盾构/TBM专用振动监测传感器VM-BOX的研发

辛书杰， 周远航， 张 萌， 李 磊

(中铁隧道局集团专用设备中心， 河南 洛阳 471009)

0 引言

进入21世纪以来，我国铁路、公路、地铁、输油和输气等大型工程建设投入在不断加大，隧道及地下工程建设迎来了前所未有的快速发展[1]。盾构/TBM是专门用于隧道掘进的工程机械设备，具有一次开挖成型的优势，在交通基础设施和城市轨道交通建设中发挥了关键作用[2-3]。盾构设备结构庞大，一旦出现故障将会影响到盾构的正常施工，甚至造成人员伤亡等大型施工事故。盾构刀盘系统作为盾构的关键部位，在掘进过程中受到的冲击和振动最大，其在很大程度上决定了掘进施工的速度。对盾构刀盘系统进行数据采集，获取部件的状态信息很有必要[4]。

对刀盘系统振动的监测手段，传统方法采用振动测试仪拾取、记录和分析动态信号，通过对被监测设备的振动能量的测试和频谱图形分析[5]，实现对设备状态的评估和故障诊断，此方法获得的测试数据具有间接性，且误差在3.1%～6.2%，不能时时掌握设备状态[6]。此外，采用振动测试仪不能实现实时监测，需耗费人力物力，且数据采集过程中易受到人为因素干扰，监测结果易产生人为误差，单次监测费用在5～8万元，产生误差的概率在5%左右。而在线监测技术发展迅速、技术成熟，已在发电、化工等领域得到广泛应用且效果良好，其中风电在线监测覆盖率达到86%以上，设备故障率同比以3%的速度下降[7]。目前国内已开展盾构/TBM刀盘在线状态监测研究工作。在线监测数据存在8.2%左右的误差，误差主要来源为传感器性能不稳定，易受温度、湿度和振动频率变化的干扰[8-9]。盾构在线监测的主要困难之一是没有适用于采集刀盘系统振动信号的传感器，因此，研发针对刀盘系统各部件的在线监测方法及专用传感器十分必要。

本文选取盾构刀盘系统作为研究对象，研发VM-BOX振动数据采集器，对主轴承、减速箱、主电机和刀盘泵进行监测，根据采集的振动数据和温度传感器采集的温度数据来判别各部件的磨损状态(当存在非正常磨损时，会引起各部件温度的升高和振动幅值的增大)，从而保证盾构/TBM刀盘系统的可靠性，为工程开展提供技术保障。

1 VM-BOX应用拓扑

针对传统的手持式振动仪无法对盾构主要部件的振动状态进行实时监测的问题，本文设计了盾构/TBM专用振动监测传感器VM-BOX。VM-BOX可安装在盾构/TBM内部关键零部件上，实时采集其在工作过程中的振动和温度数值。

VM-BOX内部集成振动传感器、温度传感器和微处理器等，可以对振动信号实施采集、分析、告警，通过串口(RS485)传送到数据集中器，其应用拓扑如图1所示。

图1 VM-BOX应用拓扑Fig. 1 Application topology of VM-BOX

2 振动信号处理方法与装置配置选型研究

据统计,机械设备由于振动引起的故障占总机械故障的 60%～70%，这主要是指运动机械、特别是量大面广的旋转机械与往复机械，因此，振动分析方法已成为设备故障诊断所使用的现代监测、分析和识别的主要技术和方法，且发展十分迅速[10]。盾构各主要核心部件大多数为旋转机械，旋转机械在运转时会形成振动冲击，产生振动信号。当机械发生故障时，这些振动信号幅值和频率成分等会发生变化，通过研究这些变化可以对机械的故障进行诊断[11]。振动信号易于拾取，且可采用信号放大器、信号调理器和信号分析算法对振动信号进行分析处理，以提取有用信息，从而进行故障诊断。利用振动信号进行故障分析的难点在于如何判定信号是由机械故障产生的振动还是工作中产生的扰动。

