煤矿机械设备故障分析与诊断技术及发展趋势.pdf

投稿网址www． stae． com． cn ２０２０ 年 第２０ 卷 第１２ 期 ２０２０， ２０（１２） ０４６２１ - １０ 科 学 技 术 与 工 程 Science Technology and Engineering ISSN １６７１１８１５ CN １１４６８８／ T 引用格式王晓蕾， 姬治岗．煤矿机械设备故障分析与诊断技术及发展趋势［J］．科学技术与工程， ２０２０， ２０（１２） ４６２１- ４６３０ Wang Xiaolei， Ji Zhigang．Fault analysis and diagnosis technology and development trend of coal mine machinery and equipment ［J］．Science Technology and Engineering， ２０２０， ２０（１２） ４６２１- ４６３０ 矿冶工程 煤矿机械设备故障分析与诊断技术及发展趋势 王晓蕾， 姬治岗 （吕梁学院矿业工程系， 煤矿机械装备维护与检测试验吕梁市重点实验室， 吕梁 ０３３０００） 摘 要 煤矿机械进行故障诊断，能够有效地避免事故发生，降低维修时间，减少维修成本，对于煤矿高产高效发展具有重要 意义。 详细阐述三大类八种故障诊断方法，分析故障诊断方法存在的不足，针对存在的问题，提出未来多理论技术相结合的 预测模型，克服单一理论的不足，促进故障诊断理论发展；不断引入新的在线监测与分析技术。 在硬件、软件方面都得到加 强，将监测的数据通过信号处理的算法用软件得以实现；故障诊断是一个动态的、复杂的问题，特别是在井下复杂的地质条件 下，其非线性问题将是未来需要克服的一个关键问题。 关键词 煤矿机械； 故障诊断； 机械模型法； 信号处理法； 人工智能法 中图法分类号 TD７１２； 文献标志码 A 收稿日期 ２０１９- ０８- １５； 修订日期 ２０１９- １０- ２４ 基金项目 山西省高等学校科技创新项目（２０１９L０９５４）；煤矿机械装备故障诊断与健康管理技术创新团队（TD２０１８１２） 第一作者王晓蕾（１９８６），男，汉族，山东烟台人，博士，讲师。 研究方向煤矿安全生产。 E- mail４７１３７１５６２＠qq. com。 Fault Analysis and Diagnosis Technology and Development Trend of Coal Mine Machinery and Equipment WANG Xiao- lei， JI Zhi- gang （Key of Laboratory of Maintenance and Inspection of Coal Mine Mechanical Equipment of Lliang City， Department of Mining Engineering， Lliang University， Lliang ０３３０００， China） ［Abstract］ Fault diagnosis of coal mine machinery can effectively avoid accidents ， reduce maintenance time， and reduce mainte- nance costs， which is of great significance for the development of high yield and high efficiency in coal mines .Eight kinds from three categories of fault diagnosis s were described in detail ， and the shortcomings of fault diagnosis s were analyzed .In view of the existing problems， a prediction model combining multi- theory techniques in the future was proposed.It could effectively improve fault diagnosis theories and overcome the shortcomings