电梯振动监测与诊断技术研究

窦岩 张维皓 郭兰中 韩成

摘 要：利用目前监测方法从信息系统中采集并判断电梯曳引机的运行状态，当电梯关键零部件发生严重故障的时候能给予警告并进行报警，用以保障电梯正常安全运行，从而提高电梯运行的可靠性。

关键词：电梯检测;振动监测;振动诊断技术

电梯曳引机运行状态监测是利用监测方法从数据采集到数据信息挖掘过程中，判断被测对象运行状态，在零部件发生故障之前能够给出警告和预报，针对曳引机研发特定的在线运行状态监测系统，实现关键零部件的实时监测和运行健康状态分析是目前研究的重点。

1 电梯传统系统监测诊断

曳引机内部结构和受力情况比较复杂，尤其工况和载荷变化的情况下长期运行，也容易发生故障。常见的故障有齿轮和轴承故障，轴承最为曳引机关键部件，其失效会引起灾难性破坏，常见曳引故障有断齿、齿面疲劳、胶合等;轴承故障有磨损、点蚀、裂纹、表面剥落等等。

2 曳引机装备整机状态评估基本原理及方法

时域统计分析简单、便捷实现在线预警、报警，因此曳引机状态评估与预警通常采用数据时域统计方法。通过数据时域统计分析对曳引机整体状态做出评估，再针对数据具体问题诊断，是电梯曳引机机械故障诊断的常见方法。

（1）振动参量选择。曳引机振动的确定方式有位移、速度和加速度，振动位移可以反映出大小，振动速度可以反应能量，表达振动的破坏力，振动加速度反映冲击力。结合状态评估目的确定其操作可行性，选择振动及速度信号作为被测信号。

（2）振动测试点布置选择。进行数据采集，对于振动测试点布置选择很重要，要提取故障特征，一般选择刚性支撑点，比如机座或轴承座等。根据曳引机实际运行情况，其主轴和轴承所受变化的载荷，容易出现故障，通过监测轴承的振动，发现其潜在故障，测试点应尽量选择靠近轴承的承载区。

（3）振动数据处理方法。振动数据采集时，规定振动数据测试曳引机起动、停止、加减速整个运转过程的振动加速度值，除特殊原因外，引起振动的原因有，轴承座刚度、转速周期性变化，轴刚度的非线性、轴或齿轮磨损偏心及其不平衡。转速周期变化、轴齿轮磨损、偏心和不平衡的振动与转速有直接关系，其余振动同样也会影响转速。数据时域参数和数据指标计算将相应采集数据按时间段划分成n个部分，分开计算某一阶段转速对应的数据时域参数和数据指标，用以减少转速变化引起的振动影响，再将n组数据进行求和再平均，当作为数据的最后指标值。

a rms=1T 0∑nT m=1a2 rms（T m）T i 式中， T i 为曳引机振动测量值 a（t） 的单位计算时间，可根据实际情况取0.1s、1s、2s、4s等值; T 0 为曳引机振动测试的状态评估时间， T 0=∑ni=1T i ; T m 为评估时间 T 0 的时间历程（ T m=T i，2T i，...，nT i ）; a rms（T m） 为测量值 a（t） 单位计算时间 T i 内的均方根值（ rootmeansquare，rms ） a rms（T m）=1T i∫T m T m-T ia2（t）dt 。 KF=1T 0∑nT m=1K e（T m） ，式中，KF为峭度指标， K e（T m）=β（T m）（δ2 a（T m））2 ; β（T m） 为测量值单位计算时间 T i 内的峭度， β（T m）=1T i∫T m T m-T i（a（t）-μ a）4dt ; δ2 a（T m） 为测量值单位计算时间 T i 内的方差， δ2 a（T m）=1T i∫T m T m-T i（a（t）-μ a）2dt ; μ a（T m） 为测量值单位计算时间 T i 内的方差， μ a（T m）=1T i∫T m T m-T ia（t）dt 。 CLF=1T 0∑ne=1L e（T m） 式中，CLF為数据裕度指标; L e（T m） 为测量值 a（t） 单位计算时间 T i 内的数据峭度指标。 L e（T m）=a pe（T m）a re（T m） 式中， a pe（T m） 为测量值 a（t） 单位计算时间 T i 内的峰值， a pe（T m）=E[ max a（t）] ; a re（T m） 为测量值 a（t） 单位计算时间 T i 内的方根幅值， a re（T m）=1T i∫T i T m-T ia（t）dt2 。

3 数据时域统计分析

数据时域统计分析为曳引机装备振动状态评估、实现曳引机振动监测方法。曳引机振动信号时域统计分析是指曳引机振动信号 a（t） 的各种数据时域参数和数据指标评估与计算。当曳引机连续运行可靠性下降时，若曳引机齿轮或轴承磨损、偏心等原因，振动能量必将增大、振动信号中的冲击脉冲增加、冲击幅值增大，振动概率密度函数也将随之缓慢变化。

（1）曳引机数据库知识发掘的基本理论。电梯曳引机装备的运行对其电梯正常运行有着直接地影响。采取电梯离线和在线曳引机装备状态检测和故障诊断系统，通过长期运行数据采集，建立强大数据库，对数据库数据进行分析，进一步理解和分析振动对曳引机正常运行状态的影响。基于曳引机数据库知识发掘为从大量运行数据中提取有效地、潜在地、有用地、新显的被采用模式的方法。模式方法過程有运行数据选择、预处理、变换、挖掘、评估、评价、预期等等，是反复迭代的人机交互处理过程，在电梯实际运行过程中，将曳引机数据库知识发掘过程分为运行数据准备、数据挖掘、数据预期和数据迭代等。

（2）电梯曳引机数据采集数据准备。所谓电梯曳引机数据采集数据准备是在分析电梯曳引机原始运行数据 以产生品质高的数据系列活动，主要包括运行数据集成，数据转换，数据约简和数据清洗等等。在曳引机运行数据库中，按其数据属性进行归类，形成数据概念汇聚点，各数据属性值和数据概念抽象成为数据层次结构，将这种结构成为数据概念树。数据概念树实质上是将一个数据记录合并的处理，本质核心为执行面向各数据属性的归纳。所谓电梯曳引机数据挖掘为基于曳引机数据库知识发现的重要过程，主要是利用数据特点的算法，在一定的数据运算效率范围内，从运行数据中发现其期望之知识，决定整个数据过程的效果与效率。

4 总结

通过大量的持久的电梯曳引机状态的监测，逐渐地建立电梯曳引机装备的振动数据库，并对运行数据处理和维护，在进行信号分析处理的基础上，提出分析和评估曳引机振动状态的方法，确定曳引机振动状态等级及其相应地阈值，对实践工程有参考意义。

参考文献：

[1]徐敏，等.设备故障诊断手册—机械设备状态监测和故障诊断.西安：西安交通大学出版社，1998.

[2]程航.风电装备振动状态评估方法及故障微弱信号监测研究.西安：西安交通大学，2012.