門式起重機減速箱振動監(jiān)測及預警系統(tǒng)研制

王 爽，胡靜波

（南京市特種設備安全監(jiān)督檢驗研究院，江蘇南京，210019）

門式起重機減速箱振動監(jiān)測及預警系統(tǒng)研制

王 爽，胡靜波

（南京市特種設備安全監(jiān)督檢驗研究院，江蘇南京，210019）

根據對國內外起重機狀態(tài)監(jiān)測技術現狀的研究和需求分析設計并研制了一套適用于門式起重機減速箱的智能振動監(jiān)測及預警系統(tǒng)。根據采集到的振動信號使用時間序列建模提取信號特征，開展了基于AR建模的GA-BP神經網絡故障預警模塊研制。研制的門式起重機減速箱的智能振動監(jiān)測及預警系統(tǒng)具有數據實時傳輸、信號分析處理及故障預警等功能，有助于防止門式起重機在運行過程中發(fā)生重大事故、減少設備的故障率、優(yōu)化維修策略的制定。

門式起重機減速箱；振動監(jiān)測；預警系統(tǒng)；AR建模；GA-BP神經網絡

0　引言

在現代工業(yè)中，起重機在實現生產過程的機械化、自動化、改善搬運條件及提高生產效率方面扮演著不可缺少的角色。起重產品種類在不斷的增加，使用規(guī)模也越來越廣泛，尤其是在高層施工時物料的搬移，大型設備物品的搬運，高架橋梁的施工作業(yè)等場合，都離不開起重機的應用。起重機一旦發(fā)生事故將造成人員和財產的巨大損失。而近年來，隨著我國起重機械數量的增加，起重機械傷害事故占全部工業(yè)企業(yè)傷亡事故的比例也呈逐年上升的趨勢。在所有起重機事故中，由于減速箱的原因而發(fā)生故障占很大比例，因此有必要研究起重機減速箱的振動參數的采集、監(jiān)測與故障預警技術，從而大力提升起重機設備的監(jiān)管技術與手段。

1　系統(tǒng)功能需求分析

系統(tǒng)設計的主要目的是對門式起重機的減速箱工作狀態(tài)下的振動情況進行監(jiān)測，并具備對可能發(fā)生的故障進行預警，結合門式起重機的特點，所研制的系統(tǒng)應具備以下功能：

（1）振動數據采集功能：系統(tǒng)能夠以自定義的通信協(xié)議格式接收來自振動數據采集器、狀態(tài)量數據采集器的數據，以備數據顯示、存儲、分析使用。

（2）采集數據顯示功能：系統(tǒng)接收到來自采集器的數據之后應以數值、圖像、波形的方式將數據顯示出來。

（3）采集數據存儲和調用功能：系統(tǒng)應能夠對接收到的各數據采集器的數據進行實時保存，對于歷史預警數據同樣進行保存，并上傳至服務器長期保存，并在進行系統(tǒng)開展故障預警分析時便于調用。

（4）起重機故障預警功能：監(jiān)測系統(tǒng)應具備預警功能，通過設置參數量門限值，當起重機運行達到門限值的90%時系統(tǒng)通過閃爍窗口方式向操作人員報警。

2　振動監(jiān)測系統(tǒng)設計

由于系統(tǒng)對于實時性要求較高，因此系統(tǒng)架構選擇具有較高的響應速度C/S結構。系統(tǒng)總體架構分為四層，第一層為采集器端，第二層為操作室本地狀態(tài)監(jiān)測端，第三層為數據傳輸服務器端，第四層為遠程監(jiān)測及故障預警終端，如圖1所示。

圖1　總體架構

四層結構通過網絡互聯，采集器通過收集來自各傳感器的數據上傳至本地終端同時本地終端與數據傳輸服務器通信將數據發(fā)送至服務器保存，遠程端通過互聯網連接至服務器，從服務器獲取實時數據進行監(jiān)測診斷。

2.1振動狀態(tài)監(jiān)測方案設計

減速箱振動狀態(tài)監(jiān)測是起重機進行故障分析與診斷的必要環(huán)節(jié)，振動監(jiān)測主要面向起重機的零部件，通過分析診斷這些零部件的振動狀態(tài)分析可能誘發(fā)的故障，目前對于起重機的振動狀態(tài)監(jiān)測測點通過實驗確定，對于起重機測點也比較固定，一般有起升機構、回轉機構，其他機構的電機、齒輪箱、小車等。對于門式起重機沒有回轉機構，且起升機構是門式起重機故障易發(fā)部位，所以系統(tǒng)振動監(jiān)測對象是門式起重機的起升機構，包括主起升機構、副起升機構，主、副起升機構的減速箱布置于小車箱中。