of a single theory .Then， new on- line monitoring and analysis techniques were constantly introduced.The capability of hardware and software could be strengthened ， and the monitored data could be realized by the algorithm of signal processing.In a word， fault diagnosis is a dynamic and complex problem ， especially under the complicated under- ground geological conditions， and its nonlinear problem will be a key problem to be overcome in the future . ［Key words ］ coal mine machinery； fault diagnosis； mechanical model ； signal processing ； artificial intelligence 煤炭是中国的主要能源，在一次性能源结构中 占有重要地位，对中国经济发展起到了重要的促进 作用。 随着科学技术的发展，煤矿机械化程度不断 提高，截至 ２０１８ 年，中国煤矿机械化程度已达到 ７５％以上，煤矿化机械水平直接影响煤矿高产高效 发展，设备运行状态决定了煤矿经济效益 ［１- ２］。 煤矿机械处于深部潮湿环境，其故障发生频 繁，特别是齿轮和轴承更易发生故障 ［３- ４］ ，因此，对 于煤矿机械进行故障诊断，能够有效地避免事故发 生，降低维修时间，减少维修成本，对于煤矿高产高 效发展具有重要意义 ［５］ 。 基于煤矿机械故障诊断，总结煤矿大型机械故 障诊断技术现状，同时分析了煤矿机械故障诊断的 不足，针对目前存在的问题，提出了未来故障诊断 技术的发展趋势。 1 机械故障诊断 机械故障诊断是对机械上传感器获取的数据 投稿网址www． stae． com． cn 进行系统分析，结合机械自身的特点，分析出故障 发生的原因，并对机械在故障状态下继续运行发生 的情况进行预测，当机械系统运行发生了偏移，则 发生机械故障，整个机械系统部分或者全部失去作 用，故障诊断就是利用传感器获取的数据进行系统 的分析，得出故障发生的部位并且进行报警。 依据 故障诊断方式可将故障诊断方法分为三大类，如 图１ 所示。 图 １ 故障诊断方法 Fig. １ Fault diagnosis 2 机械模型法 2. 1 状态估计法 状态估计法是根据获得的数据估算出机械内 部状态的一种方法，对于了解和控制系统具有重要 意义 ［６］ 。 状态估计法主要分为构造矩阵、预测估计值、 残差分析三部分。 采集机械运行状态得出其向量 X ＝ ［x１，x２，，xn］ T （１） 式（１）中x１为机械某一时刻该点运行状态数据；X 代表该时间点形成的工况向量。 采用 m 个工况的向量，综合形成构造矩阵 M ＝ x１１x１２x１m x２１x２２x２m xn１xn２xnm （２） 式（２）中x１１为１ 行１ 列正常工况的时间序列；M 代 表 m 个工况构成的记忆矩阵。 根据机械运行得出的新向量，并做欧式计算， 得出一个权值向量 Q ＝ M T*X obs M T*M （３） 式（３）中Q 代表权值向量；M T 为记忆矩阵的转 置；*代表欧式距离计算；Xobs某一时刻新的观测 向量。 对式（１） ～ 式（３）进行输出计算得出式（４） Xest＝ M M T*X obs M T*M （４） 式（４）中Xest代表输出向量。 最后进行残差分析，得出式（５） ε ＝｜ Xobs- Xest｜（５） 式（５）中ε 代表残差。 