<legend id="mskac"><i id="mskac"></i></legend>
<strong id="mskac"></strong>

    1. <legend id="mskac"></legend>
      <span id="mskac"><output id="mskac"></output></span>
    2. <legend id="mskac"><i id="mskac"></i></legend>

      <ruby id="mskac"><i id="mskac"></i></ruby>
    3. <ol id="mskac"><output id="mskac"></output></ol>
        • (010)84657853 84658665 84657900
        • mt@zgmt.com.cn
        • 北京市朝陽區芍藥居35號中煤信息大廈(100029)

        ★ 智慧礦山 ★

        電液控制系統關鍵傳感器的故障預警方法研究

        王占飛 1 李丹寧 2 牛亞軍1

        (1.神東煤炭集團信息管理中心,陜西省榆林市,719315; 2.北京天地瑪珂電液控制系統有限公司,北京市朝陽區,100013)

        摘 要為了保證電液控制系統的正常運行,對電液控制系統核心傳感器部件的故障預警是關鍵一環,分析了傳感器在電液控制系統的工作原理,得到了傳感器在系統中的故障規律,為了對井下的電液控制系統中的核心傳感器的故障進行預警和診斷,結合目前比較流行的傳感器故障預警方法,以液壓支架的壓力傳感器為例,提出了一個靜態分析與動態分析融合的診斷方法,其核心是通過對傳感器采集的數據進行分析,能有效預測壓力傳感器故障,提高電液控制系統的可靠性。

        關鍵詞 電液控制系統 8.8 m綜采工作面 傳感器 故障預警 故障診斷

        隨著目前采煤方式向綜合機械化方向發展,衍生了采煤機系統、電液控制系統等可以控制大型機械設備的自動化控制系統。電液控制系統中的傳感器主要負責采集數據,而傳感器的性能與采集數據的準確性息息相關。因此,筆者針對關鍵傳感器設計了一套故障預警平臺的分析流程,流程的核心主要是靜態分析與動態分析相結合的方法,并將其應用到神東煤炭集團上灣煤礦(以下簡稱“上灣煤礦”)12401綜采工作面的電液控制系統。這種方法可以輔助井下維修人員準確定位故障傳感器所在的位置,對提高電液控制系統的故障診斷效率及其安全生產具有重大意義,從而進一步地為綜采工作面的無人化提供技術支撐。

        1 項目背景

        上灣煤礦12401綜采工作面是全世界首套一次性全采高的8.8 m綜采工作面,煤層傾角為2°~3°,賦存穩定,工作面寬度為300 m,設計推進長度為5258 m,采出煤量約為1700萬t。為了研究應用在8 m以上大采高工作面的智能化集控技術,提高電液控制系統的可靠性,確立了故障預警平臺及專家決策平臺的課題[1]。

        目前,綜采工作面的電液控制系統主要由支架控制器、傳感器、電磁換向閥組等組成,基本原理是傳感器負責檢測及收集數據,由核心的支架控制器通過對這些數據的處理形成控制命令,下發給電磁先導閥等來執行動作,從而實現對液壓支架的自動化控制。其中,立柱壓力傳感器、行程傳感器、紅外發射器及接收器等是電液控制系統收集數據的核心元件。

        從故障的發生位置來看,電液控制系統的各個部分都有可能發生,但筆者重點研究的是電液控制系統中的關鍵傳感器故障,這類故障是指傳感器不能獲取準確的被測量信息等異常情況,使得變量的測量值與實際值偏差大[2]。關鍵傳感器的失效直接導致工作面自動化系統無法正常工作,工作面的頂板壓力也無法正確監測,勢必形成煤礦安全生產隱患。另一方面,在實際應用中,當傳感器發生故障時,能夠及時報警以幫助維修人員迅速定位可能出現故障的傳感器,及時更換有故障的傳感器盡快恢復信號,從而保證液壓支架電液控制系統的穩定運行。

        2 傳感器故障預警平臺的建模

        電液控制系統中由多種傳感器組成的系統是個動態系統[3],近些年,在這種系統的故障預警領域,研究方法主要包括冗余法[4]和基于知識的方法[5]。其中,冗余法是使用多個同類的傳感器對同一個系統的參數進行測量比較,當有一個傳感器的輸出參數與其他傳感器輸出參數差別較大時,那么這個傳感器就識別為有故障的傳感器。例如安裝在液壓支架左右立柱的壓力傳感器,可以類似抽象為上述的冗余結構,通常2個傳感器測量值是相近的,但當測量值相差較大時,就可以判斷有可能是某一個傳感器發生故障了。

