煤矿提升机轴承故障诊断方法研究

2012-07-12国投哈密能源开发有限责任公司

电子世界 2012年15期

国投哈密能源开发有限责任公司李健

煤矿提升机轴承故障诊断方法研究

国投哈密能源开发有限责任公司李健

本文以煤矿提升机滚动轴承的故障诊断为研究对象，研究了一种基于滚动轴承运行时的振动信号和温度信号监控的故障诊断方法。对于轴承振动信号采用快速傅立叶变换和小波分析来过滤背景噪音的影响，在此基础上通过软件系统来完成对故障信号的类型分析。结果表明该系统可有效的实现提升机轴承的运行状态监控。

煤矿；提升机轴承；故障诊断

1.概述

当前煤矿生产基本上都要依靠机械化设备来完成，生产效率的高低受设备正常运转程度的影响非常大。一旦生产过程中设备故障，将可能使生产受影响甚至于造成人员伤亡。因此在对生产设备进行及时的故障诊断将隐患及早消除对于保障安全生产和保护人员安全具有重要意义。要实现上述目标，主要的途径是探索出有效的故障诊断方法。这样既能够有效的避免出现安全事故，又可以提高社会经济效益。

在煤矿的各类生产机械中，提升机系统承担着繁重的人员和物料的搬运任务，是维持煤矿正常生产的重要组成部分，出现故障将直接影响煤矿的正常生产。而提升机系统又是一个容易出问题的系统，尤其是其中的轴承部分更是需要定期维护检修。但由于提升机轴承故障故障的易发性和诊断的复杂性，国内在这个方面的研究于起步较晚，但已经取得了部分的研究成果，如CMJ-10电脑冲击脉冲计、BTZ000智能轴承故障测试仪、BAZO10智能轴承故障分析仪等，可从不同的角度来完成对轴承的损失程度和润滑程度的监测工作，但这些监测设备基本上都在便携性和可靠性方面存在不足，而从轴承监测和故障诊断的发展趋势来看，研究以计算机分析为基础的轴承监测与诊断是主要研究趋势和研究热点。采用计算机和嵌入式系统的轴承故障诊断方法具有较为成熟的工业应用背景，本文将在此基础上，以滚动轴承的故障诊断为研究对象，探讨一种基于DSP嵌入式系统的滚动轴承故障简易诊断方法和滚动轴承故障精密诊断方法来实现对煤矿提升机轴承的故障诊断方式。

2.轴承故障诊断的理论基础

对提升机滚动轴承的故障诊断需要建立在归故障类型的了解较为充分的基础上，并且还需要对滚动轴承运转过程中的故障信号进行分析。而对故障信号的提取和分析则是进行故障诊断正确性的前提和基础。因此要完成提升机滚动轴承故障的诊断，就需要完成三个方面的基础工作，一是对提升机滚动轴承的故障类型有较为充分的了解，二是完成对滚动轴承工作状态信号（故障信号）的提取和排除随机干扰，三是完成信号的分析，并确定故障类型。以上三个方面的工作中，故障类型的了解可前期完成，也相对容易。而对故障信号的正确提取和后期分析是工作的重点。现分别对故障信号的提取和后期分析方法分别展开讨论。

2.1 故障信号的提取分析方法

煤矿提升机的工作环境非常恶劣，工作现场存在大量的外界噪声干扰，因此要准确的获取故障信号就需要有效的排除背景噪声的干扰。对此本文中采用将轴承的纯故障信号从轴承故障振动信号中分离出来，通过对轴承纯故障信号进行分析来判断轴承是否存在故障及其故障类型的方法。这种方法对于排除背景噪声和提纯故障信号特征效果显著，其理论基础是用傅里叶变换及其逆变换。实施步骤大致如下：设滚动轴承在正常工作时的信号函数为 X1(t )，轴承在故障时的信号函数为 X1(t)，而轴承完全故障状态时的振动信号为△t，故有： X1( t) ＝ X0(t) ＋△t ，再使用傅立叶变换，可得 F FT△(f ) ＝ F FTX1( f ) － FFTX0(f )，则△t ＝ IFFT( F FT△(f))。通过上述变换，可以有效的将部分外界噪声和干扰信号排除，再采用FFT和IFFT算法，在可计算机上利用较小波相关滤波算法和自适应滤波算法来实现信号的提纯操作。

