试析煤矿井下机械设备管理.doc

试析煤矿井下机械设备管理 　　[摘 要]现代机械设备呈现出高速化、大型化、复杂化和自动化的发展趋势。机械设备的各部分联系更加密切，随之而来的是机械设备的一小部分的小故障如不及时被发现并解决，可能引起连锁反应，将导致整个设备的瘫痪，或更为严重的后果，从而造成严重的经济损失，甚至导致大量人员的伤亡。煤炭采矿机械设备由于长期在井下工作，工作环境恶劣而复杂，因此如何实现对井下采煤设备的故障诊断和设备实时管理尤为重要。为了提高矿井下机械设备故障诊断的准确性，将利用人工神经网络、专家系统和决策树相结合的算法实现对井下机械设备进行故障诊断的目的。 　　[关键词]井下；机械设备；管理 　　中图分类号：TD401 文献标识码：A 文章编号：1009-914X（2015）20-0166-01 　　引言 　　所谓机械设备的故障诊断，是指通过各种传感器监测机械设备的工作状态，来预测机械设备是否正常工作，他的本质是一个模式识别的过程。故障诊断的首要目的是发现并定位故障源，找出故障原因，使设备能够得到及时有效的维护与保养。煤矿机械故障诊断系统主要包括探测器、信号提取、状态诊断和诊断决策等部分。 　　一、煤矿机械设备的发展现状 　　到2010年我国大型煤矿企业设备的机械化比例已达85%，但自动化水平较之发达国家仍然有不小的差距，随着社会经济的发展、煤炭需求量的增加，许多不尽人意的煤矿机械设备问题逐渐暴露出来。因为国有煤矿改制的原因，煤矿正逐年渐减少用于机械设备技术研究上的投资，大部分煤机产业从煤企剥离，造成了煤矿机械设备的研究人员短缺，同时人员各自服务于分散的机构，不能形成一个相互联系的体系。 　　二、关于机械设备的故障诊断 　　智能故障诊断技术是近年来随着数学、力学、计算机技术以及人工智能和信号处理技术的发展而发展起来的一门综合性技术学科。目前人工神经网络、模糊理论、遗传算法、决策树和专家系统技术在故障诊断系统中得到了广泛的应用，采用这些新技术、新方法实现了传统诊断方法无法实现的功能，智能故障诊断技术具有传统诊断技术无法取代的优势。 　　三、原理分析 　　3.1人工神经网络基本原理 　　人工神经网络是一个并行的分布式数据处理与决策系统，将人工神经网络理论应用到故障诊断当中，不仅能够提高诊断的数据处理速度和诊断精度，而且还能够按照人们的设定对特定工作环境进行学习，具有良好的环境适应能力。人工神经网络的模型时模拟人类的大脑结构和工作原理进行信息处理的，其基本单元是神经元。标准的BP 神经网络由输入层、隐含层和输出层三层神经元结构构成。BP 神经网络通过输出层神经元的逐层向前传播，以将输出误差“分摊”隐含层和输入层的每个神经元，进而得到各个层单元的参考误差和相应的权值，最终使误差加权值能够满足系统的误差要求。 　　3.2决策树 　　决策树是从一些杂乱无章的数据中通过层层归纳总结，得到最终决策结果的过程，它的结构是自上而下的，在每一个节点处都要进行属性判断，每一个分支表示数据流的通路，每个分支的终点表示决策的一类属性。 　　四、煤矿机械设备故障及诊断方法 　　我国煤矿机械设备故障诊断技术的发展阶段分为三个，故障诊断的低级阶段是依靠研究人员的专业知识和工作经验对事故进行判断，然后过渡到了利用计算机传感技术诊断故障，最终升级到了集体智能化的诊断故障体系的阶段。 　　4.1利用振动进行检测的故障诊断方法 　　这种技术主要依据了机械设备运转时振动产生的信号频率的区域性特性，以及特性数值发生的改变情况，对机械设备运转情况进行分析研究从而诊断出故障。对于机械设备的运转特性和变化情况能够准确的，直接的，及时的表现出来，这种技术方法既简单又具有实际应用效果，使用非常广泛。 　　4.2分析油液的故障诊断方法 　　提取煤矿机械设备的润滑体系中的样本，使用分析油液的技术例如光谱分析技术等，辨别或是观测油液中磨屑颗粒的形态，对其化学物理成分发生的改变做出判别，最终对机械设备的运转情况做出分析判断。 　　4.3测量温度的故障诊断方法 　　因为机械设备的摩擦损害、烧坏的电器之间的节点等原因，设备材料的部分温度会提高，进而对设备材料的其他功能造成损害。依据这些因素，使用温度传感装置，对机械设备不同部分进行温度监测，根据温度的变化对机械设备运转情况做出科学诊断。 　　4.4不损伤机械设备的故障检测方法 　　当前应用最为广泛的检测技术就是不损害机械设备的故障检测方法，最大的优点就是检测的机械设备在不会受到损害的情况下进行表面和内部的问题检查。对煤矿机械设备检测时首先要对检测技术进行确定。是因为要充分分析被检测机械设备的材质、加工程序以及存在的问题。 　　结语 　　由于人工神经网络具有很好的自组织和广泛的学习能力，在得到充分的学习和训练后