基于多元数据的海上起重机齿轮箱故障诊断装置及方法与流程

本发明属于工程机械的故障诊断
技术领域：
，特别是一种基于多元数据的海上起重机齿轮箱故障诊断装置及方法。
背景技术：
：齿轮箱是海上起重机执行起升动作的关键传动部件，其工作特点为低速重载、经常受冲击和交变载荷作用，工作环境恶劣，容易发生故障，导致齿轮箱失效。目前针对海上起重机齿轮箱的状态监测和故障诊断方法，通常是现场采集齿轮箱的振动信号或油液信息，并根据振动信号的频谱分析或油液成分分析结果进行诊断，但这类方法现场分析参数单一，无法进一步确定故障类型与部位，更不能检测早期故障；另一方面海上起重机齿轮箱监测参数的现场采集也比较困难，而远程监测与诊断则是较好的解决途径。如申请号为CN201110346490.7的发明专利公开了一种齿轮箱状态监测与故障分析方法及装置，通过监测模块监测齿轮箱状态并获取振动信号和油质信息，并采集齿轮箱的振动信号和油质信息进行分析处理，进而将处理后的信息进行分类整理作为故障诊断的依据，能够在不破坏齿轮箱的前提下，快速实现不同故障情况间的切换和故障情况与正常情况的切换，从而实现对齿轮箱的故障模拟，进行状态监测和故障分析。该专利局限于现场采集振动与油液信息进行故障分析，振动信号处理方法单一，不能实现远程信息采集与复杂故障诊断。如申请号CN200910043718.8的发明专利公开了一种基于多尺度形态学分析的齿轮故障诊断方法。其步骤为：利用加速度传感器获取齿轮振动加速度信号；采用EMD分解方法将获得的振动加速度信号分解为多个IMF分量；从分解的IMF分量中选取包含故障主要信号的高频IMF分量，利用选取的IMF分量重构信号；对重构信号进行多尺度形态学解调分析；观察解调结果频谱图是否在故障特征频率或其倍频处存在明显峰值，进而判断旋转机械是否发生故障。该专利对于齿轮箱分析参数单一，诊断对象仅限于旋转部件故障，不能全面判断齿轮箱故障类型与部位。技术实现要素：本发明的目的在于提供一种基于多元数据的海上起重机齿轮箱故障诊断装置及方法，通过采集多维数据并综合分析实现海上起重机齿轮箱的故障诊断，及早发现齿轮箱中故障隐患，提高故障诊断的效率与准确性。实现本发明目的的技术解决方案为：一种基于多元数据的海上起重机齿轮箱故障诊断装置，包括温度传感器、加速度传感器、嵌入式监测单元、远程监测维护中心，温度传感器设置于齿轮箱高速轴轴承上，加速度传感器分别设置于齿轮箱内部的各转轴端盖和箱体上，所述嵌入式监测单元包括ARM处理器、多路A/D采集接口、RS232串口、GPRS模块，远程监测维护中心包括服务器、上位机；所述温度传感器、加速度传感器的输出端通过多路A/D采集接口接入ARM处理器，ARM处理器的输出端通过RS232串口接入GPRS模块，GPRS模块通过基站与远程监测维护中心的服务器通信，上位机内设置数据存储模块和故障诊断模块；所述温度传感器采集海上起重机齿轮箱高速轴轴承温度信号，加速度传感器采集齿轮箱内部齿轮、转轴及轴承振动信号；温度传感器与加速度传感器采集的数据信号经过多路A/D采集接口输入嵌入式监测单元的ARM处理器，ARM处理器通过RS232串口与GPRS模块连接；所述数据信号通过GPRS模块与基站通信后连入互联网，再通过远程监测维护中心的服务器与上位机通信，上位机内的数据存储模块对接收到的数据信号进行存储，故障诊断模块对接收到的数据信号进行温度数据趋势预测与振动信号故障特征提取分析。