论文部分内容阅读
摘要:故障诊断技术可以利用先进的技术和经验来改变传统的维修模式,提高矿山机电设备的使用效益与矿山的整体管理水平,增加矿山的经济效益。本文主要探讨了矿山机电设备的故障诊断技术,着重分析了该技术的内容和具体应用。
关键词:矿山 设备 故障 诊断
中图分类号:U226文献标识码: A
前言
目前,矿山机电设备因故障所造成的煤矿经济损失和人员伤亡情况日益严重,如何保障机电设备的安全性和稳定性成为了一个亟待解决的问题。
一、矿山机电设备出现故障的原因分析
1、零件损伤造成配合关系的变化
当在对故障部位进行观察时,发现大多数故障都是因为零件的损伤从而造成与原配关系产生异常变化。零件的损伤主要是零部件原有尺寸、形态与最初设计发生了偏差,导致设备事故,使整个生产线瘫痪。
2、设备超负荷运作
设备使用寿命和所能承担的超负荷运转均有极限,当设备超过极限,就必然会出现故障问题。矿山机电设备大多数处于超负荷运转状态,操作欠规范化、时间分配不合理。
3、矿山机电设备工作强度大
矿山机电设备工作持续时间长,作业对象对机电设备本身的损伤很大,加之器件的磨损使其与元部件的配合度降低,使设备自身工作能力受到很大影响,长久工作必将降低设备运行效率。
二、矿山机电设备故障诊断技术
1、故障诊断技术概述
(1)故障诊断技术。矿山的机电设备在运行时均会产生物理变化或者化学性能的转化,这样势必会造成设备的外在形态的改变,依照不同参数的不同变化规律,而预判断设备是否出现故障及出现故障的具体位置,以便及时采取科学有效的措施,防止出现不必要的损失,提高了设备运行效率和安全性。
(2)故障的信息采集。设备的故障信息可以通过对设备的运行状态进行观察,通过看、听、触摸的方式判断其是否出现故障,还可以利用传感器等仪器对设备多种状态数据进行采集,如振动信号、温度变化信号、加速度及位移信号等,然后分析采集到的信号,判断设备运行状态。
现场观察:就是依据设备的运行状态进行分析判断,如可以通过电机或者发动机运转的响声,轴承温度的变化进行故障的预测;或者通过观察螺栓、螺帽等是否松动,油液是否有泄漏,或者设备运转动作是否失灵等状况来判断机械零部件是否有损坏。
性能检测:可以通过对机电设备的使用投入与产出比进行统计检测,如果相同的投入时产出下降,则说明设备运行效率下降,有时电机效率、轴承转速也可以通过运用出矿量以及运矿量进行判别。
2、故障诊断技术分类
机械设备故障诊断技术有很多种,对于矿山机电设备来说,不仅要振动、冲击矿物粉尘等地下工作环境以外,还要考虑到设备工作范围小以及维修难度大等特点,选择合适的检测仪器。常用的诊断方法分为以下几类(如图1)。
(1)温度诊断。矿山机电设备在发生故障时,温度常常变化异常,一些有损伤的零件,其温度往往是在发生故障之前就会有明显的升高。技术人员收集到各种不同机件的温度然后做成图表,操作人员根据温度图表的变化判断出现故障的零件,并及时发出警报。
(2)振动监测:振动监测可以划分为简易诊断仪和精密诊断系统,主要适用干预防性监测。简易诊断仪通常是采用便于携带的振动仪,通过将设备运行振动信号放大判断其是否运行正常。精密诊断系统,可以定期对某些设备进行检测,通过将机电设备振动信号通过显示装置或者控制器,经过计算机对数据进行分析,然后查找故障发生原因以及故障发生部位。
(3)铁谱分析:铁谱检测仪器主要有颗粒定量仪。就是让带有磨屑的润滑油经过具有高强度的磁场,然后将磨屑从中吸出,最后支撑谱片,根据谱片来判断设备的运行状态。
二、故障诊断技术的步骤
1、建立数学模型
