Relations between pulverizing process parameters and beater wheel mill vibration for predictive maintenance program setup

• Autorzy: Bajrić R. , Zuber N. , Šostakov R.

Warianty tytułu

PL

Relacje między parametrami procesów rozdrabniania i drganiami młyna wentylatorowego a ustawienia programu konserwacji predykcyjnej

• Języki publikacji: EN

Abstrakty

EN

Beater wheel mills are designed to prepare a coal powder air fuel mixture for combustion in furnace chambers of coal-fired power plants by coal drying, pulverizing, classifying and transport. Their multipurpose function usually results in operation instability accompanied by unacceptable vibration. This usually is a significant problem due to unplanned shutdowns. Beater wheel mill maintenance program requires special attention due to operation under non-stationary conditions. The purpose of this paper was to identify pulverizing process parameter that affect the beater wheel mill vibration level and severity at the same time by using statistical principles under a wide range of operating conditions. This paper intends to establish the foundations to investigate correlation of pulverizing process parameter with beater wheel mill vibration in order to setup a better predictive maintenance program. To achieve this goal, the beater wheel mill vibration under different combinations of selected pulverizing process parameters are analyzed using statistical tools. Experiments were carried out under different conditions for two identical but separated beater wheel mills. The influence of pulverizing process parameter, such as electrical current of the driving motor, mill capacity, boiler production, coal types on mill vibration are investigated to identify the potential malfunction of beater wheel mills and their associated components for predictive maintenance purposes. The results have demonstrated that the selected pulverizing process parameters do not have significant influence on beater wheel mill vibration severity. Unlike most coal mills where pulverizing process parameters must take into account, here with beater wheel impact mills it is not the case and condition monitoring of these mills could be conducted offline or online using standard vibration condition monitoring methods.

PL

Młyny wentylatorowe są urządzeniami, które poprzez suszenie, rozdrabnianie, odsiewanie i transport węgla przygotowują mieszankę pyłowo-gazową przeznaczoną do spalania w komorach paleniskowych elektrowni węglowych. Ich uniwersalność zwykle wiąże się z niestabilną pracą połączoną z niepożądanymi drganiami. Jest to zwykle znaczący problem z uwagi na niezaplanowane przerwy w pracy. Program konserwacji młyna wentylatorowego wymaga szczególnej uwagi ze względu na działanie w niestacjonarnych warunkach pracy. Celem artykułu jest wyznaczenie parametrów procesów rozdrabniania wpływających jednocześnie na poziom i natężenie drgań młyna wentylatorowego przy użyciu reguł statystycznych w zróżnicowanych warunkach pracy. Zamierzeniem pracy jest stworzenie podstaw dla badań nad zależnościami między parametrami procesu rozdrabniania a drganiami młyna wentylatorowego w celu ulepszenia programu konserwacji predykcyjnej. Aby osiągnąć założony cel, przeanalizowano przy użyciu narzędzi statystycznych drgania młyna wentylatorowego przy różnych kombinacjach wybranych parametrów procesu rozdrabniania. Badania przeprowadzono w różnych warunkach na dwóch identycznych, lecz odrębnych młynach wentylatorowych. Wpływ parametrów procesu rozdrabniania, takich jak prąd elektryczny silnika napędowego, pojemność młyna, kotły, czy typ węgla, na drgania młyna zbadano w celu określenia potencjalnych awarii młyna i jego części składowych na potrzeby jego konserwacji predykcyjnej. Wyniki badań pokazały, iż wybrane parametry procesu rozdrabniania nie mają znaczącego wpływu na natężenie drgań młyna wentylatorowego. W przeciwieństwie do większości młynów węglowych, w przypadku których należy brać pod uwagę parametry procesu rozdrabniania, kontrola stanu młynów wentylatorowych może być prowadzona w trybie offline lub online za pomocą standardowych metod monitorowania warunków drgania.

Słowa kluczowe

EN

predictive maintenance; multiple regression analyses; non-stationary operational conditions; beater wheel mil

PL

konserwacja predykcyjna; analiza regresji wielorakiej; niestacjonarne warunki pracy; młyn wentylatorowy

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2014
• Tom: Vol. 16, no. 1
• Strony: 158--163
• Opis fizyczny: Bibliogr. 22 poz.

Twórcy

autor

Bajrić R.