2.1 振动采集与处理的硬件配置

信号采集系统的硬件主要包括以下4个部分： 传感器、信号调理、数据采集和运算处理器。传感器是连接被测设备和测试系统的桥梁，把要采集的物理信号转化成电信号。由于被测电信号在测量和传输的过程中存在各种噪声和信号削弱，使得被测信号通常很微弱，并伴有噪声，因此需要信号调理电路对其进行必要的调理。信号调理电路的功能一般有放大、隔离、多路复用、滤波、激励和线性化等。数据采集模块将调理之后的模拟信号转化成便于微处理器读取和分析的数字信号。

VM-BOX的主要功能是采集振动/温度数据，并计算出描述振动的参数，如加速度、速度、频率等。一个典型的数据采集装置的硬件主要由传感器(振动/温度)、滤波电路、放大电路、A/D采样、嵌入式处理器、存储器(Memory)、通信接口(Serial)等构成。VM-BOX数据采集装置的硬件配置如图2所示。

图2 VM-BOX数据采集装置的硬件配置

Fig. 2 Hardware configuration of data acquisition device of VM-BOX

2.2 主要芯片选型方案

2.2.1 传感器

传感器类似于人的感觉器官，是获取被测信号的唯一途径，因此它使用的是否得当将直接影响测试效果的好坏甚至成败。盾构的掘进施工环境恶劣、作业空间狭小且空气湿度高，常常会受到泥浆、土块、油液和水的污染，且掘进过程中难以更换传感器，所以对传感器的各项要求都比较高。灵敏度、测量范围、可靠性、精确度和响应特性是传感器选取的重要指标。

振动传感器分为振动位移传感器、振动速度传感器和振动加速度传感器。由于盾构振源多而杂，振动情况复杂，故需选用频率测量范围大的振动加速度传感器；同时，由于振动加速度传感器输出的电量较小，容易被周围噪声所覆盖，因此需要外加电荷放大器。此外，由于盾构工作环境恶劣且承受冲击比较大，因此需选用抗冲击性强、可靠性高的传感器。

随着手机/PAD等移动终端的普及，微机电系统(MEMS)技术得到快速发展。在此技术上开发的传感器的尺寸越来越小，而精度却越来越高，如MEMS加速度传感器已经普遍应用于手机、智能手表中。与传统的机械式传感器相比，MEMS传感器具备体积小、灵敏度高和可集成度高等特点。本方案中采用ADI(analog devices)的MEMS加速度传感器。

MEMS加速度传感器有模拟接口和数字接口2种，考虑到设计的便利以及抗干扰能力，采用数字接口更好一些。本方案中采用ADXL345和ADXL375 2款加速度传感器。ADXL345量程为16g，该量程覆盖了常规的振动监测范围；ADXL375量程为200g，主要应用于比较大的撞击试验，如汽车碰撞、爆炸等冲击。盾构的部件振动大部分为低频机械振动，16g的量程已经可以满足使用，同时考虑到不同的地质条件下，盾构施工中遇到较大冲击的可能性，在本方案中也选用了200g的ADXL375作为备用。在常规振动监测中采用ADXL345的数据，一旦发现数据超出量程，则采集ADXL375的数据，从而既保证了数据的精度，也兼顾了数据量程的要求。

ADXL345和ADXL375的内部结构如图3所示(单轴示意)。

图3 ADXL345和ADXL375的内部结构Fig. 3 Internal structure of ADXL345 and ADXL375

MEMS微机电结构中，每个轴向的机械部分包括2个不同的框架，一个固定式，一个移动式。这些框架之间有一系列层板，从而形成一个可变的差分容性网络。当框架受到与重力或加速度相关的力时，移动框架会改变其相对于固定框架的物理位置，导致电容发生变化。微型弹簧将移动框架连接到固定框架，并决定加速度和物理位移之间的关系。移动极板上的调制信号会通过各容性路径馈入固定框架极板和解调电路，从而生成与器件上加速运动成正比的电信号。采集这些电信号即可得到加速度的值。

