電梯振動監測與診斷技術研究

竇巖 張維皓 郭蘭中 韓成

摘?要：利用目前監測方法從信息系統中采集并判斷電梯曳引機的運行狀態，當電梯關鍵零部件發生嚴重故障的時候能給予警告并進行報警，用以保障電梯正常安全運行，從而提高電梯運行的可靠性。

關鍵詞：電梯檢測;振動監測;振動診斷技術

電梯曳引機運行狀態監測是利用監測方法從數據采集到數據信息挖掘過程中，判斷被測對象運行狀態，在零部件發生故障之前能夠給出警告和預報，針對曳引機研發特定的在線運行狀態監測系統，實現關鍵零部件的實時監測和運行健康狀態分析是目前研究的重點。

1 電梯傳統系統監測診斷

曳引機內部結構和受力情況比較復雜，尤其工況和載荷變化的情況下長期運行，也容易發生故障。常見的故障有齒輪和軸承故障，軸承最為曳引機關鍵部件，其失效會引起災難性破壞，常見曳引故障有斷齒、齒面疲勞、膠合等;軸承故障有磨損、點蝕、裂紋、表面剝落等等。

2 曳引機裝備整機狀態評估基本原理及方法

時域統計分析簡單、便捷實現在線預警、報警，因此曳引機狀態評估與預警通常采用數據時域統計方法。通過數據時域統計分析對曳引機整體狀態做出評估，再針對數據具體問題診斷，是電梯曳引機機械故障診斷的常見方法。

（1）振動參量選擇。曳引機振動的確定方式有位移、速度和加速度，振動位移可以反映出大小，振動速度可以反應能量，表達振動的破壞力，振動加速度反映沖擊力。結合狀態評估目的確定其操作可行性，選擇振動及速度信號作為被測信號。

（2）振動測試點布置選擇。進行數據采集，對于振動測試點布置選擇很重要，要提取故障特征，一般選擇剛性支撐點，比如機座或軸承座等。根據曳引機實際運行情況，其主軸和軸承所受變化的載荷，容易出現故障，通過監測軸承的振動，發現其潛在故障，測試點應盡量選擇靠近軸承的承載區。

（3）振動數據處理方法。振動數據采集時，規定振動數據測試曳引機起動、停止、加減速整個運轉過程的振動加速度值，除特殊原因外，引起振動的原因有，軸承座剛度、轉速周期性變化，軸剛度的非線性、軸或齒輪磨損偏心及其不平衡。轉速周期變化、軸齒輪磨損、偏心和不平衡的振動與轉速有直接關系，其余振動同樣也會影響轉速。數據時域參數和數據指標計算將相應采集數據按時間段劃分成n個部分，分開計算某一階段轉速對應的數據時域參數和數據指標，用以減少轉速變化引起的振動影響，再將n組數據進行求和再平均，當作為數據的最后指標值。

a?rms=1T?0∑nT?m=1a2?rms（T?m）T?i?式中，?T?i?為曳引機振動測量值?a（t）?的單位計算時間，可根據實際情況取0.1s、1s、2s、4s等值;?T?0?為曳引機振動測試的狀態評估時間，?T?0=∑ni=1T?i?;?T?m?為評估時間?T?0?的時間歷程（?T?m=T?i，2T?i，...，nT?i?）;?a?rms（T?m）?為測量值?a（t）?單位計算時間?T?i?內的均方根值（?rootmeansquare，rms?）?a?rms（T?m）=1T?i∫T?m?T?m-T?ia2（t）dt?。?KF=1T?0∑nT?m=1K?e（T?m）?，式中，KF為峭度指標，?K?e（T?m）=β（T?m）（δ2?a（T?m））2?;?β（T?m）?為測量值單位計算時間?T?i?內的峭度，?β（T?m）=1T?i∫T?m?T?m-T?i（a（t）-μ?a）4dt?;?δ2?a（T?m）?為測量值單位計算時間?T?i?內的方差，?δ2?a（T?m）=1T?i∫T?m?T?m-T?i（a（t）-μ?a）2dt?;?μ?a（T?m）?為測量值單位計算時間?T?i?內的方差，?μ?a（T?m）=1T?i∫T?m?T?m-T?ia（t）dt?。?CLF=1T?0∑ne=1L?e（T?m）?式中，CLF為數據裕度指標;?L?e（T?m）?為測量值?a（t）?單位計算時間?T?i?內的數據峭度指標。?L?e（T?m）=a?pe（T?m）a?re（T?m）?式中，?a?pe（T?m）?為測量值?a（t）?單位計算時間?T?i?內的峰值，?a?pe（T?m）=E[?max?a（t）]?;?a?re（T?m）?為測量值?a（t）?單位計算時間?T?i?內的方根幅值，?a?re（T?m）=1T?i∫T?i?T?m-T?ia（t）dt2?。

3 數據時域統計分析

數據時域統計分析為曳引機裝備振動狀態評估、實現曳引機振動監測方法。曳引機振動信號時域統計分析是指曳引機振動信號?a（t）?的各種數據時域參數和數據指標評估與計算。當曳引機連續運行可靠性下降時，若曳引機齒輪或軸承磨損、偏心等原因，振動能量必將增大、振動信號中的沖擊脈沖增加、沖擊幅值增大，振動概率密度函數也將隨之緩慢變化。

（1）曳引機數據庫知識發掘的基本理論。電梯曳引機裝備的運行對其電梯正常運行有著直接地影響。采取電梯離線和在線曳引機裝備狀態檢測和故障診斷系統，通過長期運行數據采集，建立強大數據庫，對數據庫數據進行分析，進一步理解和分析振動對曳引機正常運行狀態的影響。基于曳引機數據庫知識發掘為從大量運行數據中提取有效地、潛在地、有用地、新顯的被采用模式的方法。模式方法過程有運行數據選擇、預處理、變換、挖掘、評估、評價、預期等等，是反復迭代的人機交互處理過程，在電梯實際運行過程中，將曳引機數據庫知識發掘過程分為運行數據準備、數據挖掘、數據預期和數據迭代等。

（2）電梯曳引機數據采集數據準備。所謂電梯曳引機數據采集數據準備是在分析電梯曳引機原始運行數據 以產生品質高的數據系列活動，主要包括運行數據集成，數據轉換，數據約簡和數據清洗等等。在曳引機運行數據庫中，按其數據屬性進行歸類，形成數據概念匯聚點，各數據屬性值和數據概念抽象成為數據層次結構，將這種結構成為數據概念樹。數據概念樹實質上是將一個數據記錄合并的處理，本質核心為執行面向各數據屬性的歸納。所謂電梯曳引機數據挖掘為基于曳引機數據庫知識發現的重要過程，主要是利用數據特點的算法，在一定的數據運算效率范圍內，從運行數據中發現其期望之知識，決定整個數據過程的效果與效率。

4 總結

通過大量的持久的電梯曳引機狀態的監測，逐漸地建立電梯曳引機裝備的振動數據庫，并對運行數據處理和維護，在進行信號分析處理的基礎上，提出分析和評估曳引機振動狀態的方法，確定曳引機振動狀態等級及其相應地閾值，對實踐工程有參考意義。

參考文獻：

[1]徐敏，等.設備故障診斷手冊—機械設備狀態監測和故障診斷.西安：西安交通大學出版社，1998.

[2]程航.風電裝備振動狀態評估方法及故障微弱信號監測研究.西安：西安交通大學，2012.