圆锥破碎机故障预判方法

技术领域

本发明属于故障诊断检测技术领域，尤其是涉及一种圆锥破碎机故障预判方法。

背景技术

圆锥破碎机广泛应用于矿山、冶炼、建材、公路、水利等多个部门，尤其在矿山岩石的中破和细破中占据了关键性地位。圆锥破碎机的故障率高，其故障预判及预警是矿山设备管理中亟待解决的重点问题。目前圆锥破碎机的故障预判研究成果并不丰富，大多研究仍以专家和工作人员的经验为主。

传统的设置报警阈值的方法抗干扰能力弱，对于矿山破碎系统，在受到扰动时可能会出现虚警或者报警不及时的现象从而导致生产受影响或者故障程度加深，给企业带来损失。实际中的故障预判往往需要大量的专家经验来处理相当部分的模糊信息，证据理论在处理模糊问题时显得较为成熟，尤其是在机械设备故障预判中。模糊推理可以得到各种即时信息所对应的故障类型的隶属度关系，结合证据理论进行数据融合，计算出多种信息支撑下的综合的故障预判结果。可以根据多次诊断得出的历史数据得到各类故障的变化趋势，以此来辅助降低故障预判系统的漏检率。

发明内容

本发明的目的是提供一种提高故障诊断系统的抗干扰能力，有效降低虚警概率和漏检率的圆锥破碎机故障预判方法。

本发明的目的是通过下述技术方案来实现的：

本发明的圆锥破碎机故障预判方法，其特征在于包括如下步骤：

(1)根据破碎机的各个故障阈值和实时性要求，对变量水平振动|v

(2)根据现场可采集到的破碎机数据建立模糊规则库；

(3)根据马达尼算法进行模糊推理得出各个数据的故障隶属度信息；

(4)根据证据理论将故障隶属度不为0或1的数据进行融合，综合得出故障预判结果；

(5)根据最小二乘法计算多次诊断的故障信度分配变化趋势，辅助诊断。

所述的步骤(2)中的根据现场可采集到的破碎机数据建立模糊规则库，具体建立的模糊规则库如下：

①若电机轴水平振动|v

②若润滑油温度lot>55℃，则破碎机温度较高；

③若润滑油温度lot>60℃，则破碎机温度过高；

④若油过滤器压差dof<14kPa，则过滤器损坏；

⑤若油过滤器压差dof>127kPa，则过滤器脏；

⑥若油过滤器压差dof>276kPa，则过滤器堵；

⑦若润滑油流量qol<549L/min，则油量不足；

⑧若润滑油流量qol>568L/min，则油量过多；

⑨若主电机电流mmc<58A，则电流过低；

⑩若主电机电流mmc>77A，则电流过高；

所述的步骤(5)具体步骤包括：根据开机运行时间内的诊断记录，利用最小二乘法将各类故障预判结果分别进行函数拟合并返回斜率以找到并观测破碎机运行状态及其故障趋势。

本发明的优点：

本发明的圆锥破碎机故障预判方法，采用了模糊推理的方法增加了故障诊断系统的抗干扰能力，有效降低虚警概率和漏检率；模糊化过程中隶属度函数选择三角形隶属度函数和梯形隶属度函数组合的方式避免了单纯使用三角形隶属度函数导致论域划分不合理的现象；采用证据理论对推理结果进行融合使诊断结果充分利用破碎机信息，使故障诊断结果更可靠；引入了历史数据的趋势信息作为辅助诊断，更进一步降低了故障诊断漏检率，提高了故障诊断的整体水平。

附图说明

图1为本发明的结构原理图。

图2为本发明的破碎机回油温度论域划分图。

具体实施方式

下面结合附图进一步说明本发明的具体实施方式。

如图1、2所示，本发明的圆锥破碎机故障预判方法，其特征在于包括如下步骤：

(1)根据破碎机的各个故障阈值和实时性要求，对变量水平振动|v

(2)根据现场可采集到的破碎机数据建立模糊规则库；

(3)根据马达尼算法进行模糊推理得出各个数据的故障隶属度信息；

(4)根据证据理论将故障隶属度不为0或1的数据进行融合，综合得出故障预判结果；

(5)根据最小二乘法计算多次诊断的故障信度分配变化趋势，辅助诊断。

所述的步骤(2)中的根据现场可采集到的破碎机数据建立模糊规则库，具体建立的模糊规则库如下：

①若电机轴水平振动|v

②若润滑油温度lot>55℃，则破碎机温度较高；

③若润滑油温度lot>60℃，则破碎机温度过高；

④若油过滤器压差dof<14kPa，则过滤器损坏；

⑤若油过滤器压差dof>127kPa，则过滤器脏；

⑥若油过滤器压差dof>276kPa，则过滤器堵；

⑦若润滑油流量qol<549L/min，则油量不足；

⑧若润滑油流量qol>568L/min，则油量过多；

⑨若主电机电流mmc<58A，则电流过低；

⑩若主电机电流mmc>77A，则电流过高；

所述的步骤(5)具体步骤包括：根据开机运行时间内的诊断记录，利用最小二乘法将各类故障预判结果分别进行函数拟合并返回斜率以找到并观测破碎机运行状态及其故障趋势。

下面结合说明书附图和具体实施例对本发明做进一步阐释。

实例数据1：水平振动：|v

实例数据2：水平振动：|v

结合附图1，进行如下步骤：

1)隶属度函数选择

为了考虑故障预判的实时性，在考虑模型精度的同时也要考虑模型运算的快速性；三角形隶属度函数运算比高斯隶属度函数简单，计算结果具有一定的鲁棒性，是一种常用的模糊化方法；为了满足论域中各故障阈值的分布情况和模糊规则库的完备性要求，对变量水平振动|v

