王 琴， 王睿哲， 韩 镇， 吴 江， 郭富祥

（中国矿业大学徐海学院， 江苏 徐州 221000）

引言

在煤矿产业的实际安全生产过程中，煤矿主通风机承担着重大作用，是保障井下作业人员生命安全的重要设施之一，由此我们设计了煤矿主通风机状态监测及故障诊断系统。

本系统通过采用精度高、体积小的高精度传感器，可应用于环境复杂，空间狭小的煤矿主通风机，并能提升其振动信号采集精度，以辅助于判断机器是否正常，具有极为重要的实用价值。预警系统的软件部分，设计采用LabVIEW 软件程序作为开发平台，它能明显缩短开发周期，且具有丰富的外部接口，能与采集硬件实现无缝连接，实现数据的可靠采集，并具有良好的界面编辑功能，为系统提供友好的人机界面[1]。

1 煤矿主通风机振动信号采集系统总设计

煤矿主通风机状态监测及故障诊断系统可分为信号的监测和信号的分析两大部分。信号的监测主要由搭建的硬件平台获得，而信号的分析则通过编程实现。

结合煤矿主通风机的实际工作状态和工作环境以及信号采集的精度要求，本系统选用ADXL357 三轴加速度传感器作为传感器模块的主要硬件设备。通过考察市场同类型系统设计以及性能成本等综合考虑，本系统选择采用市场反馈良好，性能优秀的C51单片机作为控制模块主要硬件设备。软件处理模块采用国际主流公司美国国家仪器（NI）公司研发的Lab-VIEW 软件进行数据分析及波形生成，如图1 所示。

2 硬件部分设计

硬件部分主要由传感器模块和控制器模块两个模块组成。传感器模块直接安装在煤矿主通风机上，确保其能够及时准确地接收到振动信号，并将信号及时传回控制器模块。控制器模块负责实时接收传感器模块传回的振动信号并进行数据处理并将其传输至上位机中的软件处理模块。

2.1 传感器模块

ADXL537 三轴加速度传感器内部自带电压稳定电路，工作电压3.3～5 V，引脚电平兼容3.3 V/5 V 的嵌入式系统，可以在矿井内的复杂条件下进行稳定运转。ASCII 模式输出速率0.1～200 Hz，高速输出模式输出速率0.1～2 000 Hz，可以2 000 Hz 的速率高速输出加速度信息。且其数据传输模式的多样性，能够为工作人员在操作时提供更多的选择，同时也能为数据传输的稳定性提供保障。在制作工艺上，本系统选用的产品使用双层PCB 板工艺，使得芯片整体更薄更小，在矿井下狭小的工作空间里能更好地适应工作环境。

ADXL357 三轴加速度传感器可以很好地适应煤矿主通风机的复杂工作环境以达到目标要求。煤矿主通风机在工作过程中出现的故障类型主要包括转子不平衡、基础松动、磨损故障、叶片故障等，为了确保能够更精准地采集振动信号以判断机器是否处于正常工作状态，结合上述故障类型可能涉及到的故障部位，本系统将传感器模块安装在煤矿主通风机的转轴部分，并在传感器外侧增加一个防护罩，最大限度地保障传感器在工作时不受外界其他振动信号的干扰，确保振动信号采集精度，如下页图2 所示。

2.2 控制器模块

本系统控制器模块选择51 系列单片机作为核心控制硬件。51 单片机的操作系统十分完善，从内部的硬件到软件都有一套全面的按位操作系统，处理对象不是字或字节而是位[2]。结合ADXL357 的引脚图，将对应引脚与单片机通过数据线进行连接，ADXL357三轴加速度传感器连续检测出煤矿主通风机加速度位于X、Y、Z 三个正交轴上的投影，Gx，Gy，Gz分别为左右、上下和前后的轴向加速度，G 为合加速度[2]，如图3 所示。

三个轴向的加速度数据由加速度传感器节点通过精度为12 位模-数转换器转换成数字信号，信号通过串口传输将数据传输到单片机中，然后将数据传输至上位机中的LabVIEW 中进行具体的数据分析和波形分析。

3 软件部分设计

本系统软件部分的上位机软件采用美国国家仪器（NI）公司所开发的LabVIEW 进行[3]编写，相较于其他传统的文字化计算机语言，LabVIEW 采用一种基于图形化编程语言的开发环境，又被称为G 语言[4]。因为其具有集成硬件部署、信号处理分析和连接、控制与仿真、数据管理与报表生成、开发工具和验证、应用发布等功能，如图4 所示。

3.1 数据采集系统

单片机通USB 转串口模块连接上电脑打开串口调试助手，安装好串口USB-TTL 模块对应的驱动CH340 以后，在设备管理器中查询到对应的端口号，既可以使单片机将振动信号数据传输至上位机。上位机初始默认模式为ACSSI 模式，在该模式下默认出场波特率为9 600，数据固定长度为16 进制数，可以实现数据记录的功能，即单片机实时传回的震动数据可以进行保存，以便于在后续的数据处理和分析中提供更多的参考值，同时可以为日后相关数据库的建立提供宝贵的数据资料。

串口发送一次数据过程的可以分为三个步骤：打开串口→发送数据→关闭串口。通过编辑LabVIEW中的程序，使得振动信号数据输入后使用DataSocket技术、VI 服务器和Web 服务器技术等，简化了现场数据的交换，同时通过LabVIEW 软件提供的绘图功能图形编程后进行数据处理，图形界面清晰、直观。通过该程序，可以实现将三个轴向上的加速度数据进行整理分析，并输出波形，实现煤矿主通风机的振动信号采集，如图5 所示。

3.2 故障诊断系统

通过LabVIEW 对通风机振动情况的实时监测，本系统接着利用MATLAB 平台，建立基于BP 神经网络通风机故障诊断网络模型，其输入15 个常见故障的X、Y、Z 轴的加速度作为训练样本（如表1），输出向量以通风机故障中常见的故障类型如转子不平衡、基础松动、磨损故障、叶片故障作为神经网络的输入。输入样本对应的期望输出为“1”时表示通风机存在故障，当输出为“0”时表示无故障。

表1 故障数据样本组成

建立的模型经过5 000 次的训练，达到了网络模型中预先设置的目标精度要求，网络训练误差曲线如图6 所示。

4 结语

本文所设计的煤矿主通风机状态检测及故障诊断系统能够很好的实现对振动信号进行实时监测，与此同时当通风机的振动超限时，还可以及时地对故障信号做出分析，进而判断故障类型，实现保障煤矿主通风机正常工作，保护煤矿工人安全的功能。