煤矿工作面设备状态综合监测及故障预警系统研究与应用.pdf

万方数据 万方数据 I 煤矿工作面设备状态综合监测及故障预警系统 研究与应用 摘 要 煤矿工作面设备是指在综采工作面进行采煤、装煤、运煤等生产工序的机械 化设备，其中每个设备对煤矿生产都起着关键作用。工作面是煤炭生产的第一现 场，设备众多、环境恶劣、工作空间狭小，设备经常发生故障。随着矿井生产系 统的不断优化，综采面设备自动化水平持续提高，我国煤矿开采技术逐渐向智能 化、无人化方向的发展。设备自动化水平的提高一方面增加了采煤效率，节约了 大量的人工成本，具有良好的经济社会效益；但另一方面大量的设备维护和故障 维修的问题也凸显出来。设备结构越来越复杂，各个设备之间相互依赖性增加， 往往难以及时发现设备隐患，一旦发生故障就会导致整个采煤系统瘫痪。工作面 瓦斯、粉尘众多，能见度差，传统的人工排查故障的方式既对工作人员安全、健 康带来了巨大威胁，同时需要耗费大量的时间，严重影响了生产进度，给煤矿造 成巨大的损失。因此为了进一步推进智能化无人工作面的发展，保障煤矿安全高 效生产，在综采面设备自动化水平不断提高的同时，亟需对综采工作面设备的状 态监测和故障预警技术进行深入研究。 本文根据综采工作面的实际情况，以建立智能化无人或少人工作面为目标， 研制了一套煤矿工作面设备状态综合监测及故障预警系统。本文首先研究了综采 工作面设备组成及常见故障，在此基础上将系统整体功能与需求进行分析，确定 了系统整体设计方案。其次对系统硬件进行了设计与选型，利用监测与通信分站 和光纤光栅传感器共同实现了设备数据的采集与传输，建立了工作面设备统一的 通讯协议模型。 然后研究了基于 BP 神经网络的设备故障预警算法， 并针对 BP 算 法存在的收敛慢、局部最小化的问题用遗传算法进行改进，经过 MATLAB 仿真 证明,改进后的算法在误差和收敛速度等方面得到了很好的改善。最后对系统软 件进行了设计，主要包括分站组态软件、上位机软件和故障预警软件，具有设备 状态实时显示、智能查询、故障预警和运维管理等大量功能。本系统已成功应用 于某大型煤矿综采工作面，实现了综采工作面设备状态的实时监测，并能够对设 备故障进行准确的预警与诊断， 有效地提高了煤矿的生产效率， 保证了生产安全， 为煤矿带来了良好的经济效益和社会效益。 关键词工作面设备 综合监测 故障预警 BP 神经网络 遗传算法 万方数据 II COMPREHENSIVE MONITORING AND FAULT EARLY WARNING SYSTEM FOR COAL MINE WORKING FACE EQUIPMENT STATUS RESEARCH AND APPLICATION ABSTRACT Coal mine face equipment refers to mechanized equipment for coal mining, coal loading, coal transportation and other production processes in the fully mechanized mining face, each of which plays a key role in coal mine production. The working face is the first site of coal production. There are many equipments, the environment is harsh, the working space is small, and the equipment often fails. With the continuous optimization of the mine production system, the automation level of the fully mechanized mining equipment continues to improve, and Chinas coal mining technology is gradually moving towards intelligent and unmanned development. On the one hand, the improvement of equipment automation level increases coal mining efficiency, saves a lot of labor costs, and has good economic and social benefits; on the other hand, a large number of equipment maintenance and fault repair problems are also highlighted. The structure of the device is more and more complex, and the interdependence of each device increases. It is often difficult to find hidden dangers of the device in time. If a failure occurs, the entire coal mining system will be paralyzed. The working face has many gas and dust, and the visibility is poor. The traditional manual troubleshooting poses a great threat to the safety and health of the staff, and it takes a lot of time, which seriously affects the production schedule and causes huge losses to the coal mine. Therefore, in order to further promote the development of intelligent unmanned mines and ensure the safe and efficient production of coal mines, while the automation level of fully mechanized mining equipment is continuously improved, it is urgent to conduct in-depth research on the condition monitoring and fault warning technology of fully mechanized mining face