Горный журнал УГГУ - Результаты поиска для: Шпрехер Д. М.

Рассмотрены известные прямые и косвенные методы диагностирования состояний режущего инструмента. Приводятся факторы, влияющие на энергоемкость разрушения угля. Показана возможность контроля правильности и эффективности функционирования режущего инструмента исполнительного органа выемочных машин по параметру энергоемкости разрушения. Предложено диагностировать техническое состояние исполнительного органа выемочных машин по суммарному износу резцов шнеков, выраженному в относительных единицах. Установлены зависимости энергоемкости разрушения угля очистным комбайном со шнековым исполнительным органом от производительности его работы при разном относительном износе резцов, которые позволяют определять техническое состояние исполнительного органа по фактически измеренной энергоемкости разрушения в процессе эксплуатации комбайна. Разработано устройство для диагностирования технического состояния исполнительного органа комбайна, включающее: блоки, измеряющие фактические значения мощности, потребляемой электродвигателями резания и подачи, и производительность комбайна; вычислительное устройство, определяющее фактическую энергоемкость разрушения и сравнивающее его с опорным значением. По результатам диагностирования сделан вывод о работоспособности исполнительного органа. При применении разработанного метода и нового устройства повышаются надежность и производительность очистного комбайна за счет увеличения продолжительности безаварийной работы с максимальной устойчивой мощностью привода.

Описана структура организации и построения аппаратуры для технического диагностирования сложных объектов на примере шахтного электромеханического комплекса, основу которого составляет очистной комбайн. Объектами контроля являются электромеханические системы (ЭМС), содержащие асинхронные двигатели разной мощности; гидравлические узлы; высоковольтную и низковольтную коммутирующую аппаратуру; электронные силовые преобразователи (частоты, напряжения, выпрямители); редукторы конвейера и комбайна; трансформаторы. Процесс диагностирования осуществляется с учетом факторов внешней среды. Функциональная схема диагностического комплекса включает в себя три уровня иерархии. Каждый уровень выступает как управляющий по отношению ко всем нижестоящим и как управляемый, подчиненный по отношению к вышестоящему. Нижний уровень содержит датчико-преобразующую аппаратуру, измеряющую параметры ЭМС и факторы внешней среды, модули ввода-вывода и барьеры искрозащиты. Средний уровень – технические средства преобразования интерфейсов и последующего сбора, временной коммутации телеметрических сообщений. Верхний уровень – совокупность автоматизированных рабочих мест диспетчера, функционирующих под управлением специального программного обеспечения. В основе специального программного обеспечения для диагностирования технических состояний лежат нейросетевые алгоритмы, позволяющие решать задачи контроля и прогнозирования технических состояний ЭМС. Данные алгоритмы являются открытыми и настраиваемыми с возможностью дополнения новыми диагностическими признаками. Используемые в программе алгоритмы диагностирования основаны на результатах модельных и натурных исследований и являются объектно-ориентируемыми. Показано, что разработанная аппаратура позволяет оперативному персоналу в режиме реального времени контролировать техническое состояние систем любой сложности, включая электромеханическое оборудование для работы во взрывоопасных атмосферах.

Представлены результаты применения многослойной нейронной сети для решения задач диагностики электромеханических систем горных машин на примере электрооборудования погрузочной машины 2ПНБ2. Установлено, что применение нейронных сетей повышает достоверность распознавания технического состояния машин на 5–10 %.

Разработан нейросетевой алгоритм выбора измеряемых параметров при поиске неисправностей электромеханических систем горных машин, основанный на выявлении состава измеряемых параметров непрерывных процессов итерационными методами. На основе фактов мажоритарного совпадения смен значений множества характеристик определяется состав наиболее информативных признаков электромеханических систем.

Представлены основные положения и этапы нейросетевой диагностики электромеханических систем горных машин. В основе диагностической модели лежит многослойная нейронная сеть прямого распространения, обучаемая по методу обратного распространения ошибки.

Предлагается структурная схема комплекса для реализации диагностики электромеханических систем (ЭМС) горных машин. Разработано специальное программное обеспечение, предназначенное для повышения эффективности и автоматизации управленческих решений при эксплуатации электромеханического оборудования за счет использования данных статистической обработки измеряемых параметров ЭМС.

Дается анализ и обсуждаются экспериментальные результаты, подтверждающие возможность применения нейросетевого классификатора для вынесения решения по прогнозу состояния электромеханических систем. С этой целью формируются центроиды кластеров технических состояний электромеханических систем.