（1）測點布置

測點布置對于振動信號采集影響很大，測點選擇不好直接影響系統(tǒng)的準確率同時對于后續(xù)的故障預警系統(tǒng)分析故障會有很大影響，因此對振動測點的布置應能夠對要監(jiān)測的設備進行全面詳盡的描述，并且測點數量不宜過多，經驗表明測點盡可能選在軸承直徑上方并且與軸承外圈最靠近的地方。因此系統(tǒng)振動測點布置于上主起升機構減速機與副起升機構減速機的輸入軸上方。

（2）傳感器選擇

確定傳感器測點布置后，應選擇合適的傳感器類型，這也是監(jiān)測系統(tǒng)的一個關鍵環(huán)節(jié)，傳感器是獲取原始信號的第一個關口，所以應根據系統(tǒng)監(jiān)測目的與系統(tǒng)的配置選擇最合適的傳感器類型。系統(tǒng)選用的壓電式傳感器，該類型傳感器特點是內置阻抗變換器，電壓（低阻）輸出，動態(tài)特性好，抗過載能力強，頻響范圍寬，多場合使用。

2.2數據傳輸方案設計

振動數據采集器、轉換電源及振動傳感器置于小車架上，數據通過傳感器傳至振動數據采集器。振動數據采集器通過有線方式上傳至本地操作室終端，由本地終端將數據上傳至服務器，最后可以通過遠程端實時查看。

在接收到來自振動采集器的數據后，解析數據包將解析后的數據放在全局數組中，通過實驗室自主研發(fā)的波形控件顯示，系統(tǒng)給出起升機構減速箱振動的時域圖及頻譜圖，并時時刷新波形。

2.3數據管理模塊設計實現

門式起重機減速箱振動狀態(tài)監(jiān)測系統(tǒng)數據管理模塊分為數據存儲與歷史數據回溯兩部分。數據以dat格式的文件形式存儲，對于振動數據存儲精確到毫秒。存儲的文件具備文件頭、傳感器信息相關說明。

3　故障預警模塊架構設計

預警模塊遠程端面向的用戶是工程師，系統(tǒng)通常置于辦公室，在界面上與本地端保持一致，添加的智能診斷模塊也應做到盡可能的智能化，使系統(tǒng)達到操作簡單、界面直觀的效果。遠程端通過互聯網與服務器連接，獲取起重機減速箱監(jiān)測實時數據，在做故障預警的時候系統(tǒng)直接從服務器調用數據，提取故障信號特征后進行診斷，并給出診斷報告。

3.1基于AR建模的振動信號特征提取

減速箱振動信號是故障信息的載體，信號的時間序列依靠數據的順序和數據的大小，表現著變化的動態(tài)過程。這里使用時間序列分析法對減速箱振動信號開展分析處理。時間序列分析法是指采用參數模型（尤其是ARMA模型）對所觀測到的有序的隨機數據進行分析與處理的一種數據處理方法，簡稱時序分析。所分析的數據由實驗室內減速箱實驗臺實驗獲取。

3.2基于GA算法優(yōu)化的BP神經網絡故障預警方法研究

起重機減速箱故障預警模塊設計上通過對采集到的振動信號進行時間序列建模的方式提取信號特征，然后利用訓練好的BP神經網絡對特征值進行故障類型識別。BP神經網絡算法作為一種人工智能智能算法目前已被廣發(fā)應用于各個領域中，并在模式識別、函數逼近、分類和數據壓縮領域應用尤為廣泛。系統(tǒng)采用將遺傳算法引入BP神經網絡。遺傳算法的最大優(yōu)點不需要采用其他輔助信息，只需要使用適應度函數即可，即使對非連續(xù)和多態(tài)的函數，它也能獲得全局最優(yōu)解。將BP神經網絡與遺傳算法結合使兩者各自發(fā)揮了其優(yōu)勢，與傳統(tǒng)的BP相比大大提高了系統(tǒng)的非線性擬合能力。提高了系統(tǒng)診斷效率。并根據預設的監(jiān)測參數門限值判斷起重機狀態(tài)是否超標，超標狀態(tài)及時給出報警。BP神經網絡與遺傳算法結合進行權值閾值訓練的流程如圖2所示。

圖2　GA-BP流程

3.3減速箱故障預警系統(tǒng)軟件設計

減速箱故障預警系統(tǒng)軟件設計基于Windows平臺使用C++語言編寫，分為AR建模特征提取模塊、GA遺傳算法獲取初始權值閾值模塊、BP神經網絡學習及識別模塊、數據搜索模塊。在進行實際診斷操作時，通過文件搜索模塊搜索想要進行診斷的文件，系統(tǒng)內部會依據文件存儲格式進行文件解析，將解析到數據傳至AR對象，經過特征提取后將獲取到的特征傳至已經訓練完畢的神經網絡，BP對象給出診斷結論。