equipment. According to the actual situation of fully mechanized mining face, this paper aims to establish an intelligent unmanned or small working face, and developed a comprehensive monitoring and fault early warning system for coal mine working face equipment. In this paper, the equipment composition and common faults of fully mechanized mining face are studied firstly. On this basis, the overall function and 万方数据 III requirements of the system are analyzed, and the overall design scheme of the system is determined. Secondly, the system hardware is designed and selected. The monitoring and communication substation and the fiber grating sensor are used to realize the collection and transmission of equipment data, and a unified communication protocol model of the working surface equipment is established. Then the equipment fault early warning algorithm based on BP neural network is studied. The problem of slow convergence and local minimization of BP algorithm is improved by genetic algorithm. After MATLAB simulation, the improved algorithm error and convergence speed are obtained. Very good improvement. Finally, the system software is designed, including sub-station configuration software, host computer software and fault warning software. It has many functions such as real-time display of equipment status, intelligent query, fault warning and operation and maintenance management. The system has been successfully applied to the fully mechanized mining face of a large coal mine, real-time monitoring of the equipment state of the fully mechanized mining face, and accurate warning and diagnosis of equipment failure, effectively improving the production efficiency of the coal mine and ensuring production. Safety has brought good economic and social benefits to the coal mine. KEY WORDS comprehensive mining face equipment comprehensive monitoring fault warning BP neural network genetic algorithm 万方数据 IV 目目 录录 1 绪绪 论论 ...................................................................................................... 1 1.1 论文研究的背景 ................................................................................................. 1 1.2 论文研究现状 ..................................................................................................... 2 1.2.1 国外研究现状 ............................................................................................... 2 1.2.2 国内研究现状 ............................................................................................... 3 1.3 设备状态监测与故障预警技术发展 ................................................................. 3 1.4 论文主要内容与结构安排 ................................................................................. 4 2 设备故障与系统功能需求分析设备故障与系统功能需求分析 ............................................................ 7 2.1 综采工作面设备简介 ......................................................................................... 7 2.2 设备故障机理分析 ........................................................................................... 