煤礦機電設備智能化維護研究現狀與發展趨勢

楊彥偉 祁自貞 楊帥

摘要：煤礦機電設備智能化維護工作在礦山建設方面起到良好的組成部分，煤礦機電設備智能化體系中就包括了設備故障處理機制、設備狀態監測機制以及信號分析與處理機制等等。結合設備故障激勵分析智能化維護技術內容，為后續故障診斷提供重要評判依據。為此本文中探討了煤礦機電設備智能化維護研究的基本現狀，指出其中所存在問題，并對煤礦機電設備智能化維護工作的未來發展趨勢進行全方位研究。

關鍵詞：煤礦機電設備;智能化維護;研究現狀;未來發展趨勢

前言：

當前我國煤礦機電設備的智能化維護工作已經全面鋪開，它其中就包含了人力、機械、數字化礦山開采工作內容，且這些工作內容都在面向智慧化方向有效轉變。在智慧化礦山機電設備生產過程中就采用到了大量創新技術內容如工業物聯網、大數據、人工智能、5G等技術，企業實現了這些技術與煤炭開發利用深度融合。在如此背景下，煤礦采掘、運輸、洗選、通風、設備安全管理等全過程都開展了智能化運行生產活動。就煤礦機電設備本身而言，它其中所包含的設備類型異常豐富，但設備在長時間惡劣的煤礦生產環境中運轉卻也出現了不同程度的磨損故障現象問題，這在一定程度上影響了煤礦開采工作的正常開展，對于企業經濟效益的降低也是有目共睹。與此同時，無法及時處理故障問題更在一定程度上降低了設備整體的使用運行壽命，增加了企業整體生產運行成本。因此，及時準確掌握煤礦機電設備當前的運行狀態，判斷當前故障并對故障發展趨勢進行預測，對于保障煤礦安全生產是具有重要價值意義的。

一、煤礦機電設備智能化維護的發展研究現狀

煤礦機電設備在當前智能化維護發展工作進程中是存在諸多問題的，下文就其技術應用研究現狀進行了全面分析。

（一）煤礦機電設備智能化維護工作中的故障機理分析

煤礦機電設備是容易出現各種生產運行故障問題的，因此在這一過程中需要對其進行智能化維護，有效分析可能存在的故障機理問題。就過往看來，針對煤礦機電設備的故障機理研究分析本質上是追求大量理論配合試驗方法的，它希望客觀反映設備故障狀態下的信號特征以及設備自身系統參數變化規律過程，如此才能建立礦井中管道煤礦機電設備的故障機理分析技術體系，有效提升設備生產水平。與此同時，也要建立垂直振動模型，并對模型內容實施有效仿真，如此也能獲得仿真影響曲線，對管道故障振動理論依據進行分析，由此建立煤礦通風設備的轉子不平衡故障動力學模型，配合頻譜圖示了解頻譜峰值變化，對通風機故障進行分析，并提出診斷依據。由此可見，針對煤礦機電設備的智能化維護故障機理需要步步深入，結合多種技術內容展開分析，了解其智能化維護技術應用現狀。

（二）煤礦機電設備智能化維護工作中的設備狀態監測分析

在對煤礦機電設備智能化維護工作中的設備狀態監測分析過程中，需要結合設備當前運行狀態數據展開分析，了解其數據故障診斷預測性維護基礎內容，確保結合完整的設備狀態監測系統展開狀態監測工作過程。在狀態監測設備中就主要涵蓋了多種組件模塊，其中包括了傳感器、數據采集裝置、數據傳輸網絡、數據存儲顯示等部分。就以當前煤礦機電設備智能化生產中應用最廣的雙滾筒采煤機實時監測系統為例，它能夠保證采煤機在高狀態、高牽引速度以及特殊運行位置的狀態下對煤礦機電裝備狀態進行實時動態監測，同時將相關信息利用CAN總線直接傳輸到井下分站。在這一過程中，煤礦機電設備智能化維護工作中就主要運用到了工業以太網對數據傳輸內容進行分析，分析后傳輸到井上監控室中，如此就能實現在可視化平臺模擬井下采煤機工作的動態畫面并顯示監測數據。