• Public Enterprise Elektroprivreda BIH, Coal Mine Kreka, Mije Keroševica 1, Tuzla, Bosnia and Herzegovina

autor

Zuber N.

• Faculty of Technical Sciences University of Novi Sad Trg Dositeja Obradovica 6, Serbia

autor

Šostakov R.

• Faculty of Technical Sciences University of Novi Sad Trg Dositeja Obradovica 6, Serbia

Bibliografia

• 1. Alguindigue IE, Buczak LA, Uhrig RE. Monitoring and diagnosis of rolling element bearings using artificial neural networks. IEEE Transactions on Industrial Electronics 1993; 40(2): 209–17.
• 2. Andrew KS. Jardine, Daming Lin, Dragan Banjevic. A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing 2006; 20(7): 1483–1510.
• 3. Csoke JB, Faitli G, Mucsi G, Antal F Bartók. Comminution of forest biomass by modified beater wheel mill in a power plant. International Journal of Mineral Processing 2012; 112-113(10): 13–18.
• 4. Bajrić R, Zuber N, Karić S. Experimental vibration investigation of an industrial beater wheel mill, Technics Technologies Education Management 2010; 5(4): 688–692.
• 5. Bajrić R, Baričak V, Delalić S, Muratović P, Zuber N. Investigation of possible resonant problems during beater wheel mill operation, Technics Technologies Education Management 2010; 5(1): 32–37.
• 6. Carnero MaCarmen. Selection of diagnostic techniques and instrumentation in a predictive maintenance program. A case study. Decision Support System 2005; 38(4): 539–555.
• 7. Carnero MaCarmen. An evaluation system of the setting up of predictive maintenance programme. Reliability Engineering & System Safety 2006; 91(8): 945–963
• 8. Christer AH, Wang W, Sharp JM. A state space condition monitoring model for furnace erosion prediction and replacement. European Journal of Operational Research 1997; 101: 1–14.
• 9. Cohen J, Cohen P. Applied multiple regression/correlation analysis for the behavioral sciences -2nd edition. New York: Erlbaum Hillsdale, 1993.
• 10. Scott DH. Coal Pulverizes: Performance and Safety, London: IEA Coal Research Report V (79), 1995.
• 11. King G. How not to lie with statistics: avoiding common mistakes in quantitative political science, American Journal of Political Science 1986; 30: 666–687.
• 12. Si GQ, Cao H, Zhang YB, Jia LX. Experimental investigation of load behaviour of an industrial scale tumbling mill using noise and vibration signature techniques. Minerals Engineering 2009; 22: 1289–1298.
• 13. Urbanek J. Application of averaged instantaneous power spectrum for diagnostics of machinery operating under non-stationary operational conditions. Measurement 2012; 45(7): 1782–1791.
• 14. Lofsten H. Measuring maintenance performance-in search for a maintenance productivity index. International Journal of Production Economics 2000; 63: 47–58.
• 15. Mobley RK. An introduction to predictive maintenance. 2nd ed., Boston, USA: Butterworth Heinemann; 2003.
• 16. Moubray J. Reliability-centered maintenance. 2nd ed., Oxford: Butterworth Heinemann; 1997.
• 17. Nathan RJ, Norton MP. Vibration signature based condition monitoring of bowl-roller coal pulverizers, Journal of Vibration and Acoustics, ASMS Transactions 1993; 115(4): 452–462.
• 18. Draper NR, Smith H. Applied Regression Analysis, John Wiley and Sons Inc., New York, 1998.
• 19. Peng Chen, Masatoshi Taniguchi, Toshio Toyota, Zhengja He. Fault diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming. Mechanical Systems and Signal Processing 2005; 19(1): 75–194.
• 20. Sedat Karabay, Ibrahim Uzman. Importance of early detection of maintenance problems in rotating machines in management of plants: Case studies from wire and tyre plants. Engineering Failure Analysis 2009; 16: 212–224.
• 21. Tsang AHC. Condition-based maintenance: tools and decision making. Journal of Quality in Maintenance Engineering 1995; 1(3): 3–17.
• 22. Zhan Y, Makis V, Jardine AKS. Adaptive model for vibration monitoring of rotating machinery subject to random deterioration. Journal of Quality in Maintenance Engineering 2003; 9(4): 351–375.