基于卷积神经网络的采煤机截割部减速器故障诊断研究*

包从望,江 伟,刘永志,车守全

(六盘水师范学院 矿业与土木工程学院,贵州 六盘水 553000)

0 引 言

采煤机作为综采工作面的关键设备之一,主要由截割部、牵引装置、行走装置及附属装置等部分组成。其中,截割部减速器的运行功率占整机功率的90%以上,且因运行工况恶劣,导致其故障频发。

为保障矿井的安全生产,提高采煤机的采掘效率及智能化水平,建立采煤机故障诊断模型,实现采煤机运行状态的实时监测尤为重要。然而,受采煤机恶劣工作环境的影响,如何精准快速地提取故障特征,对采煤机的前期故障进行智能诊断依然是难点问题。

近年来,国内外学者针对采煤机的截割部减速器故障诊断方法进行了大量研究。毛君等人[1,2]以油位、齿轮磨损量、温度等非振动信号作为诊断信号,基于深度自编码网络,建立了采煤机截割部减速器的故障诊断模型。刘旭南等人[3]采用ANSYS、ADAMS等分析软件,建立了采煤机截割部齿轮的裂纹、断齿、及轴承缺陷等故障模型,并基于小波包分解实现了对采煤机截割部传动系统的故障诊断。曹现刚等人[4]采用主成分分析法,结合遗传优化算法对BP神经网络的参数进行了优化,形成了基于PCA-GA-BP的采煤机故障诊断模型。LEI Si等人[5,6]基于多尺度模糊熵与支持向量分类模型,实现了对采煤机切屑状态的监测与故障诊断。郝志勇等人[7]利用销轴传感器实现了对采煤机截割部惰轮传动轴的载荷测量,从而完成了对惰轮轴的载荷监测。……