；对于弹簧性能，系统会通过弹簧支座上的4个监测点的受力、位移等数据，判断弹簧的一致性是否存在问题。系统会自动在学习模式和诊断模式之间进行切换，学习模式能够对数据进行存储、分析、设置警戒值等，诊断模式则会对系统进行实时监测与保护。开发出故障诊断软硬件系统，并成功用于矿井直线机电设备的在线监测与故障诊断，能够实现采集振动信号、温度信号、电量信号以及数据的转换、分析与存储功能，可进行故障的自动预警及故障处置方法提醒，并基于自学习功能对系统数据库进行更新和扩充，对故障预警阈值进行调整，提高预警的精度。通过研究虽然实现了系统的监测与预警，但对于日常工作中如何降低故障率、延长设备使用寿命、提高生产效率，还需要进一步的研究及实践。

结束语

综上所述，在应用机电设备进行选煤厂生产作业的过程中，相关人员一定要全面了解机电设备的运动原理，并全面认识到机电设备各种故障产生的原因，这样才可以及时诊断出机电设备的故障，并通过合理化的方法来排除这些故障。这样才可以有效保障机电设备的正常使用，提升机电设备的使用寿命，保障选煤厂工作的正常有序进行，有效提升选煤厂的工作效率与工作质量。

参考文献

[1]李文.选煤厂机电设备故障诊断及计划性检修[J].煤质技术,2013(06):61-63.

[2]吕文豹.选煤厂二次控制回路的探讨[J].煤矿机械,2013,34(03):125-126.

[3]范大鹏,王雪丹.云模型方法在选煤厂跳汰系统中的故障检测与诊断[J].黑龙江科技学院学报,2011,21(04):289-292.

[4]姚文平.电动机状态监测与故障诊断技术[J].煤矿现代化,2003(03):44-45.

[5]杨永.选煤厂全厂监控系统的研究[J].选煤技术,2000(01):1-3.