矿山机械设备维修的故障诊断技术 .pdfVIP

矿山机械设备维修的故障诊断技术 摘要：在“中国制造2025”战略背景下，建设智慧矿山，进行智能开采是推 动煤矿产业发展的必由之路。由于矿山机械设备工作环境恶劣、长期超负荷运行， 导致设备故障时有发生。采用计算机、人工智能、传感器、通信等技术进行智能 化故障诊断是保障生产效率，降低安全事故的重要手段。 关键词：矿山机械设备；维修；故障诊断 1矿山机械设备故障原因 矿山机械是指应用于选矿、采矿、探矿的机械，包括凿岩机、钻车、矿车、 挖掘机等，矿山机械设备长期在粉尘、噪声、高温、滑坡、地面塌陷等恶劣的工 作环境下运行，设备损耗比其他设备高。为了追求经济效益，设备长时间超负荷 运转，轴承、齿轮、钻头等零件会产生磨损、疲劳、断裂、老化等形式的失效， 使零件之间的配合关系发生变化，造成设备故障。此外，在设备安装、使用、维 修、拆卸过程中未按照规范和流程操作，如未及时补充润滑油，使设备的零部件 受到损坏，缩短使用寿命。在对矿山设备进行机械设计时存在设计缺陷，未考虑 到生产过程中的实际情况，一旦在某些特定环境下工作也可能导致故障发生。 2故障诊断技术概述 故障诊断一般由以下几个主要工作环节组成：①确立运行状态监测的内容。 设备在运行时会产生许多状态的数据，如振动信号、温度、输出参数等，如对这 些数据进行监测，当设备处于故障状态时，会出现某个参数异常。根据被监测对 象的结构及现有测试设备条件等因素确定监测内容，包括确立监测方式、监测部 位、监测参数等方面的内容。②建立测试系统。根据状态监测内容选取传感器及 其配套设施，组成测试系统，用以收集故障诊断所需信息。建立一个数学模型来 精确反映性能状态参数随时间的变化趋势，并能直观反映设备的运行状况，所建 立的模型能对故障数据进行分析，对故障的发展趋势进行预判。③测试、分析及 信息提取。利用振动、温度、压力等传感器进行信号采集，并通过滤波、异常数 据的剔除、各种分析计算等手段进行信号的特征提取，从有限的信号中获得尽可 能多的关于被诊断对象状态的有用信息。④状态监测、判断及预报。对提取的特 征信号进行分析和研究，并将其与设备运行的标准参数进行比对，监测设备运行 状态，判断被诊断对象的发展趋势，并对设备故障的发展和零部件的寿命进行预 报。 3矿山机机械设备故障诊断的主要技术类别 3.1主观诊断技术 主观诊断技术是指由设备维修人员凭借对设备的熟悉和对运行环境的了解， 依据丰富的检测知识和实践经验，借助自身的视觉、听觉、直觉、经验及简便的 检测仪器，采用参数测量法、故障树分析法、逻辑分析法等方法对矿山机械设备 的故障进行检测的技术。通过主观诊断技术能快速确定故障发生的部位及原因， 有效缩短设备维修时间，具有一定的实用价值。但主观诊断技术对维修人员的技 术和经验要求较高，既要有扎实的理论知识基础，又要有丰富的实践经验，还要 保持终身学习的态度，不断更新自身知识和技能。随着技术的进步，机械设备的 复杂程度逐渐增加，一个位置的状态变化会影响机械设备整体的性能，采用主观 诊断技术可能存在偏差，难以达到精确的诊断效果。 3.2仪器诊断技术 仪器诊断技术是指维修人员在机械设备发生故障后，结合设备的运行情况， 利用仪器采集设备振动、温度等数据，借助计算机对数据进行整理和运算，由部 分显像设备进行体现，明确故障位置、类型、频率及发展趋势。仪器诊断技术比 主观诊断技术具有更高的精准度。随着科技的进步，各种诊断仪器的功能更加完 善，可实现故障诊断的动态监控，能提高诊断精度和效率，降低矿山机械设备在 使用中发生故障的概率，减少企业经济损失。 3.3智能诊断技术 智能诊断技术以计算机技术为支撑，对机电设备故障信号进行动态采集，采 用人工神经网络算法、模糊算法及专家系统等对采集的故障信号进行学习，从而 进行判断机电设备的故障。人工神经网络是利用虚拟人类大脑的组织性和适应性 形成记忆和学习功能，从而精确诊断出设备的故障。模数算法是收集设备数据并 建模，然后进行故障形成的模拟，对故障成因进行分析和矩阵排列，从而确认故 障部位和类型。专家系统是将搜集的故障类型建立故障类型数据库，然后模拟专 家思维，进行技术建模和故障诊断。 4矿山机械设备维修中的故障诊断技术 4.1振动诊断技术 矿山机电设备的运转会造成设备的振动，设备启动的加速度、运行速度和产 生的位移等振动参数能反映设备的工作状态。当设备出现了变形、磨损、裂纹等 损伤或零件装配间隙增大等问题时，往往造成振动能量的增加。因此