采煤机性能退化评估方法及应用研究 论文

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