关键词:
采煤机液压系统
隐马尔可夫模型应用
故障预测诊断
特征值提取
聚类分析
摘要:
我国是能源消耗大国,其中煤炭资源占据我国一次能源的重要地位。采煤机作为煤炭开采的重要设备,安全、高效的运行是综采任务顺利开展的前提。随着煤炭开采需求量不断上升,对于采煤机的性能也提出了更高的要求。为了适应多工况开采的需求,不同类型的采煤机应用而生。然而伴随着采煤机整机性能提升,设备复杂程度增加,故障类型也逐渐增多。多数情况下,采煤机液压系统故障发生是一个循序渐进的过程,通过对早期故障的故障预兆信息进行提取、分析、识别,并对故障部位进行及时维护,可以最大程度的降低故障发生。液压系统作为采煤机关键系统,潜在故障将可能引发连锁反应,导致其它设备故障甚至整个开采工作线崩溃,轻则造成巨大的经济损失,重则危及工作人员的生命安全。因此,对采煤机液压系统进行故障预测研究显得尤为重要。目前现有的故障诊断方法较多,但存在一定局限与不足。随着科技发展,智能诊断方法不断被提出,模式识别作为智能诊断方法的一种,已在多个领域得到应用。根据液压系统故障的特点,可将模式识别方法应用于采煤机液压系统故障预测研究。基于隐马尔可夫模型的故障诊断方法隶属于模式识别方法,具备良好的建模和分析能力。此外,基于真实空间统计特性可有效描述故障的演变规律,在机械故障诊断领域中已有所应用,然而对于采煤机液压系统故障预测研究较少。因此,本文以采煤机液压系统故障为研究对象,基于隐马尔可夫模型理论展开故障预测研究,全文的主要研究内容如下。首先,考虑到采煤机液压系统故障发生的随机性,直接对故障设备进行研究存在难度。因此,基于采煤机液压系统工作原理,设计了仿真模型。在对液压系统故障分析的基础上,完成了故障模型的建立。本文主要针对采煤机液压系统中调高泵、换向阀、调高油缸元件引起的液压系统故障展开研究分析。其次,对采集的工况数据进行时域分析。通过对工况数据进行时域分析,从中获取能够表征故障状态的特征量。随后通过编程实现对时域特征量的聚类分析,完成了敏感特征值的筛选和预测模型部分参数的初始化,为预测模型的建立奠定了基础。再次,根据工况数据分析结果,建立故障预测模型。隐半马尔可夫模型作为隐马尔可夫模型的一种扩展形式,在描述故障规律上更贴近演变规律。因此,在对隐马尔可夫模型故障预测理论学习的同时,兼顾了隐半马尔可夫模型的故障预测方法的研究。最后,以采煤机液压系统故障为研究对象,对所提出的预测方法进行验证。通过对故障样本预测结果的分析,证明了两种预测方法的可行性。通过两种方法的预测结果对比,证明了基于隐半马尔可夫理论的故障预测方法可提高采煤机液压系统故障预测的准确率。此外,文章末尾对全文开展的工作进行了总结,并对隐马尔可夫模型故障研究发展进行了展望。