一种基于多元数据的海上起重机齿轮箱故障诊断方法，温度传感器采集海上起重机齿轮箱高速轴轴承温度信号，加速度传感器采集齿轮箱内部齿轮、转轴及轴承振动信号；温度传感器与加速度传感器采集的数据信号经过多路A/D采集接口输入嵌入式监测单元的ARM处理器，ARM处理器通过RS232串口与GPRS模块连接；所述数据信号通过GPRS模块与基站通信后连入互联网，再通过远程监测维护中心的服务器与上位机通信，上位机内的数据存储模块对接收到的数据信号进行存储，通过远程温度趋势预测、远程振动信号故障特征提取和油样分析实现海上起重机齿轮箱的故障诊断，具体如下：步骤1，故障诊断模块对接收到的数据信号进行温度数据趋势预测与振动信号故障特征提取分析；同时，定期采集海上起重机齿轮箱滑油油样进行油样磨损预测分析；步骤2，对温度数据趋势预测和油样磨损预测分析的结果进行判断：温度数据趋势预测，若预测轴承温度保持在安全阈值内，则继续监测；若预测轴承温度超出安全阈值，则预测轴承发生故障；油样磨损预测分析，定期采集海上起重机齿轮箱滑油油样依次进行常规理化性能分析和发射光谱分析，如果参数指标超出界限值，则判断结果为预测出现故障；如果参数指标没有超出界限值，则采用数据趋势预测方法对磨粒含量进行数据趋势预测，若预测磨粒含量保持在安全阈值内，则继续监测油样；若预测磨粒含量超出安全阈值，则判断结果为预测出现故障；步骤3，将温度数据趋势预测和油样磨损预测分析结果同时进行比较，若均预测齿轮箱发生故障，则输出故障诊断报告并对齿轮箱进行全面检查；若预测结果不同，则进入步骤4进行振动信号故障特征提取分析，步骤4，进行振动信号故障特征提取分析，若不包含故障特征频率，则继续监测；若包含故障特征频率，则判断齿轮或轴承发生故障并输出故障诊断报告。进一步地，步骤2所述的温度数据趋势预测，以及磨粒含量的数据趋势预测，具体步骤如下：(1)从原始数据中提取新的时间序列x(t)作五点三次平滑预处理得到(2)对建立GM(1,1)灰色模型，通过模型获得时间序列的趋势项拟合序列以及趋势项预测序列(3)趋势项拟合序列与原序列x(t)的残差构成残差序列对通过相空间重构组成残差序列样本{n,xc}，其中：i为样本序号，l为样本总数，m为样本嵌入维数，通过支持向量回归模型预测残差序列：x^c=Σi=1l-m(αi-αi*)K(nt-m,xi)+b]]>其中K(·)为核函数，αi、为回归模型的解，b为偏移量；(4)将预测趋势项序列与残差序列组合构成最终预测序列，并用于之后趋势分析。进一步地，步骤2所述油样磨损预测分析的常规理化性能分析指标包括粘度、闪点、燃点及酸度，发射光谱分析包括运用磨粒检测设备测试采样油液中的Fe、Cu、Al、Pb金属含量。进一步地，步骤4所述振动信号故障特征提取分析，具体包括以下步骤：(1)对采集的齿轮箱振动信号作经验模式分解，获得信号的所有IMF分量；(2)对所有IMF分量滤波处理，去除与齿轮箱振动特征不相关的高频噪声成分，保留与齿轮啮合频带相关的频率成分；(3)对滤波去噪后的IMF数据白化处理，并求取自相关矩阵M；(4)对自相关矩阵M奇异值分解，并找出最大特征值对应的IMF分量a1；(5)对a1分量进行希尔伯特变换转换到时频域之后作傅里叶变换求取包络谱，找出低频段中是否包含幅值较高或频率异常的频谱特征，并对比实际计算的齿轮或轴承故障频率，找出故障部位。本发明与现有技术相比，其显著优点在于：(1)在海上起重机齿轮箱监测领域，将现场温度、振动信号采集与嵌入式监测单元相结合，能够实现远程数据采集，适应各种恶劣工况环境，使测量更可靠、高效；(2)采用基于灰色模型与SVR残差补偿的方法对轴承温度趋势预测，有效提高趋势预测精度，准确预估齿轮箱轴承工作状态，及时发现轴承早期故障；(3)采用EMD和包络谱分析相结合的方法提取齿轮箱振动故障特征，通过对EMD分解的IMF分量滤波去噪并提取主成分分析，有效抑制环境噪声并提高了分析效率，有利于提取工业现场被强噪声干扰的微弱故障特征；(4)综合远程温度趋势预测、远程振动故障特征提取和油样分析结果对海上起重机齿轮箱的故障情况进行诊断，避免了单一方法分析故障的信息局限性，能够有效全面分析齿轮箱运行状态，便于及时发现潜在故障并定位，实现故障预报与维护。附图说明图1为本发明基于多元数据的海上起重机齿轮箱故障诊断装置的结构示意图。图2为本发明基于多元数据的海上起重机齿轮箱故障诊断方法的总体流程图。图3为本发明的数据趋势预测流程图。图4为本发明的振动故障特征提取流程图。图5为本发明的油样分析流程图。具体实施方式下面结合附图对本发明作进一步详细描述。