煤机维护不再难，“一机一方”专属诊断模型让故障无所遁形

2025年04月29日 15:55 智能矿山杂志责编：戚金荣作者：智能矿山杂志

语音播报

点击播放

针对煤矿中级智能化常态化运行过程中，现有煤机设备在线监测与故障智能诊断系统存在的重监测、轻分析，缺少具有煤炭行业特征的专属诊断模型以及难以在日常维护中发挥作用等问题，提出了煤机设备“一机一方”故障诊断策略，构建了煤机设备专属故障诊断模型。在山西天地王坡煤业有限公司和陕西陕煤曹家滩矿业有限公司进行示范应用中，成功检测出胶带运输机电机故障，并实现对劣化的全过程监测，为现场维护工作提供科学指导。

文章来源：《智能矿山》2025年第3期“学术园地”栏目

作者简介：马海龙，高级工程师，现任中煤科工集团常州研究院北京分公司主任工程师，主要从事煤机设备智能诊断技术研究。E-mail：mhl-dragon@163.com

作者单位：中煤科工集团常州研究院北京分公司

引用格式：马海龙.煤机设备在线监测与故障智能诊断系统研发与应用[J].智能矿山，2025，6(3)：75-79.

点击文末左下角阅读原文，免费下载阅读pdf全文

关注微信公众号，了解更多矿山智能化建设进展

煤矿智能化建设是煤矿数字化转型、高质量发展的关键。全面感知煤机设备的运行状态，并预测健康状态，实现煤机设备的按需维护，节约设备维护成本，降低工人劳动强度。目前在煤矿智能化建设中，中级智能化示范矿井基本实现了关键煤机设备的运行状态实时监测、数据集成、故障预警、大屏展示等功能，但是仍存在以下3个方面的不足。

（1）重监测，轻分析

根据《煤矿智能化建设指南》《智能化示范矿井验收管理办法》等煤矿智能化建设指导文件，各煤矿企业、相关厂商按照文件要求配置相应的传感器，实现煤机设备运行状态的实时监测，依靠阈值实现设备异常的监测报警，实现数据的集中展示，同时获得了海量的设备运行状态数据。但未分析此数据并挖掘数据价值，用以指导现场设备的维护活动，没有将数据转变为数据资产。

（2）缺少专属煤机设备故障诊断模型

随着煤矿行业对于设备状态监测与故障智能诊断需求的释放，其他行业（如风电、高铁、船舶等）的设备状态监测和故障诊断模型直接应用于煤机设备，出现了万能诊断模型，即1种算法可以实现所有煤机设备状态异常识别、故障诊断，但在现场推广使用存在不兼容、不匹配等问题。

（3）系统未融入设备日常检修工作

煤机设备状态监测系统建设完成后，在常态化运行条件下，系统与设备维护工作的融合度较低。设备维护的相关人员从不会用到会使用，再到善于使用，是维护方式的转变也是思维方式的转变，需要逐步推进；同时故障智能诊断算法模型跨行业、跨设备应用的万能算法模型，系统在现场应用中效果不明显，未给出设备维护的可靠指导意见，使得广泛推广应用受阻。

针对煤机设备状态监测与故障智能诊断存在的上述问题，深入研究煤机设备运行特征及故障特征，自主研发“一机一方”故障智能诊断策略的在线监测与故障智能诊断系统，建立了煤机设备专属故障诊断算法模型库，形成了具有煤炭行业特征的煤机设备状态监测与故障智能诊断系统，推动煤机设备维护活动由事件驱动（故障）向数据驱动转变，从单体设备到设备集群的故障智能诊断转变，从低效维护到高效维护的转变。基于“一机一方”故障智能诊断策略的在线监测与故障智能诊断系统，先后在王坡煤矿、曹家滩煤矿的示范应用中取得良好的效果。

在线监测与故障智能诊断系统架构

在线监测与故障智能诊断系统由数据层、数据处理层以及应用层组成如图1所示。

图1 在线监测与故障智能诊断系统架构

（1）数据层

数据层主要实现设备运行状态的采集，包括从第三方获取的数据以及从传感器直接采集的数据，集成煤机设备相关的全部数据，是设备状态一站式查询的数据基础。

（2）数据处理层

数据处理层实现数据的清洗，去除数据中的奇异点，并统一数据时钟，为数据应用奠定基础。

（3）应用层

应用层由煤机设备故障专属智能诊断模型库，以及设备状态信息的共享与应用组成，包括设备异常监测、异常的智能诊断以及异常的处理。

在线监测与故障智能诊断系统主要功能

在线监测与故障智能诊断系统（以下简称系统）主要功能包括：设备状态信息查询、异常检测、异常（故障）智能诊断、维护策略以及智能诊断模型库等。

（1）设备状态信息一站式查询与共享

系统集成应用了与设备有关的信息，并在实时监测功能中显示，实现了设备状态信息的一站式查询和数据共享。系统集成的数据来自3个方面。首先是利用系统配套的传感器（振动加速度传感器、速度传感器、温度传感器等）和数据采集分站与振动采集分站采集设备的运行状态数据；其次是通过通信协议（如Modbus协议、TCP/IP协议等）从第三方平台接入设备运行状态数据；最后是利用系统配套的数据采集分站接入煤机设备自带的传感器，实现设备运行状态的采集，避免传感器的重复安装。

