帶式輸送機托輥健康監(jiān)測分析研究

岳 濤

（晉能控股煤業(yè)集團趙莊二號井， 山西 長治 047100）

引言

帶式輸送機是礦業(yè)企業(yè)生產(chǎn)的重要運輸設(shè)備，其安全高效運行對企業(yè)生產(chǎn)至關(guān)重要。近年來，因帶式輸送機造成的火災(zāi)事故頻發(fā)，對企業(yè)、人身財產(chǎn)安全威脅巨大。經(jīng)分析，造成帶式輸送機火災(zāi)事故的主要原因是托輥失效造成托輥溫度過高。托輥的失效會使托輥表面摩擦加劇，從而使得局部溫度過高造成火災(zāi)。對于托輥的傳統(tǒng)定期維護方法具有成本高、隱患大、實時性差等問題，無法有效預(yù)防托輥失效。針對這一現(xiàn)象，本文提出了帶式輸送機托輥健康監(jiān)測的分析研究，采用振動信號分析的方法對托輥狀態(tài)進行監(jiān)測識別，提高設(shè)備監(jiān)控監(jiān)測實時性，降低企業(yè)運行成本，保障設(shè)備安全高效運行。

1 托輥故障簡要分析

托輥是帶式輸送機系統(tǒng)的主要旋轉(zhuǎn)部件，主要由彈性擋環(huán)、軸蓋、密封圈、筒體、軸承、隔離環(huán)以及軸承座等組成，托輥的結(jié)構(gòu)示意圖如圖1 所示。托輥的主要作用是減少輸送帶的運行摩擦力，降低設(shè)備使用能源損耗，降低使用成本。帶式輸送機運行環(huán)境較為惡劣，托輥故障發(fā)生較為頻繁。常見的托輥失效現(xiàn)象有軸承損壞、托輥變形以及筒體損壞等，軸承損壞是托輥失效最為常見的故障形式。軸承損壞的常見形式包括磨損損壞、疲勞剝落損壞、斷裂損壞以及膠合損壞。軸承損壞大多是由設(shè)備振動以及環(huán)境腐蝕引起的，早期故障經(jīng)不斷惡化逐漸變?yōu)閾p壞。軸承振動主要是由于設(shè)備組裝不當(dāng)、設(shè)備設(shè)計有缺陷、其他部件故障以及部件性能退化等原因造成的。據(jù)統(tǒng)計，托輥故障的70%以上故障都是由于振動原因引發(fā)的，故采用基于振動信號監(jiān)測的方法進行托輥健康監(jiān)測研究非常必要[1-3]。

圖1 托輥結(jié)構(gòu)示意圖

2 帶式輸送機托輥健康監(jiān)測分析研究

2.1 振動模型建立

托輥在有設(shè)計缺陷、組裝不當(dāng)、部件故障以及部件性能退化等情況下，軸承系統(tǒng)會發(fā)生不同程度的振動現(xiàn)象。在振動作用力下，托輥軸承性能會逐步下降，逐漸形成點蝕故障。托輥故障狀態(tài)與正常狀態(tài)下的托輥相比，其振動信號頻率相差明顯，通過傳感器對信號的收集可較好地判斷托輥的健康狀態(tài)。本文的托輥軸承故障模型采用幅值調(diào)制模型進行描述，當(dāng)軸承故障后頻率為f=1/T 時，2M+1 個沖擊振動表達式為：

式中：f 代表轉(zhuǎn)頻，Hz；M 代表故障沖擊數(shù)量；x（t）代表沖擊振動函數(shù)；e 代表自然常數(shù)；A 代表m 個故障沖擊幅值大小，g；t 代表時間，s；T 為故障周期；β 為托輥阻尼特性系數(shù)；ω 為故障共振頻率，Hz；u（t）代表單位階躍函數(shù)；n（t）代表干擾噪聲函數(shù)；τ 代表滾動體滑移影響程度。

2.2 軸承故障仿真分析

設(shè)置托輥轉(zhuǎn)頻為20 Hz，信號采樣頻率為20 kHz，依據(jù)某煤礦帶式輸送機的幾何結(jié)構(gòu)參數(shù)信息可得各類故障特征頻率表達式為：

式中：f 代表轉(zhuǎn)頻，Hz；fBPFI為托輥軸承內(nèi)圈轉(zhuǎn)頻，Hz；fBPFO為托輥軸承外圈轉(zhuǎn)頻，Hz；fBSF為托輥軸承滾動體轉(zhuǎn)頻，Hz；fFTF為托輥軸承保持架轉(zhuǎn)頻，Hz。

