本發(fā)明涉礦井建設(shè)領(lǐng)域,具體涉及一種超深立井提升鋼絲繩可靠性壽命評估方法,能夠?qū)崟r定量評估提升鋼絲繩可靠性。
背景技術(shù):
1、隨著我國對各類礦產(chǎn)資源需求日益增加,礦井數(shù)量與開采深度也在逐年增加,單纏繞式提升系統(tǒng)是2500m級超深立井建設(shè)期間所必須的技術(shù)設(shè)備。超深立井單纏繞式提升系統(tǒng)包括滾筒、提升容器、天輪、減速器、提升鋼絲繩等。其中,提升鋼絲繩一端多層纏繞在滾筒上,另一端繞過安裝于井架上天輪與提升容器相連,通過驅(qū)動滾筒的啟停、加減速與正反轉(zhuǎn)實現(xiàn)物料提升和下放。在超深立井提升過程中,提升鋼絲繩多層纏繞在滾筒上,提升鋼絲繩繩長時變性、縱扭耦合特性、負載特性及外界激勵等因素導致提升鋼絲繩沖擊與振動特性,耦合溫度、濕度和腐蝕性介質(zhì)等環(huán)境因素以及滾筒節(jié)距與鋼絲繩直徑不匹配、出繩角與螺旋升角取值不合理、預(yù)緊力過小、潤滑條件差等因素,容易造成滾筒上多層纏繞鋼絲繩陷繩、咬繩、亂繩等不利纏繞工況,加劇提升鋼絲繩內(nèi)外部磨損、斷絲和銹蝕甚至斷裂事故,進而降低提升鋼絲繩服役和承載安全可靠性。因此,提出一種適用于超深立井提升鋼絲繩可靠性評估方法,對保證2500m級超深立井提升系統(tǒng)服役安全可靠性具有重大實際意義。
2、目前現(xiàn)有的提升鋼絲繩評估方法包括:專利號為cn202110301508.5公開了一種鋼絲繩安全評估方法,基于抗拉拉力數(shù)據(jù)建立了鋼絲繩的持久強度與平均破斷運行時間的指數(shù)模型,可求解鋼絲繩在不同拉力工作環(huán)境下在任意運行時間的失效概率,但該方法并未對原始數(shù)據(jù)進行篩選與特征提取處理,大量冗余信號會導致信號傳輸效率慢并增加信號處理難度;專利號為cn202410194749.8公開了一種鋼絲繩無線探傷裝置及其損傷評估方法,基于鋼絲繩漏磁損傷信號建立鋼絲繩深度學習損傷識別模型,能快速的評估鋼絲繩的損傷狀態(tài),但漏磁信號易受振動與電磁干擾影響,難以精確檢測鋼絲繩表面輕微裂紋與磨損導致采集信號的失真與缺失;專利號cn202311515857.2公開了一種基于機器視覺的鋼絲繩在線監(jiān)測系統(tǒng)和方法,結(jié)合溫濕度環(huán)境影響因子與鋼絲繩表面圖像可對鋼絲繩的使用狀況和剩余做出評估,但該方法精度受鋼絲繩表面油污、光線等影響較大,并且無法評估鋼絲繩內(nèi)部損傷。此外,現(xiàn)有的提升鋼絲繩評估方法僅針對鋼絲繩損傷、破斷拉力等某一參數(shù)進行評估,綜合考慮滾筒、天輪、環(huán)境以及提升參數(shù)影響的提升鋼絲繩可靠性評估方法未見報道。
技術(shù)實現(xiàn)思路
1、本發(fā)明為克服現(xiàn)有提升鋼絲繩可靠性評估方法不足之處,提出一種超深立井提升鋼絲繩可靠性壽命評估方法,具有全面性、實時性、定量化、智能化等特點。
2、為實現(xiàn)上述目的,本發(fā)明提供一種超深立井提升鋼絲繩可靠性評估方法如下:首先,定義提升鋼絲繩不利纏繞工況故障樹模型,包括頂事件t、中間事件ai以及基本事件xi;
3、然后,根據(jù)設(shè)計參數(shù)建立提升鋼絲繩多層纏繞ame動力學-abaqus有限元耦合仿真模型,并輸入不同工況參數(shù)進行仿真處理,再將安裝在提升機上的高清工業(yè)相機、熱紅外成像儀、三維漏磁檢測儀、溫濕度傳感器等輸出的監(jiān)測特征數(shù)據(jù)與仿真結(jié)果數(shù)據(jù)輸入至鋼絲繩多源信息數(shù)據(jù)庫;
4、最后,基于提升鋼絲繩多源信息數(shù)據(jù)庫采用birnbaum算法分別計算提升鋼絲繩不利纏繞概況故障樹頂事件t、中間事件ai以及基本事件xi的概率重要度,輸出事故發(fā)生精確概率,在上述給定概率下確定提升鋼絲繩不發(fā)生不利纏繞狀態(tài)下的提升次數(shù),進而實時評估提升鋼絲繩可靠度。
5、進一步的,所述頂事件t包括咬繩事件、跳繩事件和陷繩事件;所述中間事件a1包括系統(tǒng)控制異常事件、絞車異常事件和運行工況異常事件;
6、所述系統(tǒng)控制異常包括信號失真、信號表征方法不成熟、、電磁干擾、傳輸速率慢以及溫濕度大;
