門式起重機遠程監測與故障診斷系統研發探討

王友權

摘要：門式起重機的橋架通過兩側支腿坐落到軌道，是一種大型起重設備，有著很高的生產運行效率，需要持續進行起重吊裝作業，主要用于大型貨物裝卸工作，需要較大的跨度，工作環境十分惡劣，需要承擔繁重的起重任務，對起重機進行狀態監測和診斷是十分必要的。本文從通用門式起重機遠程監測與故障診斷系統總體設計入手，GA-BP的齒輪箱故障診斷方法、行車電氣設備專家系統故障診斷進行深入地分析與研究，可供相關人員參考。

關鍵詞：門式起重機;遠程監測;故障診斷;開發

0 ?引言

隨著我國商品貿易規模的不斷變大，門式起重機需求和使用量變得愈多，從多部門的調查數據來看，門式起重機為特種設備類故障的40%，但門式起重機故障監測和診斷功能還需要進一步提升，多依賴于維護人員現場勘查和判斷來對起重機運行情況進行分析，并識別是否存在故障，而門式起重機工作強度比較大，無法實現實時監測，會存在著較大的安全隱患。采用門式起重機遠程監測和故障診斷系統，可以對起重機在線監測和故障診斷，及時通知維護人員對故障進行處理，提高起重機運行安全性，有效減小人員傷亡。

1 ?通用門式起重機遠程監測與故障診斷系統總體設計

1.1 功能需求

為了實現對門式起重機運行狀態進行監測和故障診斷，為用戶提供很好的使用體驗，應該保證系統具備如下功能：

①用戶管理。隨著門式起重機需要多機聯動，起重機有著多用戶使用的特點，需要對多用戶進行有效地管理，可以通過系統對用戶權限進行管理，可以對用戶信息進行統計和注冊。

②起重機械管理。對于復雜的起重吊裝作業現場，會由多臺起重機同時進行作業，需要對起重機進行專業化的管理，對需要進行狀態監測和故障診斷的起重機進行注冊，并根據使用要求配置監測和診斷方案，保證后續的監測可以正常應用。

③狀態監測。為了對起重機的運行狀態和故障進行監測，將監測到的數據轉變化可視化圖表，保證數據信息可以實時傳輸和加載。

④數據分析。對起重機獲取到的數據信息，利用時域波形對故障情況進行監測，也利用頻域或其它分析技術對數據信息進行統計，維護保養人員可以從多個角度對起重機運行情況進行觀察與分析。

⑤故障診斷。門式起重機的結構多而復雜，設計開發具有針對性的故障診斷模塊，可以更好地了解起重機故障情況，為保證門式起重機安全運行提供保障。

⑥運行狀態預警。起重機運行電流是否在合理區間，支腳應力是否正常等都需要通過監測系統來進行預警，可對超出上限或閾值的參數進行報警，更好地保證起重的運行安全。

1.2 總體結構設計

采用C/S模式建立起門式起重機系統，維護起來比較復雜，不具備較高的兼容性，需要將配套的硬件安裝完成后方可以使用。而遠程監測和故障診斷可實現對門式起重機的全面監測，可以進入到管理系統對起重機運行情況進行診斷。本設計采用B/S架構方式，經過Web編程利用電腦、手機終端來查看界面，可以隨時登錄系統，方便對運行狀態進行診斷，結構框架如圖1所示。

需要對門式起重機安裝多個傳感器，可以滿足數據采集的需要，將獲取到的運行數據信息發送數據庫服務器，通過Web服務器來為用戶提供后臺服務，與數據庫服務器和客戶終端進行連接，滿足系統信息交互和處理的要求。采用該架構可以在電腦、手機等終端中對運行界面進行查看，可以更為方便地進入到界面進行故障診斷與監測，通過圖表來查看起重機運行情況，還能調用歷史運行數據。

2 ?GA-BP的齒輪箱故障診斷方法研究

2.1 齒輪箱故障特征與振動機理分析

齒輪箱是門式起重機關鍵的動力傳輸部件，主要由軸、齒輪等多個部件構成，能否正常運轉會影響到門式起重機運行，會受到制造精度、不合理潤滑、過載運行等多種因素的影響，會使變速箱出現損傷。從故障損壞故障調查統計中發現，齒輪失效問題比較嚴重，為總故障的60%，再就是軸承故障率為20%，是齒輪箱故障最多的兩種類型，需要對上述兩種故障和特征進行分析。

齒輪振動主要存在軸向、徑向和周向振動，還存在著固有振動、故障振動等，故障信息會反饋到齒輪振動信號中，在時域中無法查看到，在頻域中具在調幅、調頻、附加脈沖和隱含譜線方面有著不同的特征。齒輪產生正常振動，會產生嚙合頻率、高階諧波振動信號。如果齒輪產生局部故障，則振動信號產生調幅、調頻現象。