2.2 轴承故障精密诊断算法

在对信号提纯的基础上，需进一步对滚动轴承的故障信号进行特诊分析，从而判断出具体的故障类型。本文中所采用的方法为小波变换，以二进制规律来确定信号的分解尺度，在每次信号的分解过程还在那个的低频和高频信号都具有相同的频带宽度。小波理论的表达式较为复杂，限于篇幅，不在此展开，可参照文献。这类只给出基于小波包分解的故障诊断一般步骤：

(1)对采集的滚动轴承振动信号进行3层小波包分解，分别获得从低频到高频涵盖所有频率成分的第3层小波包分解的细节信号；

(2)对小波包分解后的第3层各频带的小波包细节信号按照小波包重构算法进行重构；

(3)对重构后的各个频带的小波包细节信号进行Hilbert包络解调分析，获得各个频带重构后细节信号的包络谱；

(4)计算各个频带重构后包络细节信号功率谱；

(5)从各个频带的细节信号包络功率谱图中寻找是否包含根据滚动轴承参数计算出来的滚动轴承故障特征频率，以此来判断滚动轴承是否存在故障及其存在的轴承故障类型。

3.配套系统设计

从前文分析可见，要实现对提升机滚动轴承的故障检测，既需要有信号的采集，又涉及到信号的分析，因此对硬件和软件都有要求。硬件条件主要是完成滚动轴承的信号运转状态信息采集，而软件条件则是完成对信号的提纯和分析。相关硬件和软件的设计细节概述如下。

3.1 信号采集硬件系统

在进行硬件系统的设计时，采用DSP嵌入式系统，分别完成对信号的采集、预处理、出力和通讯等功能。其中，信号采集部分需要监测的信息类型包括提升机的提升速度、提升机天轮转速、天轮直径和转频、井筒深度等，量程和灵敏度。为平衡硬件投入和监测效果，在进行系统设计时采用适合长期监测的进口压电加速度传感器作为振动信号采集源头。除了振动信号外，温度同样是表征滚动轴承运行状况的重要指标。本系统中采用的温度传感器信号类型为PT100铂电阻温度变送器，并将其温度探头布置在提升机转轮的轴承外圈。

图1 轴承故障时域波形图

图2 小波包分解后的轴承波形图

3.2 软件系统设计

软件系统的作用是完成滚动轴承振动信号和温度信号的分析处理。软件系统主要由三个部分组成：提升机天轮轴承故障诊断算法的设计、下位机与上位机通讯方法的设计、轴承故障监控平台的设计。各软件子系统的设计较为复杂，这里不予详述，仅给出软件系统中最关键的故障诊断FFT算法思路与步骤。FFT算法即快读傅立叶变换，其依据离散傅立叶算法的奇偶和虚实等特性，通过改进离散傅立叶算法来实现，其优势是可以提高信号的转换速度和系统的运算速度。在软件计算时先将离散傅立叶变换分解，将较长的序列分解为一系列较短的离散傅立叶变换，进而通过旋转因子的周期性和对称性特征，将分解后的较短离散傅立叶变换序列进行合并。系统按照时间序列抽取基-2FFT快速算法来实现滚动轴承时域到频域的转换。在进行信号的故障类型分析时，采用小波包算法。其步骤如下：①对输入的轴承振动离散信号序列进行处理；②选择db小波包基函数来进行小波包分析；③对采集的轴承振动信号进行三层小波包分解和重构；④利用Hilbert解调算法对小波包分解的各节点重构细节信号进行Hilbert包络解调分析；⑤计算小波包分解第三层各节点的Hilbert包络解调功率谱；⑥计算轴承各个故障特征频率权重，根据各个故障特征频率权重判断轴承故障类型。