智能故障诊断技术浅析论文

　　引言
　　自进入21世纪以来，信息技术为广大居民的生产生活带来了很大的变化，机电设施也在整个生产过程发生着变化。在机械采矿中，添加了多种智能、自动化设施。由于是机械设施，在生产与运行中很容易出现各种问题，从而影响矿业发展。因此，在现实工作中，必须将诊断与维修技术作为研究重点，在将要发生或者发生故障时，对其进行预警，控制故障延伸，确保工作人员安全。
　　1故障诊断技术的总体概括
　　1.1设备诊断技术概念
　　从整体来看：故障诊断技术属于防护方式，它是在确保生产过程的条件下，让各个设备的参数满足最佳状态，然后再通过精密的仪表、仪器检测设备是否满足运行要求，是否有数值变化和破损现象。如果有异常，明确出现异常的原因，破坏程度，能否持续利用，能够持续利用的时间，然后再结合设备的受损度，看能否利用代替性的设备延伸时间，减小成本消耗。当然，这一切工作都是在正常的运行状态中才有效。
　　1.2故障诊断的技术原理
　　目前，应用在矿山机电设备智能故障诊断的技术主要包含：数字建模、数据采集、识别分析、状态预测和信息处理。数字建模是诊断智能故障的总规划和原则，它要求展现智能分析优势。例如：在数学模糊诊断中，A是可能发生的事实案例，B是数据库事例，通过对比A与B，在分析权值与特征的条件下得到准确的结果。数据采集，是矿山机电设备事先制定好参数值，然后再诊断设备，进行数值采集，用建模的方式对两份数值进行比对。一旦数值参数大于预设范畴、曲线变化，那么说明机电设备还存在问题。识别分析，是在掌握机电设备测试参数与原始参数的情况下，结合参数变化，从故障库中找到类似样本，再确认产生故障的原因。也只有智能分析与识别，机电设备诊断与检测才能达到智能要求。状态预测，是在预测、识别现有参数后，结合相关资料，验证机电设备运行状态，同时这种结果具有很好的可信性与真实性，该预测结果同时也是深入机电设备运行的有效条件。信息处理，则是一份有效的测试参数，它要求将数据模型变成参数模型，再通过分析等形式进行处理。它能准确分辨无用与有用信息，通过综合处理信息，找准诊断结果和过程分析后，最后得出一份理想的分析报告。
　　2矿山机电设备出现故障的原因
　　2.1配合关系
　　从检查已有设备故障反馈的信息来看，大多数故障都是零件原配变化或者损伤造成的。在这期间，零件损伤是零件原设计与形态出现偏离，这种偏离多数是机械使用或者内部因素所致。常见的零件损伤体现为：意外和老化损伤所致。
　　2.2超出设备负荷
　　在相关设备设计之前，工作人员都会对参数极限进行限制，一旦其输出参数超过设计极限时，它的运行状态就会遭到破坏，甚至出现不同程度的故障。如果是超负荷造成的故障，就必须对技术参数和相关设备进行调整，并且采用适当的方式，以帮助其改善承受力。
　　2.3设备损耗
　　设备损耗是在内外因素的共同作用下，随空间与时间的改变，其综合能力不断降低。造成这种情况的主要原因是：机件刚性不够、间隙过大、部件磨损与老化、相关设施磨损、系数过大、负荷增加、关键负荷的`联接发生磨损与变形等。
　　3故障诊断在矿山机电维修中的运用
　　3.1诊断类别
　　从故障诊断的目的来看：它是对机电设施的计划与检修，以此保障各种生产设施运行的连续性。大致分成：事后检修、根据周期检修和状态检修。事后维修是机电设施发生故障的治理方案，不属于主动对策的范畴，而是大多数机电设施在没有准备的状态下采用的方法。因此，将事后诊断应用在矿山机电设施中的效果并不太理想，其检修质量也有待提高。周期检修相对固定，并且带着强制的特征，同时也是负责的展现。该方式方便易操作，大多数情况下是结合维修或者使用周期操作，从外看这种似乎会增加工人成本，事实上它是不可缺少的打基础部分，从某种角度来看它也是节约成本的体现，通过积极防护设施，延长相关设备的使用年限和周期，并且及时发现和修复问题，最大程度的避免问题带来的停产损失。因此，固定维修对矿山机电设备具有很好的作用，它能最大程度的做到防患于未然，从而降低经济损失。状态检修，是在数据分析的条件上，让每个工作人员负起对应的责任，然后再结合各种部件出现问题的时间推断故障时间。虽然这种预测不能准确捕捉时间，甚至还存在误差，但是能给企业警告的作用，避免措手不及的状况发生。在争取将设备控制在萌芽阶段的过程中，帮助其延长使用周期，减小安全隐患，以确保生产正常进行。
　　3.2诊断方法
　　首先是参考历史进行诊断记录，通过对局部系统和元器件进行排查，找出问题症结，这也是矿山机电设施诊断与维护的主要方法之一。一旦出现故障，对相关结论进行精细归纳，最后生成诊断集。第二次出现类似故障时，就能借用诊断路径与经验对其进行处理与诊断。它的优点是相同故障发生时，定位快速。其次是智能诊断，在控制系统、模拟人脑的基础上，获取、再生、传递、利用相关信息，最后利用已经准备好的经验策略。其具体包含灰色系统、模糊诊断、专家诊断、神经网络等方法。当前，应用最广的是神经网和专家体系，让诊断更加智能化。矿山机电设备故障诊断具有隐蔽性与复杂性，通过传统的方法进行精确、迅速的诊断。同时，专家系统能精确的应用专业知识与经验，通过模拟思维，对故障进行求解，最后得到结论。在人工智能诊断的基础上，借助计算机系统与已有经验解决故障。
　　4矿山机电设备故障监测的步骤
　　从整体来看：矿山机电设施故障诊断主要包含以下步骤：信息采集、处理、识别、建模和预测。在信息采集中，对机电设施运行参数、状况与数据信号进行有效监测，利用传感器传输的信息数据进行整理，最后放进网络进行存储，以备后续利用。信息处理，是对设备运行状态进行数据整理和识别。当然，在这期间，存在有用与无用信息之分，因此必须对相关信息进行区分与整理，剔除无用信息，并且转换数据，对具体信息进行有效分析，最后将数据变成设备能接受的信息与数据。信息处理与识别是在信息采集后，对相关信息进行识别与分析，包含数据分类、识别与分析，然后再将信息与之前得到的数据进行比对，最后得出设备运行中可能存在故障的区域、故障原因与类型。在矿山机电生产中，机电设施由多种信息数据和参数，并且和设施状态、是否存在隐患有着直接的关系。对此，必须建立起良好的模型，以确定和反映设备状态与故障之间的数学关系。预测技术是对机电设施的故障状况以及剩余使用时间进行预测，它能作为机电设施故障维修与保养的条件，从而避免机电设施出现不必要的故障。
　　5.结语
　　为了推动矿业发展，提高开采安全性，在矿山开采中必须注重相关设备的故障诊断与维修技术。在开采中，做好故障记录与整理归档工作，经常对压力、温度进行检查，一旦发现问题立即解决，这样才能改善故障诊断技术，进一步完善与优化诊断系统。