10 2.2.1 设备振动故障分析 ..................................................................................... 12 2.2.2 设备电流故障分析 ..................................................................................... 15 2.3 系统功能需求分析 ........................................................................................... 16 2.4 本章小结 ............................................................................................................ 17 3 系统硬件设计与选型分析系统硬件设计与选型分析 .................................................................. 19 3.1 系统总体设计 .................................................................................................... 19 3.2 光纤光栅传感器 ............................................................................................... 20 3.2.1 光纤光栅振动传感器 ................................................................................. 21 3.2.2 光纤光栅温度传感器 ................................................................................. 25 3.3 矿用光纤光栅解调仪 ........................................................................................ 27 3.4 监测与通信分站设计 ........................................................................................ 28 3.5 系统通信设计 .................................................................................................... 31 3.6 本章小结 ............................................................................................................ 33 4 基于改进基于改进 BP 神经网络的设备故障预警算法神经网络的设备故障预警算法 .................................. 35 4.1 神经网络简介 .................................................................................................... 35 4.1.1 生物神经网络简介 ..................................................................................... 35 4.1.2 人工神经元基本模型 ................................................................................. 36 4.1.3 神经网络的特点 ......................................................................................... 38 4.2 BP 神经网络模型 .............................................................................................. 38 4.3 遗传算法改进 BP 神经网络 ............................................................................ 43 4.3.1 遗传算法介绍 ............................................................................................. 43 万方数据 V 4.3.2 遗传算法优化 BP 神经网络 ....................................................................... 45 4.3.3 遗传算法改进 BP 神经网络的设备故预警模型 ....................................... 46 4.4 仿真及结果分析 ................................................................................................ 49 4.5 本章小结 ........................................................................................................... 53 5 系统软件设计系统软件设计 ...................................................................................... 55 5.1 监测与通信分站软件设计 ............................................................................... 55 5.1.1 设备窗口设计 ............................................................................................. 