基于LabVIEW的带式输送机远程监测诊断系统

王书满 边志鑫

(1. 徐州开放大学机电工程学院， 江苏 徐州 221000； 2. 中国矿业大学机电学院， 江苏 徐州 221116)



基于LabVIEW的带式输送机远程监测诊断系统

王书满1边志鑫2

(1. 徐州开放大学机电工程学院， 江苏 徐州 221000； 2. 中国矿业大学机电学院， 江苏 徐州 221116)

针对带式输送机故障发生率较高，同时不能实时远程监测等现状，设计了一种基于LabVIEW和PLC的输送机远程监测与故障诊断系统。该系统集运行信号采集、状态监测、数据库操作和故障诊断于一体，通过对带式输送机关键参数进行实时有效地监测，能够及时地诊断出故障，并显示对应故障参数。其中，利用基于经验模态分解EMD和隐马尔科夫模型HMM算法实现故障诊断与识别。调试结果表明，系统运行稳定，故障信息能够实时显示，且故障诊断的准确率高，是一种有效的带式输送机远程监测与故障诊断系统。

LabVIEW； PLC； 带式输送机； 状态监测； 故障诊断

在煤矿综采工作面恶劣、危险的环境下，有效实现自动化开采一直都是国内外煤炭行业探索的重点[1]。带式输送机作为综采工作面装备，其是否正常运行关系到煤矿开采的效率，因此对带式输送机进行远程监测与故障诊断研究，有效减少事故的发生、及时排除故障，对煤炭行业具有不可忽略的工程意义。

目前，国内学者已对工作面输送设备的监测与诊断技术进行了研究，并开发出了相应的产品，但已开发的系统大多局限于工作面的使用[2]。监测系统如果仅基于PLC系统开发，对煤矿井下数据进行采集和分析，虽然实现了对输送机的自动化控制，但是系统造价较高，数据采集以及处理能力、系统硬件方面也会受限，随着LabVIEW的诞生，极大程度地促进了虚拟智能仪表的发展[3]。基于此，本次研究探讨了基于LabVIEW和PLC的带式输送机远程监测和故障诊断系统，充分利用LabVIEW和MATLAB各自的特点，实现二者的联合仿真，提出基于EMD(Empirical Mode Decomposition)和HMM(Hidden Markov Model)的轴承诊断算法[4-5]，具备良好的人机交互开发平台和强大的数据分析处理能力，实现了带式输送机的远程监测与故障诊断，为煤炭行业信息自动化技术提供可靠的有力依据。

1 系统硬件基本结构

带式输送机远程监测故障诊断系统主要包含系统硬件和上位机智能监测诊断软件两大主体部分。系统硬件总体结构框图如图1所示，硬件系统主要包括监测主机、交换机、通信模块、可编程控制器、智能仪表、输入和输出模块以及各类传感器元件。本系统的通讯模块采用智能模块CP 243-1，利用以太网接口实现上位机与PLC之间的通信，实现采集数据的信息传递，安全可靠。

图1 系统硬件总体结构框图

温度传感器、带速传感器等通过智能仪表转换成数字量，经可编程控制器的RS 485接口传输至可编程控制器；转速传感器为脉冲信号，振动传感器采用电流型模拟量信号，传输至模拟量扩展模块 EM 231，与可编程控制器的输入模块连接。可编程控制器将这些信号通过通讯模块，再经交换机传输至监测主机。监测主机将获得的数据利用远程监测和故障诊断系统进行处理，实现实时存储、故障判断等，同时显示实时趋势曲线，历史数据查询以及报表输出；如果带式输送机发生故障，监测主机将弹出报警窗口，并显示发生故障的位置，同时发出警报并记录报警信息。

2 系统程序设计

2.1 软件结构

带式输送机远程监测和故障诊断系统上位机软件结构如图2所示，主要功能包含信号采集、运行监测、数据处理和报警显示4个部分。

上位机根据采集到的数据进行分析，实现自动监测带式输送机的电机转速和温度，并能实时显示上述参数反映出的输送机状态，监测到故障信息，并在软件主界面上显示出故障类型，给出报警信号，其中故障包括低速、超温、堆煤、跑偏、烟雾以及撕带；同时还能通过分析振动信号，实现带式输送机的故障诊断研究，对振动信号进行数据处理，从振动分析角度判断故障类型。监测与诊断系统界面如图3所示。系统实现了数据采集、运行监测、故障诊断、数据库操作、报表生成和报警显示等功能。

