混勻取料機故障診斷系統的研發與應用

何勝方，王勇，邵世平，王赟，范云飛，卓之穹，韓云龍，陸彪

（1.中國寶武馬鋼股份有限公司港務原料總廠；2.安徽工業大學，安徽 馬鞍山 243000）

1 前言

大型移動機械設備是馬鋼港務原料公司應用非常廣泛的裝置，承擔著布料、取料等關鍵生產任務。這些大型移動機械設備的運行安全至關重要，一方面大型移動機械設備的本體損壞或機械設備發生故障，會造成無法布料、取料的相關操作，帶來設備維修的經濟損失；另一方面無法及時為下游生產工序提供原料，影響鋼鐵冶煉的正常生產。

隨著5G 與工業互聯網在馬鋼港務原料公司的逐步推廣應用，大型移動機械設備逐步從有人值守操作過渡到無人值守操作。在有人值守時，通過操作工對機械設備產生的異常振動來判斷設備的運行狀態是否正常。若發現異常，則馬上采取停機檢查、維修等相關操作，從而達到降低設備運行故障率的目的。但是，隨著工業互聯網在港務原料廠的不斷深入應用，大型移動機械設備正有序向無人值守自動運行過渡。在這種應用背景下，大型移動機械設備的運行狀態缺乏有效的監測手段，無法確保大型移動機械設備的安全穩定運行。

目前，缺乏有效的混勻取料機的故障診斷及報警系統，為了保證混勻取料機的正常運行，在無人值守時，需每隔2h 對取料機進行巡檢，并對取料機可能發生的故障，進行記錄并報修。依靠巡檢完成設備的狀態監測，會耗費人力，若取料機突發故障，存在無法給出及時預警的風險。因此，在混勻取料機關鍵位置（多點）安裝傳感器獲取機械設備運行狀態信號的基礎上，建立設備故障診斷模型，從而實現混勻取料機的在線智能監測與故障診斷，并對其運行狀態進行綜合判定，為混勻取料機自動生產提供保證。

2 故障診斷模型

2.1 故障分類識別

混勻取料機故障診斷的基本內容主要包括設備運行狀態的監測，運行狀態的故障預報，故障類型、部位、原因等方面。需要通過各種有效的檢測手段，結合傳感器數據分析、特征提取、故障診斷識別等方法，判別機械設備的運行狀態，指出發生的故障類型，便于管理人員維修?；蛘咴诠收衔窗l生之前，提出可能發生故障的預警，便于管理人員盡早采取措施，避免發生故障或重大故障造成停機，給生產帶來的重大經濟損失。典型故障分類及信號檢測如表1 所示。

表1 典型故障分類及信號檢測

2.2 故障診斷模型

根據混勻取料機易出現的5 種故障類型，可知故障2 和故障4 的診斷基于的傳感器數據具有緩慢漸進式發生劣化的特征，即這種故障是一個緩慢發生的過程，而非階躍式突發。說明這2 種典型故障對采集的信號實時性不高，而對其變化過程應高度關注。而其余的故障具有實時突發性，對傳感器信號的突變要作出及時反應。故障診斷模型采用邏輯判斷與機器學習模型，其中故障1～4 采用邏輯判斷模型，故障5 采用機器學習模型進行故障診斷。

2.2.1 邏輯判斷模型

為避免傳感器信號受干擾引起較大波動帶來的計算誤差或產生誤報警，需對采集的信號數據進行濾波處理，振動數據較大超出傳感器量程則會輸出傳感器故障報警，若在傳感器量程范圍內則為有效傳感器信號。故障1～4均采用邏輯判斷模型，有效傳感器信號與設定閾值進行比較判斷，大于閾值則為故障。其中設定閾值采用在線自動整定方式根據每日數據平均值的2～3 倍自動更新。對于混取機故障2 和4，同時進行振動數據劣化趨勢的判斷，若每天呈逐漸增大趨勢并超過設定閾值，則進行故障預警。

2.2.2 機器學習模型

采用貝葉斯分類器[對混勻取料大車異常振動及啃軌故障進行診斷預測，大車行走機構兩側驅動電機各安裝2個振動傳感器，根據其安裝部位分為4 個類別，每一個類別又分為6 個特征。共1296 個樣本數據，由計算程序生成1296×4 個樣本的知識表，然后計算先驗概率，先驗概率的計算初始值采用專家經驗賦值法，后期根據傳感器采集數據結合現場設備故障發生情況進行修訂。然后計算行走機構故障發生的后驗概率、故障未發生的后驗概率，比較兩者大小，假如前者大于后者，則判斷此時行走機構出現故障，否則判斷為未發生故障。

3 應用實踐

采用LabVIEW 開發混勻取料機在線智能監測與故障診斷系統軟件，傳感器信號由PLC 采集，通過OPC 服務器實時接收，經過診斷系統軟件信號濾波處理、數據量化后，實現數據文件自動保存、故障文件自動保存、數據文件定期刪除、數據文件查詢、故障診斷模型、數據劣化算法及貝葉斯故障診斷模型等功能，實現了小車卷揚滾筒亂繩診斷、斗輪跳鏈診斷、斗輪料耙角度識別、減速機柱銷斷裂診斷及大車異常振動等故障的診斷功能，程序界面如圖1 所示。

圖1 混勻取料機在線智能監測與故障診斷系統主界面

為了驗證故障診斷模型的可靠性，對大車異常振動采用的貝葉斯分類器故障診斷模型進行了現場實驗驗證，采用了墊片和電機抱閘2 種振動產生方法。墊片法即將厚度分別為2mm、4mm、7mm 的墊片置于大車行走機構前進方向軌道上，大車行走機構通過墊片時會產生較大的振動；電機抱閘法即行走機構行走時突然采取抱閘引起機體振動。若診斷程序捕捉到異常振動信號并實時報警，則表明所采用的貝葉斯故障診斷模型對大車異常振動能實現實時報警，實驗結果如圖2 所示。

圖2 貝葉斯故障診斷模型的實驗驗證

由圖2 可知，大車行走機構經過墊片（前進或后退）時，大車機體產生了幅度較大的振動，故障診斷程序捕捉到傳感器的異常信號并實時給出了報警。同時，也實驗了行走電機抱閘引起的大車異常振動，同樣貝葉斯故障診斷程序也實時給出了報警信號，由此表明，基于貝葉斯分類器的故障診斷模型對于大車異常振動的故障診斷是可靠的。

4 結語

為了解決混勻取料機無人值守自動運行時機器設備的安全運行問題，針對混勻取料機生產運行中易出現的主要設備故障，研發了混勻取料機故障診斷系統軟件，采用了邏輯判斷模型和貝葉斯分類器模型并進行了大車異常振動的實驗驗證，表明了故障診斷模型的可靠性?；靹蛉×蠙C故障診斷系統的應用促進了鋼鐵企業原料廠大型移動設備的自動化、智能化水平，有利于原料工序的安全穩定、連續生產。