56 5.1.2 用户窗口设计 ............................................................................................. 57 5.1.3 实时数据库设计 ......................................................................................... 57 5.1.4 运行策略设计 ............................................................................................. 58 5.2 上位机软件设计 ................................................................................................ 58 5.2.1 界面设计 ..................................................................................................... 59 5.2.2 数据词典设计 ............................................................................................. 60 5.2.3 设备通信设计 ............................................................................................. 61 5.2.4 组态王与 MySQL 数据库交互设计 .......................................................... 61 5.3 故障预警软件设计 ........................................................................................... 62 5.4 系统应用效果分析 ........................................................................................... 65 5.5 本章小结66 总结与展望总结与展望 .............................................................................................. 67 总结 .......................................................................................................................... 67 展望 .......................................................................................................................... 67 参考文献参考文献 .................................................................................................. 69 致谢致谢 .......................................................................................................... 73 攻读学位期间发表的学术论文目录攻读学位期间发表的学术论文目录 ...................................................... 74 声明声明 .......................................................................................................... 75 学位论文版权使用授权书学位论文版权使用授权书 ...................................................................... 75 万方数据 青岛科技大学研究生学位论文 1 1 绪 论 1.1 论文研究的背景 煤是中国的基本能源和重要原料，煤炭工业是一个重要的基础产业，与国家 的经济命脉和能源安全息息相关。在中国的主要能源结构中，煤炭将在很长一段 时间是主体能源。 随着煤炭公司将亏损扭转为盈利， 煤炭价格已经回到合理范围， 煤炭生产正在走上正轨。2018 年，我国原煤产量为 35.46 亿吨，与 2017 年首次回 升同比增长 5.2％[1]。在积极淘汰落后产能的同时，煤炭行业正在推动并购和产能 减量置换，加快优质产能的释放，优化煤炭生产结构，不断提高有效煤炭供应质 量。 图 1-1 煤矿综采工作面 Fig. 1-1 Coal mine fully mechanized mining face 综合机械化工作面简称为综采面[2]，是指用采煤机、前后部刮板输送机和破 碎机、转载机等设备共同协作，进行生产的工作面。综采工作面的综采表示像破 煤、 装煤、 支护等生产过程都实现了机械化， 而且为了尽可能提高工作面的产能， 其运煤过程也实现了机械化。作为采煤技术的一次重要改进，综合机械化采煤极 大程度上提高了煤矿的生产效率，而且节省了大量的劳动力，促进了煤矿企业的 进一步发展。特别是近年来大功率、大滚筒采煤机和大采高液压支架在大型煤矿 的广泛应用[3]， 可以实现在 5.0 米左右厚的煤层中一次采全高， 或者在特厚煤层中 放顶煤开采，其应用范围越来越广。综采工作面简化了矿井的生产系统，便于集 中管理，具高产、高效、安全、低耗等优点。 作为中国国民经济的重要组成部分，煤炭工业直接关系着我国的整体工业发 万方数据 煤矿工作面设备状态综合监测及故障预警系统研究与应用 2 展水平和广大人民群众的生产生活。然而，近年来，煤矿事故经常发生，山东龙 郓煤矿“10 20”重大冲击地压事故、神木市的百吉煤矿“1.12”冒顶事故等等造成了 大量人员伤亡和巨大的经济损失[4]。因此，切实加强生产安全防范，如何正确处 理安全和生产、效率之间的关系，如何及时、快速、准确地进行煤矿安全监测， 尽早发现问题预防事故的发生， 是煤矿各级领导和所有人急需解决的问题。 同时， 如何改善现在煤矿公司的现有设备管理模式，如何实现对地下矿井设备的实时监 控与故障预警，如何实现设备人员管理的现代化、智能化和信息化已成为所有煤 矿的关注点。