图2 系统上位机软件结构框图

图3 带式输送机远程监控与故障诊断系统界面

2.2 数据通信

带式输送机远程监测和故障诊断系统的关键是如何采集到井下数据，并上传到上位机进行分析。本次研究采用基于共享变量模式的LabVIEW与PLC的串口通讯，只需在创建共享变量时使用属性设置对引入的各个变量进行具体的参数配置，然后在变量地址栏引入各变量一一对应的实际PLC存储器地址。利用数据记录与监控(Datalogging and Supervisory Control, DSC)模块，LabVIEW和PLC之间进行数据交换的存储器寻址方式满足Modbus的通讯协议[6-7]。

基于LabVIEW的带式输送机远程监测与故障诊断系统通过开放数据库互连技术(Open Database Connectivity, ODBC)实现LabVIEW与数据库的连接[8-9]。LabVIEW数据库连接工具包(Database Connectivity Toolkit, DCT)具有完整的SQL功能，利用LabSQL工具包实现数据库的各种操作，能够与本地或远程数据库实现直接交互式操作，从而实现采集信号以及故障信息的保存和查询。数据库操作部分程序如图4所示，通过选择起止时间来实现时间段内故障数据库中故障信息的查询。

图4 数据库操作程序

通过对带式输送机电机轴承、减速器轴承、滚筒轴承的振动信号采集与实时诊断处理，可以诊断出设备可能出现的轴承故障。由于篇幅有限，以减速器轴承为例进行诊断说明：利用LabVIEW虚拟仪器平台和基于MATLAB script节点调用MATLAB的接口方式，借助MATLAB强大的运算能力，实现对输入信号进行时频域分析和故障识别，从而诊断出轴承的故障类型[10-11]，提出基于EMD和HMM的轴承诊断算法，分析轴承振动信号能量熵特征信息，建立轴承识别模型，完成对轴承类型的诊断识别。

其中，时频域分析包括峭度和功率谱分析。峭度为无量纲参数，对冲击信号十分敏感，尤其适合轴承早期故障诊断应用。当轴承正常运转时，峭度值约等于3；当发生故障时，峭度值将变大，以此作为是否发生故障的一个评判依据。为了更进一步确定故障类型，还需进行下一步的故障识别处理。故障诊断算法包含信号预处理、特征提取及故障识别3部分。信号预处理由基于峭度准则的EMD算法实现。首先利用峭度准则筛选出包含主要故障特征频率的IMF分量[9]，当轴承发生各种故障时，信号在不同频带的能量会出现不同程度的变化，可以通过计算每层IMF的能量熵来提取信号的敏感特征信息，从而判断是否发生了故障以及故障的类型。然后将提取到的各IMF能量熵作为故障敏感特征集，输入到具有较强识别分类能力的HMM分类模型中，对轴承故障类型进行识别分类。其中，在HMM模型训练阶段，结合Baum-Welch算法，对初始化设置的HMM模型进行训练，建立各类轴承的HMM参数模型；在识别阶段，利用Viterbi算法近似计算推理概率，在已知模型下，输出概率值最大的样本故障类型即为对应模型的类型。系统界面上识别结果按照识别出的轴承类型百分比显示，故障诊断流程如图5所示。

3 系统调试结果

测试实验在模拟实验平台上进行。正常轴承、内圈、外圈以及滚动体故障的振动信号时域图如图6所示。利用采集到的数据进行故障诊断分析，对HMM分类模型进行训练，然后利用训练好的识别模型对实时采集的数据进行诊断识别。其中，采样频率为5 120 Hz，采样点数为8 000。