本发明基于多元数据的海上起重机齿轮箱故障诊断装置，包括温度传感器、加速度传感器、嵌入式监测单元、远程监测维护中心，温度传感器设置于齿轮箱高速轴轴承上，加速度传感器分别设置于齿轮箱内部的各转轴端盖和箱体上，所述嵌入式监测单元包括ARM处理器、多路A/D采集接口、RS232串口、GPRS模块，远程监测维护中心包括服务器、上位机；所述温度传感器、加速度传感器的输出端通过多路A/D采集接口接入ARM处理器，ARM处理器的输出端通过RS232串口接入GPRS模块，GPRS模块通过基站与远程监测维护中心的服务器通信，上位机内设置数据存储模块和故障诊断模块；所述温度传感器采集海上起重机齿轮箱高速轴轴承温度信号，加速度传感器采集齿轮箱内部齿轮、转轴及轴承振动信号；温度传感器与加速度传感器采集的数据信号经过多路A/D采集接口输入嵌入式监测单元的ARM处理器，ARM处理器通过RS232串口与GPRS模块连接；所述数据信号通过GPRS模块与基站通信后连入互联网，再通过远程监测维护中心的服务器与上位机通信，上位机内的数据存储模块对接收到的数据信号进行存储，故障诊断模块对接收到的数据信号进行温度数据趋势预测与振动信号故障特征提取分析。本发明基于多元数据的海上起重机齿轮箱故障诊断方法，温度传感器采集海上起重机齿轮箱高速轴轴承温度信号，加速度传感器采集齿轮箱内部齿轮、转轴及轴承振动信号；温度传感器与加速度传感器采集的数据信号经过多路A/D采集接口输入嵌入式监测单元的ARM处理器，ARM处理器通过RS232串口与GPRS模块连接；所述数据信号通过GPRS模块与基站通信后连入互联网，再通过远程监测维护中心的服务器与上位机通信，上位机内的数据存储模块对接收到的数据信号进行存储，通过远程温度趋势预测、远程振动信号故障特征提取和油样分析实现海上起重机齿轮箱的故障诊断，具体如下：步骤1，故障诊断模块对接收到的数据信号进行温度数据趋势预测与振动信号故障特征提取分析；同时，定期采集海上起重机齿轮箱滑油油样进行油样磨损预测分析；步骤2，对温度数据趋势预测和油样磨损预测分析的结果进行判断：温度数据趋势预测，若预测轴承温度保持在安全阈值内，则继续监测；若预测轴承温度超出安全阈值，则预测轴承发生故障；油样磨损预测分析，定期采集海上起重机齿轮箱滑油油样依次进行常规理化性能分析和发射光谱分析，所述油样磨损预测分析的常规理化性能分析指标包括粘度、闪点、燃点及酸度，发射光谱分析包括运用磨粒检测设备测试采样油液中的Fe、Cu、Al、Pb金属含量，如果参数指标超出界限值，则判断结果为预测出现故障；如果参数指标没有超出界限值，则采用数据趋势预测方法对磨粒含量进行数据趋势预测，若预测磨粒含量保持在安全阈值内，则继续监测油样；若预测磨粒含量超出安全阈值，则判断结果为预测出现故障；所述的温度数据趋势预测，以及磨粒含量的数据趋势预测，具体步骤如下：(1)从原始数据中提取新的时间序列x(t)作五点三次平滑预处理得到(2)对建立GM(1,1)灰色模型，通过模型获得时间序列的趋势项拟合序列以及趋势项预测序列(3)趋势项拟合序列与原序列x(t)的残差构成残差序列对通过相空间重构组成残差序列样本{n,xc}，其中：i为样本序号，l为样本总数，m为样本嵌入维数，通过支持向量回归模型预测残差序列：x^c=Σi=1l-m(αi-αi*)K(nt-m,xi)+b]]>其中K(·)为核函数，αi、为回归模型的解，b为偏移量；(4)将预测趋势项序列与残差序列组合构成最终预测序列，并用于之后趋势分析。步骤3，将温度数据趋势预测和油样磨损预测分析结果同时进行比较，若均预测齿轮箱发生故障，则输出故障诊断报告并对齿轮箱进行全面检查；若预测结果不同，则进入步骤4进行振动信号故障特征提取分析，步骤4，进行振动信号故障特征提取分析，若不包含故障特征频率，则继续监测；若包含故障特征频率，则判断齿轮或轴承发生故障并输出故障诊断报告。