礦山機械設備故障產生的原因與診斷技術
在礦山企業中，領導十分注重生產指標和生產業績，把主要力量和骨干力量都安排到生產第一線，以下是小編搜集整理的一篇探究礦山機械設備故障產生原因的論文范文，歡迎閱讀參考。
機械設備故障診斷技術及其發展趨勢關乎機械設備是否能夠健康有序運轉，關乎生產業績及經濟效益，更關乎人身安全。深入探討機械設備故障診斷技術及其發展趨勢具有重要意義。
1礦山機械設備故障產生的原因
1.1管理制度存短板
安全重于泰山。當前，人們把礦山安全提到了重要位置，制定了一系列的安全生產責任制度，但對于礦山機械設備的管理卻不夠重視，還在沿用傳統的管理模式，以計劃預防為主。雖然也制定了一定的管理制度，但因為缺乏相應的目標考核和檢查監督，很多制度都執行不嚴格、不到位，甚至形同虛設，導致礦山機械設備的日常檢修、維護保養等不能及時有效進行，礦山機械設備管理已經遠遠不能適應生產發展的要求，直接影響了礦山的經濟效益，也給礦山安全帶來了潛在的安全隱患，甚至造成了不可挽回的損失。
1.2設備技術有缺陷
礦山機械設備構造一般都精密復雜，配件十分先進，一旦發生故障，需要先進的維修技術。但目前礦山機械設備檢修隊伍的維修技術還十分落后，長期得不到及時的專業技術培訓，全靠自己在維修中摸索，全憑經驗來維修。當設備發生問題時，從表象發現不了，也無法提前進行故障檢測，維修質量得不到保證。同時礦山機械設備的采購人員對礦山機械設備的性能等缺乏全面系統的了解，依據的都是從設備說明書上了解到的知識，聽的都是銷售方單方面對設備功能的講解，致使采購的礦山機械設備功能落后，有缺陷，甚至不合規定。
1.3檢修隊伍不過硬
在礦山企業中，領導十分注重生產指標和生產業績，把主要力量和骨干力量都安排到生產第一線。對礦山機械設備檢修隊伍不重視，不僅人員數量少，而且流動性很強。檢修人員工作缺乏穩定性和連續性，不能安心地在檢修隊伍工作，僅僅為了維修而維修，不去認真了解設備故障產生的原因，不能全面了解設備的性能，不去深入鉆研維修技術，致使維修質量大幅度的下降。同時，檢修隊伍與其他礦山工種相比，工資普遍偏低，也在一定程度挫傷了檢修人員的工作積極性和熱情。
1.4設備操作有不當
一些礦山機械設備檢修人員在進行設備安裝時，不了解設備的全面情況，不閱讀使用說明書，就按照經驗進行安裝，結果在安裝過程中，由于安裝方向不對，不僅使設備不能正常運轉，而且在拆裝過程中，對設備也造成了一定的損害。在對機械設備進行檢修和拆卸時，不按操作規程操作，比如在拆軸承和皮帶輪等設備零部件拆不掉時，就直接生硬地用錘子敲打，敲打力量過大，無形中也對設備的零部件造成了損壞，縮短了設備的使用壽命，導致設備故障的頻頻發生。
2礦山機械設備故障的診斷方法
2.1振動監測診斷
振動檢測能夠實時、直觀、精確地對礦山機械設備振動進行檢測，并根據振動是否異常、是否有規律來判斷設備是否運轉正常，是礦山機械設備故障診斷的常用方法，也是首選方法。振動檢測主要是先通過測定振動強度，然后通過對振動頻譜分析，最后有針對性地對零部件進行分析而得出科學診斷結論的一種診斷方法。通過振動強度分析，可以了解設備運轉是否正常。通過振動頻譜分析，可以清楚設備發生問題的環節和部位。通過零部件分析，可以準確找出故障，并及時維修。
2.2紅外測溫診斷
發動機排煙管堵塞、液壓系統油液劣化、機械設備內部接點燒壞、機械磨損等都會引起礦山機械設備溫度升高，在溫度上顯示出來。紅外測溫法就是利用紅外測溫儀，通過對機械設備內部各個部位的溫度進行測定，并根據溫度變化來判斷設備是否正常運轉的一種方法。
紅外測溫法可以遠距離、非接觸性測溫，可以進行信息處理、數據運算和判斷，比一般傳感器測量出來的溫度更精確，更能準確確定設備的環境溫度狀態和變化。通過紅外測溫診斷，可以提早對機械磨損、油液劣化現象采取相應措施處理，能夠保證設備正常運轉，延長設備使用壽命。
2.3潤滑油樣分析
