[發明專利]液壓支架工作狀態與支護質量的智能診斷方法

在審

• 申請號: 202011613345.6
• 申請日: 2020-12-30
• 公開（公告）號: CN112798042A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 程敬義;楊逸飛;閆萬梓;邢軻軻;孫鑫;魏澤捷;周旭東
• 申請（專利權）人: 中國礦業大學
• 主分類號: G01D21/02
• 分類號: G01D21/02;E21D23/12;E21F17/18
• 代理公司: 徐州市三聯專利事務所 32220
• 代理人: 張斌

1.一種液壓支架工作狀態與支護質量的智能診斷方法，其特征在于：包括以下步驟：

步驟一，數據采集監測：

由分布在各個電控液壓支架上的傳感器對各個液壓支架的壓力信息、位置信息、活柱下縮量和位態信息進行收集；通過布置在液壓支架上及周圍的壓力傳感器和傾角傳感器對液壓支架檢測前、后支柱及前伸梁的壓力值以及檢測液壓支架水平面X軸和Y軸的傾斜角度值，得到原始工作面液壓支架狀態信息，傳輸至控制單元；

步驟二，工作循環識別：

接受傳感器原始數據，經過A/D轉換及信號處理、數據清洗、數據時序化步驟后，讀取預處理之后的傳感器數據，將處理后的數據通過最低閾值法進行多個工作循環的識別處理，以得到各個液壓支架的各項參數信息；

步驟三，特征參數提取：

將每個工作循環內的參數信息通過設定的判別算法進行判定分類，將其分類成對應各種診斷問題所需的各項參數并提取出來；對傳感器數據進行分段處理，設計輸入和輸出向量，提取分段的特征參數；

步驟四，特征參數分析：

根據不同的診斷問題選取不同項的參數，并對相應參數的變化進行分析；

步驟五，判斷問題：

根據各項參數呈現的變化規律與各個診斷問題發生時的參數變化規律建立基于人工神經網絡人工神經網絡的故障判別模型，通過模型判別問題的種類；

步驟六，反饋結果：

將確定的問題種類作為診斷結果進行反饋；

步驟七，調節檢修：

根據反饋結果對電液壓支架裝置進行檢修維護。

2.根據權利要求1所述的液壓支架工作狀態與支護質量的智能診斷方法，其特征在于：

在所述步驟三中，所述的診斷問題包括支架漏液問題、支架左右立柱壓力差過大問題、初撐力不足問題、安全閥故障問題和傳感器故障問題。

3.根據權利要求2所述的液壓支架工作狀態與支護質量的智能診斷方法，其特征在于：

所述支架漏液問題確定過程如下：針對單臺支架、首先對電液控制液壓支架監測數據進行實時分析，提取并保存該支架每個工作循環各承載階段降阻特征，其中，降阻量r_P：阻力降低后與阻力未降低前的差值、降阻速率r_v：降阻量r_P與降阻力時間r_t的比值；然后監測r_P、r_v，當一個工作循環內r_P多次出現并記錄、則可推斷支架漏液，若同時r_v速率大于預設標準值h₁時，可推測支架為急速漏液，否則支架輕微漏液。

4.根據權利要求2所述的液壓支架工作狀態與支護質量的智能診斷方法，其特征在于：所述支架左右立柱壓力差過大問題確定過程如下：針對單臺支架、首先對電液控制液壓支架監測數據進行實時分析，提取支架時間加權工作阻力，定義時間加權工作阻力其中P_n為支架壓力，t_n為工作循環時間；然后分別計算左右立柱時間加權工作阻力差值，連續多個工作循環存在左右立柱時間加權工作阻力壓力差大于預設值h₂時，可推測支架存在左右立柱壓力差過大的問題。

5.根據權利要求2所述的液壓支架工作狀態與支護質量的智能診斷方法，其特征在于：所述安全閥故障問題確定過程如下：針對單臺支架、首先對電液控制液壓支架監測數據進行實時分析，提取包含支架工作阻力P，對工作阻力P存在過大或過小的問題的工作循環分布情況進行安全閥狀態分析，定義在當安全閥開啟時的支架阻力為安全閥開啟壓力；當液壓支架工作阻力達到極大值點后，若液壓支架工作阻力開始大幅降落，則極大值點工作阻力值即為安全閥開啟壓力；如果存在連續多個工作循環工作阻力P過大或過小現象的支架，則認定存在安全閥故障問題，P小于檢測的安全閥開啟壓力為安全閥未正常開啟，P大于檢測的安全閥開啟壓力安全閥過早開啟。