一种面向采煤机运行状态的在线故障诊断方法
技术领域
本公开涉及采煤机,尤其涉及对采煤机的运行状态进行在线故障诊断。
背景技术
采煤机系统作为煤矿综采工作面控制系统核心,其运行健康程度直接关系到煤矿安全生产水平、煤矿人员工作方式和工作效率。
现有技术中存在多种采煤机故障诊断系统,用于对采煤机故障进行诊断。
CN110161897A公开一种采煤机故障分析系统,该系统包括左切割部传感器组、右截割部传感器组、左牵引部传感器组、右牵引部传感器组、液压系统传感器、冷却水压力传感器以及环境温湿度传感器;所述左切割部传感器组与所述右截割部传感器组分别包括数量及安装位置均相同的多个振动传感器、腔体油液传感器以及第一电机电流互感器。这样的采煤机故障分析系统,结构简单合理,通过合理的传感器类型选择以及安装位置的确定,可以对采煤机主要故障点的数据进行实时获取,通过采集器采集数据并传输给PC机进行运算,从而实现对采煤机故障的诊断。通过该系统可以便于用户采煤机重要部位故障的原因进行分析和处理,以便采取必要的措施。然而,这种技术仅介绍左切割、右截割、左右牵引、液压和温度湿度的监测与故障诊断,传感器数量繁多但故障点较少,系统冗余;算法原理单一,对于突变报警没有故障诊断模型,对于瞬时过载类型没有延时报警类型;软件架构未提出诊断方法与监控软件耦合关系,无法灵活调整诊断方法的应用对象;并且未介绍整机的运动故障诊断,未介绍变频器和破碎壁的故障诊断算法。
CN109635881A公开一种基于集成学习的强鲁棒采煤机故障诊断系统,用于对采煤机故障进行诊断,包括输入数据预处理模块、采煤机故障诊断模型建模模块、采煤机故障诊断预测模块以及模型在线校正模块。这种对采煤机的故障进行诊断的系统,克服了目前已有的故障诊断系统诊断精确度低、鲁棒性差,普适性差的不足,不仅无需安装额外的传感器或修改采煤机的机械部件,而且可用于恶劣的工作条件与未发生故障的采煤机。然而,这样的故障诊断系统通过减少传感器输入数据的种类和数量,减少不稳定性,其故障诊断监测范围小;其故障诊断算法核心为一次采集11个数据分析8个故障,没有针对每一个故障进行单独的监测。对轴承、泵、冷却系统和电机过载以外的故障无法诊断,也无法监测供电、供液系统的故障;基于集成学习的诊断方法不支持实时的在线诊断功能;并且针对不同工况环境,未表征已训练学习模型的普适性。
CN109839917A公开一种自适应校正的采煤机故障诊断系统,该系统由传感模块、故障诊断模块、诊断结果显示仪组成。传感模块测量采煤机各个故障征兆数据,并将这些数据传到故障诊断模块;故障诊断模块根据故障征兆数据智能地识别出故障原因,并将结果传输诊断结果显示仪进行显示。这样一种系统克服了目前采煤机智能故障诊断方法无法实时更新模型的不足,使用梯度提升树GBDT作为分类器,诊断准确性高;采用自适应校正策略自动更新模型,一旦发现诊断结果变差就调整诊断模型,维持系统的诊断准确性。然而,该系统的自适应校正依据诊断结果变差来调整诊断模型,但对诊断结果的评价指标,如结果变差的比对值,需要监督性人工给定,因此无法实时自适应优化模型;并且故障仅定位到系统层面,没有就具体设备的具体故障原因进行诊断。
申请号201811333632.4在中国专利申请涉及一种滚筒采煤机摇臂综合状态参数在线监测装置,包括本安型摇臂振动监测模块、本安型油液健康监测模块和本安型预诊断中心模块,这三个模块各自通过有线通信方式和/或无线通信方式与预诊断中心模块进行通信,向预诊断中心模块传送监测数据信息,油液健康监测模块包括第一传感器信号处理电路和浸入式的电磁式磨粒传感器、电介质传感器和温度传感器,电磁式磨粒传感器、电介质传感器和温度传感器的传感元件直接浸入到摇臂传动系统壳体内润滑油液中,它们的信号输出端均连接第一传感器信号处理电路的传感信号输入端。本发明能自动检测摇臂的健康状况,进行故障定位,由此提高摇臂可靠性和采煤机开机率。这样的在线监测装置的缺点为:监测油压油质、振动信息,布置了大量传感器,但缺少供电、电机、泵(动力)数据诊断;只能对采煤机摇臂故障进行诊断;未提出数据存储、回溯和统计功能。
