采煤机性能退化评估方法及应用研究
翟文睿1
李贤功1
王佳奇1
丁炜凯2
1.中国矿业大学矿业工程学院,江苏徐州 2210082.南京财经大学管理科学与工程学院,江苏南京212413
摘要：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退化状况,通过相对熵实现了对每个监测点采煤机截割部性能退化趋势的度量.
关键词：采煤机性能退化评估人工智能工况识别极限学习机高斯混合模型相对熵
分类号：TD421(矿山机械)
资助基金：国家重点研发计划(2017YFC0804408)
论文发表日期：2020-12-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 57-63,100 )
英文信息