潤滑油在機械設備中循環流動，攜帶著大量設備零部件運行工作狀態的信息。通過對油液磨屑粒形狀和對油液介質的物理和化學成分進行分析識別，可以判斷設備中零部件的磨損程度、部位和類型，進行故障診斷，這種診斷方法稱之為潤滑油樣分析法。這種診斷方法主要應用于機械設備潤滑系統和液壓系統，具體主要有三種分析方法：光譜分析法主要適用于磨屑粒徑小于10um的磨損顆粒，其診斷準確，分析速度快。它主要利用光譜儀檢測各種元素受到一定能量激發時具有發射的特定波長光的化學成分和含量，準確判斷設備的磨損部位和程度;鐵譜分析法適用范圍很廣，主要用于檢測磨屑粒徑在10~50um的磨損顆粒，但分析速度慢。它主要利用高強度磁場將油液中的金屬磁性顆粒分離出來，然后用鐵譜儀制成譜片，用光學顯微鏡觀察磨屑的成分、大小、形態、色澤，判斷設備的磨損部位、類型和運行狀態;磁塞檢查法主要適用于磨屑粒徑在50um以上的磨損顆粒檢測，其方法簡單，多用于檢測設備零部件后期磨損。它是用帶磁性的塞頭插入潤滑系統的管路內，收集油中的磨損顆粒，然后用肉眼直接進行觀察并判斷零部件的磨損狀態，進行故障診斷。
2.4無損探傷診斷
機械設備在生產時，其鑄件、鍛件、焊接件的表面及內部不免存在裂紋、氣孔等肉眼觀察不到的各種缺陷，在使用過程中缺陷可能會進一步惡化，影響設備的性能和正常運轉。無損探傷診斷法就是利用聲、光、磁和電等特性，在不損害或不影響機械設備使用性能的'前提下，檢測其是否存在焊縫、是否存在不均勻性、是否存在材質方面的缺陷，是對機械設備進行早期故障診斷的一種有效方法，能夠及早發現設備缺陷，保證機械設備的正常運轉。常有的探傷方法有射線探傷、超聲波探傷等。
3礦山機械設備故障診斷技術的發展趨勢
3.1傳感器與監測儀器廣泛應用
礦山機械設備故障診斷主要靠傳感器和監測儀器，但現有的傳感器檢測水平差、檢測數據不準確，可靠性差，監測儀器功能單一，監測技術水平低，這些都已經遠遠不能適應礦山機械設備故障診斷的需要，迫切需要研發出先進的多功能型的傳感器和監測儀器。因為每種監測方法對不同故障的敏感程度不同。所以，研發時要從準確選擇振動、溫度、噪音、油液中磨屑及其形態等參量入手，要使傳感器和監測儀器能夠快速準確識別故障，能夠在礦山機械設備故障診斷領域得到廣泛應用。
3.2開發小波分析診斷技術應用
在進行礦山機械設備故障診斷時，由于機械設備內部的零部件結構不同，所以產生的信號中有大量的非平穩信號，而傳統的基于快速傅里葉變換的頻譜分析方法只適用于分析平穩信號，對非平穩信號和突變信號無能為力。所以在此基礎上，人們推出了一種新興理論，那就是小波分析法。它具有可變分辨率，具有時域和頻域局部化分析功能，可以把不同頻道的信號進行不同的分解，分解到不同頻道的分解序列，為進行故障的診斷提供可靠準確的理論依據。小波分析目前已被逐漸廣泛應用到風機、發動機、提升機、液壓泵等機械設備的狀態監測和故障診斷中。
3.3研制人工智能神經網絡技術
人工智能神經網絡技術是在生物神經學研究的基礎上提出的人工智能概念，是對人的大腦的一些基本特征和神經網絡組織的模擬。具體到機械故障診斷來說，就是把來自機設備不同結構和狀態的振動信號收集匯總，通過其特征進行對比選擇，然后找到對故障反映最敏感的特征信號作為神經網絡的輸入向量，同時結合專家系統提供的由規則轉變而來的學習樣本和實例，建立故障模式訓練樣本集，對網絡進行訓練，最后達到用人工智能神經網絡進行機械設備故障診斷的目的。
4結語
隨著高科技的發展，礦山機械設備故障診斷技術會越來越先進，會得到更長足和長遠的發展，診斷結果會更精確，將為機械設備故障的診斷提供強有力的技術保障，為礦山企業的安全生產保駕護航。
參考文獻
[1]王建文.煤礦機械設備故障診斷及維修[J].技術與市場，2013,(12).
[2]荊立新.運用故障診斷技術進行礦山機電設備維修[J].科技與企業，2014,(16).
[3]王亞軍.煤礦井下設備故障診斷技術應用[J].山東煤炭科技，2014,(8).
【礦山機械設備故障產生的原因與診斷技術】相關文章：