【摘要】：因具有運量大、運輸距離長、運輸效率高以及可連續(xù)運輸?shù)葍?yōu)勢,帶式輸送機在礦業(yè)生產有著廣泛應用,并已成為煤炭生產中的關鍵運輸裝備之一。隨著煤炭生產對產量和效率要求的提高,礦用帶式輸送機正向著高速化、大型化方向發(fā)展。由于礦用帶式輸送機處于礦山運輸?shù)臉屑~環(huán)節(jié),因而保障其運行安全、防止惡性事故發(fā)生對煤礦安全生產具有重要意義。作為典型的大型旋轉機械,礦用帶式輸送機所包含的大量托輥組是引發(fā)火災事故的主要隱患源;而傳統(tǒng)的定期和事后維護往往成本高、實時性差、安全隱患高、托輥部件服役潛能難以充分發(fā)揮。因此,有必要對礦用帶式輸送機托輥進行狀態(tài)監(jiān)測,通過信號分析手段及時發(fā)現(xiàn)托輥的異常狀態(tài)并預測其剩余使用壽命,以便進一步制定合理的維護策略來消除隱患和最大化托輥服役時間。本文在國家自然科學基金項目“基于多時間尺度模型的變工況大型旋轉機械健康管理研究”和江蘇省自然科學基金項目“煤礦大型帶式輸送機多時間尺度健康狀態(tài)監(jiān)測方法研究”的資助下,以礦用帶式輸送機托輥為研究對象,結合信號處理、特征提取、故障診斷、健康評估與壽命預測等相關理論和技術,開展礦用帶式輸送機托輥的健康監(jiān)測方法研究,以形成基于振動信號分析的礦用托輥故障診斷、識別與剩余壽命預測技術,為保障礦用帶式輸送機的運行安全以及制定托輥部件的最優(yōu)維護策略提供理論支撐和技術解決方案。主要內容包括:(1)在對礦用帶式輸送機及其托輥結構進行介紹的基礎上,分析了礦用托輥故障的演化特點、故障特征頻率和故障振動模型;通過仿真手段分析了托輥在不同故障狀態(tài)下的時域與頻域信號特征,為后續(xù)基于頻譜結構挖掘研究托輥的健康監(jiān)測方法奠定了基礎。與此同時,還針對本課題的研究內容設計了模擬實驗,獲得了相應的實驗數(shù)據。(2)為了對礦用帶式輸送機托輥實施健康狀態(tài)監(jiān)測,以便在發(fā)生故障時對托輥故障進行及時且有效地診斷,開展了礦用帶式輸送機托輥故障診斷方法研究。針對在故障(特別是早期故障)發(fā)生時托輥監(jiān)測信號具有故障特征信息微弱、易受噪聲干擾以及故障共振頻帶難以準確確定的特點,提出了基于頻譜搜索算法亦稱頻譜結構信息(Structural Information of Spectrum,SIOS)算法的托輥故障診斷方法。利用托輥故障發(fā)生時故障成分與噪聲成分在監(jiān)測信號頻譜中表現(xiàn)形式的不同,構建了托輥監(jiān)測信號的SIOS用于實現(xiàn)故障特征信息與噪聲信息在頻譜意義上的分離。最后,通過識別SIOS算法診斷參數(shù)的占優(yōu)頻率成分,實現(xiàn)礦用帶式輸送機托輥故障的有效診斷。(3)為了運用在長期生產實踐中所積累的托輥故障樣本來對礦用帶式輸送機托輥故障進行快速診斷,開展了托輥的快速故障模式識別研究。首先,根據在不同故障狀態(tài)下托輥監(jiān)測信號頻譜的結構差異性,結合圖像識別技術提出了基于頻譜圖像的故障特征提取方法;其次,考慮到當實際測試案例與已知故障案例的運行工況不同時會出現(xiàn)故障識別精度下降的情況,結合基于轉頻的頻譜矯正技術,提出了基于矯正頻譜圖像的故障特征提取方法;最后,運用二維主成分分析(Two-dimensional Principal Component Analysis,2DPCA)方法和最近鄰分類算法(Nearest Neighbour Classifier,NNC)對所述圖像特征進行降維處理和模式分類,實現(xiàn)了礦用帶式輸送機托輥的快速故障識別。(4)針對礦用帶式輸送機托輥因傳統(tǒng)的定期和事后維護存在成本高,部件服役潛能未能得到充分挖掘的問題,開展了托輥的退化狀態(tài)評估與剩余使用壽命(Remaining Useful Life,RUL)預測研究。首先,結合SIOS算法在捕獲托輥故障特征信息上的優(yōu)勢,通過構建用于描述托輥性能退化的健康指標,提出了基于SIOS算法的托輥退化狀態(tài)評估方法;其次,考慮到在全壽命周期內實施RUL預測存在精度低、難度大等情況,對托輥健康退化過程提出了兩階段劃分策略;并結合正常階段下自零空間觀測器模型構建了相應的檢測指標,形成了基于自零空間觀測器的初始退化點(Initial Degenerate Point,IDP)檢測方法,實現(xiàn)了兩階段劃分中分界點的檢測與確定;最后,在對托輥退化過程進行建模描述的基礎上,使用基于SIOS算法所構建的健康指標并結合粒子濾波算法實現(xiàn)了礦用帶式輸送機托輥的RUL預測。論文最后對全文工作進行了總結,并對課題的未來研究方向進行了展望。
【圖文】：

