采煤机性能退化评估方法及应用研究

• 作者: 翟文睿 李贤功 王佳奇 丁炜凯
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 采煤机 性能退化评估 人工智能 工况识别 极限学习机 高斯混合模型 相对熵
• 年，卷（期）: 2020,（12）
• 页码范围: 57-63,100
• 页数: 8页
• 分类号: TD421
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2020060014

摘要

准确判别采煤机各部件的磨损和失效情况,可为实现采煤机故障及相关事故的预防、预警提供必要支撑,采煤机性能退化评估是判别采煤机磨损和失效情况的一种有效途径.针对采煤机性能退化过程的非线性,提出了一种基于人工智能的采煤机性能退化评估方法.选取出采煤机的工况监测参数和性能监测参数,通过极限学习机方法进行采煤机工况识别;通过主成分分析方法对性能监测参数进行降维,并建立各工况下的基准高斯混合模型;选取相对熵来度量某时刻高斯混合模型与基准高斯混合模型的差异,从而度量采煤机各部件性能退化趋势.提出可从地质条件、环境因素、振动及载荷、机身倾斜等方面来选取工况监测参数,并根据实际应用中数据的可获得性和变动情况等来确定.提出了采煤机性能监测参数选取原则,可在常见的机电设备监测参数分类基础上,结合实际采煤机传感器的装配情况选定性能监测参数.以采煤机故障发生率最高的截割部为例进行案例分析,将采煤机截割部的工况分为高速直切、高速斜切、低速直切和低速斜切4种,选取牵引速度等作为工况监测参数,选取左截割电动机电流等作为性能监测参数,并通过相关性分析验证参数的合理性.分析结果表明,通过对比高斯混合模型能够判断采煤机性能退化状况,通过相对熵实现了对每个监测点采煤机截割部性能退化趋势的度量.