图5 故障诊断流程图

图6 轴承振动信号时域图

将实验采集到的各轴承类型100组样本通过基于峭度准则的EMD分解方法进行降噪预处理，然后提取出IMF能量熵敏感特征集，作为输入向量来训练HMM分类模型，最后实时采集100组滚动体故障轴承信号，用以测试训练好的HMM分类器的诊断识别，如表1所示。实验结果表明，轴承故障诊断法对滚动体故障的诊断识别的正确率达到89%，说明该方法能够有效地诊断识别轴承故障类型。

表1 测试样本识别正确率统计结果

4 结 语

基于LabVIEW的带式输送机远程监测与故障诊断系统，能够实现数据实时采集、运行工况监测，智能故障诊断、报表一键生成以及数据库多项操作和报警显示等功能。实验应用表明，该系统能自动监测带式输送机的电机转速和温度，并能实时显示上述参数反应出的输送机状态，监测各类故障信息，从而实现对带式输送机运行状态的远程监测和故障诊断，为煤炭行业信息自动化技术的发展以及无人化操作工作面的建设奠定了基础，提供了可靠的理论和应用依据。

[1] 邵舒渊,卢选民.基于无线传感器网络技术的煤矿安全[J].电子技术应用,2008(6):138-140.

[2] 李臻,操虹,贾洪钢,等.煤矿带式输送机轴承监测诊断系统及其应用[J].工矿自动化,2011(12):15-18.

[3] 向家伟,徐晋勇,陈东弟,等.基于LabVIEW的矿山带式输送机故障诊断软件设计[J].煤矿机械,2010,31(1)：244-247.

[4] 曹端超,康建设,张星辉.基于HMM-EMD的滚动轴承故障诊断方法[J].轴承,2012(5):51-53.

[5] 苏文胜,王奉涛,张志新,等.EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J].振动与冲击,2010,29(3):18-21.

[6] 李英,陈传凯,苏贞志.基于LabVIEW与PLC的开放式数控系统串口无线通讯的研究[J].组合机床与自动化加工技术,2012(7):49-53.

[7] 万鹏,赵世平,徐弘轩.基于Modbus协议的PLC与LabVIEW的通讯实现[J].中国测试技术,2008,34(3):62-64.

[8] 陈雷,王忠东,陈爽.基于LabVIEW的机床振动信号数据库访问技术的研究[J].组合机床与自动化加工技术,2013(7):92-93.

[9] 李文涛,曹彦红,卜旭芳,等.LabVIEW数据库访问技术的实现及应用[J].工矿自动化,2012(3):69-72.

[10] 刘自然,熊伟,颜丙生,等.EMD方法和倒频谱在齿轮箱故障诊断中的应用[J].组合机床与自动化加工技术,2014(9):102-104.

[11] 黄俊,潘宏侠,都衡.基于EMD近似熵和LSSVM的齿轮箱故障诊断研究[J].组合机床与自动化加工技术,2014(3):111-113.Design of Remote Monitoring and Diagnosis System of Conveyer Based on LabVIEW

WANGShuman1BIANZhixin2

(1. School of Mechanic Engineering, Xuzhou Open University, Xuzhou Jiangsu 221000, China; 2. College of Mechanic Engineering, China University of Mining and Technology, Xuzhou Jiangsu 221116, China)

At present the belt conveyor contains high failure rate and the operating condition cannot be monitored remotely, so a remote monitoring and fault diagnosis system is designed based on LabVIEW and PLC. The system achieves these functions, including signal acquisition, state monitoring, database operation and fault diagnosis. The key parameters of the belt conveyor can be monitored in real time so that the fault could be found in time, and the corresponding parameters are displayed. The algorithm based on Empirical Mode Decomposition (EMD) and Hidden Markov Model (HMM) was used to implement fault diagnosis and recognition. The actual application results show that the system is stable and the fault information can be displayed in real time. Because the accuracy of fault diagnosis is high, it is an effective design of remote monitoring and fault diagnosis system of belt conveyor.

LabVIEW; PLC; belt conveyer; condition monitoring; fault diagnosis

2016-06-20

2015年度江苏省科技厅立项课题“最新机械化监测诊断服务原理和构造研究”(2015JSKJYJ026)

王书满(1974 — )，男，徐州沛县人，硕士，讲师，研究方向为机械设计及理论。

TP277

A

1673-1980(2016)05-0078-04