机电设备的运行中有很多的数据和参数,这些数值代表着设备运行的状态,是故障诊断的重要依据。故障诊断技术必须建立数学模型以准确反映设备运行中的数据和设备状态及故障之间的关系,只有建立可靠的数学模型才能通过设备运行的参数明确设备状态和产生故障的情况。
2、采集信息
采集信息是要准确的测量、采集设备运行的各种参数和数据,一般通过各种安装在设备上的传感器针对设备运行发出的各种信号进行信息采集,由传感器采集的信息会被传输到数据贮存器。
3、处理信息
设备运行中采集到的各种信息不能够直接判断设备的情况,因此需要对信息进行处理,将无用的信息去除,有用的信息进行转换,变成可以被我们理解的信息,完成采集信息的目的。
4、分析信息
采集到的信息被处理后,还需要进行分析与比较,根据设备的标准运行参数来判断设备的状态,并进一步确定设备故障,找出故障的原因。
5、预测
在分析信息的基础上,对设备故障的情况以及对设备部件的使用寿命等方面进行预测,为故障的维修工作和日常的保养工作提供依据
三、故障诊断技术及应用
1、主观诊断技术
主观诊断技术是指维修人员借助简单的维修仪器或者根据在维修方面的实践经验对故障进行判断和诊断的技术。这种技术方便快速,但是它的可靠性低。主观诊断技术有以下几种方法,如直觉经验法、参数测量法、逻辑分析法、堵截法、故障树分析法等。直觉经验法指维修人员凭感官和经验,通过看、听、摸、闻、问等方法判断故障原因:这种方法即时可以使故障得到解决。但是它的可靠性比较低。参数测量法通过测得系统回路中所需点处工作参数,将其与系统工作正常值比较,即可判断出参数是否正常、是否有故障及故障所在部位,它主要适用于在线监测、定量预报。逻辑分析法通过逻辑关系和故障的显性现象进行逻辑分析,从而找到发生故障的原因和部位,从而得到解决。堵截法指根据液压系统的组成及故障现象选择堵截点,堵截观察系统压力和流量的变化,从而找出故障点的方法。故障树分析法指对系统做出故障树逻辑结构图,系统故障事件画在故障树的顶端为顶事件,形成系统故障的基本事件画在故障树下为底事件,根据各元件部件的故障率数据,最终确定系统故障。适合较大型、较复杂系统故障的判定和预测。
2、仪器诊断技术
仪器诊断技术是根据机电设备的液压系统的一些内部参数的控制,如压力、温度、振动、泄漏、执行部件的速度、力矩等,再通過仪器的显示或计算机运算从而得出判断结果。诊断仪器主要有以下三种:通用型、专用型、综合型。这种技术的发展方向主要是非接触式、便携式、多功能和智能化。
3、数学模型诊断技术
数学模型诊断技术指用数学方法来解决设备的故障的一种方法,主要是测量一些特征值,然后再通过测量、分析、处理这些信号来判断故障源部位。其实质是以传感器技术和动态测试技术为手段,以信号处理和建模处理为基础的诊断技术。
4、智能诊断技术
智能诊断技术指通过系统控制,模拟人脑特征,有效的获取、传递、处理、再生和利用故障信息,使用系统中已经做好的专家的诊断经验和策略的一种方法。包括模糊诊断法、灰色系统诊断法、专家系统诊断法、神经网络系统诊断法等。目前研究最活跃的是专家系统和神经网络,使故障诊断智能化,这两种智能诊断方法在煤矿运用非常广泛,而且具有很大的潜力。基于人工智能的专家诊断系统,是借助于计算机来模拟那些在某些领域有突出贡献的专家,用他们的经验方法来解决设备故障的一种新型诊断方法。
结论
矿山机电设备故障诊断技术是一项非常系统的工程,要建立完备的矿山机电设备故障诊断应急机制以及故障诊断流程,可预防故障的发生,或可将损失减小到最低。对于矿山机电设备故障诊断技术的研究还有待于加强,还需要多方面学习和借鉴其他行业的先进经验,以保证矿山安全生产。
【参考文献】
[1] 邓奎. 运用故障诊断技术进行矿山机电设备维修[J]. 中国科技博览, 2011,第24期,45 - 46.
