＊赵艳鹏

（阳泉煤业集团泊里煤矿有限公司 山西 032700）

引言

我国地域辽阔、国土面积位于全球第三。矿产资源丰富多样，煤炭储量居多，埋藏普遍较深。普遍以掘井方式予以开采，由于开采环境相对封闭，有害气体不利于扩散，造成有害气体积聚，含氧量不高。所以，煤炭开采作业时，首先要确保通风良好。要求通风系统性能可靠。通风系统的核心设备为通风机，一旦发生故障，造成通风量的波动，甚至中断，导致有害气体排出困难，严重威胁煤矿安全生产。为保障通风安全，通风机处于不间断运行状态。然而，井巷环境潮湿、煤尘多、存在腐蚀性气体，给设备运行带来不便。该工况下，通风机易于发生故障，其中振动故障占比较高，为确保通风机运行安全，必须对其进行故障检测，以确保通风安全。

泊里矿井田位于山西省晋中市和顺县与昔阳县交界处，行政区划属和顺县李阳镇管辖，井田面积为109.379平方千米，设计可采储量为4.35亿吨，矿井生产能力500万吨/年。采用倾斜长臂采煤法，使用综合机械化回采工作一、全部垮落法管理顶板。该矿属于高瓦斯矿井，瓦斯相对涌出量平均16.0m3/t，绝对涌出量平均78m3/min。矿井现有2个回风井，各有一台主扇。2015年至2020年，主扇每年初冬都会出现异常振动，2019年、2020年发生异常现象多次，持续时间最长达70min，最短时长5min。严重影响矿井安全生产。为保障主扇可靠运行，急需分析、研究异常振动的原因，以便采取应对措施。

1.振动分析

主扇风机是一种从动的流体机械，依靠电机输出的机械能转换为气体的内能，从而实现气体朝一定方向排出。电动机转速普遍较高，对转动部件局部产生磨损，磨损超过允许值时，振幅将会增加，导致风机运行出现振动。

(1)轴系不对中

通风机和电动机属于两台设备，电动机为通风机提供源动力，两者之间通过联轴器相连。联轴器的一端与电动机相连，另一端与通风机相连。联轴器、电机轴、风机轴加工中存在一定的偏差，装配作业中存有装配偏差，两者相加为联通轴体系偏差。随着运行时间的推移，偏差会逐步增加，转子在受力不均的作用下，会造成形变，使得电机轴和风机轴同心度偏差过大。轴系不对中故障其根本原因在转子轴在运行状态下发生平行、位移、角度不对称，造成联轴器不同心，导致风机故障，通风系统稳定性下降。

(2)转子不平衡

转子不平衡式风机振动的诱因之一，通风机的零部件在制造过程中需要经过诸多工序进行，每道工序均有一定的公差范围，即制造误差、装配过程中存有装配误差、零部件材质不均，即材质误差。受误差因素影响，转子出现变形、错位、磨损等，造成风机振动。

(3)转子和零部件之间存在摩擦

风机构件由转动部件、静止部件两类组成。转动部件在转动过程中与配合的部件出现碰撞，产生轴向或径向摩擦。转子外部与静止部件发生的摩擦类型为径向摩擦。转子轴向与静止部件发生的摩擦类型为轴向摩擦。转子在安装时与定子同心度不足、转轴在长时运行受热不均造成转子出现碰磨现象。

(4)风机叶片变形

风机叶片在高速旋转的状态下，受到较大气体冲击力，而叶片厚度较小，此条件下叶片易于变形、开裂、磨损，出现该类故障，叶片动平衡受到破坏，引发风机振动。振动分为径向振动、轴向振动两类，早期多为径向振动，若故障处理不及时，致使叶片故障加剧，引发轴向振动。进而威胁通风系统安全性。

(5)轴承故障

轴承在转动过程中可有效降低转动部位的摩擦值，从而减少磨损，保障精度，降低发热量。为确保转动精密度，必须做好以下几点：首先，把好轴承质量关；其次，控制装配关，规范安装步骤；再次，把控保养润滑关，润滑不足，转动体、保持架易于腐蚀、损坏。一旦轴承发生故障，将会引发通风机异常振动。

(6)机体振动

机体振动通常处于安装过程中。基础平整度不足、导轨平面度不达标、联轴器不同心等因素，造成通风机异常振动。引风道过短，不足以对风流进行缓冲，从而引起风机振动；叶片或轮毂附着物较多，使得风机动平衡失效，产生异常振动，以上因素都会引发机体振动。

2.BP神经网络算法

通风机振动为非线性变量，神经网络为非线性映射，此次，振动检测系统以BP神经网络为载体。

(1)建立样本集

通风机在运行中，出现振动故障，其不平稳状态包含许多故障信息，运用小波分析技术，对其振动频率进行分析，将不同频率的信号分解至相应通道中，对频率通道的信号能量进行汇总，提取振动信号，得出故障特征值，再将其归一化处理，得出特征向量，总结出六中常见的故障样本训练集，见表1。

表1 故障训练样本集

(2)确定网络层数和节点

针对通风机的振动故障，进行神经网络设计（六进六处、一个隐含层），该节点数取值范围，如式（1）。

式中：N为输入层的节点数；M为输出层的节点数；a为整数1～10。

(3)参数选择

神经网络学习的初始权值与阈值，取值范围（-1，1），学习效率设定以训练误差为参照。防止过大造成系统震荡剧烈，过小总成耗时过长、次数繁多。

(4)训练神经网络

把6个输入节点和频带的能量值一一对应，隐含层的节点数设置为8，6个输出节点和6类振动故障进行对应，期望误差设定为0.01。

3.监测系统总体方案

通风机振动故障监测系统涉及软硬件设计，信号采集、处理、转换等均依靠硬件进行；信号显示、分析、存储依靠软件完成；软硬件的联合运用，达到对振动的有效监测，实现早发现、早处理，将故障消除在萌芽阶段，确保通风系统稳定性。

(1)硬件设计

监测系统硬件板块设计，见图1。振动传感器采集故障信号，在调理模块的作用下，进行数据处理，再经过数据采集卡，把所得信号传输至工控机，供LabVIEW采集。

图1 硬件设计框架图

(2)软件设计

软件设计框架如图2所示。工控机与采集卡通过线缆连接，基于LabVIEW平台程序，传递信号到工控机，小波技术对振动信号进行特征值分解，并采用神经网络进行训练，LabVIEW平台予以信号分析与处理，从而达到对风机故障进行实时监测。

图2 软件设计图

4.数据验证

BP神经网络算法和Matlab平台联合应用，对故障进行检测，效果如表2所示。算法训练可得出测绘误差值，进行曲线描绘，如图3所示。

表2 实际输出结果

图3 误差变化曲线图

5.结论

经过对泊里矿主通风机振动的研究，使用BP神经网络控制算法设计故障监测系统，实验表明：

轴系不对中、转子不平衡、碰磨、风叶叶片、轴承、机体振动等故障均会不同程度的对通风机的运行带来负面影响，甚至会造成事故。

小波分析技术将故障信号提取，并采用神经网络算法，以特征向量为输入，故障特征为输出，学习样本，实践表明，经过180次训练后基本可实现预期效果，可见此设计能够达到监测效果。

该检测系统的软硬件，在LabVIEW和Matlab平台上，进行故障信号的采集、显示、存储。