Wybrane problemy i wyzwania automatycznej diagnostyki elementów maszyn górniczych

• Autorzy: Stefaniak P. , Obuchowski J. , Sawicki M. , Zimroz R. , Żak G. , Wyłomańska A. , Bartelmus W.

Warianty tytułu

EN

Selected problems and challenges of automatic diagnosis of mining machinery components

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano wybrane problemy automatycznej diagnostyki elementów maszyn górniczych. Jednym z najistotniejszych problemów diagnostyki w warunkach kopalni jest automatyczna akwizycja i walidacja danych. Wstępne określenie jakości zebranych danych diagnostycznych pozwala nie tylko na uniknięcie przetwarzania błędnych danych związanych np. z nieprawidłową pracą czujnika, ale także na „autodiagnostykę” systemu pomiarowego, czyli pozyskanie informacji o prawidłowości pracy systemu akwizycji danych. Kolejnym ważnym problemem automatyzacji diagnostyki maszyn górniczych jest identyfikacja trybu pracy maszyny. W literaturze wykazano, że wielkość obciążenia, ale także charakter jego zmienności ma kluczowe znaczenie na etapie doboru metod przetwarzania sygnałów, jak i schematów wnioskowania diagnostycznego. Dobór odpowiednich, odpornych metod ekstrakcji, a następnie przetwarzania danych diagnostycznych, dopasowanych m.in. do występujących zakłóceń zmiennego obciążenia maszyny, a co za tym idzie – zmiennego stosunku sygnału do szumu pozwala skutecznie wykrywać uszkodzenia w maszynach górniczych. Konsekwentnie, jedynie odpowiednio przetworzone sygnały mogą być podstawą do automatycznego ustalenia prawidłowych progów decyzyjnych. Synteza informacji diagnostycznej z wielu źródeł danych może zapewnić skuteczną ocenę aktualnego stanu technicznego elementów maszyny oraz optymalne planowanie prac obsługowo-naprawczych.

EN

This paper presents selected problems of automatic diagnosis of mining machinery components. One of the most important problems of diagnostics in an underground mine is automatic acquisition and validation of data. Initial determination of the acquired diagnostic data quality allows not only to avoid incorrect processing of data related to e.g. malfunction of the sensor, but also on the “self-diagnosis” of measuring system, i.e. obtaining information about operation of the data acquisition system. Another important issue of automatic diagnostics of mining machines is to identify the regime of machine operation. In the literature it has been shown that the volume and volatility of load are crucial steps in selection of appropriate signal processing methods and flow of diagnostic inference. Selection of suitable, robust methods of extraction and processing of diagnostic data fitted to, inter alia, time-varying signal-to-noise ratio, allows to detect the failure in mining machinery effectively. Consequently, only appropriately processed signals can be the basis for automatic determination of correct decision thresholds. Synthesis of diagnostic information from multiple data sources can provide effective assessment of the current technical condition of machine components and optimal planning of service and repair.

Słowa kluczowe

PL

maszyny górnicze; diagnostyka maszyn; utrzymanie ruchu

EN

mining machines; machine diagnostics; maintenance

• Wydawca: KGHM CUPRUM Spółka z o.o. Centrum Badawczo-Rozwojowe
• Czasopismo: Cuprum : czasopismo naukowo-techniczne górnictwa rud
• Rocznik: 2015
• Tom: nr 3
• Strony: 189--198
• Opis fizyczny: Bibliogr. 16 poz., rys., wykr.

Twórcy

autor

Stefaniak P.

• KGHM CUPRUM sp. z o.o. Centrum Badawczo-Rozwojowe, Wrocław

autor

Obuchowski J.

• KGHM CUPRUM sp. z o.o. Centrum Badawczo-Rozwojowe, Wrocław

autor

Sawicki M.

• KGHM CUPRUM sp. z o.o. Centrum Badawczo-Rozwojowe, Wrocław

autor

Zimroz R.

• KGHM CUPRUM sp. z o.o. Centrum Badawczo-Rozwojowe, Wrocław

autor

Żak G.

• Politechnika Wrocławska, Wrocław

autor

Wyłomańska A.

• Politechnika Wrocławska, Wrocław

autor

Bartelmus W.

