為了提高礦山機電設(shè)備的故障診斷率，很多礦山都引進了設(shè)備故障診斷技術(shù)。設(shè)備故障診斷技術(shù)的整個工作流程主要分為狀態(tài)監(jiān)測、故障診斷和診斷決策三個階段。與人工診斷方法相比，故障診斷技術(shù)更依賴于自動化技術(shù)，準確性更高。
1、設(shè)備的狀態(tài)監(jiān)測
設(shè)備運行過程中發(fā)生故障時，設(shè)備的一些參數(shù)會發(fā)生異常。若采集到設(shè)備的參數(shù)異常信號，就可以準確地判斷設(shè)備的故障情況。因此，設(shè)備的運行狀態(tài)監(jiān)測是實現(xiàn)故障診斷的基礎(chǔ)。對設(shè)備運行狀態(tài)的監(jiān)測，要依賴于傳感器和微處理器，常見的設(shè)備運行狀態(tài)參數(shù)主要有工作電流、電壓、溫度、壓力和振動等。例如：當設(shè)備出現(xiàn)散熱故障時，設(shè)備的溫度就會急劇上升，設(shè)備上的溫度傳感器采集的溫度信號就會出現(xiàn)明顯的異常。與此同時，還應(yīng)該對采集的故障信號進行處理，提取參數(shù)異常的特征。在很多情況下，并不能根據(jù)這些異常信號來直接判斷故障的原因，需要綜合分析這些信號的特征來進行故障診斷。
2、設(shè)備故障診斷
故障診斷是故障診斷技術(shù)實施的關(guān)鍵環(huán)節(jié)，這不是一件容易的事，其主要任務(wù)是根據(jù)采集到的異常信號的特征進行綜合分析，從而確定故障原因以及故障發(fā)生的位置。通常情況下，設(shè)備故障診斷是通過與現(xiàn)有數(shù)據(jù)庫中的故障信息進行比對完成的。為了提高故障信息比對的成功率，采用了一些人工智能算法，例如人工神經(jīng)網(wǎng)絡(luò)算法、模糊算法等。此外，應(yīng)該盡可能準確地將更多的故障特征錄入到數(shù)據(jù)庫中。這就要求煤礦企業(yè)具有相當完善的計算機硬件條件和較為充分的軟件技術(shù)。
故障診斷時，不僅要對故障原因進行診斷，還要給出具體的位置，以便于維修人員快速維修。同時，還要根據(jù)故障的類型給出設(shè)備的故障損害程度，以便提出合理的維修建議。
3、設(shè)備的故障診斷決策
為了更好地服務(wù)于機電設(shè)備的維修工作，現(xiàn)代的故障診斷技術(shù)還增加了故障診斷決策的內(nèi)容。其主要任務(wù)是根據(jù)故障診斷結(jié)果給出更為詳細的維修方式，從而大大提高機電設(shè)備的維修效率。設(shè)備故障維修的診斷決策在很大程度上依賴于設(shè)備故障診斷的結(jié)果，可以通過人為或計算機軟件技術(shù)來完成。一般情況下，很多設(shè)備維修決策是通過多年的維修經(jīng)驗來確定的，常見的維修方式主要有更換零部件、停機整治或更換新設(shè)備。從某種意義上講，故障診斷技術(shù)之所以提高了故障維修率，關(guān)鍵在于集成了更多人的經(jīng)驗。
