基于灰色關聯度的圓錐式破碎機磨損構件識別

陳家權，于廣宇，2

（1.廣西大學機械工程學院，廣西南寧 530004；2.鞍鋼礦業裝備制造分公司，遼寧鞍山 114042）

0 引言

磨損是導致機械設備故障與失效的主要原因，機械磨損時，會有小顆粒混入油液中。在進行油液取樣檢測時，這些小顆粒會透露出有關該設備磨損的一些信息，因此可以利用混入小顆粒性質的變化與設備磨損程度建立關系。灰色關聯度分析法是將不同系統或因素通過建立系統模型進行關聯性大小的量度，以此描述一個系統在發展過程中因素間相對的變化[1]。王克等人[2]提取出液壓系統中的顆粒污染物，建立了液壓油液中固體顆粒物的形狀及尺寸分布與液壓系統故障產生的關系。

利用灰色關聯度分析技術對分類及判斷模糊界限能力強的優勢。目前研究學者基于灰色關聯度使用鐵譜檢測數據，將模型應用于風電機組故障構件識別[3]，其局限性是由于不同部件含有相同的金屬元素較多，無法準確掌握和識別所磨損部件位置，檢測意義不大。

在查閱資料之后，根據圓錐式破碎機結構找出特定磨損位置特征金屬元素，構造模式[4]。然后針對任意磨損狀態下的待識別模式，計算與標準模式的灰色關聯度，估計磨損元素最大可能所屬的磨損部位。

1 磨損構件識別概述

設備運行時，零件會相互接觸，在摩擦副表面會出現滑動、滾動或沖擊情況，隨著運行時間的增加，表面的損傷或脫落會產生磨損微粒。通過磨粒的性質可以識別出磨損構件的最大可能部位。在破碎機的油液檢測中，一般采用定期取樣監測齒輪油質量來評價設備運行情況，進行檢測前要對目標設備構造磨損構件識別模型。檢測步驟為：先通過金屬元素光譜技術來檢測取樣油液含有的金屬種類和含量，然后代入構造好的磨損構件識別模型，采用灰色關聯度分析，最后得出結論。

2 構造磨損構件識別模型

圓錐破碎機的傘齒輪帶動大齒圈運轉，大齒圈與偏心套是一體的，這樣就能帶動破碎壁旋轉，通過與軋壁之間間隙的變化來破碎物料。一般需要在齒輪與齒圈、軸套與錐套及各類密封環進行油脂潤滑。圓錐破碎機技術參數規定，潤滑油必須使用ISO150 級潤滑油，黏度指數90 以上。換油周期為3000 h。通過查找資料，對于圓錐破碎機，主要磨損構件是偏心套銅套、襯套、襯板、活塞環、軸承，所含金屬元素如表1 所示。

構造標準磨損構件識別模型，首先將不同磨損構件按照不同金屬構造進行分類，然后進行特征向量提取，要求最大限度反映模式的特征信息。通過對表1 中圓破機摩擦副元素的分析，該系統的主要磨損構建有偏心套磨損、襯套磨損、襯板磨損、活塞環磨損、軸承磨損等5 種類型[5]。可以將其構造成5 種標準模式，每一種模式包含兩種信息：第一種為元素個數的信息；第二種為是否存在某種具體元素信息。將上述信息構造為模式的特征向量，分別用A1和A2表示。

對于A1，分析5 種模式有5 種情況，1、2、3、4 和5，可以表示成=[a11，a12，a13，a14，a15]對應取值為1、2、3、4 和5。

對于A2，分析可以共有9 種主要金屬元素，分別是Fe、Cu、Mn、Al、Cr、Pb、Ni、Mo、Sn，并按此順序排列。因此，A2可以表示成=[a21，a22，a23，a24，a25，a26，a27，a28，a29]分別與以上元素對應。

有了上述的信息，就可以構造A1～A5的標準磨損構件模式，每一種模式的元素個數和類別存在性構成了一組特征向量。使用二進制方法表示元素存在性，有表示成“1”，沒有則表示成“0”，即：

表1 磨損構件主要金屬元素表

以上a1～a5是對圓錐破碎機發動機的5 種磨損位置標準模式，可以表示成譜圖（表2）。

表2 磨損構件模式譜

3 工程實踐

3.1 取樣測量

某作業區1#1200/160 型圓破機有異響，系統容量為2720 kg，所添加為150#重負荷工業齒輪油，油液使用時間為1710 h，初步結論為初步判斷有磨損問題。接下來進行元素分析檢測，主要金屬元素檢測結果見表3。金屬元素分析結論為，破碎機工作環境中，由于正壓除塵效果不好，極易造成灰塵進入潤滑油內。經金屬含量檢測判斷為存在磨損情況，影響傳動效果，導致運行黏度大[6]。

表3 主要金屬元素檢測

3.2 灰色關聯度計算

基于灰色關聯度理論，將待識別的樣本模式與已知相關因素之間的相關性大小的進行度量。偶對稱性表明，當灰色關聯因子集中只有兩個序列時，兩兩比較滿足對稱性。對于兩個序列模式X0和Xi，一個標準模式，一個待識別模式，二者在第k 點的關聯系數記為r（x0（k），xi（k）），關聯度記為R（X0，Xi），則對應分辨系數ξ∈（0，1）有：

以上即為灰色關聯度R（X0，Xi）的計算方法，它同時也滿足灰色四公理。下面是灰色關聯度的計算步驟：

計算完關聯度后，代入表2 磨損構件模式譜，即可排序選取與待識別模式最大關聯度的標準模式，確定最大可能的磨損構件。

對于待識別變量組[Fe、Cu、Cr、Pb、Ni]構造，其待識別模式為：[5，1，1，0，0，1，1，1，0，0]。取ξ=0.48[7]，計算得待識別模式與標準模式之間的關聯度如表4 所示。

將上述灰色關聯度表由大到小排序關聯度，其對應的模式排序為：A1、A2、A3、A4、A5待識別模式，它對應的磨損構件的信息為銅套的磨損。對應的主要金屬元素為Fe、Cr、Mo、Sn，待識別模式中所含主要金屬元素為Fe、Cu、Pb、Cr、Sn、Mo，它們之間關聯度超過了60%以上[8]，還是有較高的可信度。通過科學分析，判斷粗破機偏心套銅套產生了磨損，并上報給了生產作業區。

給出判斷依據后第三天，在維修現場發現了拆卸的偏心套烏金，產生脫落的原因是由于生產過程中油液不慎進入雜物，同時由于空濾定期保養不夠、進氣質量惡劣導致了磨損（圖1）。這也驗證了之前的判斷。

表4 灰色關聯度表

4 結論

圖1 偏心套烏金大面積脫落

工程實踐結果表明，元素光譜檢測和灰色關聯度分析的聯合應用能夠精確找到磨損故障構件，將加快維修進度，有效保證設備生產運行。這個方法大大提高了檢修效率，這為故障初期的快速識別故障位置提供了一條新思路，為主動維修提供了依據，同時減少了因為突發狀態延誤工期造成的不必要損失。減少了檢修作業量，為企業節約資金、創造利潤[9]。