摘要：本文针对煤矿刮板输送机在工作过程中出现的故障进行分类总结，提出一种故障诊断的方法，并建立故障诊断模型，从而实现故障诊断。首先确定神经网络故障诊断的流程，然后对不同的故障进行分类，采用MATLAB开展故障诊断过程仿真，结果显示模糊神经网络故障诊断能够表示刮板输送机减速机故障，实现对煤矿井下刮板输送机故障的诊断，所建立的神经网络诊断的精度更高，刮板输送机减速机故障诊断方法合理，性能更优。
关键词：刮板输送机；RBF神经网络；故障诊断；迭代
0引言
作为煤矿开采的一种重要设备，刮板输送机如果发生故障，不利于煤矿企业的正常生产，导致煤矿产量降低，严重时可能导致安全事故的发生。为此，需要针对可能发生的故障进行提前诊断，从而避免故障的扩大，发现故障及时采取措施。刮板运输机工作时出现故障的零部件会产生一定的信号，根据这些信号能够做出运输机是否存在故障的判断。采用先进的故障诊断技术能够及早发现故障进行故障排除，保证刮板输送机的正常工作，提高煤矿开采效率。
1煤矿刮板输送机模糊神经故障诊断流程
煤矿井下工作环境复杂，对刮板输送机进行故障诊断需要按照一定的诊断流程和信号采集，从而获得准确的数据，对刮板输送机的故障做出判断。获取数据首先需要对信号进行监测，获得一些刮板输送机的数据，如电动机电压、轴承温度，然后处理数据，提取需要的特征参数。在此基础上对数据进行分类，从而保证不同的模块在工作时不会受到干扰相互影响，提高判断的准确性，分类方法采用模糊聚类法。采用模糊神经诊断刮板输送机减速机故障，实现刮板输送机正常工作。设计合适的硬件设施，从而开展刮板输送机故障诊断。刮板输送机故障诊断工作需要采取一定的诊断流程，才能保证诊断结果。刮板输送机故障诊断流程比较简单，包含了数据采集、测试技术、通信技术，能够全方位分析和采集数据。传感器采集数据，然后传输到上位机，上位机实现故障诊断的算法，依据建立的故障诊断模型，从而判断故障出现的位置。
2刮板输送机故障类型
刮板输送机的工作部件比较复杂，这也就决定了其工作过程中可能出现多种故障。刮板输送机的故障包括机械部件，即机头、机尾、机头，机头和机尾主要由机头（尾）架、液力耦合器、电动机、减速器及链轮等部件组成；槽部件，机尾联接槽、中部槽，板部件，包括刮板链、铲煤板、挡煤板。机头与机尾联接。联接通过传动部件，如减速器、链轮组等。减速器、电动机、刮板链、链轮组和液力耦合器工作负荷大，是刮板输送机工作过程中出现故障较多的部件。刮板输送机在工作时，减速器会出现油温过高的现象。链轮部分还会出现油温过高的现象或者出现漏油，都会对刮板输送机造成一定的影响，导致刮板输送机工作过程中出现故障，为此需要及时进行发现，并总结故障类型，以有利于下一次的工作。其他零部件混入杂质也会导致液力耦合器漏油或者温度过高，从而导致故障的出现。
3刮板输送机故障诊断模型建立
建立刮板输送机的故障模型，首先需要把不同的故障类型进行分类，依据不同的类别划分故障类型，从而能够进行更加准确的故障模型建立。根据不同的神经网络，选择适合刮板输送机故障诊断的神经网络模型建立，考虑到实际问题，采用RBF神经网络。进行模型建立时，采用合适的神经网络模型，RBF神经网络相对于BP神经网络更佳，性能也更好，所以采用RBF神经网络。建立故障诊断模型首先需要确定RBF神经网络的输入、输出，可以采用模糊聚类的方法进行分类，使得不同模块相互独立，方便对样本进行训练。不同输入分别表示刮板输送机部件故障参数，故障所在部位用输出代表。故障诊断模型如图1所示。对故障进行诊断存在一个重要的步骤，这个步骤影响刮板输送机故障诊断结果，也就是诊断过程中模糊聚类最重要，聚类效果影响着故障诊断结果的正确率。首先对数据进行处理，然后将处理的数据输入RBF神经网络中进行训练，根据目标函数和样本进行阈值和权值调整，从而使得数据输入和输出更加接近模型。权值和阀值更加适合此模型，能够针对故障做出准确的判断，从而实现提前发现故障。采集数据进行训练，学习流程如图2所示。
4故障诊断仿真结果分析
诊断故障诊断的情况进行仿真分析，输出仿真结果，从而得出有效的数据，进而判断出刮板输送机故障。为了提高网络学习时间，采用模糊聚类的方式，对故障诊断模型的不同模块开展仿真分析。本文采用MATLAB进行仿真，对刮板输送机减速器进行故障诊断，判断仿真故障与真实故障之间是否相近。故障类型在各个模块表现是相似的，采用单一部件进行说明能够体现故障诊断结果。对刮板输送机减速器进行故障诊断，分别为高速轴承温度、低速轴承温度、油温，采用仿真和实际测量检测的方式进行对比。故障诊断仿真后，仿真结果与实际故障如表1所示。由表1可知，故障诊断结果能够表示刮板输送机工作过程中出现的问题，与实际情况一致，表明基于模糊神经网络的刮板输送机故障诊断结果合理的。传统RBF神经网络相比模糊神经网络具有更多的迭代次数，诊断的精度也更高。
5结语
本文针对煤矿刮板输送机可能出现的故障，提出一种故障类型诊断方法，并建立故障诊断模型，从而实现故障诊断。首先确定神经网络故障诊断的流程，然后对不同的故障进行分类，采用MATLAB开展故障诊断过程仿真，结果显示模糊神经网络故障诊断能够表示刮板输送机减速机故障，实现对煤矿井下刮板输送机故障的诊断。神经网络相比模糊神经网络具有更多的迭代次数，诊断的精度也更高，糊神经网络的刮板输送机故障诊断方法合理。
参考文献
[1]王骥文.基于RBF神经网络的刮板输送机故障诊断[J].现代矿业,2017,33(11):157-159.
[2]赵丽华.煤矿带式输送机故障诊断中模糊神经网络的应用[J].甘肃科学学报,2014,26(5):68-71.
[3]张小玉,鲁中键.模糊神经网络技术在带式输送机故障诊断中的应用[J].煤矿机械,2006，27(11):191-193.
[4]赵肖敏.基于模糊神经网络的带式输送机故障诊断研究[D].太原:太原科技大学,2013.
作者:仝部雷 单位:山西省煤炭职工培训中心