圖 1-1 本課題研究的ure 1-1 The technical stra內容，將本文的總體題的來源、選題背景斷與識別、壽命預測究概況，歸納總結礦確定本課題的研究目用帶式輸送機基本結礦用帶式輸送機托輥及對應的故障特征頻通過仿真手段分析托本文的研究內容，對礦用帶式輸送機托輥

圖 2-1 礦用帶式輸送機輸送原理示意圖Figure 2-1 Conveying principle of a mine belt conveyor由圖 2-1 可知，帶式輸送機的輸送帶是閉環(huán)連接的，物料運輸通過輸送帶的循環(huán)移動來完成。因而，可將礦用帶式輸送機的工作原理概括為：由驅動滾筒為帶式輸送機提供輸送力矩，帶動輸送帶循環(huán)移動來完成煤礦的連續(xù)運輸。不難發(fā)現(xiàn)，帶式輸送機以輸送帶作為牽引與承載機構，而輸送帶的主要承載部件為托輥組。并且，帶式輸送機的輸送距離越長，其托輥組的數(shù)量也將越多。礦用帶式輸送機作為典型的旋轉機械，其托輥的健康狀態(tài)對整機運行可靠性有著重要影響。因此，本文以托輥式礦用帶式輸送機托輥作為主要研究對象，開展其健康監(jiān)測方法的研究工作。2.2.2 礦用帶式輸送機托輥概述為了減少輸送帶在物料運輸中的摩擦力，托輥在礦用帶式輸送機中被廣泛應用，，是礦用帶式輸送機的關鍵旋轉部件之一。由于復雜而惡劣的工作環(huán)境，托輥經過長時間的使用，其性能出現(xiàn)下降并伴隨有故障發(fā)生。因此，有必要對礦用帶式輸送機托輥進行健康狀態(tài)評估，以及時通過維護消除其為帶式輸送機整體系統(tǒng)
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TD528.1

【參考文獻】

相關期刊論文 前10條

1 王大虎;王敬沖;史艷楠;陳文博;;基于模糊神經網絡的礦井提升機故障診斷研究[J];計算機仿真;2015年10期

2 陸文濤;裴文良;張樹生;岑強;馬靜雅;;礦用帶式輸送機巡檢機器人研究與設計[J];煤礦機械;2015年09期

3 楊望燦;張培林;王懷光;陳彥龍;孫也尊;;基于EEMD的多尺度模糊熵的齒輪故障診斷[J];振動與沖擊;2015年14期

4 王富斌;;皮帶托輥軸溫度監(jiān)測系統(tǒng)連接裝置的實驗研究[J];科技創(chuàng)新與生產力;2015年07期

5 王衛(wèi)國;孫磊;;基于Gamma過程和EM-PF參數(shù)估計的剩余壽命預測方法研究[J];軍械工程學院學報;2015年02期

6 張行;李偉;武倩平;邱明權;任勇;;新型帶式輸送機巡檢機構系統(tǒng)設計[J];制造業(yè)自動化;2015年06期

7 白宏磊;張明澤;王克成;;長距離帶式輸送機托輥的故障檢測[J];遼寧科技大學學報;2015年01期

8 魏永合;王明華;;基于EEMD和SVM的滾動軸承退化狀態(tài)識別[J];計算機集成制造系統(tǒng);2015年09期

9 耿富禮;李富才;孟光;;二維全息譜在旋轉機械故障診斷中的應用[J];機械科學與技術;2014年10期

10 巴鑫;;在線監(jiān)測診斷皮帶機滾筒傳動裝置振動故障[J];設備管理與維修;2014年08期

本文編號：2642907