（三）煤礦機電設備智能化維護工作中的信號分析與處理分析

在對煤礦機電設備進行智能化維護工作過程中，就必須對其信號進行分析處理，確保直接診斷設備，體現設備技術應用的精確性與安全可靠性。在解決復雜信號提取故障問題過程中，也需要基于EEMD和小波包優良降噪算法分析算法處理背景下的振動篩軸承信號。在這一過程中就必須保留故障信號并濾除其它信號，配合算法分析實測處理振動篩軸承仿真信號內容，如此解決故障問題，優化降噪效果十分到位。比如說，在進行礦井中離心泵振動信號小波包分解過程中就要提取特征頻段內容，同時比較頻段中特殊能量值，為故障診斷提供準確依據[1]。

二、煤礦機電設備智能化維護的發展現狀問題

煤礦機電設備在智能化維護工作中是存在諸多技術性問題的，下文簡單探3點：

首先，煤礦機電設備在智能化維護工作中是存在設備故障機理研究不到位這一現實問題的，這主要是因為煤礦機電設備往往體積龐大且結構相當復雜，因此在研究過程中無法實現對其設備的有效簡化，為此必須建立相應數學和力學模型，結合仿真技術手段分析驗證模型效度，同時創建試驗修正模型。在過渡簡化數學模型過程中，這其中就包括了能夠反映設備故障機理狀態的簡化模型，如數學模型、試驗模型等等，同時合理添加典型故障問題。目前對于設備故障機理的研究多集中于設備某種單一故障的機理研究，缺少多故障復合狀態下的故障機理研究，今后需要更多地對設備某部分故障帶來的連鎖反應進行研究。

其次，是煤礦現場的數據不充分問題，這主要是因為模擬生產環境下所獲得的數據不夠理想，無法做到設備故障預測性診斷，無法客觀真實反映設備實際運行狀況。而在分析現場監測數據過程中也無法客觀真實反映生命周期數據，如此對于設備診斷與預測而言難度加大。

最后，是煤礦機電設備的診斷與預測算法不到位，在設定修改參數過程中無法實現對設備正常工作狀態與故障狀態的有效切換。而如果采用人工智能算法或者智能診斷預測算法則存在診斷預測計算過程不到位、成本過高等等情況，如此對于設備的智能化維護管理是不利的[2]。

三、煤礦機電設備智能化維護的未來發展趨勢

（一）追求設備早期故障預測識別

首先，必須追求設備的早期故障預測識別，結合設備未來運行狀態進行提前預判分析，了解設備故障診斷內容，做好預知性維護工作。在結合早期故障分析過程中了解靈敏度較高的傳感器應用內容，同時做好監測設備管理工作，保證隨機共振、盲源分離手法應用到位，結合強噪聲提取微弱特征信號，如此對設備早期故障的有效處理幫助極大，如此可實現預測性設備維護。

（二）構建仿真與試驗現場設備診斷與預測

要結合仿真與試驗手段分析現場煤礦機電設備的典型故障，建立深度學習與遷移學習應用機制，有效解決不同數據之間的數據分布差異性關鍵問題。在這里就要將遷移學習算法引入到現場數據相關性分析過程中，在有效解決仿真與試驗條件時也建立數據支持保障機制[3]。

總結：

綜上所述，在目前我國智慧礦山建設過程中應該科學合理構建煤礦機電設備故障診斷與預測性智能化管理維護體系，結合人工智能、物聯網、大數據、云計算等等技術內容共同發展隨機共振、盲源分離等方法，可及時識別設備早期故障;借助多傳感器信息融合技術可準確有效地識別出設備存在的現實故障問題。與此同時，也要考慮嘗試利用遷移學習算法可以建立仿真、試驗數據與現場數據的相關性，對現場設備進行診斷與預測，保障煤礦機電設備智能化安全可靠運行到位。

參考文獻：

[1] 劉媛媛. 煤礦機電設備智能化維護研究現狀與發展趨勢[J]. 工礦自動化， 2021，047（007）：006.

[2] 張明峰. 煤礦機電設備維修管理模式及其發展趨勢[J]. 機械管理開發， 2018，033（003）：002.

[3] 冉海艦. 煤礦機電設備維修管理模式及其發展趨勢探討[J]. 區域治理， 2018，000（028）：001.