• Politechnika Wrocławska, Wrocław

Bibliografia

• [1] Bartelmus W., Chaari F., Zimroz R., 2010, Haddar M., Modelling of gearbox dynamics under time-varying nonstationary load for distributed fault detection and diagnosis, European Journal of Mechanics – A/Solids, 29/4, s. 637-646.
• [2] Bartelmus W., Zimroz R., 2009, A new feature for monitoring the condition of gearboxes in non-stationary operating conditions, Mechanical Systems and Signal Processing, vol. 23, s. 1528-1534.
• [3] Bartkowiak A., Zimroz R., 2014, Dimensionality reduction via variables selection – Linear and non-linear approaches with application to vibration-based condition monitoring of planetary gearbox, Applied Acoustics 77, s. 169-177.
• [4] Brooks R., Thorpe R., Wilson J., 2004, A new method for defining and managing process alarms and for correcting process operation when an alarm occurs, Journal of Hazardous Materials 115.
• [5] Obuchowski J., Zimroz R., Wyłomańska A., 2015, Identification of cyclic components in presence of non-Gaussian noise – application to crusher bearings damage detection, Journal of Vibroengineering, 17(3), s. 1242-1252.
• [6] Stefaniak, P., Zimroz, R., Bartelmus, W., Hardygóra, M., 2014, Computerised decision-making support system based on data fusion for machinery system’s management and maintenance, Applied Mechanics and Materials 683, s. 108-113.
• [7] Stefaniak K., Zimroz R., Krol R., Gorniak-Zimroz J., Bartelmus W., Hardygora M., 2012, Some remarks on using condition monitoring for spatially distributed mechanical system belt conveyor network in underground mine – a case study Condition monitoring of machinery in non-stationary operations: proceedings of the Second International Confe-rence "Condition Monitoring of Machinery in Non – Stationary Operations", CMMNO' 2012, (red). Tahar Fakhfakh i in., Springer, s. 497-507.
• [8] Stefaniak P., Wyłomańska A., Obuchowski J., Zimroz R., 2015, Procedures for decision thresholds finding in maintenance management of belt conveyor system – statistical modeling of diagnostic data, [w:] Lecture Notes in Production Engineering, Christian Niemann-Delius (ed.), Springer, s. 391-402.
• [9] Stefaniak P., Zimroz R., Sliwinski P., Andrzejewski M., Wylomanska W., 2014, Multidimensional signal analysis for technical condition, operation and performance understanding of heavy duty mining machines, 4th International Conference on Condition Monitoring of Machinery in Non-Stationary Operations (CMMNO 2014), LYON (France), s. 15-17.
• [10] Zimroz R., Stefaniak P., Bartelmus W., Hardygóra M., 2015, Novel techniques of diagnostic data processing for belt conveyor maintenance, Proceedings of the 12th International Symposium Continuous Surface Mining – Aachen 2014, Lecture Notes in Production Engineering, s. 31-40.
• [11] Zimroz R., Bartkowiak A., 2013, Two simple multivariate procedures for monitoring planetary gear-boxes in non-stationary operating conditions, Mechanical Systems and Signal Processing 38/1, s. 237-247.
• [12] Zimroz R., Bartelmus, W., Barszcz, T., Urbanek, J., 2013, Diagnostics of bearings in presence of strong operating conditions non-stationarity-A procedure of load-dependent features processing with application to wind turbine bearings, Mechanical Systems and Signal Processing doi: 10.1016/j.ymssp.2013.09.010.
• [13] Zimroz R., Wodecki J., Król R., Andrzejewski M., Śliwiński P., Stefaniak P.K., 2014, Self-propelled mining machine monitoring system – data validation, processing and analysis. Mine planning and equipment selection: proceedings of the 22nd MPES Conference, Dresden, Germany, 14th-19th October 2013, vol. 2, Carsten Drebenstedt, Raj Singhal (eds.). Springer, s. 1285-1294.
• [14] Zimroz R., 2007, Non-stationary operating conditions analysis by instantaneous speed monitoring for mining machines diagnostics. Proceedings of the Sixteenth International Symposium on Mine Planning and Equipment Selection (MPES 2007) and the Tenth International Symposium on Environmental Issues and Waste Management in Energy and Mineral Production (SWEMP 2007), Bangkok, Thailand, December 11-13, 2007, Ed. by Singhal [w:]. Irvine, Ca.: The Reading Matrix, 2007, s. 1160-1170.
• [15] R. Zimroz, W. Bartelmus, 2011, Application of Adaptive Filtering for Weak Impulsive Signal Recovery for Bearings Local Damage Detection in Complex Mining Mechanical Systems Working under Condition of Varying Load, Solid State Phenomena, vol. 180, s. 250-257.
• [16] Kępski P., Barszcz, T., 2012, Validation of vibration signals for diagnostics of mining machinery, Diagnostyka, nr 4(64), s. 25-30.