采煤机的故障分析与诊断及其发展趋势

摘 要：为提高采煤机作业寿命及效率，需对采煤机常出现的故障进行分析和诊断，一般常见的方法有温度检测、铁谱分析及故障诊断专家等，常见的故障分析及诊断系统存在一定的局限性，因此限制其相对的应用区间，近年来，采煤机诊断系统发展趋势逐渐向人工神经网络结合于专家系统共同精确诊断方向发展。

关键词：采煤机；故障分析；诊断；发展趋势

DOI：10.16640/ki.37-1222/t.2016.11.083

0 前言

采煤机是煤矿业生产环节至关重要的设备之一，整个复杂的构成系统中包括机械、电子电气及液压传动系统[1]。尽管采煤机整个系统在设计过程中考虑到很多实际应用的问题，但在煤矿作业过程中将面临相当恶劣的操作环境，影响采煤机零部件的磨损，降低整个机器的寿命。因此，为提高采煤机的作业寿命及效率，需要提出整套完整的故障分析与诊断系统。

1 采煤机常见故障

1.1 采煤机液压系统故障

采煤机在作业过程中出现故障情况最为频繁的就是液压系统。尽管在采煤机中设有自动调控等装置，但在实际操作过程中依然会发生很多故障[2]。发生故障的原因错综复杂，很难进行及时的诊断与分析。液压系统故障的最常见的情况是由于油液污染而引起的，例如常出现的情况有杂质混入油液中导致泵和马达不能进行正常工作，造成系统出现功能。常导致其它故障出现的原因有系统压力、密封及流量等问题。

1.2 采煤机常见的机械故障

采煤机在作业时，牵引行走轮负载较大且受力不对称，所以支撑轴会发生一定程度的磨损或是破裂。损坏的支撑轴会影响到其它链轮轴和链轮等零部件的寿命，作业时间较长会导致整个机械部分寿命降低[3]。采煤机受力较大的部位之一是摇臂部位，作业过程中摇臂部位的频繁操作以及状况不良，会非常容易致使轴承发生一定程度的破坏。随着作业时间的累积，轴承会发生严重故障，进而影响工作的进度。当然，除轴承故障处负荷过大引起意外，常见的情况有使用剂不当，安装轴承位置不正确等，都会引起轴承故障。常见的机械故障还有联结有一定程度的松动导致整个传动系统发生故障，引起局部温度过高，引起零部件损坏，致使整个采煤机系统发生故障。

2 故障诊断方法

2.1 参考故障历史记录诊断法

根据采煤机系统的组装原理结合故障出现位置，进行进一步分析。首先，对局部出现的故障问题相关联的所有元器件和对应的系统进行分析，同时参考采煤机维护手册来找到问题的症结所在之处，采取相应的的解决措施。同时，将导致故障的原因和相应的解决措施都记录成册，经过长时间的归纳和总结便可以得到一个故障诊断历史记录薄。当再次出现相同的故障，便可以通过简单的故障分析和诊断轻易的找出相应的问题，采取对应的措施，提高诊断效率，节省排查时间，提高煤矿作业工作效率。此种方法的优点是遇到相同的情况，能够进行精确的故障位点定位，并提出相应的解决方案。缺点是单纯的凭靠经验积累，需要建立很大的故障历史记录库。

2.2 机械故障诊断法及液压系统诊断法

在采煤机进行煤矿作业过程中，机械系统故障的出现对煤矿生产有非常大的影响。对采煤机机械故障诊断的方法有振动、噪声及温度等监测诊断方法。温度检测诊断法是一种比较灵敏、快速、正确、有效的监测手段。例如，系统中摩擦零附件发生异常，磨损速率就会增加，通过温度监测更为直接，相比于油样分析和磨损判定分析。监测处状态可以通过定点在线温度进行诊断，最终找到故障发生的精确位点。常见的轴承故障诊断也通过轴承温度和传动箱的油温进行连续监测，观察并分析变化趋势，发现故障以及推测故障发生的可能性。

在常发生故障的液压系统，可以加测各部分的温度与压力。在液压的各部分功能的原件位置分布设置温度与压力的线监测点。根据温度和压力的场分布快速对故障源进行诊断，精确找出相应的位置，判断导致故障的因素。同时，还可以采用油样分析来定期检查系统的污染情况，防止重大故障的发生，保证系统安全、有效率的工作。

2.3 采煤机故障诊断专家系统

如果采用速度较快的诊断方法快速的判断复杂性和隐蔽性的采煤故障系统，具有一定的难度。但专家系统通过专业的知识和模拟过程能够快速的找到故障的症结所在之处，专家系统较为专业主要是因为有强大的专业知识体系。最近，运用于非常精确的专家系统对采煤机进行故障诊断，已经在国内成为一种趋势。影响专家系统的重要因素取决于专家系统内部知识库的储藏以及通过实际经验积累的知识框架结构。建立和模拟许多故障，通过储存的数据最终提出较为权威的诊断结果。

3 故障诊断方法的发展趋势

局限于传统的故障系统监测手段，很难在以后复杂的煤矿作业过程中精确的找到故障的症结所在之处。目前诊断煤矿机故障系统的发展趋势为三种诊断方式相互结合，最终可以很快的定位并解决问题。常见的诊断系统为神经网络系统和专家系统相互结合，专家系统在诊断过程中发挥主要的作用或是神经网络在在诊断过程中发挥主要的作用，也常常会用到神经网络系统和专家系统相互结合，发挥出更好的好的诊断效果。通过强大的专业知识系统库和敏感的人工神经网络系统相结合，作为一种新型合理化、有效化的诊断方式，解决在煤矿作业过程中频繁出现的重大的故障系统问题。

4 结论

采煤机作为煤矿业生产过程中重要的环节，由于频繁的操作过程引起较为明显的故障问题。尽管采煤机整个系统在设计过程中考虑到很多实际应用的问题，但在作业过程中将面临相当恶劣的操作环境。恶劣的操作环境，最终影响采煤机零部件的磨损，降低整个机器的寿命。因此，为提高采煤机的作业寿命及效率，需要提出一整套完整的故障分析与诊断系统。

参考文献：

[1]张建伟，张长合.浅析采煤机诊断故障及诊断方法[J].中国高新技术企业，2012（26）：120-124.

[2]Lei S，Wang ZB， Liu XH， Tian C， Liu Z， Xu J. Identification of shearer cutting patterns using vibration signals based on a least squares support vector machine with an improved fruit fly optimization algorithum [J].Sensors. 2016（16）：90.

[3]倪松松，阳宁，李力，丁恩杰.基于扩展故障树的采煤机故障诊断专家系统研究[J].矿冶工程，2015（35）：15-19.