《工矿自动化》“矿山机械设备健康状态评价与故障诊断技术”

《工矿自动化》“矿山机械设备健康状态评价与故障诊断技术” | 虚拟专题

来源：工矿自动化

机械设备是矿山生产运行的基础。智能化矿山建设对矿山机械设备的安全性、可靠性、经济性等方面提出了更高的要求，研究矿山机械设备健康状态评价与故障诊断相关理论及技术，对实现矿山智能开采具有较大的现实意义。本刊整理了近期发表的矿山机械设备健康状态评价与故障诊断技术代表性文章，以期促进同行交流。

行业视野: 智能化
类别; 77个
关键词; 56位
专家; 14篇
论文; 2096IP
点击量; 851次
下载量

强噪声干扰下采煤机行星齿轮故障诊断方法

作者(Author)：李勇, 张启志, 庄德玉, 邱锦波, 程刚

摘要：采煤机摇臂截割部行星齿轮的健康状态直接影响截割效率。针对采煤机截割煤岩过程中受多重冲击引起的强噪声干扰、齿轮结构复杂且传递路径多变导致故障特征难以提取等特点，提出了一种基于频谱平均降噪和相关谱的采煤机行星齿轮故障诊断方法。根据信号频谱分布特征及噪声随机特性，采用频谱平均降噪方法抑制噪声对信号频谱的干扰，获得信号降噪频谱。构建相关谱以建立少样本降噪频谱和多样本降噪频谱的内在联系，减少频谱平均降噪对样本数量的需求。采用一维卷积神经网络（1D CNN）建立相关谱与故障类别之间的精确映射关系，以相关谱为输入、故障类别为输出，实现行星齿轮故障分类识别。在DDS传动系统故障诊断实验台对基于频谱平均降噪和相关谱的采煤机行星齿轮故障诊断方法进行实验验证，结果表明该方法能够增强表征故障特征的关键频率，对正常、断齿、磨损、缺齿和裂纹5种行星齿轮健康状态信号的整体识别率达96%，在信噪比不低于15 dB时可有效、准确地实现齿轮故障诊断。

免费下载

工矿自动化

2024年第06期

101

8
基于深度学习的矿井滚动轴承故障诊断方法

作者(Author)：窦桂东, 白艺硕, 王均利, 黄博昊, 阳康

摘要：针对传统卷积神经网络在煤矿井下等复杂环境中难以充分挖掘数据特征等问题，提出了一种基于马尔可夫转移场（MTF）和双通道多尺度卷积胶囊网络（DMCCN）的矿井滚动轴承故障诊断方法，构建了MTF−DMCCN故障诊断模型。根据MTF和灰度图对原始振动信号进行编码后，采用双通道输入模式连接卷积网络获取浅层特征；将特征图进行融合后输入到胶囊网络，提高模型对空间信息的敏感度；在网络中引入Inception模块，聚焦多尺度特征，加强网络的特征提取能力；通过胶囊层进行向量化处理，实现滚动轴承的故障诊断与分类。消融实验、抗噪性及泛化性实验结果表明：Inception模块、灰度图输入、MTF图像输入均对轴承故障诊断具有正向促进的作用，MTF编码对模型的诊断精度提升最高；MTF−DMCCN模型具有较好的鲁棒性和抗噪声能力；MTF−DMCCN模型具有优异的变转速适应能力，在不同工况条件下具有良好的泛化性能。为进一步验证模型性能，选取格拉姆角差场（GADF）、格拉姆角和场（GASF）、灰度图、MTF等图像编码方式与不同网络相结合，采用辛辛那提大学数据集（IMS）进行对比实验，结果表明，MTF−DMCCN模型能有效识别滚动轴承故障类型，平均故障诊断准确率达99.37%。

