在礦山生產領域,礦井提升機作為 「咽喉設備」,承擔著運輸人員、礦石及物料的關鍵任務,其運行狀況直接關乎礦山生產的安全與效率。隨著2025年礦井提升機行業政策的不斷推進與落實,對提升機的智能化、安全性和可靠性提出了更高要求。然而,當前礦井提升機面臨故障處理周期長、維護保養任務重、維修成本高等難題,傳統健康診斷系統存在誤差大、智能化程度低等不足。在此背景下,研究基於 PHM 的礦井提升機健康管理系統具有重要的現實意義。
《2025-2030年全球及中國礦井提升機行業市場現狀調研及發展前景分析報告》指出,礦井提升機健康管理系統旨在採集、處理和整合整個提升機系統的健康信息,依據這些信息做出預測性修複決策,確保提升機在全壽命周期內的安全性、可靠性和經濟性達到或超過設計標準,從而降低使用和維護成本。該系統的基本工作流程涵蓋狀態監測、健康特徵信息監測、健康狀況及危險因素評估、預測與控制、健康特徵預測性決策、干預控制執行以及干預過程監控等環節。
其功能要求主要包括狀態監測、健康評估和預測與控制三個方面。狀態監測作為基礎,實時監測礦井提升機是否處於正常工作狀態;健康評估基於狀態監測結果,對提升機的性能狀況進行評估;預測與控制則結合提升機健康特徵信息,對其運行性能進行預測性修複決策,並執行干預控制,以保障提升機始終處於健康運行狀態。
礦山生產實踐表明,礦井提升機運行中的故障多源於液壓站故障、閘瓦磨損、提升負載過載、鋼絲繩斷絲、運行超速以及加減速度不平穩等問題。這些故障由分布在提升系統各處的傳感器進行實時動態感知,傳感器採集的數據作為輸入傳輸至健康管理系統控制模塊。當出現提升超速情況時,系統通過調整提升機變頻器來控制電機轉速,從而調節提升速度;當監測到閘瓦間隙超過標準最大值 2.0mm 時,系統向提升機操縱台 PLC 發出控制指令,調整液壓站比例閥電流,控制油壓輸出,進而調節閘瓦與閘盤之間的間隙。
礦井提升機健康管理系統主要由設備層、傳感器層、數據層和分析決策層四層結構組成。設備層即礦井提升機本身,處於系統最底層;傳感器層由安裝在提升機及液壓站的各類傳感器構成,包括溫度傳感器、壓力變送器等,負責採集提升機運行參數;數據層進行數據處理和存儲,對傳感器數據進行歸一化處理,將其取值限定在 [0 - 1] 區間,並建立資料庫儲存傳感器歷史數據及對應的健康指數,為後續 BP 神經網絡模型訓練提供數據支持;分析決策層通過訓練 BP 神經網絡模型進行健康評估、預測推理和維護決策,根據實時傳感器數據得到健康指數,評估提升機健康狀態,預測故障趨勢並做出維護決策。
為實現對礦井提升機健康狀態的準確預測,構建基於 BP 神經網絡的傳感器數據與健康指數關係模型。該模型的建立步驟包括模型建立、網絡參數選擇、樣本數據確定及預處理、網絡訓練和測試。
模型採用帶有 1 個中間層的 3 層 BP 網絡結構,輸入層有 9 個神經元,分別對應電機輸出軸轉速、電機電流等 9 項提升機運行參數;輸出層 1 個神經元,為礦井提升機的健康指數;中間層經過多次驗算對比,確定神經元個數為 5 個。
在模型訓練過程中,對閾值和權值進行初始化,隨機賦予較小值。給定輸入向量和對應輸出向量,依次進行正向計算。將資料庫中的 110 組數據分為兩組,70 組作為訓練集對 BP 神經網絡模型進行反覆訓練,40 組作為測試集進行測試。測試結果顯示,實際健康指數和預測得到的健康指數非常接近。根據設定的健康標準,即健康指數 (0 - 0.35) 為健康狀態,(0.35 - 0.75) 為亞健康狀態,(0.75 - 1) 為故障狀態,實際健康狀態與預測健康狀態的重合度在 90% 以上,表明該模型具有良好的診斷預測能力。
基於礦井提升機健康管理系統的功能要求,成功構建了動態健康評估體系,完成了系統分層和硬體結構搭建,通過傳感器採集數據為分析決策提供了有力依據。提出的基於 BP 神經網絡的關係模型,實現了對傳感器數據的有效訓練,得出了精確度較高的健康診斷結果,解決了故障原因分析不全面等問題,能夠提前預知提升機健康狀態。
試驗分析表明,該健康管理系統顯著提高了礦井提升機故障診斷的效率和準確性,可靠性較高。能夠提前預判提升機健康狀態,在提升機處於亞健康狀態時,便於控制人員及時採取維護保養措施,保障提升機健康運行,減少故障發生,降低礦山維修費用,將資金更好地投入到安全生產中,具有廣闊的市場應用前景。
更多礦井提升機行業研究分析,詳見中國報告大廳《礦井提升機行業報告匯總》。這裡匯聚海量專業資料,深度剖析各行業發展態勢與趨勢,為您的決策提供堅實依據。
更多詳細的行業數據盡在【資料庫】,涵蓋了宏觀數據、產量數據、進出口數據、價格數據及上市公司財務數據等各類型數據內容。