首頁 > 文章中心 > 正文

          煤礦地質勘探機械振動故障成因探析

          前言:本站為你精心整理了煤礦地質勘探機械振動故障成因探析范文,希望能為你的創作提供參考價值,我們的客服老師可以幫助你提供個性化的參考范文,歡迎咨詢。

          煤礦地質勘探機械振動故障成因探析

          摘要:針對當前煤礦地質勘探機械振動故障原因分析存在分析誤差大問題,開展機械振動故障原因分析技術研究。通過確定勘探設備機械振動類型、振動信號采集與處理、機械振動時域與頻域分析及故障原因分析結果導出等步驟,提出一種故障原因分析技術。將該技術應用到煤礦地質勘探設備運行中,針對獲取到的勘探設備運行參數分析得出其故障數據,并結合數據對其故障原因進行分析。新的分析技術得出的分析結果與實際勘探設備故障原因一致,證明分析技術的可行性以及分析精度較高。

          關鍵詞:煤礦勘探;機械振動;故障成因

          無論是常規設備還是自動化設備,都無法完全避免機械故障的產生[1]。但對煤礦地質勘探設備盲目地進行故障診斷,將會嚴重減低煤礦生產效率,并且在一定程度上增加煤礦開采的成本。因此,要想避免地質勘探機械振動故障的發展,就必須注意對其故障原因的分析。基于此,本文開展對煤礦地質勘探機械振動故障原因分析技術的設計研究。

          1煤礦地質勘探機械振動故障原因分析技術

          1.1確定勘探設備機械振動及其分類

          在煤礦地質勘探領域當中,機械振動是指勘探設備在運行過程中,設備上某一節點在規定位移量范圍以內圍繞其均值或相對基準時間發生的改變[2]。針對勘探設備機械振動特點,按照其運行時振動信號的變化,對其振動信號進行劃分。表1為確定性振動與隨機性振動的細化分類結果。如表1可知,不同類型的振動信號會表現出特征,因此將其振動信號作為依據對其故障原因進行分析時,應當采取不同的分析策略[3]。

          1.2煤礦地質勘探機械振動信號采集與處理

          完成對勘探設備機械振動的分類后,采集振動信號,并進行預處理,將采集的信號作為煤礦地質勘探機械振動故障識別與診斷的依據[4]。本文采用圖1所示的流程實現對煤礦地質勘探機械振動信號的采集。在采集過程中,可在信號通信信道中集成數據挖掘技術與信號識別技術,通過物聯網對信道中傳輸的信號進行實時分析,以此種方式,保證對信號處理的頻率與效率[5]。完成數據導出后,引進數據挖掘技術對采集的煤礦地質勘探機械振動信號進行處理,先將信號群離散化,將呈現離散化狀態的空間分子離子進行融合與重組。按照此種方式進行振動信號的精細化處理,可以使信號描述的故障表示得更為清晰,從而確保管理人員及時感知機械振動行為的發生區域,并根據煤礦地質勘探機械的運行標準,對機械進行自檢與運行調試。

          1.3機械振動時域與頻域分析

          完成信號采集及預處理后,從時域與頻域兩個方面對機械振動進行分析。在進行信號時域分析時,先確定分析指標,根據信號的反饋值提取振動信號中的峰值數據、平均值數據、有效信號區間數據、低谷值數據等相關數據,明確煤礦地質勘探機械振動信號的峰值、低谷值、平均值及有效值[6]。振動信號的峰值計算公式為:(1)公式(1)中,Xp表示為振動信號峰值,即最大距離;t表示為振動時間;x(t)表示為在某一時刻下波形零線與波峰之間的距離。平均值的計算公式為:(2)公式(2)中,X表示為平均值;表示為峰值;表示為谷值。有效信號區間數據的計算公式為:公式(3)中,Xrms表示為等效信號區間數據;T表示為波形周期。當煤礦地質勘探機械在運行中反饋了明顯的反饋振動信號時,可以認為機械中某元件此時存在運行過程中的異常,將提取的指標信息與標準時域指標范圍進行對比,即可實現對煤礦地質勘探機械運行情況的初步評估。在完成對信號的時域分析后,根據分析結果與指標評估結果,對機械振動信號進行頻域分析。將信號的振動周期/振動頻率作為頻域分析的主要指標,提取煤礦地質勘探機械振動信號的頻率幅值,將幅值定義為機械發生振動所產生的能量總和。當振動信號的特征頻率隨著幅度的增加而呈現增加趨勢時,則可以證明此時煤礦地質勘探機械中某元件呈現運行異常。對信號進行時域與頻率的協同分析,可以在實現對煤礦地質勘探機械運行定性分析的基礎上,定位振動異常區段。

