岸桥起升减速箱停机散热模型构建与健康状态快速划分研究*

2021-06-22吕赛格张道兵

机电工程 2021年6期

吕赛格,胡雄,王冰,王微,张道兵

(上海海事大学物流工程学院,上海 201306)

0 引言

作为大型集装箱港口装卸设备的岸桥在促进经济发展中扮演着极其重要的角色[1]。起升机构是岸桥的重要组成部分之一,通常岸桥工作环境恶劣,起升减速箱工作频率高、负载重,会产生大量热量,如果热量得不到良好散发,会使减速箱的温度升高[2],故障、损坏现象会随之出现,这将大大缩短减速箱的使用寿命,进而影响岸桥正常工作。因此,研究起升减速箱散热规律,并快速判断健康状态,对提升岸桥安全监测水平具有重要意义。

目前,对减速箱散热规律的研究已有少量文献。高春慧等[3]对某起升减速箱停机状态下的散热规律进行了研究,通过集总热容法推导出散热温度模型并得出了一些散热规律。YAN Ke等[4]对减速箱内的球轴承保持架在超高转速下的散热特性进行了研究,得出了空气油流量和热沉降与合适的保持架参数紧密相关。张昕冉等[5]对风力发电机内部减速箱的散热进行了初步探讨,分析了减速箱过温的主要影响因素及危害,并提出了多种散热改造方案。但当前大多研究是通过热网络法或有限元法来建立减速箱的稳态温度场分布模型,而对于减速箱非稳态的温度场,即减速箱温度随着时间的变化而时刻发生变化的温度模型构建与分析则很少有研究。

随着机械设备日趋复杂,多数学者倾向于研究机械设备的故障位置或类型,常常忽略其健康状况,而健康状态识别为机械故障诊断奠定坚实的基础[6]。当前最普遍的研究主要是基于振动信号的分析与处理来对减速箱进行健康诊断。振动信号具有丰富的健康状态信息和易于测量的特点,因此,提取足够健康状态信息的特征是减速箱健康诊断的关键[7]。LI Yong-zhuo等[8]基于信号稀疏分解和阶数跟踪技术,提出了一种从减速箱非平稳振动信号中提取故障特征的新方法,用于对减速箱的健康状态识别。侯美慧等[9]以岸桥减速箱为研究对象,基于Weibull和GG模糊聚类对其进行了健康状态识别,划分了健康、亚健康、故障3种状态。BARBIERI N等[10]以汽车变速箱为研究对象,通过比较受损与未受损振动信号的能量级和熵来直接验证变速箱是否存在损伤。CHEN Hui-peng等[11]采用基于深度卷积神经网络的双向振动信号数据融合方法对行星减速箱进行了健康状态识别,并与SVM和BPNN方法进行了比较,其分类准确率明显更高。

虽然大部分设备的故障都可以通过分析振动信号来反映,但现场采集的信号数据往往掺杂着许多干扰信号,使得信号的特征与故障并不是简单对应的关系,从单一的振动信号中提取出判断故障的依据比较麻烦[12]。所以,需要寻求其他的指标来共同完成对设备健康状态的评估,若将几个衡量减速箱健康状态的指标结合起来共同进行分析研究,这将会降低提取判断故障依据的复杂性,并提高减速健康诊断的准确性与可靠性。然而,目前基于温度信号的减速箱状态划分很少有研究。

由于工作状态下,影响减速箱散热的因素过于复杂,因为减速箱的散热系统在整个运行过程中都是起作用的,在工作状态下与在停机状态下的散热系统是相同的,散热条件也是一样的。而在停机状态下研究散热系统,建立散热模型相比于工作状态时影响因素少,较为简单。

综上所述,笔者针对停机状态下的减速箱散热规律及健康诊断进行研究,以上海港某岸桥起升减速箱为研究对象,分析散热机理及影响散热的主要因素,进而建立散热温度模型,从而得到散热规律;最后通过停机散热初始温度的判断对减速箱的健康状态进行快速划分。

