煤炭洗选是煤炭生产的重要环节，而振动筛是整个洗选工艺的核心设备，主要起着原煤分级、洗前脱泥、洗后分级脱水、脱介等重要作用。自2007年初以来，某洗煤厂洗选中心的筛分设备进入维护期，百余台振动筛纷纷出现故障，导致系统停车七十余起。这期间，均衡生产的主要矛盾集中在振动筛上，其突出问题是人工点检等日常检查技术无法在设备运行过程中实施，无法实现故障的早期发现和诊断，造成故障扩大及计划检修、超前检修无法实施。为避免由振动筛故障引起的生产系统联动停车而造成重大损失，本课题对振动筛负载工况在线监测智能诊断系统进行研究。本课题首先分析振动筛的结构特点以及裂纹成因，建立振动筛工作仿真模型，并进行有限元分析；其次，开展试验分析，在振动筛试验台上进行模态试验；在此基础上完成监测筛箱的异常振动、弹簧一致性和激振器轴承状态监测，研究并实现振动筛异常状态的自学习报警技术；基于金属磁记忆检测原理，离线查找可能导致事故的应力集中区域与潜在微裂纹；最后，搭建振动筛负载工况在线故障诊断系统，对弹簧不一致情况、异常振动、轴承故障等进行实时报警；同时，在收集海量测试数据的基础上，以系统监测参数为输入量、常见故障类型为输出量，建立基于遗传算法优化BP神经网络的故障预测系统。还增加了系统远程访问、故障库维护等功能。本课题的技术方法主要从以下几个方面展开：1）采用五个三向加速传感器，监测点为筛箱体与四个支撑弹簧的联结点及激振大梁，同步采集五个位置X、Y和Z轴方向的振动加速度信号，监测筛箱负载情况下的振动异常，如横摆、运动紊乱、振动方向角超差等，防止筛箱因受到长期复杂的交变应力(或附加动应力)而产生侧板及横梁裂纹等故障。2）同步采集四组弹簧支座处的振动加速度信号，拾取产生的振动信号，通过监测振动峰值、峭度指标、故障特征频率幅值等参数，辨识弹簧的异常和故障；检测振动筛在工作时的载荷分布情况，能够对设备的超载、偏载以及过共振区时的平稳性、偏离度等技术参数进行在线监测。3）采用三个温度传感器结合相应的温度变送器，将两个温度传感器分别固定在激振器的油缸处，另外一个温度传感器监测室温。通过轴承油温和室温的温升差值来检测轴承温度是否异常，防止轴承热卡死等故障发生。4）将检测到的振动、电量以及温度信号通过计算机分析和处理，综合评估振动筛在有载情况下的运行状态，确定其健康状态，为制定振动筛维修管理计划以及对振动筛剩余寿命进行预测提供参考，最终实现在线智能自诊断。5）提供基于金属磁记忆的筛箱裂纹无损检测技术，实现应力集中和微裂纹的周期性离线检测。6）制定符合现场运行工况的振动筛常见故障检测标准。本课题的研究应用成果应用于此洗煤厂振动筛负载工况在线故障监测与诊断中，应用效果良好，填补了振动筛在线故障诊断和使用维护领域的空白，摆脱生产商垄断维修服务的局面，使振动筛使用方掌握满足现场需要的诊断技术。开发监测诊断系统，帮助操作人员及时发现运行异常，诊断初期裂纹，为制定维修计划提供决策依据，确保生产的有序进行。研究成果《矿用振动筛弹簧在线监测与故障诊断装置》已获国家专利。专利号：CN102494882A。