煤矿机电设备智能化维护研究现状与发展趋势

杨彦伟 祁自贞 杨帅

摘要：煤矿机电设备智能化维护工作在矿山建设方面起到良好的组成部分，煤矿机电设备智能化体系中就包括了设备故障处理机制、设备状态监测机制以及信号分析与处理机制等等。结合设备故障激励分析智能化维护技术内容，为后续故障诊断提供重要评判依据。为此本文中探讨了煤矿机电设备智能化维护研究的基本现状，指出其中所存在问题，并对煤矿机电设备智能化维护工作的未来发展趋势进行全方位研究。

关键词：煤矿机电设备;智能化维护;研究现状;未来发展趋势

前言：

当前我国煤矿机电设备的智能化维护工作已经全面铺开，它其中就包含了人力、机械、数字化矿山开采工作内容，且这些工作内容都在面向智慧化方向有效转变。在智慧化矿山机电设备生产过程中就采用到了大量创新技术内容如工业物联网、大数据、人工智能、5G等技术，企业实现了这些技术与煤炭开发利用深度融合。在如此背景下，煤矿采掘、运输、洗选、通风、设备安全管理等全过程都开展了智能化运行生产活动。就煤矿机电设备本身而言，它其中所包含的设备类型异常丰富，但设备在长时间恶劣的煤矿生产环境中运转却也出现了不同程度的磨损故障现象问题，这在一定程度上影响了煤矿开采工作的正常开展，对于企业经济效益的降低也是有目共睹。与此同时，无法及时处理故障问题更在一定程度上降低了设备整体的使用运行寿命，增加了企业整体生产运行成本。因此，及时准确掌握煤矿机电设备当前的运行状态，判断当前故障并对故障发展趋势进行预测，对于保障煤矿安全生产是具有重要价值意义的。

一、煤矿机电设备智能化维护的发展研究现状

煤矿机电设备在当前智能化维护发展工作进程中是存在诸多问题的，下文就其技术应用研究现状进行了全面分析。

（一）煤矿机电设备智能化维护工作中的故障机理分析

煤礦机电设备是容易出现各种生产运行故障问题的，因此在这一过程中需要对其进行智能化维护，有效分析可能存在的故障机理问题。就过往看来，针对煤矿机电设备的故障机理研究分析本质上是追求大量理论配合试验方法的，它希望客观反映设备故障状态下的信号特征以及设备自身系统参数变化规律过程，如此才能建立矿井中管道煤矿机电设备的故障机理分析技术体系，有效提升设备生产水平。与此同时，也要建立垂直振动模型，并对模型内容实施有效仿真，如此也能获得仿真影响曲线，对管道故障振动理论依据进行分析，由此建立煤矿通风设备的转子不平衡故障动力学模型，配合频谱图示了解频谱峰值变化，对通风机故障进行分析，并提出诊断依据。由此可见，针对煤矿机电设备的智能化维护故障机理需要步步深入，结合多种技术内容展开分析，了解其智能化维护技术应用现状。

（二）煤矿机电设备智能化维护工作中的设备状态监测分析

在对煤矿机电设备智能化维护工作中的设备状态监测分析过程中，需要结合设备当前运行状态数据展开分析，了解其数据故障诊断预测性维护基础内容，确保结合完整的设备状态监测系统展开状态监测工作过程。在状态监测设备中就主要涵盖了多种组件模块，其中包括了传感器、数据采集装置、数据传输网络、数据存储显示等部分。就以当前煤矿机电设备智能化生产中应用最广的双滚筒采煤机实时监测系统为例，它能够保证采煤机在高状态、高牵引速度以及特殊运行位置的状态下对煤矿机电装备状态进行实时动态监测，同时将相关信息利用CAN总线直接传输到井下分站。在这一过程中，煤矿机电设备智能化维护工作中就主要运用到了工业以太网对数据传输内容进行分析，分析后传输到井上监控室中，如此就能实现在可视化平台模拟井下采煤机工作的动态画面并显示监测数据。