1 减速箱的散热温度模型

1.1 散热机理分析

为研究影响某岸桥起升减速箱散热的因素,笔者对其散热机理进行分析。减速箱的热态过程包括产生热量和散发热量的过程[13]。减速箱由啮合齿轮、轴承及齿轮搅动润滑油的摩擦等原因产生热量,通过箱体内润滑油的吸热及箱体表面向空气中传递热量来散发热量,即齿轮、轴承等产生的摩擦热一部分由润滑油吸收,另一部分散失到空气中。正常情况下,润滑油吸收的热量与散失到空气中的热量总和远远大于减速箱内各构件由于摩擦产生的热量,因此会减少减速箱的温升,达到散热的目的。

1.2 影响散热的因素分析

在工作状态下,减速箱的温度受各种因素影响而时刻发生变化,不易分析,而停机状态下的温度曲线是单调下降的,此时只有散热没有产热,只需分析影响散热的因素,主要包括:散热系数、散热表面积、润滑油的品质、润滑油量、初始温度和环境温度等[14]。本文采集高速轴上一处的温度,在减速箱高速轴、润滑油确定的情况下,高速轴的散热系数、散热表面积、润滑油的比热容等为恒定的量。下面分析其余变量对减速箱散热的影响情况:

(1)润滑油油量

在不超过额定油量时,减速箱温度与润滑油量成负相关,即油量越多,吸收的热量越多,减速箱的温度下降越快。但润滑油量越多、吸收的热量越多时,油温会升高,导致粘度减小、流动性增加,进而增加润滑油的泄漏机率,使整个润滑系统油压减小,引起润滑油成膜性能变差,导致减速箱内部构件发生接触磨损,最终使得减速箱频繁发生故障[15]。

(2)初始温度

笔者选取上海港3台岸桥在同一天同一时间段的散热温度数据,3台岸桥构造基本一致,又处于同一环境中,此时的变量为岸桥停机时减速箱的温度,即减速箱开始散热的初始温度。

不同初始温度下,3台岸桥起升减速箱经过相同时间(4 h),测得的温度变化率如表1所示。

表1 不同初始温度下岸桥起升减速箱温度变化率

根据表1可以看出:经过相同时间,初始温度低的减速箱温度变化率比初始温度高的小,即初始温度越高,减速箱温度下降趋势越大。这可能受冷却风扇的调节作用,当温度较高时,风扇会增大自身功率来加快散热的速率。

(3)环境温度

由传热学原理可得,减速箱温度与环境温度成负相关,即环境温度越高,从减速箱散失到空气中的热量就越小,减速箱温度下降的速率就越慢。

1.3 散热温度模型

停机状态下,减速箱只散热不产热。散失的热量一部分由润滑油吸收,一部分则散失到空气中,所以温度T与润滑油吸收的热量Qoil和散失到空气中的热量Qair相关,可表示为:

T=fs(Qoil,Qair)

(1)

式中:fs(Qoil,Qair)—T与Qoil和Qair的函数关系。

影响物质吸热能力的因素有:物质的种类、质量及其温度变化值。对于润滑油,其吸热的公式如下[16]:

Qoil=cmΔt

(2)

式中:c—润滑油的比热容,J/(kg·K);m—润滑油的质量,kg,质量等于体积v乘以密度ρ,润滑油的体积可以等效为润滑油量q;Δt—润滑油温度的变化值,℃。

散失到空气中的热量为:

Qair=αS(T0-Tair)

(3)

式中:α—散热系数,W/(m·K);S—散热表面积,mm2;T0—初始温度,℃;Tair—环境温度,℃。

由式(1～3)可得:

T=f′(c,q,α,S,T0,Tair)

(4)

式中:f′(c,q,α,S,T0,Tair)—T与c,q,α,S,T0和Tair的函数关系。

由1.2分析影响减速箱散热的因素得:c,α和S是确定的,所以温度模型为:

T=g(q,T0,Tair)

(5)

