李长文， 程泽银， 张小刚， 丁华

(1.山西金融职业学院 信息技术系， 山西 太原 030008；2.太原理工大学 机械与运载工程学院， 山西 太原 030024；3.煤矿综采装备山西省重点实验室， 山西 太原 030024)

0 引言

采煤机是煤矿采煤工作面的核心设备之一，摇臂是采煤机切割煤层的关键动力部件，承受着采煤机截割载荷及摇臂传动系统非线性内激励，是采煤机的薄弱环节[1]。采煤工作面环境恶劣，采煤机摇臂传动系统的齿轮极易发生故障，不但影响煤炭开采效率，造成企业经济上的损失，更为严重的还会造成人员伤亡事故。由于摇臂传动系统具有传动链长、齿轮类型多及所处环境噪声强的特点，给其齿轮故障诊断带来了极大挑战。

国内学者对采煤机故障诊断技术开展了诸多研究。付家才等[2]结合小波分析和神经网络的方法有效地检测了摇臂故障信号的发生时间，并准确地诊断出故障的严重程度。D. Zhang等[3]在采煤机传动系统的齿轮箱表面安装2个加速度传感器，通过对获得的振动信号进行功率谱分析，预测了齿轮箱发生故障的可能性。Z. Li等[4]提出的变模型分解-频谱回归优化的核费舍尔判别(VMD-SRKFD)方法实现了采煤机传动系统中齿轮混合故障的检测。都玉辉等[5]针对采煤机齿轮箱运行过程中容易发生润滑不良或异常磨损等故障的问题，提出了一种基于偏最小二乘回归的采煤机齿轮箱故障诊断方法，实验表明该方法可以准确地判断出齿轮的磨损状态。任众等[6]利用粒子群算法对支持向量机的相关参数进行优化，并利用优化后的支持向量机分类器对采煤机截割部行星齿轮减速器故障进行实时诊断。……