免费下载

工矿自动化

2024年第01期

156

21
矿井提升机健康状态评估与预测系统研究

作者(Author)：王琛, 杨岸

摘要：针对目前对矿井提升机整个系统进行健康状态评估与预测的相关研究相对较少的问题，建立了矿井提升机健康状态评估指标体系和评语集，设计了矿井提升机健康状态评估与预测系统。针对矿井提升机各组成系统的监测数据无法充分利用、健康状态评估结果不能满足实际生产需求的问题，提出了一种提升机健康状态模糊综合评估方法：引入相对劣化度表征提升机不同类型指标的健康度，并利用健康度对矿井提升机的健康状态进行量化；采用模糊综合评估法计算矿井提升机的健康状态，使用指数标度代替1—9标度对层次分析法（AHP）进行改进，以降低计算复杂度；采用CRITIC客观赋权法，结合主客观权重计算各子系统和指标的综合权重；根据模糊综合评估计算过程和最大隶属原则，得到矿井提升机的健康状态评估结果和故障原因。在提升机健康状态评估结果基础上，利用哈里斯鹰优化（HHO）算法优化支持向量回归（SVR）模型的重要参数，构建HHO−SVR模型对矿井提升机的健康状态进行预测，提高健康预测结果的准确性。实验结果表明：模糊综合评估方法能够准确实现提升机健康状态评估；与粒子群优化支持向量回归（PSO−SVR）、遗传算法优化支持向量回归（GA−SVR）、灰狼算法优化支持向量回归（GWO−SVR）模型相比，HHO−SVR模型的预测结果更接近实际值，具有更好的预测效果。

免费下载

工矿自动化

2023年第10期

107

41
基于热红外图像的带式输送机托辊故障检测研究

作者(Author)：郭砚秋, 苗长云, 刘意

摘要：针对目前带式输送机巡检机器人搭载红外采集设备移动受限，存在不能实时进行数据采集、数据处理并上传至监控终端，无法完成远程故障检测，续航能力不足等问题，提出了一种基于热红外图像的带式输送机托辊故障检测方法。带式输送机巡检机器人搭载托辊故障检测器及红外热像仪，红外热像仪将采集的托辊热红外图像序列与温度数据传输给托辊故障检测器进行托辊故障检测，检测结果由托辊故障检测器内置的WH−L101无线传输模块发送给上位机。提出了一种带式输送机托辊故障检测算法：利用YOLOv5s目标检测算法提取托辊热红外图像的感兴趣区域（ROI），采用维纳滤波和自适应中值滤波算法对ROI图像进行滤波，利用自适应直方图均衡化和图像锐化算法对滤波后的ROI图像进行增强，采用基于形态学的Otsu图像分割算法对增强后的ROI图像进行图像分割，得到待检测的托辊图像，利用Harris角点检测算法提取托辊图像特征，获得托辊位置信息，提取相应位置的温度信息，并采用基于相对温差法的托辊故障检测算法判定托辊故障。实验结果表明：① YOLOv5s网络模型提取托辊ROI的目标检测结果平均准确率为99.12%。② 提出的托辊故障检测算法对托辊故障（无故障、轴承锈蚀、托辊卡转、筒体磨穿）检测的平均准确率为97.625%，帧率为16 帧/s。③ 将检测结果通过无线传输模块传送至上位机，可显示故障类型及关键区域温度，并进行报警。

免费下载

工矿自动化

2023年第10期

129

32
基于LSTM−Adam的刮板输送机链传动系统故障预警方法

作者(Author)：李博, 郭星燃, 李娟莉, 王学文, 夏蕊

摘要：刮板输送机链传动系统由于承受复杂载荷作用导致故障频发，然而传统的故障诊断需要大量的先验知识和主观干预，对技术人员要求高。为实现刮板输送机链传动系统故障预警的自主性、准确性与高效性，利用深度学习强大的数据挖掘能力，提出了基于LSTM−Adam的刮板输送机链传动系统故障预警方法。首先，基于组态技术搭建刮板输送机工况监测系统，采集减速器输出轴转矩及转速、中部槽中板压力、刮板竖直方向振动加速度及刮板链运行方向应变等刮板输送机实时运行数据，并对数据进行清洗和min−max归一化处理，为故障预警提供数据支撑；然后，基于LSTM搭建预测模型，并采用Adam优化算法对其进行训练和优化，得到最优LSTM−Adam预测模型；最后，将刮板输送机实时运行数据导入LSTM−Adam预测模型，得到刮板输送机运行参数预测值，使用滑动加权平均法计算预测值与真实值之间的残差，并将正常运行工况下同类数据的最大残差作为预警阈值，当残差超过预警阈值时进行预警。试验结果表明：LSTM−Adam预测模型能够准确预测出刮板链应变数据的变化趋势，并对卡链与断链故障准确做出预警。