现有技术中还提出一种刨煤作业综合监控系统及刨煤机作业综合监控中心,用于控制刨煤机开关的刨煤机开关控制模块,用于控制刮板运输机开关的刮板运输机开关控制模块,用于控制转载机开关的转载机开关控制模块,用于控制破碎机开关的破碎机开关控制模块,用于控制胶带输送机开关的胶带输送机开关控制模块,用于采集并监控刨煤机中各个电机绕组温度,减速机油温及油位、冷却水温度及流量的刨煤机电机监控模块,系统显示模块用于显示系统中各个设备的运行状态,显示各回路运行状态、电流、电压数据,漏电、断相、过载故障状态数据,实现了对刨煤作业综合监控。但是,这样的系统在数据监测的基础上,设置阈值,进行故障诊断,不能应对突变、瞬时超限等特定故障的干扰,算法复杂度低,准确性差。
发明内容
本公开提供一种面向采煤机运行状态的故障诊断方法、装置及系统,以至少解决相关技术中诊断范围小、不支持实时在线诊断和不能够实现模型的普适性的问题。
根据本公开实施例的第一方面,提供一种面向采煤机运行状态的故障诊断方法,其特征在于,包括以下步骤:实时采集采煤机的特征点的状态参数的数据,设计包含目标系统、目标组件和特征点的三级数据结构模型,所述目标系统包括所述采煤机;对采集的特征点的物理特性进行分析以获得故障点,并且所述故障点具有故障等级,所述故障等级包括预警提示、低风险预警、中风险预警、高危风险停机报警;通过故障算法模型对所述故障点是否被激活进行判断;以及基于判断的结果,实现故障自动解除功能,并且对所述判断的结果进行存储以实现故障信息管理。
在根据本公开的方法中,通过定时刷新和变化量即时更新两种方式并行的机制来更新数据,确保特征数据采集实时有效。
在根据本公开的方法中,所述目标组件包括:机身、左右滚筒、左右牵引、主泵、左右变频器和破碎壁,并且所述特征点包括牵引速度、横滚角、俯仰角、编码器位置、电流、电压、温度、高度、角度、泵压和频率。
在根据本公开的方法中,所述特征点的数据具有质量戳属性,在传感器失效使特征数据采集更新超时的情况下,特征点质量戳属性将更新为异常,在质量戳异常的情况下,与所述特征点相关的故障诊断暂停。
在根据本公开的方法中,所述故障点包括牵引速度偏离异常、横滚角偏离异常、俯仰角偏离异常、编码器位置异常、电流超限、电流持续超限、电流传感健康异常、电流突变、电压超限、电压传感健康异常、温度超限、温度持续超限、温度突变、温度传感健康异常、高度异常、角度异常、泵压超限、泵压突变、频率超限、频率持续超限、频率传感健康异常之中的一种或多种。
在根据本公开的方法中,所述故障算法模型包括限值诊断模型、限值过载诊断模型、数值突变报警模型和持续观测健康诊断模型之中的一种或多种,所述故障点与所述特征点相对应且包括异常、超限、限值过载、突变和健康。
在根据本公开的方法中,所述持续观测健康诊断模型用于长周期监测目标运行状态,评估设备长期运行工况是否健康,当目标值超出健康状态设定范围时,开始过载计时判断,若过载状态已超时,则记录超时时刻作为预警时刻t1存入数据库,并将设备健康状态标记为故障预警,并继续观测,在故障预警状态下,设置报警观察时间Ta作为从故障预警到报警的持续观测时间,当设备处于故障预警状态持续时间超过Ta时,记录报警时刻t2存入数据库,则认为设备处于不健康状态,输出故障报警信息;在故障预警状态下,设置恢复观察时间Tb作为设备状态恢复正常后的持续观测时间,当设备从故障预警状态恢复正常时,记为恢复时刻t3存入数据库,若持续时间(t3-t1)超过Tb,则认为设备已处于健康状态,预警状态取消。
在根据本公开的方法中,在诊断交互页面中将所述预警提示、所述低风险预警、所述中风险预警和所述高危风险停机报警的故障信息分别以蓝色、黄色、橙色和红色表示,以表征故障信息的重要紧急程度。
在根据本公开的方法中,所述故障信息管理包括依据故障数据库内记录的设备各参数与特征点取值,通过机器学习回归模型进行分析,分析出设备各参数与故障的关联关系,实现对故障产生原因的推导,进而对设备进行专项优化。
根据本公开实施例的第二方面,提供一种面向采煤机运行状态的故障诊断装置,其特征在于,包括:处理器;用于存储所述处理器可执行指令的存储器,其中,所述处理器被配置为执行所述指令,以实现所述的面向采煤机运行状态的故障诊断方法。
