摘要
随着大型机电设备领域无人化、一体化自主智能技术的快速发展，对煤矿智能开采技术提出了更高的要求，其中故障诊断为一大技术要点。采煤机作为煤矿开采中的关键设备，其运行状态直接关系到开采效率，截割部滚筒在采煤机机身中承载最重，尤其是内部滚动轴承，结构复杂极易发生机械故障，且单凭人为经验难以及时对故障进行判断与定位，因此对采煤机截割部滚动轴承的故障诊断方法开展研究十分必要。 本研究针对采煤机截割滚筒滚动轴承的故障诊断问题，以振动信号检测方式着手，通过建立分解信号的最优参数模型和评价准则，优化信号去噪算法，并构建基于谱峭度理论的滚动轴承故障检测方法实现轴承状态分类。具体研究内容如下： 首先，对振动信号去噪中的信号分解方法展开研究，针对经验模态分解方法中存在模态混叠、时变滤波经验模态分解方法中存在参数选择盲目的问题，提出了一种基于人工蚁群—模拟退火优化算法的时变滤波经验模态分解法，设定样本熵值为目标函数，寻找最优分解参数。 其次，对振动信号重构方法展开研究，针对信号分解后如何选择重构分量的问题，提出了基于峭度、平滑因子、自相关函数和能量的多指标融合本征模态分量评价准则；针对采煤机截割滚筒滚动轴承的故障诊断问题，构建了基于谱峭度理论的轴承故障诊断方法，适用于轴承正常、外圈故障、内圈故障和滚动体故障四种状态的区分。 最后，利用西储大学轴承振动数据开展基于特征参数优化的信号分解方法、基于本征模态分量评估准则的信号重构方法、分解方法对比、轴承四类状态区分、不同尺寸故障诊断、不同转速故障诊断几方面的试验，验证所提方法的有效性；通过转子轴承试验台采集故障数据，验证所提方法的通用性和可靠性；进行采煤机机身地面试验，采集采煤机实际故障信号，验证所提方法的实用性。基于上述算法在Qt平台通过调用MATLAB封装库开发了一款采煤机滚动轴承故障诊断人机交互界面，实现了故障的实时诊断，并对界面功能进行测试。通过上述试验，证明了所提故障诊断方法具有可行性。
NETL