          1.4故障原因分析結果導出

          在完成對機械反饋振動信號的分析后,需要對煤礦地質勘探機械故障進行診斷,定位機械故障發生點。診斷過程中,技術人員需要按照預設的標準化流程,對機械振動信號進行提取、處理與分析。根據故障診斷工作的進度與診斷結果,將提取的機械故障參數與常態化參數進行比對,明確煤礦地質勘探機械故障的表現形式后,匹配機械的使用與運行標準,進行故障原因的精準分析,排查不同元件的故障結果,生成一個針對煤礦地質勘探機械設備的質量驗收報告與故障診斷詳單。完成對煤礦地質勘探機械故障的診斷后,考慮到此機械在運行中的異常振動會影響其使用效果或影響機械的勘探精度,為保證機械的常態化運行,保證機械的使用滿足煤礦地質勘探作業需求,終端管理人員與技術人員還需要定期對機械的振動故障與異常的校驗。根據校驗中的需求,進行故障的排查與預測。對煤礦地質勘探機械故障診斷結果與故障原因分析結果進行導出,明確此步驟是保證機械穩定運行的關鍵步驟。完成對所有相關數據的導出與錄入后,引進大數據技術,輔助數據挖掘技術,對振動結果進行精準分析,掌握煤礦地質勘探機械振動的來源,保證振動定位的高精度。此外,可在完成對機械的振動檢測與原因提取后,進行機械運行的二次復檢,將復檢產生的結果數據清晰呈現在報告中,全面規范機械設備的故障檢驗行為,保證故障檢驗工作的規范化、秩序化落實。

          2實例應用分析

          通過本文上述論述,針對煤礦地質當中勘探機械振動故障問題,提出了一種新的原因分析技術,為了驗證這一技術在實際煤礦地質勘探設備運行環境當中的應用可行性,選擇以某地區煤礦生產企業作為依托,針對該生產企業進行的煤礦地質勘探工作,引入本文提出的原因分析技術,以此實現對項目中勘探設備機械振動故障原因的查明。選擇以該煤礦地質勘探機械設備運行數據,將該組數據作為分析樣本數據,并對其原始樣本數據進行歸一化處理。歸一化計算公式為:(4)公式(4)中,R'表示為經過歸一化處理后的試驗樣本數據;R表示為原始樣本數據;minR表示為原始樣本數據結合中最小歸一化量化指標;maxR表示為原始樣本數據結合中最大歸一化量化指標。按照上述公式,完成對樣本數據歸一化處理后,得到如表2所示的機械振動故障樣本數據表。正常情況下,勘探設備在運行過程中未出現振動故障,則此時在各個頻段下其運行數據均應當為0.00。在明確上述基本內容后,利用本文提出的原因分析技術對其進行測定,并將分析結果繪制成如圖2所示。從圖2原因分析結果界面中顯示的內容可以看出,本文原因分析結果與上述表1中的數據相比,其分析輸出誤差數值均小于0.02。通常情況下,分析誤差數值小于0.05,得出的分析結果均具備地質勘探設備機械振動故障診斷的精度需要。因此,從上述得出的實驗結果能夠證明,本文提出的原因分析技術針對真實煤礦地質勘探機械振動故障進行診斷具有極高的診斷精度,可為后續故障原因分析提供精準數據依據。完成上述實驗后,在此基礎上,結合本文原因分析技術得出的分析診斷結果,如表3所示,對各個節點存在的具體故障原因進行分析。結合表3中記錄數據,對該煤礦生產企業的地質勘探設備進行機械振動故障原因分析。表2中各個節點分別代表不同故障原因,其中節點0表示為勘探設備機械振動不平衡;節點1表示為勘探設備氣動力偶;節點2表示為勘探設備不對中運動;節點3表示為勘探設備存在油膜渦動;節點4表示為勘探設備機械振動過程中存在轉子徑向碰摩。從樣本I各個節點得到的分析數據可以看出,樣本I煤礦地質勘探設備在運行過程中,輸出節點3的數值較大,同時伴有節點4的故障值,因此說明樣本I存在油膜渦動主導,同時伴隨轉子徑向碰摩。從樣本I各個節點得到的分析數據可以看出,樣本II煤礦地質勘探設備在運行過程中,輸出節點4的數值出現異常,說明樣本II存在轉子徑向碰摩故障問題。從樣本III數據得出,輸出節點0的數值較大,同時伴有節點3和節點4異常,說明節點III存在機械振動不平衡主導,伴有油膜渦動和轉子徑向碰摩故障。樣本IV各節點數據中,輸出節點2的數值較大,同時伴有節點4異常,說明節點IV存在不對中運動主導,伴有轉子徑向碰摩。樣本V各節點數據中,輸出節點0、節點3和節點4存在異常,說明樣本V故障包括機械振動不平衡、油膜渦動和轉子徑向碰摩故障問題。將上述分析內容與該煤礦地質勘探各個設備實際故障類型進行對比,得出的對比結果均與上述內容相符。因此,通過上述得出的實驗結果再次證明本文原因分析技術的可行性。同時,也進一步證明了本文原因分析技術的應用具有較高的精度,可為煤礦地質勘探設備穩定運行提供重要數據信息,并方便后續對其維護、維修和更換等決策方案提供依據。

          3結束語

          第四次工業革命使得更多的現代化科學技術與社會生產實現了融合,而在這樣的背景下,將分析技術應用到煤礦生產和開采領域當中,能夠在極大程度上促進其整個行業的發展。基于此,本文通過開展煤礦地質勘探機械振動故障原因分析技術研究,提出一種全新的分析技術,并通過實例應用的方式證明了該技術應用的可行性以及應用優勢。在后續的研究當中,還將引入更多現代化分析技術對勘探設備更多故障問題的原因進行探究。同時,由于時間和能力有限,在研究過程中并未考慮到分析技術的復雜性,盡管分析結果具備極高精度,但實際操作仍然需要專業技術人員操作實現。因此,針對這一問題,在后續研究時,還將嘗試引入機器學習技術,以此提高本文分析技術的智能化和自動化。

          作者:陳亞萍 單位:蘭州資源環境職業技術大學