根据本公开实施例的第三方面,提供一种存储介质,当所述存储介质中的指令由面向采煤机运行状态的故障诊断装置的处理器执行时,使得所述面向采煤机运行状态的故障诊断装置执行所述的面向采煤机运行状态的故障诊断方法。
根据本发明提出的一种面向采煤机运行状态的在线故障诊断方法,在采煤机运行过程中,基于综采监控系统实时采集的采煤机滚筒部、牵引部、主泵系统、机身、编码器等组件传感反馈,对电流、电压、温度、高度、角度、牵引速度、泵压力等状态参数进行提取,采用限值判断、持续分析、突变分析等算法模型进行故障分析,得到关注故障点输出值。结合综采设备专业知识库系统综合分析设备故障原因与严重程度,为应急控制与维修管理提供准确依据,节约维修费用,有效提高设备可靠性,避免重大事故发生。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据本公开实施例的一种面向采煤机运行状态的故障诊断方法的流程图。
图2是根据本公开示例性实施例示出的数据模型的图。
图3是根据本公开示例性实施例示出的限值模型的图。
图4是根据本公开示例性实施例示出的限值过载报警模型的图。
图5是根据本公开示例性实施例示出的数值突变报警模型的图。
图6是根据本公开示例性实施例示出的持续观测健康诊断模型的图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据本公开实施例的一种面向采煤机运行状态在线的故障诊断方法的流程图。图2是根据本公开示例性实施例示出的数据模型的图。参照图1和图2,首先,在步骤101,实时采集特征点的状态参数的数据。传感单元获取原始数据,获取的原始数据被存储在原始数据缓存中。接着,对获取的数据进行数据预处理,经处理的数据被存储在处理数据缓存中,从而实现数据的实时记录和存储。
针对本发明的诊断对象采煤机系统,对采煤机系统的核心组件进行分类划定:左右滚筒、左右牵引、主泵、机身、编码器,各类型特征点排布如下面的表1所示:
表1传感反馈数据模型特征点
根据本公开的实施例,基于各组件传感反馈获取原始数据,进行数据分类,设计数据模型,形成含目标系统、目标组件和特征点的三级数据结构模型,如表所示展示了采煤机系统的数据。
根据本公开的实施例,采集系统通过定时刷新和变化量即时更新两种方式并行的机制来更新数据,确保特征数据采集实时有效。
根据本公开的实施例,为特征点数据设计了质量戳属性,在传感器失效使特征数据采集更新超时的情况下,特征点质量戳属性将更新为异常;质量戳异常的情况下,此特征点相关的故障诊断暂停,避免出现故障误报的情况。
在步骤102,分析采集的特征点的物理特性以获得故障点。
在本公开的实施例中,采煤机特征数据反映了采煤机的实时工况,是故障诊断的数据源输入,而同一特征点在不同维度有不同的故障描述方法,如在时间维度含有即时异常、突变异常、持续异常等;在特征取值维度有低限异常、高限异常等。
具体地,根据本公开,对特征点物理特性进行划分,针对所述的电流、电压、温度等类型基于不同维度设计故障点。具体如下:
针对速度量、角度量、高度量、位置量设置区间偏离故障,设置正常运行区间,当反馈值超出运行区间时,系统报异常故障;
针对电流量、温度量、频率量设置了超限、限值过载、突变和健康诊断四种故障点;
针对电压量设置了超限和健康诊断两种故障点;
针对泵压量设置了超限和突变两种故障点。
接下来,在步骤103,通过故障算法模型对所述故障点是否被激活进行判断。
根据一个示例性实施例,超限故障是指当数据模型的实时记录信息超出预限值时,包括大于和小于,进行报警的一种报警算法模型。预设限值诊断含低低值、低值、高值和高高值四档,用户可根据需要复选四种档位中任意数量的档位,并可灵活调整各档位限值,进行限制报警判断,输出故障报警信息,如图3所示。
在一个实施例中,限值过载故障是指当数据模型的实时记录信息,超出预限值时,包括大于和小于,进入限值过载计时阶段,当过载持续到设定计时而未中断时,进行报警的一种诊断模型。其对于超出限值的判断和对限值算法参数优化过程同限值报警模型。过载计时阈值是在报警阈值中,进一步标记数据中产生了工作面报警、停机和设备故障的数据,针对这些数据持续时间求出的过载时间安全限值,如图4所示。