沈晨晖等 ［７］ 采用系统状态估计方法对电液伺 服系统进行了研究，结合状态空间模型分析容积卡 尔曼滤波产生的残差实现故障诊断，并进行了可行 性分析；史晓雪等 ［８］ 采用粒子滤波状态估计对滚动 轴承故障进行了研究，提出了一种基于粒子的故障 诊断方法，同时进行了应用分析，证明了该方法的 可行性；黄佳林等 ［９］ 采用多维时间序列状态估计方 法对压气机故障进行了预测研究，建立了仿真预测 模型，设置了动态阀值，实现了压气机的预警监测 报警；宋昌举等 ［１０］ 采用状态估计方法对风机传动系 统进行了研究，设计了一种残差信号分析运算法， 通过数字仿真证实了该运算法则的适用性；任梦祎 等 ［１１］ 采用改进型的状态估计法对制粉系统进行了 研究，提出了新的构造过程记忆方法，通过应用分 析，证实了该方法对于提高故障诊断效率的作用； 刘涛等 ［１２］采用多元状态估计方法对电厂风机故障 进行预警，提出了一种新的预警模型，并进行了应 用研究，证实了该预警模型的适用性；赵洪山等 ［１３］ 采用状态估计法对风电机组液压伺服系统故障进 行了研究，提出了残差估计函数，提出了自适用阀 值。 通过仿真证实了该函数的适用性；王俭臣 等 ［１４］ 采用状态估计法对飞控系统传感器故障进行 了研究，提出了一种迭代学习法，通过仿真证实了 该方法的有效性；尹诗等 ［１５］ 采用状态估计对风电 机组变桨系统故障进行了研究，提出了基于非线 性方法的故障诊断模型，指导了维修人员检修 顺序。 2. 2 参数估计法 参数估计法是从总体参数中随机抽取样本 进行分析，通过抽取的样本整体估计全部未知 参数的过程。 该发放分为点估计与区间估计 两种。 假设 x１，x２，，xn为总体随机抽取的样本。 得出样本平均值为 xp＝１／ n∑ n i ＝ １ xi（６） 式（６） 中x１为样本；xp为样本平均值；n 为样本 个数。 得出样本的 n 阶矩阵为 Ak＝１／ n∑ n i ＝ １ x k i（７） 式（７）中Ak为样本形成的矩阵。 ２２６４ 科 学 技 术 与 工 程 Science Technology and Engineering２０２０，２０（１２） 投稿网址www． stae． com． cn 得出样本中心阶 bk＝１／ n∑ n i ＝ １ （xi-x） k （８） 式（８）中bk代表中心阶；x 代表样本中心值。 根据大数定理公式 Ak＝１／ n∑ n i ＝ １ X k i→ P E（X k）P （９） 式（９）中X k i为分布随机变量序列；E 为方差。 张科等 ［１６］ 为解决配电线的故障问题，提出了基 于参数估计的模型，该模型能够快速得出故障位 置，具有较好的可行性；黄睿等 ［１７］ 采用参数估计法 对配电网故障进行了分析，建立了不平衡参数估计 模型，能够准确获得路线参数；程永亮等 ［１８］ 采用参 数估计方法对相位信号进行了分析，得出相位信 号参数估计模型，具有很好的适用性；符吉祥等 ［１９］ 采用参数估计方法对雷达机械振动进行分析，修 正了极坐标格式运算方式，通过仿真证实了模型 的有效性；葛超等 ［２０］ 采用参数估计法求解可靠度 函数，进行建立决策模型，为地铁列车检修提供了 帮助；王嘉琦等 ［２１］ 采用参数估计方法对继电保护 装置进行了分析，建立了可靠性分析模型，通过实 例仿真证实了模型的适用性；葛云龙等 ［２２］ 采用参 数估计法对锂电子电池进行了研究，根据扩散规 则建立的诊断模型，该方法具有精度高，可靠性强 的优点；侯翔昊等 ［２３］ 采用参数估计对多通道鲁棒 故障卫星故障进行了分析，建立了仿真模型，仿真 结果验证其具有较高的预测性；张智威等 ［２４］ 采用 参数估计对电气设备故障进行分析，建立电气设 备故障诊断模型，对电气设备进行了有效的故障 诊断。 2. 3 一致性检验法 一致性检验其实质就是要数据保持一致性。 属于层次分析中成对比矩阵的一种检验方式。 其 故障诊断分为排定秩位、计算一致性系数、进行检 验三部分。 首先对给出矩阵进行排定秩位，根据得出的总 秩位数进行一致性系数计算，其计算公式为 T ＝∑ k j ＝ １ Tj／ k（１０） S ＝∑ k j ＝ １ （Tj-T） ２ （１１） W ＝１２S／ n ２（k３ -k）（１２） 式中T 为平均值；Tj为样值；S 为总与平均秩位数 差的平方和；n 为进行检验人员的人数；k 为抽取的 试样数量；W 为一致性系数。 随后对一致性系数进行 x ２ 检验。 x ２ ０＝ n（k - １）W （１３） 当 x ２ ０＞ x ２ a（k - １）时，认为在 a 水平评价一致；相 反，则认为在 a 水平评价不一致。 