7、所述絞車異常事件包括滾筒結(jié)構(gòu)異常、鋼絲繩異常;其中,滾筒結(jié)構(gòu)異常包括繩槽節(jié)距偏差、過渡導向裝置失效、滾筒失速;鋼絲繩異常包括纏繞方式異常、鋼絲繩損傷以及鋼絲繩預(yù)緊力小;
8、所述運行工況異常包括沖擊載荷大、繩偏角大、潤滑條件差以及速度變化大。
9、進一步的,超深立井提升鋼絲繩可靠性壽命評估方法的實現(xiàn)步驟具體如下:
10、a.明確提升鋼絲繩不利纏繞工況故障樹的頂事件t、中間事件ai以及基本事件xi,建立提升鋼絲繩不利纏繞工況故障樹模型;
11、b.輸入滾筒與天輪結(jié)構(gòu)參數(shù)、提升鋼絲繩參數(shù)、工況參數(shù)建立提升鋼絲繩多層纏繞ame模型,輸出繩偏角、天輪兩側(cè)鋼絲繩拉力差、提升負載、懸繩與天輪振動特性參數(shù),鋼絲繩與天輪損傷特性參數(shù);
12、c.利用creo采用參數(shù)化建模方式建立滾筒、天輪以及鋼絲繩的abaqus仿真模型,并設(shè)置模型的材料屬性參數(shù)、鋼絲繩與滾筒接觸參數(shù)、鋼絲繩與天輪接觸參數(shù)以及ame模型獲取的天輪兩側(cè)的張力差、天輪處圍包角;
13、d.改變滾筒參數(shù)、出繩形式以及提升工況參數(shù)獲取不同條件下的仿真數(shù)據(jù);
14、e.基于多維度傳感器監(jiān)測降噪信號以及仿真信號,采用主成分分析法(pca)進行特征值降維,基于降維后特征建立機器學習數(shù)據(jù)庫;提取相機拍攝圖像的紋理特征、不變矩特征以及紅外圖像的顏色矩特征,采用核極限學習機(kelm)進行神經(jīng)網(wǎng)絡(luò)的決策級融合并建立深度學習特征數(shù)據(jù)庫,將降維特征數(shù)據(jù)與圖像融合特征上傳至云端網(wǎng)絡(luò)后形成多源信息智能融合數(shù)據(jù)庫;
15、f.根據(jù)故障樹模型采用布爾代數(shù)化簡法將ai=(xa+xb)or(xa.xb)帶入t=a1a2...ai,所求的只有xi最簡形式單項ki=xaxb,明確提升系統(tǒng)發(fā)生不利纏繞工況的先決條件;
16、g.基于多源信息融合數(shù)據(jù)庫與故障樹模型,統(tǒng)計各基本事件發(fā)生概率,針對信號失真、電磁干擾等難以定量化統(tǒng)計參數(shù),采用專家評估法給出事件概率,最后采用模糊三角概率函數(shù)μa將提升鋼絲繩故障樹基本事件概率歸一化,明確提升鋼絲繩不利纏繞工況故障樹各個事件基本概率pxi;
17、其中,模糊三角概率函數(shù)al與au分別是函數(shù)的上下界限,am為函數(shù)中值,函數(shù)表達式為:
18、
19、h.將各個基本事件概率pxi帶入pki,再采用不交化算法(sdp)計算單纏繞式提升鋼絲繩不利纏繞工況實時發(fā)生概率pt,同時計算不同基本事件的概率重要度pi,探究滾筒的結(jié)構(gòu)參數(shù)、環(huán)境參數(shù)以及運行參數(shù)對深立井提升鋼絲繩不利纏繞狀態(tài)影響規(guī)律;
20、其中,pt=pk1+...pki,pi=pt-pt(k);
21、i.根據(jù)上述步驟可確認在給定概率下提升鋼絲繩不發(fā)生不利纏繞狀態(tài)的提升次數(shù),可實時評估或預(yù)測提升鋼絲繩可靠度,指導及時調(diào)整提升鋼絲繩的運行狀態(tài)或維修與更換異常部件,保證提升鋼絲繩的安全可靠性。
22、進一步的,上述步驟b包括:
23、b-1根據(jù)設(shè)計參數(shù)建立ame單纏繞式提升鋼絲繩動力學仿真模型,輸入提升系統(tǒng)仿真參數(shù)包括滾筒結(jié)構(gòu)參數(shù)、提升鋼絲繩參數(shù)、系統(tǒng)控制參數(shù)以及提升高度、提升載荷;
24、b-2在靜平衡條件下求解鋼絲繩張力特性、負載速度特性、負載位移特性、鋼絲繩振動特性參數(shù);
25、b-3將ame求解的參數(shù)帶入abaqus有限元仿真模型,獲取滾筒與天輪處鋼絲繩疲勞損傷特性;
26、b-4改變不同輸入?yún)?shù)循環(huán)往復(fù)b1-b3操作,獲得與提升鋼絲繩多層纏繞實體的不同工況參數(shù)下仿真結(jié)果。
