设计开发
矿用采煤机故障诊断系统的设计
段宇
(太原理工大学，山西太原030000)
数事投本与质用
摘要：本文主要针对载割部传动部分开展研究,从故障信号问题出发,着重对截割部传动齿轮部分故障信号进行分新,最后采用DSP平台对采煤机的潜在故障问题进行实时监测，并究成故障诊断分析与预测。
关键词：采煤机；DSP；信息融合；故障诊断
中图分类号：TD421.6 1采煤机截割部介绍
1.1概述
文献标识码：A
采煤机的截制部是用来进行破煤和装煤工作的重要机构，采煤机在作业情况下，它的截割部受力最大，受力的变化区间也是最大的，同时功率的消耗也是最大的，大概占用了装机功率的80一90%，所以在进行截制部传动装置设计时要保证装置的强度、刚度高的同时保证设备的可靠性以及传动效率。本文研究工作主要依据太重煤机最大装机功率设备，因此有必要对截割部相关构成与工作原理进行研究。
1.2故障主要表现形式
大型的电牵引采煤机主要由截割部、牵引部、破碎机构、行走部和控制系统组成，它是一个多电机配置结构，其中截割部分为左截割部和右截割部两部分、牵号部分为左牵引部和右牵引部两部分，通过对各部分结构进行分析，综合了运行信号的多方面的特点，我们将故障的类别分为以下几点：
(1)传动齿轮的齿形误差。齿形误差主要由三个阶段造成，第一阶段是齿轮产品制造不合格，第二阶段是安装过程中齿形损伤，第三阶段是使用阶段产生的误差也是最为严重的误差阶段，齿形的误差会导致齿形在运行过程中偏离理想的线路。对于齿形误差的监测，我们可以通过对采集信号进行分析，通过判断它的固有频率的变化判断齿形是否发生误差。
(2)传动齿轮均匀磨损。随着开采设备的投人运行，采煤机的截割部损伤最为严重，它的传动齿轮会随着设备的使用时间磨损静大，它的磨损原因主要有两个，一个是设备中的不明颗粒造成的磨损，一个是矿井中的腐蚀杂质造成的磨损。
(3)传动齿轮断齿。传动齿轮断齿是最严重的设备故障，它是指齿轮在运行中出现折断间题，严重时会造成整个设备的睡。
(4)综采设备共振。综采设备共振发生在采煤层密度不均匀时导致在设备运行过程中设备发生不均匀的振动，降低开采设备的工作效率。
(5)传动轴弯曲。传动轴弯曲主要引起原因是齿轮轴受力不均造
断款
收稿日期：2017-07-26
传
AD 换
文章编号:1007-9416(2017)07-0182-02 成，发生在齿轮轴的设计、安装、运行过程中。
(6)传动轴不平衡。传动轴不平衡主要引起原因是设备出现离心现象，发生在传动轴的设计、安装、运行过程中。
(7)传动轴轴向审动。传动轴轴向审动主要产生原因是因为设备运行中齿轮轴没有进行轴向的锁定，因此会导致齿轮轴受力不均匀，最终发生轴向审动现象。
(8)轴承疲劳剥落和点蚀。轴承疲劳剥落和点蚀产生的原因是因为轴承两端在设备运行时受到不同程度的冲击力而造成的现象。
1.3故障特征值提取
本文我们主要从常见的齿轮故障中选取最为重要的5种故障类型进行分析验证。首先我们要对齿轮传动系统进行信号采集，通过对采集的信号进行预处理，分析它们的时域频域，然后提取它们信号的特征值用来进行诊断分析。因为不同的故障类型它的特征值是不同的，因此为了有效的区分故障类型，我们将BP神经网络引人对故障进行局部判断，它的主要运行流程如下：
首先我们通过实验台采集齿轮箱的振动信号；由于信号中可能掺杂许多允余信息，因此要进行信号的预处理，在信号预处理之后为了有效分析故障类型进行信号的特征值提取，同时进行归一化处理；最后通过BP神经网络对归一化处理之后的特征向量进行决策，同时为有效避免穴余，提高决策效率，对上述决策结果进行数据融合，进行最终的决策与判断。其中信号预处理阶段是为了有效避免采集信号受到外界的干犹，对噪声进行提前的去除，提高信号的纯净程度，降低对决策结果的影响，对于信号预处理方法一般采用低
通FIR滤波和FFT频谱变换分析。 2BP神经网络
上一章节我们提到采用BP神经网络进行故障信号的分类识别，它的具体定义以及分类流程如下：
BP神经网络其网络结构由3个模块组成，包括输入层、输出层、隐含层一层或几层)，它是一种多层次的反馈神经网络，主要采取误差反向传播算法进行训练，它的权值和阔值需要不断的送代才能确
数处
特征提取
图1数据融合过程
作者简介：段宇(1987一),男，山西大同人,硕士,研究方向：电气自动化控制。 8
方方数据
治计算
输 +结