冯涛等 ［２５］ 采用一致性检验对舰载参考站的移 动特性进行了研究，提出了相关模型，通过实测证 实了该方法具有较好的适应性；黄亮等 ［２６］ 采用一致 性检验对航空发动机剩余寿命进行了预测，提出了 基于正态总体均值和变异系数的预测模型，通过预 测误差对比证实了所建立的模型的有效性；许丹 等 ［２７］ 基于空间相似性和波动阈值理论建立了预测 模型，并且退化模型通过一致性检验，通过建模分 析证实了模型的有效性；周亚宁 ［２８］ 采用一致性检验 对机械和人工挑选煤炭精度进行了分析，证实了设 备具有更高的精度；牛清娜 ［２９］ 采用一致性检建立 了机械设备维修决策结构模型，利用数学方法判 断一致性检验，通过实例分析证实了方法的有效 性；张根保等 ［３０］ 采用一致性技术对数控机床可靠 性技术进行了研究，阐述了相关控制方法及技术， 提出一致性影响因素措施；周红星等 ［３１］ 采用一致 性检验对带钢机械性能进行了研究，从三个方面 进行分析，应用效果较好；孙敏等 ［３２］ 采用一致性检 验对液压泵进行研究，总结出最优装配尺寸，使得 产品性能更优；林小进等 ［３３］ 采用一致性检验对逆 变器进行了评估，提出了逆变器一致性检验模型， 通过仿真证实了该方法的适用性；韩强等 ［３４］ 采用 一致性检验对联邦滤波器两级故障给了检验，针 对一致性检验的缺点，提出了改进的一致性联邦 滤波器检测法，通过实例分析证实了该方法的合 理性。 3 信号处理法 3. 1 频谱分析法 频谱分析法是将复杂的噪音信号转变为简单 的信号，找出一个信号在不同频率下的信息进行处 理。 其故障诊断流程如图 ２ 所示。 图２ 频谱分析法流程图 Fig. ２ Spectrum analysis flow chart 李文等 ［３５］ 采用频谱分析法对直流配电网进行 了分析，提出了混合储能方案，通过实例分析证实 了该方法的适用性；咸晓雨 ［３６］ 采用频谱分析对列车 关键部位动应力参数进行了研究，提出了实序列及 ３２６４２０２０，２０（１２）王晓蕾，等煤矿机械设备故障分析与诊断技术及发展趋势 投稿网址www． stae． com． cn 旋转查询的预测模型，通过仿真验证了该模型的高 效性；闫晓宏 ［３７］ 采用频谱分析技术对船载供电线路 防雷保护装置进行了研究，提出了预测模型并进行 了优化，通过实例验证了该方法的有效性；姚梦茹 等 ［３８］ 采用频谱分析对音频设备进行了研究，建立了 基于傅里叶变化算法的诊断模型，采用实例分析证 实了模型的有效性；康鹏 ［３９］ 采用频谱分析法对矿用 转运减速器满载进行了研究，通过实验室搭建的模 型，证实了减速器优化设计的适用性；马骊溟等 ［４０］ 采用小波变换与频谱分析对机械表面加工精度进 行了分析，建立了精度预测模型；逯玉宏等 ［４１］ 采用 频谱分析对单片机进行了研究，编写了软件主控计 算方程，试验结果表明，该模型具有较高的准确定； 杨君等 ［４２］ 采用频谱分析方法分析了 ８０ ～ １００ MHz 的单片机控制源输出，得出预测模型，通过调试得 出满足指标要求；孙迎雪等 ［４３］ 采用频谱分析技术对 输电线路的典型故障原因进行了分析，建立故障诊 断预测模型，达到了有效预测的目的；张钧 ［４４］ 采用 频谱分析技术对 ２５ MW 发电机组故障诊断进行了 研究，保证了发电机故障诊断的合理性，保证正常 工作。 3. 2 相关分析法 相关分析法是两个或者多个处于同等位置 的随机变量之间的关系的一种统计分析法。 在 机械故障诊断中能够多采用积差相关系数进行 分析。 假设积差相关系数为 Rxy，得出其计算公式为 Rxy＝ ∑ n i ＝ １ （xi-X）（yi-Y） ∑ n i ＝ １ （xi-X） ２ ∑ n i ＝ １ （yi-Y） ２ （１４） 式（１４）中xi、yi为振动信号；X、Y 为振动信号的平 均；n 为样本数量；Rxy为相关系数。 假设 x ＝ xi- X、y ＝ yi- Y，代入式（１４）得出 Rxy＝∑xy nSXSY （１５） 式（１５）中∑xy／ n 为协方差；SXSY为本斜方差。 对式（１５） 进行协方差处理得出最终计算公 式为 Rxy＝１／ n ∑ZXZY （１６） 式（１６）中ZX、ZY为待检信号平均值。 最终通过关系将两个单位不同的变量建立相 关关系。 