基于MSET的起重機變頻器工作狀態評估

杜明澤，俞乾漪

基于MSET的起重機變頻器工作狀態評估

杜明澤，俞乾漪

（上海海事大學 物流工程學院，上海 201306）

變頻器通過將工頻電源轉換成任意電壓、任意頻率交流電源實現電機調速，由于其調速性能優良、高效節能等優點，已經廣泛應用于港口起重機。本文根據集裝箱起重機起升機構作業工況特征,使用多元狀態估計技術（MSET）建立適用于起升機構變頻器的狀態評估方法。首先,根據起升機構變頻器工作特性建立了狀態評估向量，采用歐氏標準差作為非線性運算符，通過計算當前觀測特征向量與歷史特征向量之間的相似性程度，得出估計殘差，進而判斷變頻器當前工作狀態。最后，本文以實際集裝箱起重機運行數據為例，驗證了本文所述方法簡單、實用、有效。

MSET；變頻器；集裝箱起重機；狀態評估

0 前言

隨著工業自動化程度的不斷提高和能源全球性短缺，變頻器在港口機械方面得到了非常廣泛的應用。采用交流變頻調速技術的起重機具有精確定位、運行平穩、起動與制動平緩、操作靈活、現場適應性好、發熱損耗小等優點，因此變頻器是起重機非常重要的部件之一。傳統的先出現故障再進行檢測維修的方法對起重機的工作效率有較大影響，而預防性的設備維護則可以預防和發現設備在運行中可能給將來運行造成損壞或潛在的危害，實現生產工作不中斷的理想化狀態，生產效率最大化。實驗結果表明,MSET可明顯呈現故障狀態下的信號特征，從而正確且有效地評估變頻器工作狀態，以實現變頻器故障診斷的早期檢測,最大限度地降低故障損失。

本文采用多元狀態估計技術（MSET，multivariate State Estimation Technique）對變頻器運行狀態進行評估，從而實現對起重機用變頻器運行狀態的早期預測、診斷。MSET作為一種非參數、非線性的多元回歸技術，最早是由美國阿爾貢國立實驗室旨在檢測核電廠中傳感器、設備以及運行參數的初始劣化點而開發的，迄今已在許多工業領域中取得了廣泛的成功應用[1]。MSET對用于過程監視的一組相關參數同時進行分析從而對物理過程進行相似性建模，通過局部插值計算可以做出合理地估計全局范圍內的行為[2]。與神經網絡不同的是MSET的學習和模型構建過程更加簡單快速，因而可更好地滿足單系統檢測與工業現場的實時性要求[3，4]。

1 起升機構變頻器

1.1 變頻器的原理及作用

集裝箱岸邊起重機（簡稱岸橋）作為裝卸集裝箱的重要專業設備，需要頻繁應用變頻器來實現港口機械穩定高效率生產。變頻器的基本工作原理是通過整流器將交流變為直流，使用平滑波電路將直流電平滑，利用逆變器將直流電逆變為頻率可調的交流電，總體來說就是通過改變電機的工作電源頻率方式來控制調整輸出電源的電壓和頻率，從而達到功率因數補償節能、提高運轉精度、過流/過壓/過載保護、軟啟動節能等功能。

1.2 變頻器的選擇

由于港口機械與其它傳動機械相比對變頻器需要更加嚴格的性能與安全上的標準，即需要較大的承載及過載能力和滿足頻繁的開始、停止而帶來的顯著振動與沖擊。常見的變頻器品牌有三菱，西門子，安川電機，ABB, 羅克韋爾等等。不同品牌的變頻器在相同功率下過載能力和額定電流值也不盡相同。故在選擇使用何種變頻器時，不僅要參考額定功率的大小，更要校核額定工作電流，一般選擇變頻器的功率大于電動機功率10-30%左右。