[2] 崔彦平,傅其凤,葛杏卫,等. 机械设备故障诊断发展历程及展望[J]. 河北工业科技,2004,第4期,59 - 60页.
关键词:矿山 设备 故障 诊断
中图分类号:U226文献标识码: A
前言
目前,矿山机电设备因故障所造成的煤矿经济损失和人员伤亡情况日益严重,如何保障机电设备的安全性和稳定性成为了一个亟待解决的问题。
一、矿山机电设备出现故障的原因分析
1、零件损伤造成配合关系的变化
当在对故障部位进行观察时,发现大多数故障都是因为零件的损伤从而造成与原配关系产生异常变化。零件的损伤主要是零部件原有尺寸、形态与最初设计发生了偏差,导致设备事故,使整个生产线瘫痪。
2、设备超负荷运作
设备使用寿命和所能承担的超负荷运转均有极限,当设备超过极限,就必然会出现故障问题。矿山机电设备大多数处于超负荷运转状态,操作欠规范化、时间分配不合理。
3、矿山机电设备工作强度大
矿山机电设备工作持续时间长,作业对象对机电设备本身的损伤很大,加之器件的磨损使其与元部件的配合度降低,使设备自身工作能力受到很大影响,长久工作必将降低设备运行效率。
二、矿山机电设备故障诊断技术
1、故障诊断技术概述
(1)故障诊断技术。矿山的机电设备在运行时均会产生物理变化或者化学性能的转化,这样势必会造成设备的外在形态的改变,依照不同参数的不同变化规律,而预判断设备是否出现故障及出现故障的具体位置,以便及时采取科学有效的措施,防止出现不必要的损失,提高了设备运行效率和安全性。
(2)故障的信息采集。设备的故障信息可以通过对设备的运行状态进行观察,通过看、听、触摸的方式判断其是否出现故障,还可以利用传感器等仪器对设备多种状态数据进行采集,如振动信号、温度变化信号、加速度及位移信号等,然后分析采集到的信号,判断设备运行状态。
现场观察:就是依据设备的运行状态进行分析判断,如可以通过电机或者发动机运转的响声,轴承温度的变化进行故障的预测;或者通过观察螺栓、螺帽等是否松动,油液是否有泄漏,或者设备运转动作是否失灵等状况来判断机械零部件是否有损坏。
性能检测:可以通过对机电设备的使用投入与产出比进行统计检测,如果相同的投入时产出下降,则说明设备运行效率下降,有时电机效率、轴承转速也可以通过运用出矿量以及运矿量进行判别。
2、故障诊断技术分类
机械设备故障诊断技术有很多种,对于矿山机电设备来说,不仅要振动、冲击矿物粉尘等地下工作环境以外,还要考虑到设备工作范围小以及维修难度大等特点,选择合适的检测仪器。常用的诊断方法分为以下几类(如图1)。
(1)温度诊断。矿山机电设备在发生故障时,温度常常变化异常,一些有损伤的零件,其温度往往是在发生故障之前就会有明显的升高。技术人员收集到各种不同机件的温度然后做成图表,操作人员根据温度图表的变化判断出现故障的零件,并及时发出警报。
(2)振动监测:振动监测可以划分为简易诊断仪和精密诊断系统,主要适用干预防性监测。简易诊断仪通常是采用便于携带的振动仪,通过将设备运行振动信号放大判断其是否运行正常。精密诊断系统,可以定期对某些设备进行检测,通过将机电设备振动信号通过显示装置或者控制器,经过计算机对数据进行分析,然后查找故障发生原因以及故障发生部位。
(3)铁谱分析:铁谱检测仪器主要有颗粒定量仪。就是让带有磨屑的润滑油经过具有高强度的磁场,然后将磨屑从中吸出,最后支撑谱片,根据谱片来判断设备的运行状态。
二、故障诊断技术的步骤
1、建立数学模型
机电设备的运行中有很多的数据和参数,这些数值代表着设备运行的状态,是故障诊断的重要依据。故障诊断技术必须建立数学模型以准确反映设备运行中的数据和设备状态及故障之间的关系,只有建立可靠的数学模型才能通过设备运行的参数明确设备状态和产生故障的情况。
