發(fā)布時間：2020-04-28 01:45

【摘要】：因具有運(yùn)量大、運(yùn)輸距離長、運(yùn)輸效率高以及可連續(xù)運(yùn)輸?shù)葍?yōu)勢,帶式輸送機(jī)在礦業(yè)生產(chǎn)有著廣泛應(yīng)用,并已成為煤炭生產(chǎn)中的關(guān)鍵運(yùn)輸裝備之一。隨著煤炭生產(chǎn)對產(chǎn)量和效率要求的提高,礦用帶式輸送機(jī)正向著高速化、大型化方向發(fā)展。由于礦用帶式輸送機(jī)處于礦山運(yùn)輸?shù)臉屑~環(huán)節(jié),因而保障其運(yùn)行安全、防止惡性事故發(fā)生對煤礦安全生產(chǎn)具有重要意義。作為典型的大型旋轉(zhuǎn)機(jī)械,礦用帶式輸送機(jī)所包含的大量托輥組是引發(fā)火災(zāi)事故的主要隱患源;而傳統(tǒng)的定期和事后維護(hù)往往成本高、實(shí)時性差、安全隱患高、托輥部件服役潛能難以充分發(fā)揮。因此,有必要對礦用帶式輸送機(jī)托輥進(jìn)行狀態(tài)監(jiān)測,通過信號分析手段及時發(fā)現(xiàn)托輥的異常狀態(tài)并預(yù)測其剩余使用壽命,以便進(jìn)一步制定合理的維護(hù)策略來消除隱患和最大化托輥服役時間。本文在國家自然科學(xué)基金項(xiàng)目“基于多時間尺度模型的變工況大型旋轉(zhuǎn)機(jī)械健康管理研究”和江蘇省自然科學(xué)基金項(xiàng)目“煤礦大型帶式輸送機(jī)多時間尺度健康狀態(tài)監(jiān)測方法研究”的資助下,以礦用帶式輸送機(jī)托輥為研究對象,結(jié)合信號處理、特征提取、故障診斷、健康評估與壽命預(yù)測等相關(guān)理論和技術(shù),開展礦用帶式輸送機(jī)托輥的健康監(jiān)測方法研究,以形成基于振動信號分析的礦用托輥故障診斷、識別與剩余壽命預(yù)測技術(shù),為保障礦用帶式輸送機(jī)的運(yùn)行安全以及制定托輥部件的最優(yōu)維護(hù)策略提供理論支撐和技術(shù)解決方案。主要內(nèi)容包括:(1)在對礦用帶式輸送機(jī)及其托輥結(jié)構(gòu)進(jìn)行介紹的基礎(chǔ)上,分析了礦用托輥故障的演化特點(diǎn)、故障特征頻率和故障振動模型;通過仿真手段分析了托輥在不同故障狀態(tài)下的時域與頻域信號特征,為后續(xù)基于頻譜結(jié)構(gòu)挖掘研究托輥的健康監(jiān)測方法奠定了基礎(chǔ)。與此同時,還針對本課題的研究內(nèi)容設(shè)計(jì)了模擬實(shí)驗(yàn),獲得了相應(yīng)的實(shí)驗(yàn)數(shù)據(jù)。(2)為了對礦用帶式輸送機(jī)托輥實(shí)施健康狀態(tài)監(jiān)測,以便在發(fā)生故障時對托輥故障進(jìn)行及時且有效地診斷,開展了礦用帶式輸送機(jī)托輥故障診斷方法研究。針對在故障(特別是早期故障)發(fā)生時托輥監(jiān)測信號具有故障特征信息微弱、易受噪聲干擾以及故障共振頻帶難以準(zhǔn)確確定的特點(diǎn),提出了基于頻譜搜索算法亦稱頻譜結(jié)構(gòu)信息(Structural Information of Spectrum,SIOS)算法的托輥故障診斷方法。利用托輥故障發(fā)生時故障成分與噪聲成分在監(jiān)測信號頻譜中表現(xiàn)形式的不同,構(gòu)建了托輥監(jiān)測信號的SIOS用于實(shí)現(xiàn)故障特征信息與噪聲信息在頻譜意義上的分離。最后,通過識別SIOS算法診斷參數(shù)的占優(yōu)頻率成分,實(shí)現(xiàn)礦用帶式輸送機(jī)托輥故障的有效診斷。(3)為了運(yùn)用在長期生產(chǎn)實(shí)踐中所積累的托輥故障樣本來對礦用帶式輸送機(jī)托輥故障進(jìn)行快速診斷,開展了托輥的快速故障模式識別研究。首先,根據(jù)在不同故障狀態(tài)下托輥監(jiān)測信號頻譜的結(jié)構(gòu)差異性,結(jié)合圖像識別技術(shù)提出了基于頻譜圖像的故障特征提取方法;其次,考慮到當(dāng)實(shí)際測試案例與已知故障案例的運(yùn)行工況不同時會出現(xiàn)故障識別精度下降的情況,結(jié)合基于轉(zhuǎn)頻的頻譜矯正技術(shù),提出了基于矯正頻譜圖像的故障特征提取方法;最后,運(yùn)用二維主成分分析(Two-dimensional Principal Component Analysis,2DPCA)方法和最近鄰分類算法(Nearest Neighbour Classifier,NNC)對所述圖像特征進(jìn)行降維處理和模式分類,實(shí)現(xiàn)了礦用帶式輸送機(jī)托輥的快速故障識別。(4)針對礦用帶式輸送機(jī)托輥因傳統(tǒng)的定期和事后維護(hù)存在成本高,部件服役潛能未能得到充分挖掘的問題,開展了托輥的退化狀態(tài)評估與剩余使用壽命(Remaining Useful Life,RUL)預(yù)測研究。首先,結(jié)合SIOS算法在捕獲托輥故障特征信息上的優(yōu)勢,通過構(gòu)建用于描述托輥性能退化的健康指標(biāo),提出了基于SIOS算法的托輥退化狀態(tài)評估方法;其次,考慮到在全壽命周期內(nèi)實(shí)施RUL預(yù)測存在精度低、難度大等情況,對托輥健康退化過程提出了兩階段劃分策略;并結(jié)合正常階段下自零空間觀測器模型構(gòu)建了相應(yīng)的檢測指標(biāo),形成了基于自零空間觀測器的初始退化點(diǎn)(Initial Degenerate Point,IDP)檢測方法,實(shí)現(xiàn)了兩階段劃分中分界點(diǎn)的檢測與確定;最后,在對托輥退化過程進(jìn)行建模描述的基礎(chǔ)上,使用基于SIOS算法所構(gòu)建的健康指標(biāo)并結(jié)合粒子濾波算法實(shí)現(xiàn)了礦用帶式輸送機(jī)托輥的RUL預(yù)測。論文最后對全文工作進(jìn)行了總結(jié),并對課題的未來研究方向進(jìn)行了展望。
【圖文】：