減速箱故障預警系統(tǒng)界面如圖3所示，數據查詢區(qū)域通過設置數據查詢時間范圍獲取區(qū)間內的數據文件，單擊文件，系統(tǒng)會解析出文件中存儲的振動數據并顯示，右側上部為當前診斷數據的頻譜圖，并可以選擇對應的減速箱，下方為此次診斷的結果顯示區(qū)域。重置系統(tǒng)參數可以對診斷系統(tǒng)進行重新訓練獲取神經網絡的權值閾值，系統(tǒng)參數查看可以顯示當前診斷系統(tǒng)對應的參數及相關數據。

4　結束語

目前現有的起重機安全監(jiān)測系統(tǒng)中缺乏對于關鍵部件減速箱的狀態(tài)監(jiān)測，本文根據門式起重機的結構特點和使用要求，設計了包含減速箱振動信息采集、狀態(tài)顯示和故障預警等功能在內的狀態(tài)監(jiān)測與預警系統(tǒng)。該系統(tǒng)可根據采集到的振動信號使用時間序列建模提取信號特征，并基于AR建模的GA-BP神經網絡可進行常見故障的預警。

［1］ Xiaoyang Liu， Tingting Xue， Qing Jiang， Jian Li. Research on Fault Diagnosis Method of the Tower Crane Based on RBF Neural Network［J］. 2010 International Conference on Artificial Intelligence and Computational Intelligence（AICI）.2010：566-569.

［2］ Yang Yu， Zhenlian Zhao， Liang Chen. Research and Design of Tower Crane Condition Monitoring and Fault Diagnosis System［J］. 2010 International Conference on Artificial Intelligence and Computational Intelligence（AICI）. 2010： 405-408.

［3］ 王丁磊.基于神經網絡的塔式起重機電氣設備故障預警系統(tǒng)［J］.起重運輸機械.2010，（3）：83-86.

［4］ Abdelkader Akhenak， Mohammed Chadli， Didier Maquin. Sliding mode multiple observer for fault detection and isolation［J］. Proceedings of the 42nd IEEE Conference on Decision and Control Maui.2003.11.953-958.

［5］ 王欣，高順德.國外履帶起重機新技術新特點及國內生產研發(fā)現狀［J］.石化工程建設，2005（12）：16-17.

［6］ 石萬祥.港口門座起重機故障分析及振動監(jiān)測技術應用研究［D］.武漢理工大學學位論文，2002：3-9.

［7］ 臺金剛.門座起重機故障分析及振動監(jiān)測應用研究［D］.大連理工大學碩士學位論文，2007：36-38.

［8］ 陳光等.港口門座起重機回轉支承故障趨勢識別［J］.武漢理工大學學報，2004：223-224.

［9］ 佟德純，李華彪.振動監(jiān)測與診斷［M］.上海：上海科學技術文獻出版社，1997

［10］ 孫傳友，孫曉斌，張一.感測技術與系統(tǒng)設計［M］.北京：科學出版社，2004

［11］ 楊叔子，吳雅，軒建平，等.時間序列分析的工程應用［M］（第二版）.武漢：華中科技大學出版社，2007.

［12］ 叢爽.面向MATLAB工具箱的神經網絡理論與應用［M］.北京：中國科技大學出版社，2009： 6-50.

［13］ 懂聰.人工神經網絡：當前的進展與問題［J］.科技導報，1999，7：26-30.

［14］ 懂聰，郭曉華.計算智能中若干熱點問題的研究與進展［J］.控制理論與應用，2000，17（5）：691-697.

［15］ 呂瓊帥.BP神經網絡的優(yōu)化與研究［D］.鄭州：鄭州大學，2011.

Researching on The Vibration Monitoring and Alarming System of the Gantry Crane Gearbox

Wang Shuang，Hu Jingbo
（Nanjing Special Equipment Inspection Institute，Nanjing Jiangsu，210019）

According to the study of the state and needs for the status monitoring of crane at home and abroad，a vibration monitoring and alarming system of gantry crane gearboxes is developed in this paper. According to the vibration signal extracted by the time series modeling，the failure alarming module of the GA - BP neural network， which based on the AR model，is developed in this paper.The vibration monitoring and alarming system of gantry crane gearboxes has the function of real-time data transmission，signal analysis and failure alarming.It helps to prevent the occurrence of major accidents，reduce the failure rate of equipment，and optimize the maintenance strategies.

gantry crane gearbox；vibration monitoring；alarming system；AR model；GA - BP neural network

圖3　預警系統(tǒng)界面