罗婵纯 ［４５］采用参数相关分析对火电设备故障 进行了研究，建立了基于参数相关分析分预测诊断 模型，实例结果表明设备出现异常时，其相关关系 发生了偏离；杨东等 ［４６］ 采用特征相关分析法对柴油 机故障进行了分析，提出了一种特征提取与相关关 系的故障诊断方法，通过实例分析证实了方法的有 效性；王培良等 ［４７］ 采用独立成分的相关分析法对自 适应故障进行了研究，提出了一种基于 HMM 的检 测模型，通过仿真证实了该模型的有效性；范正天 等 ［４８］ 采用振动信号的相关分析法对柴油机故障诊 断进行了预警分析，提出了预警分析模型，为故障 预警提供了技术支撑；周长勇 ［４９］ 基于相关分析法对 机械故障进行了分析，提高了自身的维修技术；李 勋等 ［５０］采用相关分析法对波杆塔故障进行了定位 研究，得出了初始行波与故障点之间的关系差，通 过仿真证实了该方法的有效性；王建国等 ［５１］ 采用自 相关降噪方法对故障信号进行处理，得出自相关降 噪故障诊断模型，通过试验结果证实该方法的有效 性；吴新光 ［５２］采用相关分析法对矿山机械故障诊断 进行了研究，阐述了相关原理方法，总结了故障诊 断的具体应用技术；李静雅等 ［５３］ 采用相关差分分析 法对提升机驱动电机振动信号故障进行了分析，提 出了新的故障预测模型，通过实例分析证实了该方 法的有效性。 4 人工智能法 4. 1 专家系统法 专家系统法是借助于计算机的一种方法，其内 部程序包含大量的领域专家的经验与知识水平，通 过计算机最终得出领域的答案。 专家系统法流程 如图 ３ 所示。 图 ３ 专家系统结构图 Fig. ３ Expert system structure diagram 张跃东等 ［５４］ 采用专家系统对焊接机器人的故 障进行了诊断，建立了基于树状分层关系的预测模 型，该模型实现了搜索流程；何伟等 ［５５］ 采用专家系 统对轨道故障进行了检测，建立了专家系统的监测 管理模型，该系统能够实时监测，保护生命和财产 安全；李国平等 ［５６］ 采用全矢模糊专家系统对混流泵 故障诊断进行了研究，提出了新的故障诊断模型， ４２６４ 科 学 技 术 与 工 程 Science Technology and Engineering２０２０，２０（１２） 投稿网址www． stae． com． cn 能够有效进行故障诊断；李猛等 ［５７］ 采用专家系统对 离合器制动器故障诊断进行了研究，建立了故障诊 断专家模型，通过实例证实了该方法的可行性；马 俊杰等 ［５８］采用专家系统对煤机装备的油液系统故 障进行了研究，提出了一种基于 ASP. NET 的故障诊 断模型，避免了油液损耗；郭亨经 ［５９］ 采用专家系统 对采煤机故障诊断进行了分析，提出了一种基于搜 索算法的故障诊断模型，该模型具有高效，准确的 优势；郭文斌 ［６０］ 针对煤矿提升机故障诊断提出了基 于模糊数学的故障诊断模型，该模型达到了预期效 果；刘志海等 ［６１］ 针对采煤机故障诊断提出了一种基 于模糊专家系统的预测模型，该模型能够大大降低 故障定位时间，具有较高的适应性；杜文辽等 ［６２］ 采 用专家系统对大型立磨机故障诊断进行了研究，提 出了基于最小二乘法的专家故障诊断模型，通过实 例验证该模型的适用性。 4. 2 故障树分析法 故障树分析法是自上而下的演绎式失效分析 法，利用布林逻辑组合低阶事件，分析系统中不希 望出现的状态。 其流程如图 ４ 所示。 图４ 事故树分布流程图 Fig. ４ Fault tree distribution flow chart 王琨 ［６３］采用故障树分析法对采煤机牵引机构 故障诊断进行了研究，建立了六个采煤机牵引部故 障征兆以及二十二个牵引故障因素，确定了故障征 兆的重要度；薄一龙 ［６４］ 基于故障树技术对煤矿排水 泵故障进行了分析，针对故障原因几何故障树进行 了定量、定性相结合的方法进行了探讨；宋盼 ［６５］ 采 用故障树技术对煤矿提升机设备进行了研究，提出 了故障诊断模型，为煤矿工人提供了安全保障；杨 晓奕 ［６６］ 采用故障树技术对煤矿悬臂式掘进机截割 系统故障诊断进行了研究，对导致因素进行了定性 分析，为快速诊断提供了基础；周广林等 ［６７］ 采用故 障树技术对提升机盘式制动系统的可靠性进行了 研究，提出了基于模糊动态的诊断模型 ；陈以 壮 ［６８］ 采用故障树技术对刮板输送机中的易损部 件进行了研究，找出了影响刮板输送机可靠性的 因素，建立了故障诊断模型，保证了煤矿安全生 产；吴立杰 ［６９］ 采用动态故障树技术对煤矿设备 故障进行了研究，掌握了设备发生故障频率高的 部位，为重点监测提供了保证；李忠华 ［７０］ 采用故 障树技术对提升机滑动故障进行了研究，提出了 故障的故障树诊断计算方法，为日常巡检提供了 基础。 