        基于知識的方法應用在模糊邏輯系統可以發揮出非常強大的模糊性問題處理能力,適用于不便用數學模型定量描述的系統。同樣以壓力傳感器為例,當將支架的動作變化規律考慮進來時,可以通過建立模糊規則庫的方法,對傳感器的工作狀態進行模糊識別,從而能夠及時的識別故障的傳感器。

        利用上面的2種方法,以壓力傳感器為例,將傳感器收集到的數據作為分析對象,設計的傳感器故障預警3層模型如圖1所示。

        圖1 傳感器故障預警3層模型

        由圖1可以看出,數據層由上灣煤礦數據中心構成,存儲了由壓力傳感器采集的數據,經過預處理后,輸出到以冗余分析器和模糊識別器為核心的分析層,經過分析處理后的數據再到輸出層進行結果的輸出。其中,經過數據預處理后的數據被劃分為兩部分,即支架不動作時的數據和支架動作時的數據,冗余分析器是指分析工作面中支架不動作時左右的立柱壓力值,此時的壓力值通常恒定不波動;模糊識別分析器則是指對工作面支架動作時的壓力隨時間變化的分析,伴隨支架的不同動作,壓力一般呈現特定的變化規律。

        3 仿真與分析

        3.1 數據預處理

        上灣煤礦[6]12401綜采工作面共有131個支架安裝了壓力傳感器,每個支架安裝2個傳感器,分別監測支架的左立柱和右立柱壓力,一個支架一天的數據為17280條,整個工作面數據量為4527360條數據,不僅數據量非常巨大,而且冗余數據較多,不利于快速、高效地實時分析和預警。

        為了更好地提取監測數據中的有效數據,在解析到實時監測數據時,先對數據進行過濾算法處理后再寫入到數據庫當中。具體的過濾算法為:當支架壓力監測值變化不超過設定閾值時,30 min再寫入1條最新數據;當支架壓力監測值變化超過設定閾值時,則最短5 s寫入1條最新數據。直接采集的壓力數據單位為Bar,實際電液控制系統中獲得的壓力數據需要除以10轉換為MPa。對25#支架在2019年8月24日13:00~17:00這個時間段的數據進行分析,支架平均壓力隨時間變化曲線如圖2所示。

        圖2 支架平均壓力隨時間變化曲線

        從圖2分析可知,支架壓力在這段時間內的周期變化大致可分為2個階段:第1個階段壓力是平穩不變;第2個階段是壓力驟減然后逐漸緩慢上升。這與采煤循環周期的過程緊密相關,第1個階段對應的是采煤來臨前支架不動作的過程,第2個過程是馬上要進入采煤循環周期過程[7],液壓支架要進行降柱、移架、升柱等一系列的動作。因此,可以將壓力數據進行這兩個階段的劃分,從而針對每個階段的特征,用不同的方法來對這些數據進行靜態和動態的分析,即可以將劃分后的第1個階段的數據輸入到圖1中的冗余分析器,第2個階段的數據可以輸入到圖1中的模糊識別分析器。在網絡正常、操作無誤的情況下,可以根據壓力變化趨勢不符合所在階段的特征這一規律,來對壓力傳感器的故障進行識別和預警。

        3.2 基于冗余的靜態分析方法

        一般來說,工作面采用的是兩柱式綜放支架,左右立柱受力不均(即左右壓力傳感器稍有差別)是很正常的現象,但是如果排除其他操作因素,左右立柱的壓力傳感器示數差別過大,則極有可能其中一個傳感器發生故障。上述情景與冗余的適用場景比較相似,因此,設計了一個基于冗余法的靜態分析器來識別故障,其流程如圖3所示。

        圖3 基于冗余法的故障診斷流程

        圖3顯示的輸入是支架處于第1階段的左右立柱壓力數據,即當支架不動作時,處于穩定不變時的數據。當取工作面某一時刻支架左右立柱的壓力值,可以得到原始數據,根據不均衡系數計算公式(1),可以計算得到每個支架對象的不均衡系數:

        (1)

        式中:Fleft —— 支架的左柱壓力,MPa;