27、進一步的,上述步驟d中先對傳感器采集數(shù)據(jù)進行小波變換、壓縮感知降噪處理,再將相同工況補充數(shù)據(jù)、不同工況預(yù)測數(shù)據(jù)、監(jiān)測信息降噪數(shù)據(jù)進行特征提取與融合處理并上傳至云端網(wǎng)絡(luò),詳細步驟d如d-1至d-4所示:
28、d-1對傳感器采集的速度、位移、力學等信號進行去趨勢化、高通、低通時域降噪處理,再將信號進行傅里葉變換觀察其相位、頻率頻域特性,對采集的紅外圖像與高清圖像進行濾波、膨脹、腐蝕以及小波變換降噪處理;
29、d-2將降噪處理后的單維度信號進行歸一化、插值、分割、升維以及可視化處理;
30、d-3將升維后的可視化信號與圖像降噪信號進行歸一化、灰度轉(zhuǎn)化等圖像處理;
31、d-4將上步驟處理信號、仿真預(yù)測信號、仿真補充信號分別進行圖像融合、特征融合以及決策融合,再將特征提取數(shù)據(jù)與融合數(shù)據(jù)傳輸至云端服務(wù)器,形成實時更新的多源信息智能數(shù)據(jù)庫。
32、進一步的,上述步驟f中明確提升系統(tǒng)發(fā)生不利纏繞工況的先決條件的步驟為:
33、f-1計算故障樹最小割集t
34、t=a1a2a3
35、=(a4+x1)(a5a6)(x2x3x4x5)
36、=(x1+x6+x7+x8)(x9x10x11)(x12x13x14)(x2x3x4x5)
37、=x1x2x3x4x5x9x10x11x12x13x14+x6x2x3x4x5x9x10x11x12x13x14+x7x2x3x4x5x9x10x11x12x13x14+x8x2x3x4x5x9x10x11x12x13x14
38、k1={x1,x2,x3,x4,x5,x9,x10,x11,x12,x13,x14}
39、k2={x6,x2,x3,x4,x5,x9,x10,x11,x12,x13,x14}
40、k3={x7,x2,x3,x4,x5,x9,x10,x11,x12,x13,x14}
41、k4={x8,x2,x3,x4,x5,x9,x10,x11,x12,x13,x14};
42、f-2計算提升鋼絲繩不利纏繞工況結(jié)構(gòu)重要度
43、(x2=x3=x4=x5=x9=x10=x11=x12=x13=x14)>(x1=x6=x7=x8)
44、即得出事件重要度排序為:(繩槽節(jié)距偏差大=過渡導向裝置失效=滾筒失速=纏繞方式異常=鋼絲繩預(yù)緊力小=磨損斷絲=?jīng)_擊載荷大=繩偏角大=潤滑條件差)>(電磁干擾=傳輸速率慢=溫濕度大=信號表征方法不成熟)。
45、進一步的,上述步驟h中不交化算法(sdp)的步驟為:
46、h-1最小割集不交化處理:
47、k1=x1x2x3x4x5x9x10x11x12x13x14
48、k2=x6x2x3x4x5x9x10x11x12x13x14
49、k3=x7x2x3x4x5x9x10x11x12x13x14
50、k4=x8x2x3x4x5x9x10x11x12x13x14;
51、h-2計算簡化處理:
52、令x2x3x4x5x9x10x11x12x13x14=xt,則
53、k1=x1xt;k2=x6xt;k3=x7xt;
54、
55、有益效果:
56、1.提出了耦合機器視覺、熱紅外傳感和三維漏磁檢測的鋼絲繩損傷互補監(jiān)測技術(shù),解決了鋼絲繩損傷監(jiān)測不全面的問題;挖掘了提升鋼絲繩多維度監(jiān)測系統(tǒng)的特征數(shù)據(jù)與仿真特征數(shù)據(jù),解決了監(jiān)測信號冗余問題;建立了基于融合特征數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)決策模型與提升鋼絲繩多源信息智能數(shù)據(jù)庫,解決了提升鋼絲繩可靠性評估中基本事件數(shù)據(jù)樣本不足的問題。
57、2.建立了基于多源信息的提升鋼絲繩不利纏繞工況故障樹模型,能夠獲得滾筒結(jié)構(gòu)參數(shù)、纏繞方式、出繩形式等對提升鋼絲繩不利纏繞工況的影響規(guī)律,獲得不同工況下咬繩、跳繩等危險狀況發(fā)生的先決條件、提升鋼絲繩實時可靠度以及提升鋼絲繩預(yù)測可靠度,實現(xiàn)了2500m級超深立井提升鋼絲繩可靠性評估,評估方法具有全面性、實時性、智能化、精確度高等優(yōu)點,在本技術(shù)領(lǐng)域內(nèi)具有廣泛的實用性。