根據經濟適用原則，按照岸橋港機類型、調速范圍與起動轉矩等要求，決定選用合適的變頻器以滿足工藝和生產的基本條件。本文研究對象主要選取常年應用于岸橋港機的安川VS676H5L變頻器。該變頻器是由多組功率單元并聯而成，能選擇多種運行控制方式且控制電機速度穩定，由此在岸橋的調速控制過程中各工作單元可以相互配合，同時減少了對設備系統的沖擊。

2 變頻器狀態評估MSET模型

2.1 MSET建模原理

MSET的關鍵在于把各個參數正常工作狀態下的運行數據構成歷史正常狀態矩陣D。假設某一過程或設備共有n個相互關聯的測點，設在i時刻時，觀測到的n個測點記為觀測向量，即

在設備正常工作時，在不同運行工況下，采集m個歷史相關測點，組成歷史正常狀態矩陣[5]

其中，每一列相關測點代表設備的一個正常工作狀態，經過合理選擇的歷史正常狀態矩陣中的m個歷史相關測點能夠代表設備正常運行的整個動態過程。

觀測向量 為MSET模型的輸入，通過模型計算輸出的預測向量為 。對于每一個輸入觀測向量 ，MSET都會生成一個m維的權值向量W，反映了MEST模型中輸入相關測點與歷史正常狀態矩陣中各向量的相似性。

令輸出值與輸入值的殘差為ε，則

對殘差進行極小化，求得權值向量

當兩向量相同或相似時，距離為0或接近0；當兩向量差異越大，其非線性運算的結果越大。

由式（4）和式（5）得

當設備工作正常時，Xobs位于D所代表的正常工作空間內。與D中的某些歷史相關測點距離較近，相應的Xest具有很高的精度。當設備有劣化趨勢時，由于動態特性的改變，Xobs將偏離D所代表的正常工作空間，此時Xest的精度會下降，殘差ε增大。

2.2 起重機變頻器觀測向量選擇

起重機變頻器故障是起重機電控系統故障的重要組成部分，較為嚴重地影響了起重機的工作效率。針對起重機變頻器常見故障，篩選能夠表征變頻器正常運行狀態的重要參數，以實現對變頻器工作狀態的實時監測評估。

起重機主要有電動機不能正常升速、過電流故障、過電壓故障、變頻器接地故障和機構運轉不穩五大常見故障。其中機構運轉不穩主要受起重機外部工作環境影響，因此不在文中深入討論。起重機電動機不能正常升速主要是由于變頻器輸入信號不正確、交流電源或變頻器輸出缺相以及變頻器參數中頻率或電流設定值偏小三種因素造成。變頻器在運行過程中易發生過電流故障，除變頻器自身參數設置有問題與負載原因外，電源電壓超限或缺相和振蕩過流也會導致過流故障。變頻器輸出時，變頻器與濾波器不匹配與起重器受潮進水都會導致變頻器接地故障[6]。

表1 起重機變頻器觀測向量

綜上所述，變頻器的輸入輸出電流、輸入輸出電壓、運行頻率、電動機轉速顯然是表征變頻器工作狀態的重要參數。變頻器減速制動時間與加速時間也會影響加速轉矩影響中間制動回路電流與電壓大小。載波頻率影響變頻器機械頻率與電氣頻率共振現象，對振蕩過流故障有直接影響。此外，變頻器溫度也是衡量其工作狀態的一個重要指標。所以，變頻器加減速時間、載波頻率大小、變頻器溫度、室溫也是表征變頻器工作狀態的重要參數。

表2 正常狀態觀測向量

3 計算案例

3.1 歷史正常狀態矩陣D構造

通過查找起重機變頻器使用說明書和現場工況數據，確定觀測向量正常工況歷史數據值。對于起重機變頻器的每一個相關測點，使用相應測量工具記錄統計一個月中正常工況下的數據，構成歷史正常狀態數據集合，每次進行狀態評估時，隨機從各個相關測點數據集合中調取的十組數據與正常工況下各點上下限值構成歷史正常狀態矩陣。該方法能較好地覆蓋設備的正常工作空間，以降低評估誤差。