        Fright —— 支架的右柱壓力,MPa。

        對工作支架不動作時的某一時刻的數據進行統計,統計結果見表1。

        1 12401綜采工作面各支架左右立柱受力及不均衡率統計

        支架編號阻力/MPa占額定比值/%左右立柱百分比/%不均衡系數/%30#左立柱28.4661.87右立柱28.6562.2899.340.7640#左立柱0.20.43右立柱27.3159.370.7399.2750#左立柱30.5166.33右立柱30.2065.65101.031.0360#左立柱30.5666.43右立柱30.7866.9199.290.7170#左立柱30.0265.26右立柱31.1767.7696.313.6980#左立柱31.1267.65右立柱31.0567.50100.230.2390#左立柱31.2667.96右立柱28.9062.83108.178.17100#左立柱31.1767.76右立柱29.5364.20105.555.55110#左立柱30.0865.39右立柱29.2963.67102.702.70

        表1中左右立柱的壓力數據是安裝在液壓支架左右立柱的傳感器收集得到的,進而計算得到后面的占額定比值的百分比、左右立柱的百分比以及不均衡系數。由表1可以看出,40#支架的不均衡系數異常,由此可以判斷,在網絡通信正常、無操作失誤的情況下,可以得知左立柱壓力示數過小,由此判斷左立柱傳感器可能發生故障,實際情況的確是左立住傳感器發生了失效故障,支架操作人員將其更換下來。因此不均衡系數過大,當設置閾值為20%,超過此值甚至接近于1時,則需要觀察左立柱傳感器是否故障;當不均衡系數是個遠超過1的較大的正數時,則要觀察右立柱傳感器是否故障。因此,這種冗余的方法可以適用于在支架不動作情況下的壓力傳感器的故障預警。

        3.3 基于模糊知識的動態分析方法

        由于采煤正常推進過程中,支架要完成一系列的降柱、移架、推溜、升柱等過程,為工作面提供重要的支護功能。由此,綜合專家、現場維修等人員在實踐中積累的故障分析經驗,運用模糊識別的方法,此方法通過將輸入的阻力數據轉化為模糊數據集,再建立相應的模糊規則庫,將數據集輸入到規則庫中進行分析,從而得到結果并及時做出故障預警?;谀:R的故障診斷流程如圖4所示。

        圖4 基于模糊知識的故障診斷流程

        3.3.1 支架動作分析

        仍舊以電液控制系統中的壓力傳感器收集的對象為建模對象,正常情況下,支架動作變化與其平均阻力(平均壓力)隨時間變化的關聯(只考慮降柱、升柱兩種動作)如圖5所示。

        圖5 支架阻力隨時間變化情況

        由圖5可知,當支架處于降柱過程中,工作壓力是驟然下降的趨勢;當支架處于升柱過程中,工作壓力是逐漸上升到平穩的趨勢。

        3.3.2 壓力變化趨勢分析

        從工作面采集到的第2階段的壓力數據,壓力狀態的變化情況包括壓力恒定不變、壓力逐漸上升、壓力驟然下降這3種情況,這3種數據趨勢的判斷采用回歸分析,輸入為支架阻力和時間,因此采用一元線性回歸的方法,根據回歸方程的斜率劃分,從而轉化成3種壓力狀態。運用一元線性回歸的方法顯示了第2階段的數據出現的3種情況,當擬合的回歸方程的斜率小于0時,表示壓力驟然下降;當擬合的回歸方程斜率大于0時,表示壓力逐漸上升;當擬合的回歸方程斜率接近甚至等于0時,表示壓力恒定不變。壓力變化趨勢的3種情況分析如圖6所示。

        圖6 壓力變化趨勢的3種情況分析

        3.3.3 建立規則庫及結果驗證

        結合以上支架動作分析和壓力變化趨勢的分析,將第2階段收集到的壓力數據模糊化,用A表示實際的支架動作模糊集,P表示壓力變化狀態模糊集,U表示壓力傳感器故障結果模糊集,為了便于表述,參數設置如下:A:{A1,A2}={降柱,升柱}、P:{PS,PR,PD}={壓力恒定不變,壓力逐漸上升,壓力驟然下降}、U:{UN,UA,UF}={正常,報警,故障},根據設定的模糊隸屬函數,對支架的動作和壓力的變化狀態進行運算,當支架的動作與對應的壓力變化一致時,則認為傳感器正常,當支架動作為降柱時,壓力應驟然下降;當支架動作為升柱時,壓力應逐漸上升,則據此建立的模糊規則庫見表2。