4. 3 神经网络法 神经网络法是基于误差反向计算的一种计算 方法，其由输入、输入、隐含层三层组成，其过程主 要由正向传播和误差反向传播两部分组成。 ４. ３. １ 正向传播 隐含层神经元输出为 y１i＝f１ ∑ s i ＝ １ ω１ija１i（１７） 式（１７） 中ω１ij、a１i均为函数输入参数；f１为函数 关系。 输出层神经元输出为 y２k＝f２ ∑ n i ＝ １ ω２kia２k（１８） 式（１８）中 f２为计算关系式；y２k为神经元输出。 正向传播误差函数表达式为 E（ω ，μ ） ＝０. ５∑ n i ＝ １ （tk-y２k） ２ （１９） 式（１９）中E 为误差函数；ω为权值参数；μ为输入 变量；tk为输出节点。 ４. ３. ２ 反向传播 得出第 i 输入第 k 输出权值为 a２ki＝ η δki（２０） 式（２０）中a２ki为第i 输入第 k 输出权值；η输出权值 系数；δki为第 i 输入第 k 输入权值。 得出第 j 输入第 i 输出权值为 Δ ω１ij＝ η δkixj（２１） 式（２１）中Δ ω１ij第 j 输入第 i 输出权值；xj为权值后 参数。 王勇等 ［７１］ 采用神经网络法对采煤机齿轮箱早 期故障进行了诊断，采用五种指标建立了预测模 型，通过仿真证实了该方法的有效性；任君兰 ［７２］ 采 用神经网络对滚动轴承故障信号进行了诊断分析， 建立了神经网络故障诊断模型，实验结果表明该方 法的有效性；唐旭等 ［７３］ 采用神经网络对数控机床滚 珠故障进行了研究，提出了新型的故障诊断模型； 曹智军 ［７４］ 采用故障树技术对滚动轴承故障诊断进 ５２６４２０２０，２０（１２）王晓蕾，等煤矿机械设备故障分析与诊断技术及发展趋势 投稿网址www． stae． com． cn 行了研究，以三种影响因素作为输入量，实现不同 工作状态的故障诊断；杨清翔等 ［７５］ 采用神经网络法 对煤矿带式输送机故障诊断进行了研究，建立了故 障诊断模型，仿真结果表明该方法具有较高的速 度；王骥文 ［７６］ 采用神经网络技术对刮板输送机故障 诊断进行了研究，设计了故障诊断流程，实现了实 时在线监测；贾嵘等 ［７７］采用神经网络技术对光伏阵 列传感器故障诊断进行了分析，建立了特征值与故 障位置之间的关系，通过仿真证实了该方法的有效 性；唐立力 ［７８］ 基于神经网络对滚动轴承故障诊断进 行了分析，建立了故障诊断模型，通过仿真证实了 该方法的适用性；陈尔奎等 ［７９］ 基于神经网络对矿用 变压器故障诊断进行了研究，建立了诊断模型，提 高了诊断速度。 5 展望 煤矿大型机械故障诊断是为了提高机械的监 测的准确定位性，其研究方法一直处于故障诊断的 热点方向，未来故障诊断将结合人工智能以及大数 据的发展主要集中在以下几个方面 ［１７，３７，５８，８０］ 。 （１）大数据可靠性评价。 机械在运行过程中产 生大量的数据，数据形式呈现多样化，信号源分散 等特点，其监测技术需要进一步改善。 其未来发展 建立大数据质量评价指标与标准体系，分析多源信 号的数据规整算法，合理准确高效地利用大数据 技术。 （２）可视化技术。 通过可视化技术，将大数据 转化为可视化的内涵，使得机械故障能够通过直观 表现出来。 实现有效可靠的决策，推动煤矿机械故 障智能新技术的发现。 其未来发展研究交互与一 体化的智能分析、预测以及最终的识别。 （３）深度学习与数学方法综合机械故障识 别。 深度学习是处理大数据的一种有效技术，能 够解决一些未解决的问题，同时兼顾数学方法， 进行有效融合能够将丰富的大数据消息进行准 确有效的识别。 其未来发展是通过数学方法建 立深度学习网络，建立煤矿机械多源不同构大数 据的平台。 （４）故障动态识别技术故障诊断是一个动态 的、复杂的问题，特别是在井下复杂的地质条件下， 其非线性问题必须得以解决，同时，故障准确分离， 将是未来需要克服的一个关键问题。 参考文献 １ 王晓蕾， 秦启荣， 熊祖强， 等 .层次注浆工艺在松软巷道破碎围 加固中 的 应 用 ［ J］ .地 下 空 间 与 工 程 学 报， ２０１７， １３ （１） ２０６- ２１２． Wang Xiaolei， Qin Qirong， Xiong Zuqiang， et al.Applications of level grouting process in soft roadway to reinforce broken surrounding rock［J］.Chinese Journal of Underground Space and Engineering， ２０１７， １３（１） ２０６- ２１２． ２ 熊祖强， 王晓蕾 .