根據表2中數據，構成歷史正常狀態矩陣

3.2 MATLAB計算驗證

本文使用ThinkPad T460S（酷睿i5處理器，4GB內存），64位MATLAB2016a進行計算驗證。計算過程如下圖所示。

圖1 MATLAB計算流程圖

MATLAB計算程序如下：

T=D';歷史正常狀態矩陣D轉置Xobs=Xobs';觀測向量Xobs轉置Eu2=zeros(10,1); for i=1∶10 Eu2(i,1)=norm((T(∶,i)-Xobs));求DT與Xobs之間的歐氏距離end Eu1=zeros(10,10); for i=1∶10 for j=1∶10 Eu1(i,j)=norm((T(∶,i)-D(∶,j)));求DT與D之間的歐氏距離end end Xest=D＊pinv(Eu1)＊Eu2;計算輸出估計值XestEk= Xobs-Xest;計算殘差 ε

選取正常工作狀態與故障情況下的兩組觀測向量Xobs1、Xobs2分別代入已建立的MSET模型中進行計算：

計算得到殘差：

顯然，由 進行計算得到的殘差 接近于0，則表明設備工作狀態良好，由 進行計算得到的殘差 數值較大，則表明設備出現故障，需要及時查找故障進行維修。

4 結論

本文將非線性多元狀態估計技術引入到起重機變頻器工作狀態的監測評估之中，并采用MATLAB環境實現了該方法的核心計算功能。通過實際數據計算、分析，表明該方法能準確有效地評估起重機變頻

器工作狀態，能夠及時發現設備故障，提醒工作人員進行維修，以防止不必要的損失，提高設備工作效率。

但是不能對故障進行具體分析，因此，下一步還需對各種異常工作狀態下的模型輸出進行分類研究。

[1]姚 良，李艾華，孫紅輝，張振仁.基于MSET和SPRT的內燃機氣閥機構振動監測[J].振動工程學報，2009,22(2):150-155.

[2]孫英杰，彭敏俊.基于MSET 和SPRT 的核動力裝置異常狀態監測技術研究[J].核動力工程，2015,36(3):57-61.

[3]賀 濤，郭群龍.基于MSET的電站鍋爐空氣預熱器狀態預測系統[J].中國科技信息，2012,(12):161-162.

[4]王 皓，趙曉蓓，楊東升.基于MSET和SPRT的導彈振動故障診斷[J].測控技術，2015,34(3):59-62.

[5]郭鵬等.風電機組齒輪箱溫度趨勢狀態監測及分析方法[J].中國電機工程學報，2011,(30):43-45. [6]陳壽文，唐先敏.起重機變頻器調試與維護中常見故障分析[J].重工與起重技術，2013,118(115):141-146.

Estimation of Crane Variable-frequency Drive Working State based on MSET

YU Qian-yi，DU Ming-ze
(Shanghai Maritime University，Logistics Engineering College，Shanghai 201306，China)

The Variable-frequency Drive (VFD) is used to convert the power frequency power to any voltage and the AC power supply with any frequency is used to realize the speed regulation of the motor. It has been widely used in port crane because of its excellent speed regulation performance, high efficiency and energy saving. According to the operating characteristics of the hoisting mechanism of the container crane, the paper develops a state estimation method based on the multivariate state estimation technique (MSET). First of all, according to the working characteristics of the VFD hoisting mechanism to establish state estimation vectors, using Euclidean Norm as the nonlinear operator and calculating the similarity degree between the observation vector and the historical feature vector to get the estimated residuals, so that it is enable to judge the working state of the VFD depend on the results. At last, take actual container cranes’ run data as an example to prove that the method described in this article is simple, practical and effective.

MSET；Variable-frequency Drive；container crane；state assessment

TP273

A

投稿日期：2017-03-05

杜明澤（1996 — ），就讀于上海海事大學；研究方向：岸橋機構的維護與保養。