三角形隶属度函数如下：

其中，σ>0，σ初始设定值为5，x

梯形隶属度函数如下：

其中，σ

2)模糊规则库建立

根据采集到的可用于故障预判的破碎机数据，定义模糊推理的输入为：水平振动|v

根据圆锥破碎机的参数建立模糊规则库如下：

①若电机轴水平振动|v

②若润滑油温度lot>55℃，则破碎机温度较高；

③若润滑油温度lot>60℃，则破碎机温度过高；

④若油过滤器压差dof<14kPa，则过滤器损坏；

⑤若油过滤器压差dof>127kPa，则过滤器脏；

⑥若油过滤器压差dof>276kPa，则过滤器堵；

⑦若润滑油流量qol<549L/min，则油量不足；

⑧若润滑油流量qol>568L/min，则油量过多；

⑨若主电机电流mmc<58A，则电流过低；

⑩若主电机电流mmc>77A，则电流过高；

3)模糊推理

不同的参数表征不同类型故障的故障程度或种类，首先根据破碎机参数范围进行论域划分，再进行隶属度区间划分；实时检测到的圆锥破碎机数据输入模糊推理库中，根据库中已有的规则，推理过程采用“三段式”，即“大前提”、“小前提”和“结论”，“大前提”是模糊推理库中的模糊规则，“小前提”是实时测量的数据，结论是可能的故障类型；

模糊推理算法采用Mamdani法:

μ

其中下标

μ

其中μ

上述算法实际上就是为了求出各个输入值在划分好的论域中相应的隶属度关系；附图2给出了破碎机回油温度的论域划分，同理可得其他数据的论域划分；将上两组数据代入可得各个故障隶属度信息：

非正常振动-不明1：0.4-0.6；

噪声过大-不明1：0.44-0.56；

非正常振动-不明2：0.6-0.4；

噪声过大-不明2：0.48-0.52；

油过滤器脏-不明2:0.71-0.29；

其中，汉字后面的数字表示数据的组别；上述隶属度数据剔除了隶属度为0或1的故障类别，以保证证据理论使用的合理性。

4)非零隶属度故障数据融合

为了提高故障预判的精度，将所有参数的当前值进行模糊推理后再利用证据理论进行融合；当某一类型的故障经过模糊推理出的隶属度为零，则在证据理论融合时直接去掉这一证据，因为这一故障的隶属度为零，该类故障就不需要在进行融合了，不考虑这一证据也能够一定程度简化证据理论的计算；证据理论的中心计算法如下：

其中，m(P)是融合后的故障类型P的信度分配，m

将各参数模糊推理输出的隶属区间分配作为证据理论的输入，经过融合计算可得到更加可靠、综合的故障预判结果；对上一步骤中得到的数据进行融合可得故障可信度分配如下：

非正常振动-噪声过大-不明1:0.272-0.320-0.408；

非正常振动-噪声过大-油过滤器脏-不明2：0.255-0.157-0.417-0.171；

由上述数据可知第一组数据，故障类型不明确，第二组数据可能存在油过滤器脏的类型。

5)趋势辅助诊断

根据开机运行时间内的诊断记录，将各类故障预判结果分别进行函数拟合以找到并观测破碎机运行状态及其故障趋势；利用最小二乘法进行一次函数拟合，并返回斜率，即故障变化趋势；最小二乘法系数计算公式如下：

其中，

由第一组数据到第二组数据，趋势变化(斜率

非正常振动-噪声过大-油过滤器脏-不明：(-0.017)-(-0.163)-(+0.417)-(-0.237)；由此可见，“油过滤器脏”这一类型有上升趋势。

本发明的优点：

本发明的一种圆锥破碎机故障预判方法，采用了模糊推理的方法增加了故障预判系统的抗干扰能力，有效降低虚警概率和漏检率；模糊化过程中隶属度函数选择三角形隶属度函数和梯形隶属度函数组合的方式避免了单纯使用三角形隶属度函数导致论域划分不合理的现象；采用证据理论对推理结果进行融合使诊断结果充分利用破碎机信息，使故障预判结果更可靠；隶属度为1或0的分类不参与证据理论融合，避免了证据理论的证据冲突，从而保证了算法的可行性；引入了历史数据的趋势信息作为辅助诊断，更进一步降低了故障预判漏检率，提高了故障预判的整体水平。