SSFLNet:双盾TBM工具系统的新型故障诊断方法
Peng Zhou1, Chang Liu2, Jiacan Xu1
1College of Engineering Training and Innovation, Shenyang Jianzhu University, Shenyang 110168, China.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
一种新的故障诊断方法 (SSFL) 准确地检测了道钻机 (TBM) 中的磁盘切割器磨损,提高了效率并降低了成本. 这种方法可以及时更换工具,防止由于磨损而导致钻孔性能下降.
科学领域:
- 工程 工程师 工程师 工程师
- 机械工程 机械工程
- 预测性维护是指预测性维护.
背景情况:
- 道钻井机 (TBM) 的工具系统磨损显著影响效率,成本和安全.
- 在运行过程中检测磁盘切割机的磨损是具有挑战性的,导致潜在的项目延误和增加的费用.
研究的目的:
- 为TBM工具系统提出一种新的故障诊断方法,特别是解决磁盘切割器磨损问题.
- 提高与磨损有关的故障的检测,从而提高TBM的运行效率和安全.
主要方法:
- 使用SolidWorks开发了TBM液压推力和工具系统的3D模型.
- 与亚当斯进行了动态模拟,以分析由于切割器磨损而导致的液压气负载变化.
- 在AMESIM中模拟和模拟液压推进系统,获取压力和流量信号.
- 建立了用于故障诊断的SAV-SVDD故障位置 (SSFL) 网络模型.
主要成果:
- 该SSFL网络模型在识别切割头故障区域时达到90%的准确性.
- 确定了液压气信号 (压力,流量) 和工具系统故障的程度之间的相关性.
- 与SAE-SVM和SVDD模型相比,SSFL模型表现出更高的性能.
结论:
- 拟议的SSFL方法有效地诊断TBM中的磁盘切割器磨损.
- 及时识别磨损的工具,可以主动更换,减轻效率损失.
- 该研究验证了SSFL方法在现实世界TBM应用中的可行性.


