帶式輸送機關鍵部件故障診斷預警系統

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了帶式輸送機關鍵部件故障診斷預警系統范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：為了提升礦井帶式輸送機的運行安全保障能力，針對帶式輸送機輸送帶、電動機、托輥等關鍵部件的常見問題，設計了一種故障診斷預警系統，并詳細闡述了該系統的結構組成以及監測、診斷流程。現場應用后，取得的主要成果為：（1）通過弱磁檢測方法可對輸送帶內部鋼絲繩芯是否有損傷進行有效判定，從而為輸送帶維修、更換提供參考；（2）視覺檢測方法可用于煤流檢測，同時可實現對輸送帶上的異物、斷裂進行精準判定；（3）托輥、滾筒以及電動機發生故障時發熱是典型特征，通過紅外檢測方法可有效判定故障位置。設計的診斷預警系統可根據故障診斷結果發出預警信息，提醒附近作業人員及時處理，現場應用也取得顯著效果。

關鍵詞：帶式輸送機；輸送帶；故障診斷；監控預警

引言

帶式輸送機是礦井常用運輸設備，其運行過程中滾筒、滾筒等位置與輸送膠帶摩擦難以避免會出現發熱，在驅動張力作用下膠帶內部的鋼絲繩芯會出現撕裂、損傷等問題，輸送機在使用過程中存在膠帶斷裂、輸送膠帶或者遺煤著火等問題［1－3］。為此，文中設計一種故障診斷系統用于對帶式輸送機關鍵零部件進行預警監測，從而提升輸送機的運行可靠性。

1輸送機結構及故障分析

1．1輸送機結構

礦井由于井下運輸距離長、載荷大，使用的輸送機多為雙驅動方式，輸送機主要設備包括驅動裝置、輸送膠帶、托輥等，結構如圖1所示。輸送機在長時間、重載荷運行時，各個零部件均可能發生損傷、故障問題，若不能及時排除不僅會影響設備后續使用，嚴重時會導致安全事故發生［4］。

1．2輸送機零部件常見故障

1．2．1驅動裝置故障驅動裝置結構包括驅動滾筒、聯軸器、電動機、減速器及對應的控制裝置。輸送機在高載荷、復雜工況及惡劣環境運行中，會給驅動裝置帶來較嚴重的損傷，其中減速器、耦合器及電動機均容易出現故障。減速器在長期高負荷運行時，容易出現齒輪點蝕、磨損、齒根斷裂等問題；同時當減速器密封件損壞時會造成漏油事故，給井下帶來一定的火災威脅［4－6］。耦合器主要啟動功率平衡并減小輸送機啟動時的動載荷影響，長時間使用時主要故障有耦合器漏油、軸承及齒輪異常噪聲、耦合器異常發熱。電動機故障主要為振動、過熱、過速、過流以及振動等，當不能及時發現上述隱患時，很容易造成故障擴大，嚴重時導致電動機燒毀。

1．2．2輸送帶故障輸送帶是輸送機及驅動裝置的承載結構，打滑、斷帶、撕裂、跑偏以及著火等是輸送帶常發生的故障。具體故障為［7］：（1）輸送機與轉載機間高度過大、緩沖托輥失去彈性時，當大塊物料從轉載機上掉落時容易造成輸送帶上部覆蓋層損壞，甚至里面帶芯斷裂，輸送帶出現窟窿。（2）輸送帶出現跑偏時會造成輸送帶與膠帶摩擦，造成輸送帶由于拉毛開裂問題，當水從開裂位置滲入膠帶內時容易腐蝕輸送帶外層。（3）輸送帶接頭位置不平直造成輸送帶受力不均衡，容易造成由于輸送帶受力不均衡出現斷裂問題。

1．2．3托輥故障托輥沿著輸送機全線分布，數量眾多，是輸送機的重要組成部分，承擔承托輸送帶、確保輸送帶有一定垂度作用。托輥運行正常時給輸送帶造成的阻力較小，但是當托輥出現故障時托輥兩側受力發生變化，會造成輸送帶跑偏、著火等問題。特別是輸送帶下的托輥由于接近巷道底板，容易被底板上的異物包裹，更容易出現故障。

2診斷預警系統設計設計的監測系統具體結構

如圖2所示，該系統可實現對輸送帶損傷、關鍵零部件、煤流、異物及輸送帶撕裂以及人員安全等進行監測。

2．1輸送帶損傷監測系統

輸送帶損傷監測的主要內容是探測輸送帶內部以及接頭位置的損傷，具體采用弱磁監測方式，監測系統具體結構如圖3所示。具體的監測、識別過程為：（1）通過使用磁加載模塊磁化輸送帶內部的鋼絲繩芯；（2）采用損傷探測系統（監測模塊）獲取輸送帶內部損傷信號；（3）對損傷信號進行降噪處理、信號特征提取；（4）通過工業以太網將提取到的信號特征傳輸至監控上位機，從而實現對輸送帶損傷診斷、識別。

