基于模糊算法的煤矿皮带运输机故障诊断方法

董玉静，郑 雷

（山东能源龙矿集团，山东 龙口 265700）

在煤矿作业生产中，皮带运输机是其综采环节不可或缺的设备，将该设备安装在转载破碎机之后，主要负责对煤矿资源的运输[1]。由于当前煤矿作业环境复杂因素逐渐增加，工作环境恶劣，加之煤矿生产企业对煤矿开采效率提出了更高的要求，使得当前皮带运输机的运行条件逐渐复杂，且运行负担逐渐增加，造成其停转、转速过快、转速过慢等问题逐渐产生，严重影响着煤矿生产的质量和效率，同时也会在一定程度上影响到煤矿作业的安全[2]。为了解决这一问题，国内学者提出关于煤矿皮带运输机故障的诊断方法。采用分布式光纤测温的方式对煤矿皮带运输机的运行情况进行实时监测，出现故障之后及时进行维修，能够减少由于运输机故障而带来的经济损失[2]。但是该方法容易受到周围复杂环境因素的影响，对于煤矿皮带运输机的故障诊断结果与实际故障情况存在误差，诊断精度较低，影响煤矿皮带运输机的运行安全。针对这一问题，为了能够提升皮带运输机运行稳定性，确保煤矿开采的安装，在皮带运输机出现故障问题时应当作出更加快速的响应，本文尝试引入模糊算法，开展对煤矿皮带运输机故障诊断方法的设计研究。以期提高煤矿开采的工作效率和安全。

煤矿皮带运输机是煤矿行业中必不可少的一种散装物体的运输工具，这种运输机的主要部件包括输送带、托辊、滚筒、电机、减速器与张紧装置等各类连接部件。煤矿皮带运输机在长期高负荷运转下，多种器件进行摩擦、啮合，容易产生器件故障，此时煤矿皮带运输机会出现异响、停运等故障状态，需要及时更换器件，或增加检修次数即可解决。

在煤矿生产作业中，皮带运输机常见的故障发生在油泵电机以及运输电机当中，例如油温过高、油位过低等属于油泵电机故障；过载、过热、过流等属于运输电机故障[3]。当煤矿皮带运输机的油泵电机出现故障问题时，输入点会处于闭合状态，此时定时器开始计时，根据计时结果能够实现对过载具体倍数的确定。除此之外，煤矿皮带运输机在运行过程中还会出现传感器组故障，当这种故障问题产生时，则通过对液压油温度参数、压力参数、油位参数等变化可以实现对其具体传感器故障类型的判断。

由于获取煤矿皮带运输机运行参数时会受到周围复杂环境因素的影响，造成参数当中含有大量的噪声，并且属性值参数分布较为分散。针对这一问题，为了提高煤矿皮带运输机故障诊断结果的准确性和精度，引入模糊算法，针对煤矿皮带运输机运行过程中离散化的属性值进行分析和处理[4]。利用煤矿皮带运输机监控装置获取到需要进行故障诊断设备的运行参数，并以此建立原始连续故障特征属性集合，假设为D。针对结合D 当中所有连续故障征兆属性值进行离散化处理，并利用模糊算法对离散属性值约简，使原始连续故障征兆信号当中含有大量连续性的属性参数。针对离散化处理后得到的粗糙集属性约简，并利用离散后的条件属性构建决策表，计算求解出最小条件属性以及核[5]。将生成的各函数带入到BP 神经网络模型当中进行训练，迭代满足条件后，按照上述论述内容，得到皮带运输机故障诊断模型为：

公式（1）中：d 为原始连续故障特征属性集合中的某一属性数值；sc、co、d0均为煤矿皮带运输机运行过程中获取到的初始化参数；Vd0、Vsc、Vco为获取参数与标准运行参数相差均值。按照公式（1）所示，以构建皮带运输机故障诊断模型的方式确定设备运行参数与其故障类型之间的模糊线性关系。在实际应用中，在掌握皮带运输机初始化运行参数的模糊变量集合后，针对实际获取到的运行参数，使用偏差量减的方式得出偏差变化率，为后续诊断步骤提供数值依据。

在完成对皮带运输机故障诊断模型的构建后，为了确保故障诊断的规范性，还需要完成对模糊诊断规则的输出，在诊断规则的基础上，也能够进一步确保故障诊断结果的正确性。利用语言归纳故障诊断策略，建立模糊诊断规则，生成一组条件语句：IF e（p）is Ei and ec（p）is ECj THEN u（p）is U（i+j）。在上述条件语句当中，结合不同皮带运输机的故障类型确定p 的取值。p 表示为所有偏差数值模糊集合，EC 表示为所有偏差的具体变化数值构成的集合，这些规则的构造可以充分表示皮带运输机的故障特征。当偏差数值更大或偏差变化量为正数时，此时输出量的数值较大；当偏差数值较小或为零时，此时输出量的数值也较小或为零，以此根据输出的一个结果即可实现对皮带运输机故障具体类型的判断。

在上述论述基础上，为了验证引入模糊算法后的故障诊断方法实际应用效果，选择将该方法作为实验组，将传统基于PLC 控制技术的诊断方法作为对照组，将两种诊断方法应用到相同的煤矿皮带运输机上，针对其运行过程中出现的故障问题进行诊断。已知在该皮带运输机运行过程中可能出现的故障问题包括油温过高、油位过低、运输电机两侧粘连、油泵电机过载故障、油泵电机过热故障，针对上述存在的五种故障问题，分别编号为A、B、C、D 和E。在实验过程中，皮带运输机在运行T1～T5时刻中，对皮带运输机的油温、油位、压力以及倾角等参数进行测定，并通过测定得出的结果对皮带运输机的故障类型进行判断，将得到的故障结果与两种诊断方法给出的故障类型划分结果进行对比。

在T1时刻和T2时刻，两种诊断方法得出的结果均与实际煤矿皮带运输机故障类型相同。而在T3与T4时刻时，本文方法诊断结果为油温过高，对照组诊断结果为油位过低，实际故障为油温过高，油温分别为94 ℃和93 ℃，本文诊断结果与实际故障一致；在T5时刻时，本文方法诊断结果为油位过低，而对照组未能对故障进行诊断，实际故障为油位过低，油位分别为19 mm 和9 mm，本文诊断结果与实际故障一致。

因此，通过上述得出的实验结果证明，本文引入模糊算法后提出的故障诊断方法能够实现对煤矿皮带运输机运行过程中故障类型更准确的判断。

在结合模糊算法的基础上，提出了一种针对煤矿皮带运输机故障的诊断方法，同时通过实验的方式证明了该诊断方法的可行性以及应用优势。将本文提出的诊断方法应用到实际煤矿作业生产当中，能够更加快速、及时地判断出煤矿皮带运输机故障的具体类型，并进行报警和保护，从而避免更大事故的发生，不仅能够减轻煤矿开采现场的工作负担，同时也能够节省更多对相关市设备维修的资金，为煤矿企业带来经济效益和社会效益。