所述振动信号故障特征提取分析，具体包括以下步骤：(1)对采集的齿轮箱振动信号作经验模式分解，获得信号的所有IMF分量；(2)对所有IMF分量滤波处理，去除与齿轮箱振动特征不相关的高频噪声成分，保留与齿轮啮合频带相关的频率成分；(3)对滤波去噪后的IMF数据白化处理，并求取自相关矩阵M；(4)对自相关矩阵M奇异值分解，并找出最大特征值对应的IMF分量a1；(5)对a1分量进行希尔伯特变换转换到时频域之后作傅里叶变换求取包络谱，找出低频段中是否包含幅值较高或频率异常的频谱特征，并对比实际计算的齿轮或轴承故障频率，找出故障部位。实施例1结合图1，基于多元数据的海上起重机齿轮箱故障诊断装置：远程监测系统主要由现场单元和远程监测维护中心组成。现场单元包括海上起重机齿轮箱、温度传感器、加速度传感器组和嵌入式监测单元。在齿轮箱高速转轴轴承座靠近轴承内圈位置安装温度传感器监测输入轴高速转轴及轴承运行状态。传感器焊接固定在轴承座外表面，间接测量轴承转动时温度。齿轮箱各转轴端盖处以及箱体上侧靠近齿轮啮合处位置安装加速度传感器组监测齿轮箱运行时齿轮啮合与转轴旋转的振动信号，传感器安装前先将测点位置用砂纸打磨平整光滑，在安装表面涂上导热性好的硅脂用以平整接触表面，再将永磁接触式加速度传感器安放在测点表面固定，并在四周加注玻璃胶加强固定。测得的温度与振动信号经过调理模块放大后传入嵌入式监测单元。嵌入式监测单元由A/D接口、RS232接口、ARM微处理器和GPRS模块组成。调理后的温度与振动传感器模拟信号通过多路A/D接口输入ARM微处理器后转化为数字信号，处理器对数据打包处理并通过RS232接口传入GPRS模块，GPRS模块再将数据发送至远程维护中心。远程维护中心包括服务器与上位机。上位机通过服务器接收现场单元传送的数据包，通过采集软件将数据存储到数据库，并针对监测数据进行温度趋势预测与振动信号故障特征提取分析。结合图2，基于多元数据的海上起重机齿轮箱故障诊断方法，结合远程温度趋势预测、远程振动故障特征提取和油样分析针对海上起重机圆柱减速齿轮箱的故障诊断方法的具体流程：首先对齿轮箱的温度与振动信号进行实时采集，调理后的信号经过嵌入式监测单元打包，并由GPRS模块将采集数据无线传送至远程监测维护中心分析，分别进行温度趋势预测与振动信号故障特征提取；若温度趋势预测数据超出安全阈值则判断存在潜在故障，否则继续采样分析；若振动信号故障特征提取发现存在典型故障特征频率，则根据频率特征判断故障类型并输出诊断报告，否则继续采样分析。其次定期提取齿轮箱滑油油样并送至实验室进行油样分析，通过常规理化性能分析与发射光谱分析检查油液有无异常，若发现参数指标超出界限值则判断油液故障；若无超标，进一步地，通过对油液中金属含量趋势预测分析进行齿轮箱磨损状态早期诊断；之后综合比较权衡多元数据结果，包括温度趋势预测、振动信号故障特征提取和油样分析，并进行全面故障诊断，最后根据诊断结果输出故障诊断报告，便于进一步的维护与保养。结合图3，数据趋势预测方法的流程如下：(1)从最新采集数据中选取样本数为n的时间序列x(t)作为分析对象，通过五点三次平滑预处理方法去除序列x(t)的不稳定波动，获得一个三次多项式拟合的趋势项序列(2)对序列依次累加生成新序列建立相应微分方程并以最小二乘法求解得出GM(1,1)模型，通过预报模型数据的递减以还原序列，进而获得样本序列x(t)的趋势项拟合序列以及趋势项预测序列(3)将趋势项拟合序列与原序列x(t)的残差构成残差序列对通过相空间重构组成残差序列样本：{n,xc|ni=n^(ti),n^(ti+1),...,n^(ti+m-1),xci=n^(ti+m)}]]>其中，i为样本序号，m为样本嵌入维数，选取m＝10。将训练样本{n,xc}输入支持向量回归模型获得残差预测模型方程组：x^c=Σi=1l-m(αi-αi*)K(nt-m,xi)+b]]>其中K(·)为核函数，αi、为回归模型的解，b为偏移量，l为样本总数。通过求解残差预测模型对之后工作时间段的残差序列进行预测。(4)将预测趋势项序列与残差序列组合构成最终预测序列，并根据预测温度对齿轮箱箱体及轴承温度进行分析。