ADXL345和ADXL375的内部集成了信号调理和数据采样电路，有效抑制了环境噪声对振动信号的影响,提高了信噪比;同时，采用数字通信接口,简化了外围电路的设计。

2.2.2 温度传感器

温度传感器是一种将温度变量转换为可传送的标准化输出信号的元件，主要用于工业过程温度参数的测量与控制。温度传感器主要是热电偶或热电阻，即在不同温度下电阻发生变化，可以较容易转换为电压或者电流变化。温度传感器的种类较多，应用也比较简单。本方案中待测对象温度为振动测试点的表面温度，选用TI公司的温度传感器,接口为I2C总线。

2.2.3 嵌入式处理器

本方案设计针对的是长时间运行的在线监测设备,分布在盾构内部众多关键部位，除了数据采集外，更重要的是对离散信号进行计算，实现信号的时域与频域分析。综上要求，选用的硬件平台是Freescale/NXP公司的32位ARM/Cortex-M0+系列,其中Kinetis-M是专用于计量的微处理器，内核运行速度为75 MHz，内部包含了内存映射计算单元MMAU、高精度∑-Δ模数转换器ADC、可编程增益放大器PGA、高精度参考电压Vref、Flash/RAM内存单元、比较器CMP和RTC等外设，广泛应用于各种测量表计。

2.2.4 Serial接口

Serial通信接口是采集器与数据集中器之间通信的接口，支持MODBUS通信规约，采用RS485接口，波特率根据需要可调节。

2.2.5 EEPROM

EEPROM用于存储通信管理机的配置管理数据。采用I2C总线存取的EEPROM，可选用AT24C08，提供8 kB的数据存储容量。

2.3 VM-BOX产品功能和电气物理特性

VM-BOM传感器的具体功能见表1，电气物理特性见表2。

3 实现方案

3.1 系统框图

VM-BOX硬件模块间的交互关系如图4所示。通过SPI接口读取加速度传感器的采集数据；通过I2C总线读取温度传感器的数据；UART通过RS485接口电路连接外部MODBUS总线；预留3通道4-20 mA接口，接模拟传感器，实现相位监测功能(后续开发)；采用SWD接口对CPU调试以及固件烧录；GPIO控制LED指示灯指示运行状态；DC24 V供电，内部DC/DC电路生成5 V/3.3 V,CPU供电为3.3 V； DC24 V还供给4-20 mA接口电路使用。

表1 VM-BOX的具体功能Table 1 Specific functions of VM-BOX

表2 VM-BOX电气物理特性Table 2 Physico-electrical characteristics of VM-BOX

图4 VM-BOX硬件模块间的交互关系Fig. 4 Interaction between hardware modules of VM-BOX

本系统在设计时满足通用硬件设计要求： 1)冗余设计； 2)复位； 3)看门狗； 4)硬件状态指示； 5)维护与调试； 6)EMC； 7)安全。结构件如图5所示。

由于采集的信号是振动信号,因此要求采集装置应刚性连接于待测设备,以免发生减振的情况。可将采集盒通过底部螺丝固定在底座上，再将底座安装于待测设备。底座应采用金属材质，且满足刚性要求。

图5 VM-BOX结构件Fig. 5 Structure of VM-BOX

3.2 系统软件与校准办法

运行在Kinetis-M嵌入式处理器平台的软件，实现采集器的各项功能，采用IAR Embedded Workbench开发。主要模块包括： 1)启动程序Boot； 2)驱动程序Driver； 3)采样Sampling； 4)快速傅里叶变换FFT； 5)计算(速度有效值、频率)Calculating； 6)通信规约(MODBUS)处理Communication。

由于元器件个体的差异，采样得到的读数与实际的物理量数值之间存在偏差，因此需要进行校准后才能得到正确的数值。

一般情况下，读数与实际物理量数值之间存在线性关系：

Y=Val×Factor+Offset或Val=(Y-offset)/Factor。

式中：Y为读数； Val为实际的物理量数值； Factor为因子，即每变化一个单位的物理量的读数变化； Offset为偏移，即物理量为基数(参考值)时的读数(理想情况下为0)。

因此，校准需要计算2个参量，即Offset和Factor。在本方案设计中，物理量为加速度，可以通过重力加速度来计算这2个参量。通过在某轴上施加g、0、-g的重力加速度，根据此3种情况下的读数变化，计算出Offset和Factor的数值。通过中值滤波方法可以有效去除环境噪声对参数的影响。

4 试验验证

为了验证新研制的盾构/TBM专用振动监测传感器VM-BOX的性能，在合肥地铁3号线2标CT006H项目中，在盾构2#刀盘驱动泵、螺旋机泵、管片拼装机泵、1#主驱动减速机、3#主驱动减速机、7#主驱动减速机、1#—4#主轴承、推进泵上安装此传感器，对这些部件的振动信息进行实时测量。在硬件上，利用信号调理单元对采集的振动信号进行放大滤波处理；在软件上，利用中值滤波算法对采集到的振动信号进行降噪处理；从而获得更加真实的盾构/TBM振动信号，并参照旋转机械振动诊断的国际标准ISO 2372《转速为10～200 r/s机械振动规定评价标准》，对振动烈度进行测量和评定，达到判断当前盾构/TBM机械结构性能的目的。

4.1 振动诊断标准

在实际工程中，针对传感器监测的振动信息，采用ISO 2372国际标准进行判断。ISO 2372的具体诊断标准见表3。

表3 ISO 2372振动诊断标准Table 3 Vibration diagnostic standards of ISO 2372

Ⅰ类机器： 在正常运行条件下,与整机连成一体的发动机或机器的单独部件(如15 kW 及以下功率的电动机)。Ⅱ类机器： 无专用基础的中型机器(如15～75 kW 的电动机),刚性安装的发动机以及安装在专用基础上的机器(功率可达 100 kW)。Ⅲ类机器： 振动测量方向上相对刚度较大的重型基础上安装的大型原动机和其他大型旋转机械。Ⅳ类机器： 振动测量方向上相对刚度较小的基础上安装的大型原动机和其他大型旋转机械(如透平发电机组,特别是轻型结构基础上的透平机组)。A级： 优良，振动在良好限值以下，认为振动状态良好。B级： 合格，振动在良好限值和报警值之间，认为机组振动状态是可接受的(合格)，可长期运行。C级： 尚合格，振动在报警限值和停机限值之间，机组可短期运行，但必须加强监测并采取措施。D级： 不合格，振动超过停机限值，应立即停机。

同时，应根据振动信号时间序列图中振动的幅值和振动持续时间来判断振动是否属于盾构前进过程中产生的固有振动，或者是属于机械故障引起的振动。盾构/TBM前进过程中产生的固有振动具有平稳、幅值较小的特点，机械故障引起的振动具有突变性、幅值较大的特点。

4.2 监测数据分析

由于监测部件较多，本文对2#刀盘驱动泵的监测数据进行分析。取2#刀盘驱动泵上某时段的监测信息，主要依据径向速度对部件的振动状态进行判断，其速度即对应振动烈度。将2#刀盘驱动泵某时段的径向速度监测数据转化为茎图，如图6所示。

图6 2#刀盘驱动泵某时段的径向速度茎图

Fig. 6 Stem diagram of radial velocity of drive pump of disc cutter No. 2

由图6可知，刀盘驱动泵的径向振动烈度大部分时间处于A级和B级，即振动状态良好。部分间断时间点的径向速度值较大，振动状态属于C级或D级，即应该对该部件加强监测。由于盾构掘进过程中会产生振动，只有当监测数据连续处于D级时，才对盾构做停机处理。图6所示刀盘驱动泵的径向振动烈度未出现连续的异常监测数值，表明该时段刀盘驱动泵的振动状态良好。