“十三五”煤矿安全生产计划中提出推进煤矿机械化自动化，信息 化和智能化改造， 优化煤炭开采， 部署和生产系统， 大中型矿山促进通风、 起重、 运输等系统自动化改造，无人工作面、无人值守等，发展大型高效集约型矿山和 大型露天矿，提高煤矿综合机械化水平和自动化水平[5]。 随着科学技术的进步和自动化水平的不断提高，智能化无人或少人工作面是 大型煤矿的发展趋势 [6]。然而综采工作面设备众多，故障时有发生，如果某一个 设备发生故障，就会造成整个工作面的煤矿生产工作瘫痪，严重影响生产指标的 完成，造成大量的经济损失甚至引发安全事故，威胁着煤矿安全管理工作。因此 设计一套状态综合监测及故障预警系统对于煤矿综采面的安全生产是非常重要 的。 1.2 论文研究现状 近年来，煤矿监控和故障预警技术发展迅速[7]，尤其是伴随着各种新型传感 器的不断涌现，大型集成电路的广泛应用和计算机的普遍推广，人工智能技术的 发展，监测监控技术的发展日新月异。煤矿监测监控网络逐步完善，提高了矿井 设备人员的工作环境，促进了煤矿设备监测与预警技术的快速发展。 1.2.1 国外研究现状 监测系统在本世纪中叶开始出现，最早监测系统中的典型产品是 60 年代中 期法国研发的 CTT63/40 监测系统[8]。该系统在 80 年代被引入中国，可以监测瓦 斯气体，一氧化碳，风速和温度等参数，并可以测量 40 多个点，但是一根电缆仅 能供一个监测点使用。 第二代监控系统是德国 HF 公司研发的采用一种使用频分 制信号传输方法的 TF200 监控系统[9]，该系统多个监测点可以共用一根电缆，通 过不同的频率来划分信号。后来集成电路的使用促进了第三代监控系统研究。第 三代系统以时分制传输和分布式微处理器技术为主，由英国的 MINOS 系统和美 国的 DAN6400 系统为代表的第三代监控系统因抗干扰能力好而被普遍使用[10]。 万方数据 青岛科技大学研究生学位论文 3 西方发达国家先后对基于时分信号传输模式的煤矿监控系统研究，极大促进了煤 矿自动化技术的快速发展。近年来，各种煤矿监测监控系统依托数据通信技术的 迅速发展，监测监控技术突飞猛进。目前，国外已实现无人值守的自动化采矿， 建立了全面数字化监控网络，有力的保障了煤矿生产的安全，提高了生产效益。 1.2.2 国内研究现状 我国煤矿监测系统的研究相对西方开始较晚，20 世纪 80 年代才开始研制煤 矿监控系统。当时主要监控系统有北京长安公司的 KJ2000 系统、常州自动化所 的 KJ95 监控系统和北京康斯培克的 KJ31 系统[11]， 这些系统在当时一定程度上弥 补了我国煤矿监测研究的空白。但由于煤矿井下环境恶劣，传感器技术不足，机 电设备较多，系统误差较大，以往监控系统难以发挥太大的作用。近年来，随着 科学技术的不断发展，煤矿设备监测系统的研发工作也取得了很大的进展。如太 原理工大学的雷志鹏对工作面输送设备状态监测及故障诊断系统进行了研究[12]， 通过传感器监测设备温度、压力等参数，完成了参数的准确采集、处理并研究了 BP 神经网络和 D-S 证据理论的故障诊断算法，改变了以往监测系统仅对设备进 行监测而缺少数据处理的不足，提高了故障诊断的准确性，系统设计合理，性能 可靠。中北大学的崔妮通过组建 Zigbee 无线传感网络监测系统实现了采煤机温 度、振动参数的监测[13]，成功应用了 Z-Stack 协议栈进行数据采集与传输，实现 了对采煤机故障的预防，保证了采煤机的安全高效生产。河北科技大学的范丽娅 通过 PLC 实现了皮带机温度、 跑偏等参数进行监测控制并通过组态软件进行显示 报警[14]，并将系统接入调度室与工业视频监控，实现了远程监控。贵州科技大学 的黄侠通过对煤矿大型设备的振动信号进行模糊逻辑分析[15]，将设备故障设定为 正常、早期、中期和晚期四个状态，实现了实时、准确的故障诊断。 综上所述，目前我国有关综采面设备监测系统的研究较多，但由于环境等因 素的影响，往往存在监测设备单一、监测数据不足和故障分析算法研究不足等缺 点，难以形成一套可靠地理论和应用系统。 1.3 设备状态监测与故障预警技术发展 煤矿综采面多为大型、 复杂的机电设备， 一般常处于高负荷的连续工作状态。 一旦运行中出现重大事故， 往往会造成大量的经济损失、 资源浪费甚至人员伤亡。 经过多年来的发展，设备状态监测与故障预警技术已经日趋成熟，逐渐成为各行 各业必不可少的综合信息处理技术。 它针对各类监测对象的特征， 以传感器技术、 现代通讯技术为手段，结合故障预警诊断算法模型形成一类综合性学科。它基本 万方数据 煤矿工作面设备状态综合监测及故障预警系统研究与应用 4 有三部分组成，第一部分为对设备故障机理的分析研究，需掌握整套设备的工作 流程以及各个设备的工作原理，从而得出故障特征以及设备需要的监测点。第二 部分为设备综合监测，通过先进的传感技术和通讯技术对设备需要监测的故障特 征（振动、电流、温度等）进行全面采集、传输、存储和显示，特别是传感器的 选择、安装直接影响到采集数据的准确性、稳定性。近年来，光纤光栅传感技术 以安全可靠性高、传输损耗小、体积小等众多优点在恶劣工业环境中得到广泛应 用。第三部分是故障诊断分析，以往的监测系统一般只对设备进行监测和简单的 参数越限报警，故障发生后凭借工作人员的经验去查找设备故障，往往故障后维 修浪费了大量的人力物力，造成巨大的损失。随着人工智能的兴起，将具有自主 学习能力的智能算法模型应用到设备的故障预警诊断中，能够及早发现设备可能 发生的故障，并能够进行诊断类型，指导检修。 基于人工智能对的故障预警方法主要有故障树[16]、 模式识别[17]、 专家系统[18]、 小波分析[19]和神经网络[20]等。故障树的方法是演绎推理、自上而下的，对于复杂 系统非常有效，它可以由计算机自动生成故障树和搜索过程。它主要按照故障、 原因和故障率等固有的知识进行分析如何避免单一或多重初始故障发生，但不能 查找到全部可能的初始故障。模式识别主要建立故障状态的向量集和特征向量的 向量集，然后选择与特征向量相关的判别函数来识别故障。模式识别的方法使建 立在一定的故障先验知识之上的，对于向量集中没有的故障无法识别。专家系统 在故障诊断预警中应用较为广泛的一种方法，主要由知识库、推理机和数据库构 成。知识库用来存储事实性知识和规则性的知识，推理机包括操作规则和原理， 数据库用来存放推理的初始证据以及最终结果。系统通过各种规则进行一系列的 推理，以专家的知识处理问题得出诊断结果。故障特征的提取可以依靠小波包技 术的高频分析能力，小波分析可以对故障频率信号进行准确的提取。对于不同的 情况，可以使用小波变换、小波包分析等处理信号，实现设备故障预警和诊断。 神经网络是由许多处理单元相互关联形成的非线性、自适应信息处理系统，是仿 照生物神经元发展而来的。神经网络通过不断地自主学习，调整权值和阈值来不 断地完善网络，实现对设备故障预警，是有效的人工智能系统。 1.4 论文主要内容与结构安排 本课题以某大型煤矿综采工作面为研究背景，依照井下生产情况与现场实际 要求，将光纤光栅技术、通信技术、计算机技