R&P分析模型在煤矿机电事故预防中应用[论文]
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
R&P分析模型在煤矿机电事故预防中的应用
【摘要】本文利用煤矿机电设备发生故障情况符合马尔科夫数学模型的特性,应用马尔科夫链预测法对煤矿机电设备未来发生故障的可能性进行预估,结合机电设备自身可靠性分析,建立r&p分析模型,为煤矿机电设备的维护和机电设备事故预防提供定性和定量分析,有效的减少煤矿机电设备事故。
【关键词】煤矿可靠性机电设备故障马尔科夫链
壳?国内外学者对于煤矿机电事故的原因及预防措施在管理层面上有着较广泛的研究,但对于煤矿机电设备本身可靠性和机电设备发生故障概率预测少有研究。本文一方面从设备自身可靠性角度分析机电设备故障,另一方面利用煤矿机电设备故障符合马尔科夫链无后效性的特性,以马尔科夫链为基本分析工具,对煤矿机电设备
未来发生故障的可能性进行预估,为机电设备的维护和机电设备事故预防提供理论支持。结合机电设备可靠性分析和故障概率预测分析,提出预防机电设备事故的措施,为减少煤矿机电事故,加强安全管理提供新的分析研究思路。
1 我国煤矿机电事故概况
煤矿机电事故指机电设备(设施)发生故障导致的事故,包括运输设备在安装、检修、调试、正常运作过程中发生的事故,发生在低、高压电网,直流架空线的人身触电事故等[1]。本文根据近几年全国的煤矿事故分析统计数字,收集统计了2007~2011年期间我国煤矿总事故、机电事故及其人员死亡情况(见表1)。
表1可知,2006~2011年期间全国煤矿总事故起数逐年大幅度减少,但是机电事故起数上下浮动,机电事故起数占煤矿总事故起数的比例及机电事故死亡人数占总死亡人数的比例呈现逐年上升的趋势,而煤炭生产企业中的煤炭开采、运输、提升等诸多环节,都要依靠机电设备及工作人员完成[2],因此,煤矿机电设备故障分析和预测的研究对于减少煤矿机电事故,提高煤矿综合安全水平有着举足轻重的作用。
2 r&p分析模型在煤矿机电设备事故中的应用
r&p(reliability and predict)分析模型是指设备可靠性分析(r 分析)与设备故障概率预测分析(p分析)相结合的分析模型,通过提高设备自身可靠性和预测设备某一时期可能发生故障的概率,提前做好防范措施,从而减少设备故障,降低由机电设备故障引发的机电事故,r&p分析模型的结构模型如图1。
2.1 机电设备可靠性分析(r分析)
从可靠性角度看,我们从设备典型的浴盆故障率曲线的三个故障期分析,构建机电设备故障原因与预防对策结构图(如图1左r分析)。
(1)早期故障期。设备处于早期故障期时,由于设备本身工艺设计方面、组装安置不当、人员操作不熟练等原因,造成设备的故障率较高。因此,煤矿企业必须做到“3合格”:在购买煤矿机电设备时,应从源头杜绝劣质设备,购买合格产品;聘请专业人员安装,安装合格后方能正常使用;对操作人员进行正规严格的培训,合格后方可
上岗操作。
(2)偶然故障期。随着设备的磨合使用,操作人员工作经验的累积,这一时期没必要进行预防性检修,但在这一时期,可能由于其易损
部件的磨损和劣化,导致故障率升高,因此这一时期要做到“3定期”:定期对设备进行检查与监视诊断;定期更换易于磨损和失效的零部件;定期考核设操作人员设备的操作使用规则,减少人为故障率。(3)耗损故障期。设备处于耗损故障期时,由于长时间的使用,设备将出现严重的疲劳老化、耗损,使得设备性能逐渐变劣,设备的故障率逐渐增加。这一时期要做到“3及时”:及时测定设备参数,发现耗损部件;设备运行出现异常及时维修;及时更换低定性能、有损坏部件,延长设备使用寿命,降低设备故障率。
2.2 机电设备故障概率预测分析(p分析)
煤矿现场大量机电设备的故障特性是服从指数分布的,是典型的无记忆分布,具有无后效性的特性。一般的机电设备的使用过程也即为正常运转和故障构成的随机过程,是一个典型的马尔科夫过程,故本文利用马尔科夫链预测方法对煤矿机电设备故障概率进行预
测[3]。实际上,除了一些技术水平较为落后的纯机械类设备之外,煤矿现场大多数设备都是可以用马尔科夫链进行分析的[4]。
2.2.1 马尔科夫链数学定义
记随机过程{x(t),t∈t},其中时间t={0,1,…},状态空间
i={0,1,2,…},若对任一时刻n以及任意状态i0,i1,…,in-1,有式(1)成立,则称随机过程{x(t),t∈t}为一个马尔科夫链,简记为
{x(n),n≥0}。
p{x(n+1)=j|x(n)=i,x(n-1)=in-1,…,x(1)=i1,x(0)=i0}=p{x(n+1 )=j|x(n)=i}式(1)
式(1)表明了随机过程x(t)在某一时刻(n+1)的状态x(n+1)恰好为j的概率只与此刻n的状态x(n)有关,而与以前的状态无关。因此,式(1)完整且惟一地给出了马尔科夫链的数学定义[5]。
2.2.2 马尔科夫链预测在机电设备故障概率预测中的应用
某部机电设备有两种基本的可能状态正常运转s1,出现故障s2。如果根据多个煤矿应用该机电设备的情况,采用频率近似等于概率的原理计算,即pij=mij/mi,式中:mi为状态si出现的总次数,mij 为状态si转移到状态sj的次数,在统计的基础上求得各概率如表2所示。
预测分析:设备正常运转的概率0.8,出现故障的概率0.2,设备出现故障经过维修转变为正常运转的概率是0.7仍然存在故障不能转入正常运转的概率是0.3即,, ,。
则状态转移矩阵,记设备状态概率t段时间后为s(t),2t段时间以后s(2t),…kt段时间以后为s(kt)。马尔科夫过程序列通过图2(图2右p分析)直观的表示出来。
假设初始状态为s1(如图2-1),则初始状态向量
为:s(t)=[s1(t),s2(t)]=[0.8,0.2]
根据马尔科夫预测方程式s(k)=s(1)*pk-1即可得到
一次转移向量: