礦山特種設備下故障診斷淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了礦山特種設備下故障診斷淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：設備全生命周期信息集成實現從設備的選型采購、組裝調試到運維、保養直至報廢的全信息集成、共享與增量更新，滿足設備生產廠家、礦山設備使用者對礦山設備全生命周期集成與評價需求。構建了礦山特種設備全生命周期信息表達模型，并結合針對產品家族生命周期的信息集成建模架構（I2MAfPFL）模型，實現了礦山特種設備全生命周期信息集成。結合信息表達和信息集成模型，開發了全生命周期管理系統，并在霍爾辛赫煤礦進行了應用，為礦山生產設備智能協同管控與調度、礦山設備健康態勢分析與預測預警等提供了基礎。

關鍵詞：礦山特種設備；全生命周期；信息表達模型；信息集成模型；信息集成與管理系統

0引言

礦山特種設備是指涉及生命安全、危險性較大的承壓類（如空氣壓縮機、鍋爐、壓力管道）和機械類（如采掘設備、提升設備、運輸設備）兩大類型設備。礦山特種設備工作環境具有作業空間受限、潮濕陰暗和存在瓦斯等特點。通過研發特種設備全生命周期管理系統，可增強使用單位判識特種設備重特大事故及防范事故的能力，同時也可為礦山生產設備的智能管控與調度以及礦山設備態勢分析服務，從而形成智慧化的礦山服務體系。結合十三五國家重點研發專項，本文研究了礦山特種設備全生命周期管理與故障診斷的信息表達模型、信息集成模型和故障診斷方法，開發了礦山特種設備全生命周期信息管理系統，解決了礦山物聯網中多物態的信息集成與數據的有效利用問題，為礦山設備的智能管控與調度、事故防范打下了基礎。本文研究內容在霍爾辛赫煤礦進行了示范應用。

1礦山特種設備全生命周期信息表達模型

礦山特種設備全生命周期信息表達模型用于解決設備、部件和監測傳感器的信息表達和關聯。為此，將設備從設計制造、安裝調試、運維保養到報廢再利用劃分為4個階段，定義各個階段需要表達和集成的信息類型，構建相應數據表，再將每個階段數據表以數據鏈表方式進行關聯，從而可實現從設備到部件再到監測傳感器的信息表達與耦合。以礦井提升機在設計制造階段的信息構建為例。礦井提升機由工作機構、制動系統、機械傳動裝置、潤滑系統、檢測及操縱系統、保護系統以及輔助系統組成。首先建立設備設計制造信息表，然后根據設備的基礎信息和所包含的子系統信息，依次向下劃分為子系統信息表和傳感器監測信息表，由此實現信息表達所需的屬性關聯。根據羅列的礦井提升機設計制造信息表數據成員名稱和數據類型，按照系統-部件-傳感器耦合方式，各信息表進行尋訪與關聯，如圖1所示。

2礦山特種設備全生命周期信息集成模型

礦山特種設備全生命周期信息集成模型用于實現礦山特種設備的全信息集成、共享與增量更新，滿足設備生產廠家、礦山設備使用者對礦山設備全生命周期集成與評價需求。信息集成是將監測信息批量集成到文件的方法。在工業領域，為了滿足顧客大規模定制需求，提出了一種針對產品家族生命周期的信息集成建模架構（I2MAfPFL），該模型從產品家族的綜合角度構建了信息集成體系。I2MAfPFL模型可適用于礦山特種設備全生命周期信息集成，但需結合礦山特種設備的特點和應用場景進行調整。礦山特種設備全生命周期信息集成模型來源于I2MAfPFL，由單元信息模型、狀態空間模型和進化空間模型組成。（1）單元信息模型單元信息模型將信息表示為物理層、邏輯層、表示層和應用層。其中物理層以屬性元數據、邏輯數據、應用數據等方式表示，實現了對特種設備原始數據的描述；邏輯層實現知識關系映射、設備結構與部件關系等；表示層為屬性、數據、規則、應用關系表示方法；應用層為對外體現的靜態數據、動態數據、文檔、圖片等。（2）狀態空間模型狀態空間模型基于多視圖思想，采用設備類別維、結構部件維、生命周期維三維空間模型描述與耦合方法，構建礦山特種設備全生命周期信息集成模型，并實現模型的演化，如圖2所示。圖2中，M（i，j，k）為i設備的j部件在k階段的狀態。（3）進化空間模型進化空間模型根據設備生命周期演化特點，在設備的不同運行階段，通過引入不同的數學分析模型，滿足了設備定制化和評價分析的需求，如圖3所示。信息表達模型通過建立數據鏈表實現了從設備到部件、監測傳感器的信息表達與關聯。信息集成模型主要實現信息的編碼與描述，包括靜態信息、動態信息等。其中，單元信息模型按照物理層到應用層順序，對每一層信息進行了描述；狀態空間模型通過多視圖思想，將時間引入信息表達模型中；進化空間模型則通過引入數學分析模型，為模型重構服務。