滾動軸承不同部位出現故障，每個接觸點的部位頻率有著很大的差異，需要結合故障部位頻率來識別，故障特征頻率為主要信息。但滾動軸承故障機理十分復雜，故障特征頻率會與理論值相互間形成較小的偏差，在誤差允許區間內，振動信號有轉頻形成的諧振信號、周期性沖擊信號。

2.2 基于GA的BP神經網絡的齒輪箱故障診斷方法研究

GA也就是人們常說的遺傳算法，是通過對生物遺傳和變異來適應自然環境，形成的全局尋優算法，可以具備很好的適應能力，已經在很多領域得到了應用。是通過上代基礎上選擇并保留最優的群體，使群體向著最優方向變異和進化，由編碼方法、遺傳算子、適應度函數和GA參數構成。BP是人工神經網絡模型，結合反向誤差來對傳遞訓練權值和閾值進行計算，由輸入、隱含和輸出三個層構成，本設計采用標準BP神經網絡。GA-BP神經網絡對齒輪箱故障進行診斷，有著對復雜情況進行識別的性能，可以對多維函數映射進行體現，充分結合GA算法的優勢，與神經網絡結合起來，可以提高BP神經網絡的效率，也可以解決BP局收斂問題。

2.3 基于MCA的齒輪箱故障特征提取研究

MCA是形態分量分析的簡稱，是用于分圖像不同形態分量的方法，可以把圖像紋理和光滑部分實現分離，也可以用于對圖像工具的修得，MCA算法確定出接近于真實解的最小化任務，生成簡化的問題來確定最為有效算法，采用稀疏表示項來應用軟閾值法。

2.4 基于MCA優化的齒輪箱故障診斷

為了更為深化地對齒輪故障機理進行分析，可以將齒輪裕度指標、峰值因數、脈沖指標等作為特征參數，峰值因數不會受到振動信號、運行速度等影響，可以用于對齒輪箱故障的診斷，峭度是故障概率密度分布的度量，可以體現出信號沖擊，該數值大則表示幅值分布更為集中。齒輪正常運行、磨損和損傷等狀態下的時域圖，可以完整地觀察到故障沖擊分量混雜情況。利用MCA獲取到磨損狀態下振動沖擊信號特征，結合特征參數應用MCA法來對故障特征參數進行處理，對正常情況特征參數進行對比，發現故障特征參數沒有顯著提升。

3 ?基于FTA的門式起重機行車電氣設備專家系統故障診斷研究

3.1 故障樹分析法

故障樹分析法（FTA）也就是通過因果分析來對故障進行展現的樹型結構圖，把不希望發生的事情作為頂層事件，按著因果關系逐層開展分析，通過樹狀圖形將故障結構進行清楚地表達。利用該分析法可以得到故障樹所有最小割集，進而對頂層事件故障原因進行深入分析，為一種簡易有效的故障定性分析法。故障樹的形成應該先收集研究對象技術、維修等方面的資料，將頂層事件相關部分尋找出來，結合故障樹的深度和廣度建立起故障樹模型。

3.2 專家系統基本結構與功能

所謂的專家系統，也就是利用具有知識和推理能力的計算機程序，在對故障定性分析中得到了大量的應用。需要求解的知識不會隱藏在程序和數據結構當中，需要建立起新型的知識庫，該種分離處理方式對問題求解和故障診斷都帶來很大的便利。

專家系統中的推理，是結合規則或事實來對其它過程的判斷，結合相應的判斷作為推理的基礎，通過正向、反向的演繹推理，采取沖突消解策略。在有啟發信息條件下，按照問題求解特點來設計出相應的排序解決方法，在函數存在沖突時出進行排序，以不同的優先級進行排序。

3.3 基于FTA的門式起重機行車電氣設備專家系統設計

將故障樹分析作為基礎的門式起重機專家系統，從知識的獲取到知識庫的建立，是進行專家系統知識庫建立的前提條件。通過查閱文獻資料，了解起重機廠商技術手冊，對故障診斷相關內容進行學習，與特種設備檢測維修方面的專業人員進行交流，然后將獲取到的專家知識用產生式表示法體現出來，對知識庫進行編輯存儲，進行結構化表征，再利用框架表示法來體現出故障樹邏輯關系。

4 ?結論

門式起重機采用B/S架構來建立起無程監測和故障診斷，可以解決傳統故障診斷和數據分析不足的問題，有著很好的實用性和人機交互性，方便用戶對門式起重機進行管理，有著很好的推廣應用價值。

參考文獻：

[1]秦晉華，許桂仙.QD20/5-13.5橋式起重機機械故障及監控系統的研究[J].機械管理開發，2020，35（03）：111-113.

[2]劉建.港口門座式起重機常見電氣故障分析[J].設備管理與維修，2019（24）：149-151.

[3]羅如崗.海上平臺起重機狀態監測及故障診斷技術研究與應用[J].石油和化工設備，2019，22（10）：83-87.