2．2輸送帶零部件故障監測系統

采用紅外熱成像、圖像識別及診斷技術，對電動機、托輥等關鍵部件故障進行診斷、識別，具體監測系統結構如圖4所示。具體過程為：（1）通過熱成像儀獲取電動機、滾筒、托輥等位置的紅外圖像；（2）預處理獲取到的紅外圖像，并進行圖像分割、提取圖像特征及圖像分列識別，從而獲取到電動機、滾筒、托輥等位置的溫度場紅外圖像；（3）依據獲取到的紅外圖像溫度特征，從數據庫中獲取診斷規則進行故障診斷、預警。在輸送機沿線關鍵部位布置紅外熱像儀對零部件紅外圖像進行采集，獲取到的紅外圖像中溫度最高值為Tmax，當Tmax＞50℃時，表明該位置的設備可能存在故障，則需要對該位置的部件進行故障識別。依據識別的部件類型，從故障數據庫中調取對應的故障診斷規則進行故障判定及等級劃分，若判定設備運行正常，則繼續采集、分析下一監測位置的紅外圖像；若判定存在故障則依據故障類型及等級采取對應的治理措施。當紅外圖像中Tmax＜50℃時，表明該位置部的件運行正常，系統則繼續采集、分析下一監測點位置的紅外圖像。

2．3煤流監測

采用視覺檢測法對輸送帶上的煤流進行監測（見圖5），通過高清防爆相機實時獲取煤流圖像。根據獲取到的圖像特征數據，融合三維視覺手段、多幀統計分析方法，計算輸送機正常運行時的煤流體積。結合煤流密度，得到單位時間內運輸的煤炭量，最后依據輸送帶的運行速度，得到輸送機累計運輸的煤流量。

2．4輸送帶異物及撕裂監測系統

采用視覺檢測技術對輸送帶是否出現撕裂、是否有錨桿等異物進行判定，具體識別流程如圖6所示。采用傅里葉描述子提取輸送帶上的異物形狀特征，采用BP神經網絡對異物進行智能識別，從而實現對輸送帶上的非煤異物進行監測與報警，及時通知附近作業人員進行處理，避免由于異物造成輸送帶撕裂問題。輸送帶撕裂識別處理流程如圖7所示，根據獲取到的圖像灰度差異提取輸送帶撕裂位置處的輪廓信息。具體的識別方法為：（1）首先對獲取到的輸送帶圖像進行增強處理；（2）使用Canny邊緣識別算法識別出輸送帶撕裂邊緣位置；（3）依據獲取到的撕裂面積判定輸送帶是否出現撕裂故障，當有撕裂發生時發出報警信息。

3總結

（1）根據井下使用的帶式輸送機機構設計了一種輸送機關鍵部件監控系統。該系統通過弱磁檢測方法對輸送帶的鋼絲繩芯是否出現損傷進行檢測，采用紅外熱成像方法對電動機、滾筒、托輥是否出現故障進行判定，采用視覺檢測方法監測輸送煤流、輸送帶是否有異物及撕裂。（2）現場工程試驗表明，設計的故障診斷預警系統可以對輸送帶損傷、電動機、托輥等故障進行監測、診斷及故障預警，從而有效避免輸送機出現摩擦發熱著火、輸送帶斷裂等安全事故，可以在一定程度上提高輸送機運行保全保障能力。

參考文獻

［1］郭志．礦用帶式輸送機智能監測及故障預警系統研究［J］．機械工程與自動化，2020（3）：151－152，155．

［2］毛清華，毛金根，馬宏偉，等．礦用帶式輸送機智能監測系統研究［J］．工礦自動化，2020，46（6）：48－52，58．

［3］高立斌．基于順煤流節能的優化控制研究［J］．中國礦山工程，2019，48（4）：65－67．

［4］馬宏偉，楊文娟，張旭輝．基于紅外熱像的帶式輸送機監測與預警系統［J］．激光與紅外，2017，47（4）：448－452．

［5］余濤．帶式輸送機運行安全預警的可視化系統設計［J］．機電信息，2016（12）：148－149．

［6］毛映霞．大型帶式輸送機全線監控與故障診斷策略的研究［D］．合肥：合肥工業大學，2015．

［7］王建勛．煤礦輸送帶傳輸故障實時監測技術［J］．工礦自動化，2015，41（1）：45－48．

作者：曹仲義 單位：山西焦煤汾西礦業賀西煤礦