2、采集信息
采集信息是要准确的测量、采集设备运行的各种参数和数据,一般通过各种安装在设备上的传感器针对设备运行发出的各种信号进行信息采集,由传感器采集的信息会被传输到数据贮存器。
3、处理信息
设备运行中采集到的各种信息不能够直接判断设备的情况,因此需要对信息进行处理,将无用的信息去除,有用的信息进行转换,变成可以被我们理解的信息,完成采集信息的目的。
4、分析信息
采集到的信息被处理后,还需要进行分析与比较,根据设备的标准运行参数来判断设备的状态,并进一步确定设备故障,找出故障的原因。
5、预测
在分析信息的基础上,对设备故障的情况以及对设备部件的使用寿命等方面进行预测,为故障的维修工作和日常的保养工作提供依据
三、故障诊断技术及应用
1、主观诊断技术
主观诊断技术是指维修人员借助简单的维修仪器或者根据在维修方面的实践经验对故障进行判断和诊断的技术。这种技术方便快速,但是它的可靠性低。主观诊断技术有以下几种方法,如直觉经验法、参数测量法、逻辑分析法、堵截法、故障树分析法等。直觉经验法指维修人员凭感官和经验,通过看、听、摸、闻、问等方法判断故障原因:这种方法即时可以使故障得到解决。但是它的可靠性比较低。参数测量法通过测得系统回路中所需点处工作参数,将其与系统工作正常值比较,即可判断出参数是否正常、是否有故障及故障所在部位,它主要适用于在线监测、定量预报。逻辑分析法通过逻辑关系和故障的显性现象进行逻辑分析,从而找到发生故障的原因和部位,从而得到解决。堵截法指根据液压系统的组成及故障现象选择堵截点,堵截观察系统压力和流量的变化,从而找出故障点的方法。故障树分析法指对系统做出故障树逻辑结构图,系统故障事件画在故障树的顶端为顶事件,形成系统故障的基本事件画在故障树下为底事件,根据各元件部件的故障率数据,最终确定系统故障。适合较大型、较复杂系统故障的判定和预测。
2、仪器诊断技术
仪器诊断技术是根据机电设备的液压系统的一些内部参数的控制,如压力、温度、振动、泄漏、执行部件的速度、力矩等,再通過仪器的显示或计算机运算从而得出判断结果。诊断仪器主要有以下三种:通用型、专用型、综合型。这种技术的发展方向主要是非接触式、便携式、多功能和智能化。
3、数学模型诊断技术
数学模型诊断技术指用数学方法来解决设备的故障的一种方法,主要是测量一些特征值,然后再通过测量、分析、处理这些信号来判断故障源部位。其实质是以传感器技术和动态测试技术为手段,以信号处理和建模处理为基础的诊断技术。
4、智能诊断技术
智能诊断技术指通过系统控制,模拟人脑特征,有效的获取、传递、处理、再生和利用故障信息,使用系统中已经做好的专家的诊断经验和策略的一种方法。包括模糊诊断法、灰色系统诊断法、专家系统诊断法、神经网络系统诊断法等。目前研究最活跃的是专家系统和神经网络,使故障诊断智能化,这两种智能诊断方法在煤矿运用非常广泛,而且具有很大的潜力。基于人工智能的专家诊断系统,是借助于计算机来模拟那些在某些领域有突出贡献的专家,用他们的经验方法来解决设备故障的一种新型诊断方法。
结论
矿山机电设备故障诊断技术是一项非常系统的工程,要建立完备的矿山机电设备故障诊断应急机制以及故障诊断流程,可预防故障的发生,或可将损失减小到最低。对于矿山机电设备故障诊断技术的研究还有待于加强,还需要多方面学习和借鉴其他行业的先进经验,以保证矿山安全生产。
【参考文献】
[1] 邓奎. 运用故障诊断技术进行矿山机电设备维修[J]. 中国科技博览, 2011,第24期,45 - 46.
[2] 崔彦平,傅其凤,葛杏卫,等. 机械设备故障诊断发展历程及展望[J]. 河北工业科技,2004,第4期,59 - 60页.