复合顶板综放面覆岩破坏及裂隙演化相似模 拟试验［J］.中国安全生产科学技术， ２０１４， １０（１０） ２２- ２８． Xiong Zuqiang， Wang Xiaolei.Similarity simulation test on overbur- den failure and cracks evolution under conditions of compound roof in full- mechanized top coal caving faces［J］.Journal of Safety Science and Technology， ２０１４， １０（１０） ２２- ２８． ３ 王明寿， 汤达桢， 张尚虎 .煤储层孔隙研究现状及其意义［J］. 中国煤层气， ２００４， １（２） ９- １１． Wang Mingshou， Tang Dazhen， Zhang Shanghu.Research actuality and significance of pore in coal reservoir［ J］. China Coalbed Meth- ane， ２００４， １（２） ９- １１． ４ 熊祖强， 王晓蕾 .矿井相对瓦斯涌出量动态无偏灰色马尔科夫 预测［J］.安全与环境学报， ２０１３， １５（３） １５- １８． Xiong Zuqiang， Wang Xiaolei.Application of the markov bias- free dynamic grey model for the relative gas gush- out rate predict［ J］ . Journal of Safety and Environment， ２０１３， １５（３） １５- １８． ５ 王晓蕾， 秦启荣， 范存辉， 等 .下保护层开采时上覆煤层裂隙演 化规律 的 研 究 ［ J］ .世 界 科 技 研 究 与 发 展， ２０１５， ３７ （６ ） ６６３- ６６７． Wang Xiaolei， Qin Qirong， Fan Cunhui， et al.Researches on frac- ture evolution law of overburden coal layer of below protective seam mining［J］ .World Science Technology Research and Development R＆D， ２０１５， ３７（６） ６６３- ６６７． ６ 邓 栋， 吴晓鹏 .基于状态估计的变流器功率模块故障预测研 究［J］.电子元器件与信息技术， ２０１８， ２（１２） ６０- ６２． Deng Dong， Wu Xiaopeng.Research on fault prediction of converter power module based on state estimation ［ J］.Electronic Component and Ination Technology， ２０１８， ２（１２） ６０- ６２． ７ 沈晨晖， 汪 伟， 张晓良， 等 .基于 SR- CKF 的电液伺服系统状 态估计和故障诊断［J］.中国测试， ２０１８， ４４（１） １０１- １０７． Shen Chenhui， Wang Wei， Zhang Xiaoliang， et al.State estimation and fault diagnosis of electro- hydraulic servo system based on SR- CKF ［J］.China Measurement and Test， ２０１８， ４４（１） １０１- １０７． ８ 史晓雪， 吴亚锋 .基于粒子滤波状态估计的滚动轴承故障识别 方法［J］.