圖 1-1 本課題研究的ure 1-1 The technical stra內(nèi)容，將本文的總體題的來源、選題背景斷與識別、壽命預(yù)測究概況，歸納總結(jié)礦確定本課題的研究目用帶式輸送機(jī)基本結(jié)礦用帶式輸送機(jī)托輥及對應(yīng)的故障特征頻通過仿真手段分析托本文的研究內(nèi)容，對礦用帶式輸送機(jī)托輥

圖 2-1 礦用帶式輸送機(jī)輸送原理示意圖Figure 2-1 Conveying principle of a mine belt conveyor由圖 2-1 可知，帶式輸送機(jī)的輸送帶是閉環(huán)連接的，物料運(yùn)輸通過輸送帶的循環(huán)移動來完成。因而，可將礦用帶式輸送機(jī)的工作原理概括為：由驅(qū)動滾筒為帶式輸送機(jī)提供輸送力矩，帶動輸送帶循環(huán)移動來完成煤礦的連續(xù)運(yùn)輸。不難發(fā)現(xiàn)，帶式輸送機(jī)以輸送帶作為牽引與承載機(jī)構(gòu)，而輸送帶的主要承載部件為托輥組。并且，帶式輸送機(jī)的輸送距離越長，其托輥組的數(shù)量也將越多。礦用帶式輸送機(jī)作為典型的旋轉(zhuǎn)機(jī)械，其托輥的健康狀態(tài)對整機(jī)運(yùn)行可靠性有著重要影響。因此，本文以托輥式礦用帶式輸送機(jī)托輥?zhàn)鳛橹饕芯繉ο�，開展其健康監(jiān)測方法的研究工作。2.2.2 礦用帶式輸送機(jī)托輥概述為了減少輸送帶在物料運(yùn)輸中的摩擦力，托輥在礦用帶式輸送機(jī)中被廣泛應(yīng)用，，是礦用帶式輸送機(jī)的關(guān)鍵旋轉(zhuǎn)部件之一。由于復(fù)雜而惡劣的工作環(huán)境，托輥經(jīng)過長時間的使用，其性能出現(xiàn)下降并伴隨有故障發(fā)生。因此，有必要對礦用帶式輸送機(jī)托輥進(jìn)行健康狀態(tài)評估，以及時通過維護(hù)消除其為帶式輸送機(jī)整體系統(tǒng)
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TD528.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王大虎;王敬沖;史艷楠;陳文博;;基于模糊神經(jīng)網(wǎng)絡(luò)的礦井提升機(jī)故障診斷研究[J];計(jì)算機(jī)仿真;2015年10期

2 陸文濤;裴文良;張樹生;岑強(qiáng);馬靜雅;;礦用帶式輸送機(jī)巡檢機(jī)器人研究與設(shè)計(jì)[J];煤礦機(jī)械;2015年09期

3 楊望燦;張培林;王懷光;陳彥龍;孫也尊;;基于EEMD的多尺度模糊熵的齒輪故障診斷[J];振動與沖擊;2015年14期

4 王富斌;;皮帶托輥軸溫度監(jiān)測系統(tǒng)連接裝置的實(shí)驗(yàn)研究[J];科技創(chuàng)新與生產(chǎn)力;2015年07期

5 王衛(wèi)國;孫磊;;基于Gamma過程和EM-PF參數(shù)估計(jì)的剩余壽命預(yù)測方法研究[J];軍械工程學(xué)院學(xué)報(bào);2015年02期

6 張行;李偉;武倩平;邱明權(quán);任勇;;新型帶式輸送機(jī)巡檢機(jī)構(gòu)系統(tǒng)設(shè)計(jì)[J];制造業(yè)自動化;2015年06期

7 白宏磊;張明澤;王克成;;長距離帶式輸送機(jī)托輥的故障檢測[J];遼寧科技大學(xué)學(xué)報(bào);2015年01期

8 魏永合;王明華;;基于EEMD和SVM的滾動軸承退化狀態(tài)識別[J];計(jì)算機(jī)集成制造系統(tǒng);2015年09期

9 耿富禮;李富才;孟光;;二維全息譜在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2014年10期

10 巴鑫;;在線監(jiān)測診斷皮帶機(jī)滾筒傳動裝置振動故障[J];設(shè)備管理與維修;2014年08期

本文編號：2642907