3礦山特種設備全生命周期管理系統

礦山特種設備全生命周期管理系統實現了礦山特種設備的智能互聯及信息集成，并統一到云服務平臺當中，打通了設備、用戶、生產者和管理者之間的聯系，滿足了礦山定制化的評價分析需求。系統功能主要包括：①信息采集管理主要負責按照特種設備的信息模型構建數據結構以及分布式信息采集設備的注冊、分配、使用管理和新設備標識碼的生成等；②前期管理包括采購、調試、入庫、領用等環節，主要涉及設備基本信息登記、存儲、采集、更新等；③庫存管理包括設備的庫存狀態管理、技改需求管理以及通用或特種配件管理等；④運維管理包括日常巡檢、維護、預防性維修等，可動態更新；⑤狀態診斷包括故障診斷和剩余壽命預測。礦山特種設備全生命周期管理系統整體界面如圖4所示，設備信息的大數據展示界面如圖5所示。管理系統通過引入機器學習、深度學習、遷移學習等算法，可實現礦山特種設備全生命周期管理系統動態重構和智能化診斷分析要求。如引入分類算法、遷移學習，可實現設備預知故障感知；如引入卷積神經網絡（CNN）、退化狀態健康指示器、粒子濾波，可實現設備剩余壽命預測等，如圖6所示。（1）設備故障感知為了實現設備故障感知，系統采用了一種將特征表示學習與機器預測學習相結合的端到端學習算法。算法基于特征選擇的方法，首先利用基于分類網絡的修正平均影響值（MIVs）和類內、類間判別分析（WBDA）的互補性，通過計算特征對分類網絡的貢獻來選擇特征變量，從而實現面向分類網絡的變量初選。然后，引入類間排序WBDA的概念，計算簇內和簇間樣本的相似度，實現二次特征選擇。最后，利用多核支持向量機（SVM）對設備故障狀態進行分類，算法如圖7所示。以動篩系統軸承監測數據為例，MIVs-WBDA算法與AutoEncoder、主成分分析（PCA）、MIVs、補償距離評估技術（CDET）、WBDA、因子分析（FA）、局部保持投影（LPP）、鄰域保持嵌入（NPE）、概率主成分分析（PPCA）在不同特征維度下的故障分類準確性如圖8所示。由圖8可見，在維度為3的情況下，MIVs-WBDA算法就可以達到99.2%的分類準確度。（2）設備剩余壽命預測為了實現設備剩余壽命預測，先構建基于卷積自編碼網絡的設備部件退化狀態健康指示器，獲得部件的退化曲線，這里采用面向回歸的卷積自編碼網絡，如圖9所示。再構建一種基于粒子濾波算法的雙指數模型，實際監測部件的損耗值模型構建之后，利用粒子濾波算法進行參數的更新，從而獲得監測設備的剩余壽命。粒子濾波的參數要通過前期測量數據進行訓練和調整。在忽略工況評估模型基礎上，利用測試數據可實現設備剩余周期預測。某一工況條件下設備預測結果如圖10所示。結合全生命周期管理系統收集的數據，通過引入智能化診斷分析算法，可實現設備的不同診斷需求。

4結語

礦山特種設備的全生命周期管理系統實現了礦山特種設備的智能互聯及信息集成，并統一到云服務平臺當中。該系統基于多視圖思想，采用設備類別維、結構部件維、生命周期維三維空間模型描述與耦合方法，構建礦山特種設備全生命周期信息集成模型；打通了設備、用戶、生產者和管理者之間的聯系，滿足了礦山定制化的評價分析；基于可重構的柔性化技術，滿足管理系統動態重構和智能化診斷分析要求。系統的實施為霍爾辛赫煤礦特種設備的安全管理提供了保障，為礦山生產設備智能協同管控與調度、礦山設備健康態勢分析與預測預警等提供了基礎，滿足了日常業務操作要求和各級政府部門的管理監督要求。

參考文獻：

［1］孟筠青,陳坤，湯皓揚，等.礦用特種設備安全管理［J］.煤礦機械,2013,34(10):270-271.

［2］于嘉成,王剛,劉衛東,等.礦山設備全生命周期信息集成與工況判別算法研究［J］.煤炭科學技術,2019,47(4):38-43.

［3］劉振華,徐緒堪.基于物聯網的煤礦機電設備智能管理平臺設計［J］.工礦自動化,2019,45(4):101-104＋108.

作者:張海軍 王剛 單位:山煤國際能源集團煤業管理公司晉北分公司 中國礦業大學礦山互聯網應用技術國家地方聯合實驗室