计算机测量与控制，２０１７， ２５（１１） ３０- ３３． Shi Xiaoxue， Wu Yafeng.Fault diagnosis of rolling bearing based on particle filter state estimation［J］.Computer Measurement and Con- trol， ２０１７， ２５（１１） ３０- ３３． ９ 黄佳林， 茅大钧 .基于多维时间序列状态估计的压气机故障预 警模型建立［J］.上海电机学院学报， ２０１７， ２０（４） ２０８- ２１４． Huang Jialin， Mao Dajun.Modeling early warning of gas turbine com- pressor based on multidimensional time series state estimation ［ J］. Journal of Shanghai Dianji University， ２０１７， ２０（４） ２０８- ２１４． １０ 宋昌举， 文传博 .基于自适应观测器的风机传动系统故障估计 ［J］.自动化与仪表， ２０１８， ３３（１１） ９０- ９４． Song Changju， Wen Chuanbo.Fault estimation of wind turbine transmission system based on adaptive observer［J］.Automation and Instrumentation， ２０１８， ３３（１１） ９０- ９４． １１ 任梦祎， 焦嵩鸣 .改进型非线性状态估计的制粉系统故障诊断 ［J］.热力发电， ２０１５， ４４（１２） ８７- ９２． Ren Mengyi， Jiao Songming.Coal milling system fault diagnosis based on improved NSET［J］.Thermal Power Generation， ２０１５， ４４ ６２６４ 科 学 技 术 与 工 程 Science Technology and Engineering２０２０，２０（１２） 投稿网址www． stae． com． cn （１２） ８７- ９２． １２ 刘 涛， 刘吉臻， 吕 游， 等 .基于多元状态估计和偏离度的 电厂 风 机 故 障 预 警 ［ J］ .动 力 工 程 学 报， ２０１６， ３６ （ ６） ４５４- ４６０． Liu Tao， Liu Jizhen， L You， et al.Early fault warning of power plant fans based on MSET and the deviation degree［J］.Journal of Chinese Society of Power Engineering， ２０１６， ３６（６） ４５４- ４６０． １３ 赵洪山， 张健平， 王桂兰， 等 .基于状态估计的风电机组液压 变桨距系统故障检测［J］.电力系统自动化， ２０１６， ４０（２２） １００- １０４． Zhao Hongshan， Zhang Jianping， Wang Guilan， et al.State estima- tion based fault detection of hydraulic variable- pitch system for wind turbines［ J］ .Automation of Electric Power Systems， ２０１６， ４０ （２２） １００- １０４． １４ 王俭臣， 齐晓慧 .基于气动参数辨识的飞控系统传感器故障估 计［J］.兵工学报， ２０１５， ３６（１） １０３- １１０． Wang Jianchen， Qi Xiaohui.Sensor fault estimation for flight control systems based on aerodynamic parameter identification ［J］.Acta Armamentatii， ２０１５， ３６（１） １０３- １１０． １５ 尹 诗， 余忠源， 孟凯峰， 等 .基于非线性状态估计的风电机 组变桨控制系统故障识别［J］.中国电机工程学报， ２０１４， ３４ （１１） １６０- １６５． Yin Shi， Yu Zhongyuan， Meng Kaifeng， et al.Fault identification of pitch control system of