        2 壓力傳感器故障診斷模糊規則庫

        U P A PSPRPDA1UFUAUNA2UFUNUA

        將轉化后的模糊集AP輸入到所建立的模糊規則庫中進行仿真。這樣,就可以通過模糊控制器輸出U的值,模糊分析過程見表3。

        由表3可以看出,當工作時段為第9個時段時,實際支架的工作狀態是進行降柱的過程,但傳感器收集到的壓力變化確是恒定的狀態,再往后看一個時段,此過程支架實際上在進行升柱動作,但壓力還是一直沒有變化,因此可以推測該支架的壓力傳感器可能發生了故障,經查看該支架的傳感器與預測故障情況相符。仿真實驗表明,模糊分析的方法可以實現壓力傳感器的故障預警和診斷。

        3 模糊分析過程

        時段壓力變化狀態升降柱情況壓力傳感器狀態1PDA1正常2PRA2正常3PDA1正常4PRA2正常5PDA1正常6PRA2正常7PDA1正常8PRA2正常9PSA1故障10PSA2故障

        4 結論

        以上建立的3層結構的故障預警平臺已在上灣煤礦得到應用。證明了冗余方法和知識的模糊分析方法能有效地預測傳感器的故障,這種靜態分析和動態分析相結合的方法,能夠可以使得電液控制系統的傳感器故障及時排除,仿真實驗也為支架的診斷方法提供了依據。這種技術方法不僅適用于電液控制系統壓力傳感器的故障預警,也適用于其他傳感器系統的可靠性診斷和預警。

        參考文獻:

        [1] 周久華.神東礦區采礦設備狀態監測與故障診斷[J].陜西煤炭,2012,31(6):87-89.

        [2] 丁琦. 基于解析模型的非線性系統故障診斷方法研究[D].廈門:廈門大學,2018.

        [3] 張海琳. 設備狀態檢修與傳感器故障診斷技術研究[D].北京:華北電力大學,2002.

        [4] 黃善衡,曹曦.應用在線刷新神經網絡的傳感器故障診斷系統[J].上海汽輪機,2000(2):12-17.

        [5] 司景萍,馬繼昌,牛家驊等.基于模糊神經網絡的智能故障診斷專家系統[J].振動與沖擊,2017,36(4):164-171.

        [6] 段偉.上灣煤礦8.8 m綜采面礦壓顯現規律研究[J].煤炭工程,2019,51(11):55-59.

        [7] 李志軍.大采高超長工作面頂板災害預警研究[D].太原:太原理工大學,2010.

        Research on fault early warning method for key sensorsof electro-hydraulic control system

        Wang Zhanfei1, Li Danning2, Niu Yajun1

        (1. Information Management Center of Shendong Coal Group, Yulin, Shaanxi 719315, China; 2. Beijing Tiandi-Marco Electro-Hydraulic Control System Co., Ltd., Chaoyang, Beijing 100013, China)

        Abstract In order to ensure the normal operation of the electro-hydraulic control system, the fault early warning of the core sensor components of the electro-hydraulic control system was a key link. The working principle of the sensor in the electro-hydraulic control system was analyzed, and the fault law of the sensor in the system was obtained. In order to early-warning and diagnosis the fault of the core sensor in the underground electro-hydraulic control system, combined with the current popular sensor fault early warning method, a diagnosis method combining static analysis and dynamic analysis was proposed by taking the pressure sensor of the hydraulic support as an example. The method’s core was to analyze the data collected by the sensor, so as to effectively predict the fault of the pressure sensor and promote the reliable and efficient operation of the electro-hydraulic control system.

        Key words electric-hydraulic control system, 8.8 m fully mechanized mining face, sensor, fault early warning, fault diagnosis

        中圖分類號 TD355.4

        文獻標識碼 A

        引用格式:王占飛 ,李丹寧,牛亞軍. 電液控制系統關鍵傳感器的故障預警方法研究[J]. 中國煤炭,2020,46(4):37-41.

        Wang Zhanfei, Li Danning, Niu Yajun. Research on fault early warning method for key sensorsof electro-hydraulic control system[J] .China Coal,2020,46(4):37-41.

        作者簡介:王占飛(1981-),男,內蒙古鄂爾多斯市人,碩士,高級工程師,神東煤炭集團信息管理中心部門經理,主要從事煤礦機電管理與信息化研究。E-mail:57228167@qq.com。

        (責任編輯 路 強)

        體育下注app-網上體育投注平臺-im體育平臺App-官網推薦? 在线观看免费A∨网站,A毛片毛片看免费,免费A片在线观看,在线A毛片免费视频观看