（三）煤矿机电设备智能化维护工作中的信号分析与处理分析

在对煤矿机电设备进行智能化维护工作过程中，就必须对其信号进行分析处理，确保直接诊断设备，体现设备技术应用的精确性与安全可靠性。在解决复杂信号提取故障问题过程中，也需要基于EEMD和小波包优良降噪算法分析算法处理背景下的振动筛轴承信号。在这一过程中就必须保留故障信号并滤除其它信号，配合算法分析实测处理振动筛轴承仿真信号内容，如此解决故障问题，优化降噪效果十分到位。比如说，在进行矿井中离心泵振动信号小波包分解过程中就要提取特征频段内容，同时比较频段中特殊能量值，为故障诊断提供准确依据[1]。

二、煤矿机电设备智能化维护的发展现状问题

煤矿机电设备在智能化维护工作中是存在诸多技术性问题的，下文简单探3点：

首先，煤矿机电设备在智能化维护工作中是存在设备故障机理研究不到位这一现实问题的，这主要是因为煤矿机电设备往往体积庞大且结构相当复杂，因此在研究过程中无法实现对其设备的有效简化，为此必须建立相应数学和力学模型，结合仿真技术手段分析验证模型效度，同时创建试验修正模型。在过渡简化数学模型过程中，这其中就包括了能够反映设备故障机理状态的简化模型，如数学模型、试验模型等等，同时合理添加典型故障问题。目前对于设备故障机理的研究多集中于设备某种单一故障的机理研究，缺少多故障复合状态下的故障机理研究，今后需要更多地对设备某部分故障带来的连锁反应进行研究。

其次，是煤矿现场的数据不充分问题，这主要是因为模拟生产环境下所获得的数据不够理想，无法做到设备故障预测性诊断，无法客观真实反映设备实际运行状况。而在分析现场监测数据过程中也无法客观真实反映生命周期数据，如此对于设备诊断与预测而言难度加大。

最后，是煤矿机电设备的诊断与预测算法不到位，在设定修改参数过程中无法实现对设备正常工作状态与故障状态的有效切换。而如果采用人工智能算法或者智能诊断预测算法则存在诊断预测计算过程不到位、成本过高等等情况，如此对于设备的智能化维护管理是不利的[2]。

三、煤矿机电设备智能化维护的未来发展趋势

（一）追求设备早期故障预测识别

首先，必须追求设备的早期故障预测识别，结合设备未来运行状态进行提前预判分析，了解设备故障诊断内容，做好预知性维护工作。在结合早期故障分析过程中了解灵敏度较高的传感器应用内容，同时做好监测设备管理工作，保证随机共振、盲源分离手法应用到位，结合强噪声提取微弱特征信号，如此对设备早期故障的有效处理帮助极大，如此可实现预测性设备维护。

（二）构建仿真与试验现场设备诊断与预测

要结合仿真与试验手段分析现场煤矿机电设备的典型故障，建立深度学习与迁移学习应用机制，有效解决不同数据之间的数据分布差异性关键问题。在这里就要将迁移学习算法引入到现场数据相关性分析过程中，在有效解决仿真与试验条件时也建立数据支持保障机制[3]。

总结：

综上所述，在目前我国智慧矿山建设过程中应该科学合理构建煤矿机电设备故障诊断与预测性智能化管理维护体系，结合人工智能、物联网、大数据、云计算等等技术内容共同发展随机共振、盲源分离等方法，可及时识别设备早期故障;借助多传感器信息融合技术可准确有效地识别出设备存在的现实故障问题。与此同时，也要考虑尝试利用迁移学习算法可以建立仿真、试验数据与现场数据的相关性，对现场设备进行诊断与预测，保障煤矿机电设备智能化安全可靠运行到位。

参考文献：

[1] 刘媛媛. 煤矿机电设备智能化维护研究现状与发展趋势[J]. 工矿自动化， 2021，047（007）：006.

[2] 张明峰. 煤矿机电设备维修管理模式及其发展趋势[J]. 机械管理开发， 2018，033（003）：002.

[3] 冉海舰. 煤矿机电设备维修管理模式及其发展趋势探讨[J]. 区域治理， 2018，000（028）：001.