5 结论与讨论

本文提出的盾构/TBM专用振动监测传感器VM-BOX实现了对盾构/TBM关键部件在工作过程中振动、温度的实时监测，能够对设备磨损状况及设备故障进行精准化、科学化管理。

专用振动监测传感器能够获得连续的监测数据，为判断该部件的运行趋势提供参数依据，为进一步实现监测数据的智能化处理、对监测数据进行智能判断提供研究基础。

对盾构刀盘系统进行实时监测，监测数据能够为生产厂家对刀盘的改进提供帮助，进而提升国内装备制造能力。

振动传感器在采集刀盘振动数据时，无法消除外界振动信号所产生的干扰，对监测数据的采集和判断会产生一定影响，需要开展进一步研究以消除外界振动信号的干扰。

参考文献(References)：

[1] 洪开荣. 我国隧道及地下工程近两年的发展与展望[J]. 隧道建设, 2017, 37(2): 123.

HONG Kairong. Development and prospects of tunnels and underground works in China in recent two years [J]. Tunnel Construction, 2017, 37(2): 123.

[2] 吴银成. 盾构机掘进煤矿巷道保护装置设计[J].煤矿安全, 2015, 46(4): 118.

WU Yincheng. Protector design for shield tunneling excavation coal roadway [J]. Safety in Coal Mines, 2015, 46(4): 118.

[3] 张顶立. 隧道及地下工程的基本问题及其研究进展[J]. 力学学报, 2017, 49(1): 1.

ZHANG Dingli. Essential issues and their research progress in tunnel and underground engineering [J]. Chinese Journal of Theoretical and Applied Mechanics, 2017, 49(1): 1.

[4] 刘怀印. 盾构刀盘驱动系统节能技术研究[D].杭州: 浙江大学, 2012.

LIU Huaiyin. Research on energy saving technology for cutterhead drive system of shield tunneling machine [D]. Hangzhou: Zhejiang University, 2012.

[5] 徐伟. 嵌入式智能轴承故障诊断仪的设计研究[D]. 南京: 东南大学, 2016.

XU Wei. Design and realization of an embedded bearing fault diagnostic instrument[D]. Nanjing: Southeast University, 2016.

[6] 沈长青. 旋转机械设备关键部件故障诊断与预测方法研究[D].合肥: 中国科学技术大学, 2014.

SHEN Changqing. Research on fault diagnosis and prognosis for key components of rotating machinery[D].Hefei: University of Science and Technology of China, 2014.

[7] 陈传林. 盾构关键部件在线监测和维护技术研究[J]. 地下工程与隧道, 2017(2): 34.

CHEN Chuanlin. On-line monitoring and maintaining technologies of key components of shield machine[J]. Underground Engineering and Tunnels, 2017(2): 34.

[8] 左庆林. 盾构机关键设备状态监测与故障诊断研究[D].石家庄: 石家庄铁道大学, 2014.

ZUO Qinglin. Research on condition detection and fault diagnosis of key equipment of shield machine [D].Shijiazhuang: Shijiazhuang Tiedao University, 2014.

[9] 吴玉鹏. 基于CC-LINK的EPB盾构机刀盘驱动监控系统设计[D].柳州： 广西工学院, 2011.

WU Yupeng. Design of drive monitoring system for EPB shield machine tool based on CC-LINK [D]. Liuzhou: Guangxi University of Technology, 2011.

[10] 华伟. 基于多小波变换的矿用齿轮箱故障诊断研究[D].北京: 中国矿业大学, 2017.

HUA Wei. Fault diagnosis research of mine gearbox based on multi-wavelets transform method[D].Beijing: China University of Mining & Technology, 2017.

[11] 潘作为. 大功率电站风机振动监测及故障诊断方法研究[D].北京: 华北电力大学, 2016.

PAN Zuowei. Research on vibration feature analysis and fault diagnosis of high-power fans used in power plant [D]. Beijing: North China Electric Power University,2016.