矿山机电设备智能故障检测诊断技术研究.docVIP

矿山机电设备智能故障检测诊断技术研究 　　摘要：针对矿山机电一体化设备使用量的增加，矿山机电设备却时刻存在一定的风险，甚至会由于机电设备故障，导致安全事故的发生。文章以矿山机电设备为研究对象，给出矿山机电设备故障检测诊断的基本技术以及总结几种常见的智能故障检测诊断的理论方法，为从事矿山机电的相关人员提供一种解决矿山机电设备故障问题的方法和思路。 　　关键词：矿山机电；智能故障；故障检测诊断 　　中图分类号：TD4 文献标识码：A 文章编号：1009-2374（2013）14-0097-02 　　近年来由于矿山机电设备故障造成的安全事故屡见不鲜，矿山机电设备的安全性问题日益凸显，并得到了高度重视。针对该安全问题，只有加大对矿山机电设备的故障检测和安全诊断，采用合理的故障诊断理论，建立科学的机电设备故障预测、预警系统，提高矿山机电设备运行安全可靠性才能从根本上减少甚至避免矿山机电设备故障造成的安全事故。 　　1 故障检测诊断技术 　　故障检测诊断技术是以信号分析处理技术、计算机技术和传感器技术等为基础的综合性技术。现代工艺理论、相关基础学科理论和检测技术与理论的快速发展促进了故障检测诊断技术的不断发展和完善。 　　故障检测诊断技术主要通过检测矿山机电设备运行状态的各信号数据和参数，从而对矿山机电设备的运行性能和安全可靠性进行预测，以识别设备故障的原因和判断危害等级等问题，从而提出针对性的处置对策和技术方法。 　　2 矿山机电设备故障检测诊断技术的步骤 　　矿山机电设备故障检测诊断技术的主要步骤分为信息采集、信息处理、分析识别、数学模型和预测。 　　2.1 信息采集 　　准确测量反映矿山机电设备状态的信号数据和参数，采集机电设备上安装各类传感器的实时信息数据，并及时将测量和采集的数据存入数据存储器或计算机，以方便 　　调用。 　　2.2 信息处理 　　现场采集的煤矿机电设备的数据信息，并不能直接用来判别设备的状态，其中存在着有用信息和无用信息，因此必须将采集的信息进行转换，提炼出有用信息并做出数据分析，转变成人或机器能读懂的信息。 　　2.3 分析识别 　　对处理后的煤矿机电设备数据信息进行分类、识别和分析，与机电设备正常运行时的标准参数进行比对，确定当前设备状态及可能出现的故障部位、故障类别以及故障原因。 　　2.4 数学建模 　　矿山机电设备在运行中很多的参数和数据信息，与机电设备的状态以及机电设备是否存在故障隐患有一定关系。因此，需要建立数学模型来准确反映出机电设备状态与产生故障的参数间的数学关系。 　　2.5 预测技术 　　对机电设备部件的剩余寿命和机电设备的故障情况等方面进行预测，可以为日常机电设备的保养工作和故障维修工作提供可靠依据，能够有效避免矿山机电设备故障的发生。 　　3 矿山机电设备智能故障检测诊断方法分类 　　矿山机电设备故障诊断技术分为主观诊断、仪器诊断和智能化诊断三个阶段。下面主要介绍五种矿山机电设备智能诊断方法。 　　3.1 模糊诊断法 　　矿山机电设备的模糊诊断法是将数学集合论的概念，包括模糊关系矩阵以及隶属度函数，应用到机电设备的故障诊断中，从而解决机电设备征兆与故障间的不确定关系。矿山机电设备的模糊诊断法的优点主要表现为模糊推理逻辑严谨，能有效地解决矿山机电振动故障中遇到的模糊性问题。但是，由于在很多情况下，较难确定相应的模糊关系，获取模糊诊断知识也非常困难，因此机电设备模糊诊断方法的应用还缺乏一定的准确性和普遍适用性。 　　3.2 故障诊断专家系统 　　矿山机电设备故障诊断专家系统是用计算机将采集到的机电设备信号数据和参数，通过专家经验进行推理，运行过程中可以随时索取相关信息数据和参数。矿山机电设备故障诊断专家系统的优点是适应于人的思考方式，不用输入非常多的知识细节，个别事实发生变化时也很容易修改。但是，矿山机电设备故障诊断专家系统目前存在一定的局限性：机电设备故障诊断的准确度与专家诊断系统中专家知识的水平高低以及丰富程度有很大的关系；而且有些矿山机电设备的故障很难通过具体的方式描述，使得建立准确的知识库也会非常的困难。 　　3.3 人工神经网络故障诊断法 　　利用人工神经网络进行矿山机电设备故障诊断的基本思想是：以矿山机电设备的故障特征信号作为神经网络输入，矿山机电设备的诊断结果作为神经网络输出。通过调整人工神经网络节点间的权值和阈值，利用训练好的人工神经网络，来实现矿山机电设备故障的诊断等，并且由于人工神经网络诊断法自身所具有的自学习、自适应和并行性能力等优点，因此该故障诊断法在矿山机电设备智能故障诊断中的应用越来越广泛，并且也逐渐得到相关专家学者的深入研究。 　　3.4 基于仿生算法的故障诊断法 　　遗传算法是一种随机优化算法，它