本课题是山西省煤基重点科技攻关项目“大型露天煤矿自移式破碎站及关键技术开发（No:MJ2014-02）”的重要子课题,项目开始时间为2015年9月,太原理工大学矿用智能电器技术国家地方联合工程实验室作为合作单位之一,主要任务是对自移式破碎站半连续开采中使用的双齿辊破碎机进行有效的监测和诊断,及时把握机械设备的运行状态,保证煤矿开采生产的正常进行,提高大型露天矿半连续开采的安全性、可靠性、高效性以及节能环保水平。鉴于我国自移式破碎站半连续开采工艺刚起步,理论技术及实验研究尚未成熟,同时参考我国露天矿开采工艺恶劣的矿山地质环境,结合现有故障诊断技术,以双齿辊破碎机为研究对象,从机械结构和工作原理出发,分析其关键部位的常见故障类型,采集能反应破碎机状态的运行数据信息,设计开发基于WinCC的破碎机状态监测与故障诊断平台,利用该平台对采集到的关键数据进行监测诊断,为大型露天矿开采数字化和智能化奠定基础。特别地,引入时频图像纹理特征分析技术,对双齿辊破碎机滚动轴承的故障诊断算法进行了深入研究。具体工作内容如下:通过查阅文献资料和现场调研大型露天煤矿半连续开采工艺的地质环境,充分了解自移式破碎站中双齿辊破碎机的工作方式,分析双齿辊破碎机的结构、工作原理和故障机理。特别分析了双齿辊破碎机传动系统、润滑系统以及机体本身的常见故障情况,确定反映机械设备运行状态和故障类型的监测量。重点对故障发生频繁、危害较大的滚动轴承故障进行深入研究,引入图像纹理特征提取技术,提出一种基于时频图像的轴承故障特征提取方法。采用EEMD与Wigner-Ville时频分析相结合的EEMD＿WVD算法,得到无交叉项干扰且时频分辨率极高的滚动轴承振动信号时频三维图像。使用圆形LBP增强振动信号时频灰度二维图像的局部纹理特征,得到时频LBP谱图,并提取其灰度直方图作为特征量,利用PCA对特征量降维,挖掘出可用于轴承故障诊断的低维特征量。选用2PGC型双齿辊破碎机传动系统中的33005型圆锥滚动轴承进行轴承故障实验,采集轴承四种状态下的振动信号。针对轴承振动信号的故障脉冲微弱的特点,本文利用基于EEMD＿WVD、LBP与PCA的轴承时频图像特征提取方法,对信号进行时频表征、特征提取、数据降维等相关环节,提取得到敏感的低维特征量,并输入BP神经网络实现轴承的故障分类,完成破碎机四种轴承状态的故障识别,验证了本文所提轴承故障诊断方法的有效性。明确项目所开发系统的总体需求及设计思路,确定系统设计的目标功能包括数据采集、数据通讯、数据分析,以及状态监测与诊断四部分。根据确定的系统监测量,选择合适的传感器实现对破碎机电压、电流、温度、压力、液位、振动等信息的采集,使用S7-300 PLC和PCI卡实现模数转换,将采集到的模拟量转换成数字量,并通过工业以太网通讯方式上传至服务器。以西门子WinCC为主,SQL Sever和MATLAB为辅,设计建立友好的破碎机状态监测与故障诊断人机交互界面,界面功能主要包括状态监测、故障诊断、参数设置、报警记录、历史记录五部分。采用OPC通讯技术,以指令形式实现WinCC与MATLAB的对接,借助MATLAB强大的数据处理能力完善系统故障诊断功能。利用搭建好的破碎机状态监测与故障诊断平台,实现对破碎机数据的处理分析与存储记忆,完成破碎机的监测诊断。