从原理上齿轮箱轴承运作时由于摩擦产生热量，同时受到滑油冷却平衡，但轴承发生磨损或偏移等故障时会温度升高，并且轴承温升与转速及所受转矩成正比，因此高速轴轴承及附近箱体温度变化较明显，容易进行早期故障预报。而齿轮箱轴承允许的工作温度阈值为60℃，当预测温度将在短时间内超出阈值则判断齿轮箱轴承或冷却系统发生异常，应及早进行检查维护。结合图4，振动信号故障特征提取的具体实施步骤如下：(1)对采集的齿轮箱振动信号作EMD分解，首先求出分析信号y(t)所有极值点，并将极大值点与极小值点分别拟合为上下包络线ymax(t)和ymin(t)，计算ymax(t)和ymin(t)均值m(t)，将m(t)从y(t)中分离得到分解信号h(t)，重复以上步骤直至h(t)满足本征模函数条件，则算完成一组IMF分量分离操作；同理对h(t)继续上述操作筛选出所有IMF分量直至不能再分解为止。此时获得原始信号不同尺度下的多组IMF分量。(2)对所有IMF分量采用FIR窗函数滤波器处理，窗函数选用改进升余弦窗函数，根据计算的齿轮箱振动特征参数给出低通滤波的截止频率、阻带频率、帯通波纹以及阻带波纹，之后滤波去除与齿轮箱振动特征不相关的高频噪声成分，保留与齿轮啮合频带相关的频率成分；(3)对滤波去噪后的IMF数据白化，具体为去除均值并作方差归一化处理，再对白化后IMF矩阵通过与自身转置相乘得到自相关矩阵M；(4)对矩阵M奇异值分解，获得矩阵M的所有特征值。自相关矩阵的特征值越大表示该分量在总体中所占成分比例越多，包含特征参数也越明显。通过对特征值比较，找出最大特征值以及对应的IMF分量a1；(5)进一步地，提取a1分量中频率的边频带信息，具体为：对a1分量进行希尔伯特变换转换到时频域，再通过傅里叶变换求取包络谱，观察低频段中是否包含幅值较高或频率异常的频谱特征。若不存在则继续监测，否则判断发生故障，并与实际计算的齿轮或轴承故障频率的基频或倍频进行比较，根据频率特征找出故障部位。结合图5，油液分析的主要流程如下：(1)应用取样管插入齿轮箱距离底部1/3至1/2位置处合提取润滑油油样到油质取样瓶当中，若已发现存在异常则应在油液各层位置多次采样。海上起重机齿轮箱属于工程机械齿轮传动系统，所以采样间隔为300小时，对于磨合期的齿轮箱采样间隔可以适当缩短。(2)对采集油样作常规理化性能分析和发射光谱分析。常规理化性能分析指标包括粘度、闪点和燃点、酸度，相应测量方法标准参考GB/T265、GB/T267和GB/T264，若有多项指标超出正常阈值，则判断油液劣化；同时进行发射光谱分析检验油液中Fe、Cu、Al、Pb等金属含量，根据含量数值与设定的界限值比较判断齿轮箱磨损状态，设定值定义为：N1=0.8(Y‾+2S)N2=Y‾+2SN3=Y‾+3S]]>式中N1为正常界限值，N2为异常界限值，N3为危险界限值，为油液金属含量监测数据的均值，S为标准差。若任意金属含量超出危险界限值则判断齿轮箱发生磨损故障，否则执行下一步。(3)应用图3所示的数据趋势预测方法，结合历史油液金属含量监测数据，进行Fe、Cu、Al、Pb含量趋势预测，预测下个采样时间之前的数据走向。同时根据各元素含量正常运行期数据计算其正常界限值、异常界限值和危险界限值，并与预测值比较判断磨损状态，若在下个采样时间点前含量均正常则继续监测；否则诊断齿轮箱存在潜在故障，并根据磨损状态严重程度输出诊断分析报告。结合图1说明结合远程温度趋势预测、远程振动故障特征提取和油样分析结果针对海上起重机齿轮箱进行全面综合性故障诊断方法：由于海上起重机齿轮箱工况恶劣，因此通过远程监测系统实时采集齿轮箱温度与振动信号。而由于油样采集困难，因此定期提取齿轮油样分析。对于所监测的温度数据和油液数据以趋势预测为主，对齿轮箱未来运行状态进行预测，当同时判断齿轮箱将出现故障时将提前输出故障诊断报告，对齿轮箱进行早期检修与维护，避免故障劣化；若预测结果出现差异，则提取振动信号进行故障特征提取，若在分析中发现典型的故障特征频率则可以确认齿轮箱存在故障或潜在裂纹，立即输出故障诊断报告进行维修，否则继续监测与观察。当前第1页1 2 3