免费下载

工矿自动化

2023年第09期

139

48
综采设备健康状态评估研究综述

作者(Author)：曹现刚, 段雍, 赵江滨, 杨鑫, 赵福媛, 樊红卫

摘要：综采设备逐渐趋于大型化、复杂化、智能化，定期维修与事后维修等传统设备管理模式已难以满足煤矿智能化建设对设备运行的高可靠性需求。因此，研究综采设备健康状态评估相关理论及技术对煤矿智能开采技术发展意义重大。给出了综采设备健康状态评估范畴界定及综采设备健康状态评估流程。从综采设备信号获取、特征提取及融合、健康状态等级划分、健康状态评估模型建立4个方面总结了综采设备健康状态评估方法的研究现状和发展动态。分别从综采设备信号获取及传感器优化布置、数据处理及特征提取、健康状态评估模型建立、综采设备状态评估应用等方面分析了综采设备健康状态评估相关技术目前面临的挑战。针对上述研究现状及面临的挑战，从数据采集方案及故障机理研究手段提升、大数据高性能计算平台建设、深度学习评估模型建立、综采设备健康状态动态评估模型研究、综采设备健康状态评估系统开发等方面探讨了综采设备健康状态评估技术的发展趋势，指出在煤矿智能化进程中，需确保综采设备健康状态评估理论研究、算法开发和工程应用三线齐头并进。

免费下载

工矿自动化

2023年第09期

138

121
煤矿带式输送机异常状态视频AI识别技术研究

作者(Author)：毛清华, 郭文瑾, 翟姣, 王荣泉, 尚新芒, 李世坤, 薛旭升

摘要：传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测，人工巡检劳动强度大、效率低、难以准确发现故障等，机械综合保护系统易造成误判，识别效果不佳，已无法满足煤炭行业智能化需求。随着机器视觉、深度学习和工业以太网技术发展，视频AI技术成为煤矿带式输送机异常状态智能识别的研究热点。分析了采用视频AI技术识别煤矿带式输送机输送带跑偏、托辊故障、人员入侵、人员不安全行为、堆煤及异物等异常状态的研究现状，指出目前煤矿带式输送机异常状态视频AI识别技术存在视频图像数据集构建耗时长、异常状态识别精度不高、视频信息传输延时大3个主要问题。针对视频图像数据集构建耗时长问题，提出加强基于半监督、无监督及小样本学习的视频AI识别算法研究、基于生成模型等方式扩充数据集的解决思路；针对异常状态识别精度不高问题，提出加强数据去模糊方法研究、利用生成对抗网络等算法均衡正负样本和改进AI识别算法的解决思路；针对视频信息传输延时大问题，提出构建“云−边−端”协同的带式输送机异常状态视频AI识别系统架构，合理部署高带宽、低延时的网络通信系统的解决思路。从高性能视频AI识别算法，高带宽、低延时视频通信技术，“云−边−端”高效协同的视频AI识别系统和健全视频AI识别技术标准4个方面展望了带式输送机异常状态视频AI识别技术的发展趋势。

免费下载

工矿自动化

2023年第09期

225

131
一种基于小样本声音信号的托辊故障诊断方法

作者(Author)：郝洪涛, 邱园园, 丁文捷

摘要：基于深度学习的故障诊断方法对数据集的质量有很高要求，需要大批量数据才能进行良好的模型训练，从而实现准确的故障诊断，而在实际应用中能够采集到的故障信号通常很有限。针对托辊故障声音信号获取困难、样本量少，导致智能故障诊断方法性能受限的问题，提出了一种基于小样本声音信号的托辊故障诊断方法。使用特征转换方法将一维声音信号转换为二维时频图像，将频率域的特征融入进来，以提高数据集对故障特征的表达能力；提出了多种类型时频图结合的数据集扩充方法，将短时傅里叶变换（STFT）、连续小波变换（CWT）、希尔伯特−黄变换（HHT） 3种时频分析方法绘制的时频图相结合，以扩充数据集，增加数据样式；引入了深度迁移学习的思想，使用轴承数据集对模型进行预训练，然后使用托辊数据对预训练模型进行微调，以进一步提升模型的识别准确率。实验结果表明：多种类型时频图结合的数据集扩充方法能有效解决使用小样本数据训练模型时易过拟合的问题；使用迁移学习后，模型的测试准确率达98.81%，相较于不使用迁移学习时提升了7%，且没有出现过拟合现象，说明模型训练良好；相较于生成对抗网络扩充STFT时频图数据集+迁移学习的方法，多种类型时频图结合的数据集扩充+迁移学习的方法准确率提高了4%，且更容易实现，可解释性更强。

免费下载

工矿自动化

2023年第08期

230

56