在本公开的一个方面中,突变故障是通过在观测周期内,实时监测报警值,若其突变量(突增或突降)超过预设的突变百分比,则进行报警,如图5所示。
在一个示例中,健康异常故障是指在长周期监测目标运行状态,评估设备长期运行工况是否健康。
实时监测指定目标,当目标值超出健康状态设定范围时,开始过载计时判断;若过载状态已超时,则记录超时时刻作为预警时刻t1存入数据库,并将设备健康状态标记为故障预警,并继续观测。
在故障预警状态下,设置报警观察时间Ta作为从故障预警到报警的持续观测时间,此时间参数以小时为单位,支持数天的长周期观测。当设备处于故障预警状态持续时间超过Ta时,记录报警时刻t2存入数据库,则认为设备处于不健康状态,输出故障报警信息。
在故障预警状态下,设置恢复观察时间Tb作为设备状态恢复正常后的持续观测时间,此时间参数以小时为单位,支持数天的长周期观测。当设备从故障预警状态恢复正常时,记为恢复时刻t3存入数据库,若持续时间(t3-t1)超过Tb,则认为设备已处于健康状态,预警状态取消。如图6所示。
根据本公开的实施例,上面从采煤机设备划分维度,梳理了机身、编码器、滚筒部、牵引部、主泵和变频器,涵盖电压、电流、温度、角度、泵压、位置行程等特征点,从取值维度和时间维度设计了每个特征点所含具体的故障点,并针对故障点诊断方法进行描述。
根据工艺需求,在采煤机生产运行过程中,不同故障带来的危害程度不同。当牵引速度轻微偏离正常区间时,危害较小;而当煤机滚筒或牵引机构的电流和温度持续过高超限会损坏机构本身且可能引发生产事故,危害较大。因此基于生产运行需要,结合采煤机故障点情况,设计了故障等级。
在一个实施例中,将故障等级划分为:预警提示、低风险预警、中风险预警、高危风险停机报警,并在诊断交互页面中将上述四个等级的故障信息分别以蓝色、黄色、橙色和红色表示,以表征故障信息的重要紧急程度,便于用户敏捷响应。
具体地,同一故障点可根据异常程度具备多个故障等级。
在本公开的实施例中,针对不同风险等级的报警信息,故障诊断方法提供了以安全保护为主的故障识别解除功能,包括降速、暂停、停机、复位等策略。用户可设置报警响应时长,发生此故障的第一时间人员未做处理,则在响应时长结束后,系统自动对故障发生设备进行故障识别解除操作,实现无人值守情况下的安全保护机制。
根据本公开的实施例,将采煤机系统故障点及报警级别进行详细设计,如下表所示:
表2采煤机系统故障点
根据本公开的实施例,在诊断到故障发生时,可以实时记录故障报警信息并存入故障数据库,支持后续数据的导出和大数据分析。
在一个实施例中,所述故障数据库记录的词条包含故障发生时间、恢复时间、设备特征点取值、关联设备参数、处理建议等信息。当设备发生故障预警时,设备的相关参数都会偏离模型的预测值。系统通过大数据分析技术,提供设备各参数贡献率的柱状图,直观展现各参数对设备故障报警的贡献程度。用户可根据贡献率,查看相关参数的相对偏差或者绝对偏差的变化辅助定位设备故障的原因。
具体地,依据故障数据库内记录的设备各参数与特征点取值,设计机器学习回归模型进行分析,分析出设备各参数与故障的关联关系,实现对故障产生原因的推导,进而对设备进行专项优化。依据设备各参数与故障的关联关系,设计组合诊断方法,通过机器学习回归模型对诊断方法参数调优,实现采煤机各部件特性故障采用差异化诊断方法,且诊断方法可自学习调优。
根据本公开的方法,实现了对采煤机运行时其各组件运行状态、健康程度、特定点异常等方面的监测,并实时推送含报警等级、处置建议、报警来源的故障信息;对于故障设计自解除策略功能,将人员监控采煤机的模式由人工值守观察记录变为自动报警并响应的可无人值守方式,提升采煤机监控智能化程度。面向采煤机运行状态的在线故障诊断方法可实时记录故障报警信息并存入数据库,支持后续数据的导出和大数据分析;具备健康诊断功能,可有效核查设备组件的健康程度,便于用户及时直观的获取系统健康程度,进行合理的生产运行规划;具备高风险故障安全停机保护功能,实现无人值守情况下的安全保护机制。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。