2.3 基于SIOS 算法的健康狀態(tài)監(jiān)測

托輥健康監(jiān)測需研究的另外一項就是如何對故障仿真信號與頻譜進行處理，通過設(shè)立相關(guān)的健康指標從而對托輥的運行狀態(tài)進行實時定義追蹤。本文采用的處理方法為基于SIOS 算法的健康狀態(tài)監(jiān)測，其具體流程示意圖如圖2 所示。SIOS 算法可有效提取與分離故障信息，較為適合托輥健康狀態(tài)監(jiān)測。托輥的健康狀態(tài)監(jiān)測過程中設(shè)置了健康指標1 與健康指標2 兩個評估標準，且將兩個指標集成為H（i），以期進一步提升診斷效率。其中，第一步是按照SIOS 算法的要求進行信號采樣，Δs<（2FlFl/Fs）為SIOS 算法頻率分辨率要求；第二步運用FFT（快速傅里葉變換）算法進行頻域分析，從而得到信號頻譜；第三步中的δ、l分別為頻譜譜峰數(shù)量與頻譜平均移動幅值，選定參數(shù)后可對頻譜進行搜索，得到M 個譜峰；第四步中頻率柵格G 的定義表達式為G=F1，F(xiàn)1+ΔG，F(xiàn)1+2ΔG，F(xiàn)1+3 ΔG，...，F(xiàn)h。其中，F(xiàn) 為頻譜頻率，Hz；ΔG 為可選正數(shù)。將譜峰投影向頻率柵格G 即可得到頻譜信息，通過SIOS 算法計算可得到譜峰數(shù)量N（i）與譜峰能量E（i）。H（i）為平均能量，計算即可獲得；第五步依據(jù)托輥故障對H（i）和E（i）進行最大6 階能量累計和計算，構(gòu)建雙健康指標；第六步為依據(jù)健康指標進行托輥健康狀態(tài)監(jiān)測。由上述步驟可知，健康指標是由SIOS 算法處理得到的，也就是說，健康指標是隨著故障信息的變化而變化的。同時，N（i）和E（i）的綜合判斷也進一步增加了托輥健康狀態(tài)監(jiān)測的準確性。但上述步驟在一定程度上降低了狀態(tài)監(jiān)測效率，故本文進行了H（i）平均能量集成，將兩組參數(shù)轉(zhuǎn)化為一組，提高決策效率，使托輥狀態(tài)監(jiān)測更加科學(xué)高效[4-6]。

圖2 基于SIOS 算法的健康狀態(tài)監(jiān)測流程示意圖

3 實驗驗證

對節(jié)徑為23 mm、滾珠直徑為8 mm、接觸角為0°、滾珠數(shù)量為9 的托輥軸承進行健康狀態(tài)監(jiān)測，通過更換不同健康狀態(tài)的軸承進行實驗后發(fā)現(xiàn)，軸承健康狀態(tài)監(jiān)測準確，準確率為100%，符合相關(guān)要求。圖3 為軸承外圈故障的基于集成參數(shù)H（i）的診斷結(jié)果。依據(jù)軸承的結(jié)構(gòu)參數(shù)，外圈故障特征頻率應(yīng)為236.40 Hz，圖中譜峰為230.7 Hz，系統(tǒng)判定其數(shù)值差異原因為滾動體滑移影響，系統(tǒng)判斷結(jié)果為軸承外圈故障，托輥狀態(tài)監(jiān)測正確。

圖3 基于集成參數(shù)H（i）的診斷結(jié)果

4 結(jié)論

帶式輸送機托輥故障是引發(fā)帶式輸送機火災(zāi)發(fā)生的主要原因，傳統(tǒng)的防治方法主要采用托輥定期維護的方法，該方法成本高、隱患大、實時性差，無法滿足實際的生產(chǎn)需求[7-10]。針對這一現(xiàn)象，本文提出了采用基于振動信號分析的方法對托輥健康狀態(tài)監(jiān)測進行研究，通過分析本文主要得出了以下結(jié)論：

1）托輥軸承不同部件與各部件在有無噪聲狀態(tài)下仿真時域波形與頻譜差異明顯，可運用振動信號分析的方法對托輥健康狀態(tài)監(jiān)測進行研究。

2）運用振動信號分析法結(jié)合基于SIOS 算法的健康狀態(tài)信號處理，完成了帶式輸送機托輥健康監(jiān)測研究。通過實驗測試，系統(tǒng)科學(xué)準確，準確率為100%，符合相關(guān)要求。