煤矿带式输送机故障诊断中模糊神经网络的应用

李萌蕾 侯圣伟 冯传道

兖煤菏泽能化有限公司赵楼煤矿 山东菏泽 274000

1 故障分析

带式输送机在煤矿的生产和运营过程中经常会出现各种各样的设备故障。生产现场的调查和理论研究表明，频繁的皮带输送机故障主要是纵向皮带撕裂、皮带打滑、皮带偏转和断裂等现象造成的。当带式输送机将煤炭和其他燃烧原料运输到原煤仓中时，由于与多个故障相关的巨大影响，记录和监视测量点的工作会变得越来越有难度，且需要负担很高设备的尺寸，可能导致所有运输设备发生故障。在严重的情况下，会威胁到整个煤炭相关工程的建设质量，所以必须要保证相关工作的安全性和可靠性。

1.1 纵向条撕裂

煤矿带式输送机使用钢丝绳芯作为皮带的中心框架，以提高皮带的拉伸和压缩强度。由于其特殊的结构，胶带无法抵抗纵向撕裂，同时又要确保高强度。因此，皮带的钢丝绳芯为输送带的可靠运输提供了设备保护，但使用成本较高。发生事故时，对煤矿公司和工人的安全会造成一定威胁。

1.2 皮带滑动机构

输送带的动力传递主要基于辊与带之间的相对运动所产生的摩擦力，以实现电动机的动力传递。因此，当皮带和辊子之间存在协作问题时，就会发生打滑。如果此时启动了带式输送机，皮带上物料上的负载将突然改变，从而导致物料之间发生变化，并且电动机将继续根据额定功率工作，其中所提供的功率与皮带的变速之间的差异是由于速度差异引起的，从而形成相对位移，导致动态摩擦，并且皮带和辊子表面的温度迅速升高。如果此时无法及时发现并纠正故障，则皮带很容易被损坏。

1.3 带隙

在皮带输送机操作期间，皮带的偏转在日常操作中非常普遍。缺陷主要发生在皮带的局部区域，并导致皮带两侧的磨损或皮带的局部变形。同时，皮带对齐不当会导致其他事故，例如皮带撕裂和材料溢出。

1.4 皮带断裂

在运行过程中，带式输送机的皮带断裂是非常严重的操作错误。带式输送机在电动机提供的力和惯性作用下断裂后，断裂的皮带和皮带上的物料立即堆积在机器上。束带的体积很重要，会影响碳材料的松散度。因此，维护工作非常困难。如果皮带断裂发生在下部运输区域，则在严重情况下会发生失控现象，这在实践中会导致难以想象的事故。因此，有必要严格监视和检测皮带的运行故障[1]。

2 多层前馈神经网络与理论分析

基于多层前馈神经网络的机械设备故障诊断包括训练和学习机械设备的故障信息和积累的故障诊断经验，然后利用从机械设备中学到的故障诊断知识直接连接到网络中，对值进行分析和计算以给出高效的研究结果。因此，从这种神经网络可以实现错误类别的关联存储，可以进行错误类型的适应和相似性的归纳，以确保错误和现象之间的复杂非线性关系。

神经网络在错误预测和诊断系统的组合优化中具有广泛的应用。该系统可以对设备进行强大的纠错和强大的容错能力。经典的此类神经网络包括用于导入关联数据的输入层，用于处理数据的隐藏中间层和用于输出数据的输出层。结构如图所示[2]。

考虑到煤矿带式输送机运行的非线性关系，我们研究了多层前馈神经网络的具体应用情况，使应用效果更具有可靠性，并使研究人员可以获得更好的参数结果。

2.1 建立多层前馈神经网络模型

多层前馈神经网络中的感知器有很多用途，它是δ神经网络的一部分。这种神经网络可以根据信号的传输和反馈误差不断学习，并不断调整同步中间层和传输层之间的权重，以集成网络模型，提高网络容量。

2.2 多层前馈神经网络学习算法

如果将输入信号传递到隐藏接口，然后再从隐藏接口传递到输出层，其次我们需要分析系统反馈信号。首先，有必要将输出层的目标值与训练信号进行比较，以获得输出层的误差信号，并使用输出层进行调整。输出层调整信号被连续反馈到每个隐藏的中间层，信号基准测试执行权重调整，最后整个信号返回到输入层。在该调整反馈处理中，仅输入一次初始值信号，并且进行两次信号调整。因此，可看出该系统具有很强的自学习能力[3]。

调整特定信号时，最重要的是调整比值。因此，在实际数据分析中，可以使用梯度下降和比值进行调整，以确保带式输送机安全高效地运行。

3 模糊神经网络中的监视和错误检测

基于模糊数学的神经网络具有自学习能力强和透明性高的优点，为操作故障的诊断提供了高精度、快速的故障诊断技术，以合理设置带式输送机的位置。由模糊神经网络创建的模型，该模型将操作数据从带式输送机传感器传输到所连接的计算机，将数据集成到计算机中，输出相关的操作参数并使用数据处理技术传输数据模糊处理，消除所有的影响因素，然后通过神经网络进行训练。

4 结语

模糊神经网络主要用于带式输送机的错误监视和检测工作，使用相应软件进行仿真。仿真结果分析表明，基于模糊神经网络的输送带故障检测技术优于仅依靠神经网络的应用技术，而且它可以清除冗余信息，节省监视和诊断时间，对于快速诊断煤带输送机故障具有很高的实用价值。