编者按

智慧煤矿建设是工业技术革命、产业转型升级的战略方向和目标，煤矿智能化故障诊断技术是智慧煤矿建设关键技术之一。煤矿智能化发展要求对系统和设备进行全方位的运行状态监测、诊断和预警，以确保煤炭开采过程的连续性和安全性。由于煤矿井下环境恶劣，井下系统及设备故障频发且难以准确高效诊断，煤矿智能化故障诊断技术仍面临着诸多科学挑战和难题。为促进煤矿智能化故障诊断技术理论实践进步，总结交流近年来煤矿故障诊断领域的新成果，《工矿自动化》组织策划了“煤矿智能化故障诊断技术”专题，报道了提升机故障诊断、机械设备磨损状态识别、齿轮箱故障诊断、矿井漏电保护选线等方面的研究成果。在此衷心感谢各位专家学者为本专题撰稿！

专题

“煤矿智能化故障诊断技术”专题

基于模糊故障树和贝叶斯网络的矿井提升机故障诊断

张梅，许桃，孙辉煌，孟祥宇

基于模糊故障树和贝叶斯网络的矿井提升机故障诊断包括基础数据处理、模糊故障树分析和贝叶斯网络分析3个部分：首先对采集的提升机运行参数进行预处理和多源信息融合，以去除无用的数据，并提取数据特征值，保证数据的准确性；然后将处理后的数据输入矿井提升机模糊故障树进行初步计算，得到相应底事件模糊概率；最后根据映射规则将模糊故障树映射为贝叶斯网络，将底事件模糊概率作为先验概率，计算叶节点发生概率、根节点的后验概率、概率重要度和关键重要度，从而确定故障类型和位置。

基于堆栈降噪自编码网络的机械设备磨损状态识别

樊红卫，马宁阁，张旭辉，高烁琪，曹现刚，马宏伟

通过对磨粒铁谱图像的预处理、特征提取等可实现机械设备磨损状态识别，但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性较差。本文将多个降噪自编码网络进行堆叠，即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入，并在最后一个降噪自编码网络隐含层后添加Softmax分类器，从而构建堆栈降噪自编码网络。通过堆栈降噪自编码网络对磨粒铁谱图像进行深层特征提取，并在有监督微调下对铁谱图像进行自动分类，实现机械设备磨损状态智能识别。实验结果表明：当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.时，网络性能最佳，识别准确率达98.43%。

煤矿机械齿轮箱故障诊断方法

刘永亮

齿轮箱故障诊断中所用振动信号基本是通过齿轮箱表面加装的传感器测得，信号中包含齿轮啮合振动信号与大量噪声干扰成分等，加大了齿轮箱故障特征提取难度。本文利用粒子群优化（PSO）算法优化变分模态分解（VMD）参数，提出了一种基于PSO-VMD与最小熵反褶积（MED）的齿轮箱故障诊断方法。该方法首先利用全局随机搜索PSO算法对惩罚系数α与分量个数K进行参数寻优，从而得到一个最大化VMD分解性能的最优参数组合，并利用参数优化VMD算法对齿轮箱振动信号进行分解，得到一系列包含信号尺寸波动成分的本征模态函数（IMF）分量；然后，选取与原信号相关度最大的IMF分量，并利用能凸显信号连续脉冲序列的MED方法来凸显该分量的故障冲击特征，进而滤除分量中的噪声干扰成分；最后，对消噪后的IMF分量进行Hilbert包络解调，提取故障特征。

一种矿井漏电保护选线方法

于群，尚雪丽

由于矿井条件限制及强电磁干扰等问题，目前矿井供电系统发生单相接地故障时漏电保护选线准确率低，装置拒动、误动现象时有发生。本文提出了一种基于零序电流积分与改进Bhattacharyya距离算法的矿井漏电保护选线方法。该方法通过对故障后首个1/4工频周期的零序电流数据进行积分递推处理，得出零序电流积分序列的分布趋势，有效避免了突变数据对选线准确率的影响；采用改进的Bhattacharyya距离算法求取各线路零序电流积分序列之间的Bhattacharyya系数，以Bhattacharyya系数累加和求得的综合累加系数作为选线判据，并以同一时刻各线路电流采样值的乘积和作为辅助判据对母线故障进行判别，可提高选线的准确性。仿真结果表明，该方法适用于不同中性点接地方式，具有较强的抗噪声干扰能力，受不同故障工况的影响小，选线准确率高。

信息提供：盛男

图文编辑：张聚

审核：王晖

免责声明：以上内容转载自工矿自动化，所发内容不代表本平台立场。全国能源信息平台联系-，邮箱：hz