系统支持设备运行状态数据的一站式查询，数据与第三方平台共享、大屏展示等，数据集成与应用如图2所示。

图2 数据集成与应用

（2）智能诊断专家系统

由于不同煤机设备的结构、工况均不同，导致同一诊断模型很难适应不同设备的异常识别与故障诊断。基于“一机一方”的煤机设备专属诊断模型，突破传统1个模型适配多种煤机设备的状态。以“一机一方”智能诊断策略为基础，针对不同煤机设备构建专属诊断模型，形成煤机设备专属诊断模型库，提升故障诊断系统故障诊断的准确率，实现煤机设备的精准维护，“一机一方”故障诊断系统模型库如图3所示。

图3“一机一方”故障诊断系统模型库

根据不同设备的不同故障特征采用不同算法，针对刮板输送机减速机采集有振动、温度、冷却水流量、冷却水压力等信息，采用多信息融合的模糊专家诊断技术，建立了刮板减速机的故障智能诊断模型；针对通风机等设备有效数据样本少等问题，采用基于经验模式分解和深度学习融合的通风机转子故障智能诊断模型。目前，共计开发出煤机设备专属智能诊断模型120个。

（3）维护策略

维护策略模块集成了设备日常维护内容和设备异常处理的策略和方法，解决设备维护中的“修什么，怎么修”的问题。维护策略模块关联设备异常和异常处理方法，通过智能诊断模块诊断设备异常后，维护策略模块给出建议。用户可以根据实际情况，修改、完善维护策略模块，使维护策略模块给出的维护建议更加与现场实际相符合。

现场应用效果

在线监测与故障智能诊断系统已在国家能源集团的李家壕煤矿、红柳煤矿、保德煤矿，陕煤集团的张家峁煤矿、小保当煤矿以及王坡煤矿进行了实践应用，效果良好。以王坡煤矿的使用情况为例说明系统应用效果。

王坡煤矿系统应用涵盖了大巷输送带、井下水泵、瓦斯泵、提升机、压风机、通风机以及洗煤设备共计1200个测点。系统具有数据一站式查询的实时在线监测、智能诊断专家系统模块、维护策略库、报警查询、趋势分析等功能。

在线监测与故障智能诊断系统实现了煤机设备状态的实时在线监测，尤其是隐蔽、危险部位的状态监测，智能故障诊断模块实现了设备异常的监测报警，提升了设备维护的效率，保障了设备运行安全。与水泵控制系统、主煤流控制系统、瓦斯泵控制系统等系统进行设备状态数据共享，促进了煤矿多系统之间的联动与数据融合。接入矿管控平台，助力王坡煤矿通过国家首批智能化示范煤矿建设验收，设备状态数据一站式查询-实时在线监测界面如图4所示，智能诊断专家系统界面如图5所示，基于“一机一方”的故障诊断策略模型库界面如图6所示。

图4 设备状态数据一站式查询-实时在线监测界面

图5 智能诊断专家系统界面

图6 基于“一机一方”的故障诊断策略模型库界面

2023年4月，在线系统检测出集中主运一部1号驱动电机运行异常发出报警，智能诊断结果为驱动电机轴承故障；故障程度为早期故障；维护建议为监护运行如图7所示。9月底，故障诊断专家再次确认该电机存在轴承故障且故障程度严重，需要更换电机，此时故障诊断系统也给出相同的维护策略。从发现设备故障隐患到更换设备排除隐患，历时5个多月，如图8所示，系统主要通过监测电机的2个参数，实现了设备故障的精准诊断和故障劣化全过程监控，为设备检修更换赢得时间，保障了设备的安全运行，通过技术干预延长了设备的使用寿命。

图7 1号驱动电机专家系统智能诊断

图8 1号驱动电机劣化全过程监测

（1）振动信号

利用振动加速度传感器获取（轴承故障信号为冲击性信号，振动加速度信号最为敏感），测点位于电机轴伸端正上方垂直方向。

（2）温度传感器

温度传感器为电机自带传感器，测点位于电机轴伸端支撑轴承内部预埋。

结语

在线监测与故障智能诊断系统通过感知层实现了煤机设备运行状态的实时监测，故障智能诊断系统模块实现了煤机设备运行异常的识别、异常的诊断、异常的处理。对于煤机设备早期故障，通过技术干预，在保障设备安全运行的前提下，延长了设备的使用寿命。在线监测与故障智能诊断系统实现了从井下综采工作面到地面设备的全覆盖，有效降低了工人的劳动强度，提升设备维保的工作效率，为设备安全、可靠运行，为实现煤机设备按需维修、预知性维修提供支撑。

END

编辑丨李莎

审核丨赵瑞

煤炭科学研究总院期刊出版公司拥有科技期刊21种。其中，SCI收录1种，Ei收录5种、CSCD收录6种、Scopus收录7种、中文核心期刊9种、中国科技核心期刊11种、中国科技期刊卓越行动计划入选期刊4种，是煤炭行业最重要的科技窗口与学术交流阵地，也是行业最大最权威的期刊集群。

《智能矿山》

Journal of Intelligent Mine

月刊CN 10-1709/TN，ISSN 2096-9139，聚焦矿山智能化领域产学研用新进展的综合性技术刊物。

主编：王国法院士

投稿网址：www.chinamai.org.cn（期刊中心-作者投稿）

联系人：李编辑 010-87986441

往期荐读