黑龙江龙煤矿山建设有限公司 黑龙江省 158100
摘要：随着我国经济发展水平的不断提高，矿山机电及一体化设备应用日趋广泛，但在应用过程中存在较大风险，容易引发各种安全事故。本文将具体介绍矿山机电设备智能故障检测与诊断相关技术的应用，以实现矿山机电设备的安全应用。
关键词：矿山机电设备；智能故障检测；诊断技术
近年来，矿山机电设备故障引发的安全事故频发，不仅阻碍到生产工作的顺利进行，更对人身安全造成威胁，矿山机电设备安全问题日趋成为人们关注的焦点。针对这些安全问题，加强故障检测与安全诊断，开展系统故障原因分析与模型研究，有利于减少设备故障，保障设备安全、高效运转，下面对具体内容进行论述。
1.矿山机电设备智能故障检修诊断技术
1.1故障诊断专家系统
鉴于矿山机电设备故障存在隐蔽性与复杂性，应用传统的诊断方法难以快速、精准找到故障源。而采用故障诊断专家系统可以借助专家专业知识与经验得到准确结论。故障数是一种故障诊断与分析知识模型，可以归纳并统计矿山现场故障诊断数据相关记录，这些数据是判断故障源特征与故障决策的重要目标结点。
1.2故障历史记录参考诊断
故障诊断技术是依据矿山机电设备系统结构特征，再按照故障部位特征，对故障依赖的元器件与系统进行全面排查，直到将故障原因找到的一种技术。当矿山机电设备出现故障，通过该技术进行全面排查，逐一排除，还可以对相关信息与结论集中归纳，最终形成故障诊断集，设备再次出现故障，可以排查上一次故障发生的路径，从而尽快找到故障源。
1.3温度、压力检测诊断
依据摩擦副轴、主轴与齿轮传动箱等部件的温度、压力可以定点定线的监测矿山机电设备不同部位的温度与压力参数。对这些部分进行监测，还可以对相关历史数据变化进行记录，可以更加快速、直观的将采煤机运行状况反应出来，且可以对故障状态与发展进行预测。这种诊断方法应用也较为普遍，灵敏度高、快速、准确是主要优势。
1.4神经网络数学应用
神经网络结构的特殊性与信息处理方法在人工智能领域应用十分广泛，此外，神经网络的适应能力也较强，在矿山机电设备故障诊断中，可以通过一个故障源将复杂的非线性映射关系反映出来，由此，在采煤机系统诊断中应用人工神经网络，是一种较为前沿的方式。将模糊数学应用在采煤机故障诊断当中，通过建立模糊诊断数学模型，可以定量分析，然后通过计算机操作，可以提高诊断的精准性。
2.2通风机的故障检测诊断
当前，用来对通风机故障进行检测诊断的技术较少，应用较为普遍的是某煤炭工业制造研究所研制的KF-CA型号通风机集中检测仪以及FJZ型矿井主风机在线监测故障诊断仪。这两种诊断仪的特点是有两个定时器，均是16位的，中央处理器18位的，监视定时器16位，还有输出接口等。通过检测指令发出、诊断仪诊断、处理器分析检测可以更加快速的完成输出与输入，从而实现对通风机故障检测与诊断。
2.3采煤机故障检测诊断
我国研究的“电牵引采煤机工况检测与故障诊断系统”是一项重点科研计划，电牵引采煤机工况检测及故障诊断系统包含以下几部分：一种是变频器通信设备，可以对25个工况检测参数进行检测，且有着独立的显示屏，可以将采煤机在运行阶段的牵引速度参数、输入电压参数等显示出来，此外，还具备温度保护、过载过流、过压欠压等功能。其中最主要的功能是将变频器工况检测信号传输到故障检测中心，故障检测中心可以对信号统一处理，以图形或文字方式显示出来。故障检测诊断装置中嵌入了微型计算机系统，可以与采煤机控制中心实现通信连接。一旦故障被检测诊断出来，就可以通过计算机将工况故障类型显示出来，然后将信号输送到控制中心，由控制中心统一控制。最后，综合检测诊断故障设备，应用彩色液晶显示屏幕，可以对采煤机操作与运转状态的故障检测诊断进行显示，还可以显示工况检测诊断参数。除了彩色显示屏以外，还有一些外围检测设备、左右摇臂检测设备等等。
结束语：
总之，矿山机电设备是确保矿山安全生产的重要管理内容，加强对机电设备故障检测诊断是企业获得经济效益与社会效益的重要保证。在我国矿山机电设备一体化程度不断增强下，设备复杂性不断增大，这就需要配套相应的检测诊断技术，智能故障检测诊断技术将成为未来矿山机电设备检测与诊断的主要技术，值得不断研究与采用。
参考文献：
[1]冯肖利. 矿山机电设备智能故障检测诊断技术的研究[J]. 技术与市场,2014,11:8+10.
[2]蔡捷. 故障检测诊断技术在矿山机电设备中的应用[J]. 中国高新技术企业,2010,15:87+92.
[3]程凤芹. 浅议故障检测诊断技术在矿山机电设备中的应用[J]. 中国新技术新产品,2011,14:141.
[4]张勇军. 略谈矿山机电设备中故障检测诊断技术的应用[J]. 科技资讯,2011,31:128.
[5]赵启乐. 探究故障检测诊断技术在矿山机电设备中的应用[J]. 黑龙江科技信息,2015,22:149.
论文作者:姚树强
论文发表刊物:《防护工程》2017年第8期
论文发表时间:2017/7/31
标签：故障论文; 矿山论文; 机电设备论文; 技术论文; 故障诊断论文; 工况论文; 以对论文; 《防护工程》2017年第8期论文;