式中:g(q,T0,Tair)—温度T与润滑油量q、初始温度T0和环境温度Tair的函数关系。

2 起升减速箱数据拟合

某岸桥起升机构结构及测点布置示意图如图1所示。

本文需要采集的信号数据为高速轴的振动与温度数据。起升减速箱高速轴上的实际温度、振动加速度传感器测点图如图2所示。

图2 起升减速箱高速轴实际温度、振动加速度传感器测点图

2.1 数据采集

笔者对上海港某岸桥进行数据采集。该岸桥在2009年刚投入使用为健康状态,高速轴轴承在2014年发生故障,并在维修后恢复工作,此处采集了从2009年至2015年,即减速箱从正常工作到故障再到正常工作一个周期的数据。岸桥在工作过程中,会由于台风或者检修等原因,不定时地停机,使得非工作态数据会混杂在工业大数据中,同时也会产生部分由于传感器故障导致的数据缺失。本文在分析前已进行了数据的预处理,祛除了无效数据和缺失数据,所以并不影响研究。

本文涉及的测点编号、名称及其通道如表2所示。

表2 涉及测点的名称及对应通道

2.2 数据预处理

采集的信号包括工作信号和停机信号:工作时的振动信号是有明显的幅值,而停机状态下的振动信号幅值接近地毯值[17];对于温度信号,工作状态下减速箱既产热又散热,温度信号呈现频繁波动的形状,而停机状态下减速箱不产热只散热,则温度信号是单调下降的。

振动信号与温度信号的时序图如图3所示。

图3 振动与温度信号的时域图

圆圈以外为工作状态下的信号,圆圈以内则是停机状态下的信号。

由于现场存在环境噪声等多种因素干扰,采集的数据并不都是完整的,为了提高数据分析与处理的准确性和可靠性,需要对原始数据进行预处理。预处理分为两个阶段:第一个阶段处理毛刺,运用采集系统自带的功能进行毛刺剔除;第二阶段根据研究需要进行处理,包括去除本底噪声、清除空数据和信号平滑处理等。

本文通过系统编程清除空数据,采用局部最小值法去除本底噪声,对由量化误差造成曲线抖动的数据进行平滑处理,得到较为平整光滑的信号。

平滑处理前后的温度信号如图4所示。

图4 平滑处理前后的温度信号

2.3 温度拟合

笔者提取停机状态下的温度数据进行拟合,对数据进行多项式拟合和非线性拟合。不同拟合模型对2011年4月9日至15日中停机状态下的温度数据的拟合情况,如图5所示。

图5 不同模型的拟合结果

4种拟合模型的拟合度如表3所示。

表3 4种不同模型的拟合度

由图5及表3可以看出,Explinear指数模型的拟合效果最好。笔者选其作为减速箱的散热温度模型,其数学表达式为:

(6)

该模型的拟合参数如表4所示。

表4 Explinear模型拟合参数

笔者对选定的散热温度模型进行可靠性验证:将该模型对2009年至2015年间的停机散热数据进行拟合,其中4组数据的拟合情况如图6所示。

图6 Explinear模型验证

将拟合参数及误差生成报告,如表5所示。

表5 4组验证数据的拟合参数及误差

由表5可以看出,选定的Explinear指数模型拟合效果良好,则将其作为散热温度模型符合减速箱停机散热规律。

高春慧对减速箱的停机散热建立集总热容模型,对数据进行拟合后得到数学模型y=ea+bc+cx2,虽然拟合效果良好,但其只是对减速箱散热模型的建立做了基础性的工作,并没有将拟合出的公式与实际影响散热的因素对应起来。由于篇幅原因,本文将不对两个模型的具体对比进行阐述,会在后续的研究中进行完善。

2.4 停机散热规律

结合停机散热模型及拟合参数、误差整合可以得到以下规律:

(1)上海港某岸桥起升减速箱的停机散热温度曲线呈指数衰减形式,其数学表达式基本符合式(6);(2)曲线拟合得到的Explinear指数模型的参数中,参数p4为负数,参数p2的数量级在4个参数中最大;(3)在拟合过程中参数p2的误差最大,说明p2对减速箱的停机散热影响最大,其对应于影响减速箱停机散热的因素中最重要的因素;(4)从拟合曲线可以看出,停机状态下减速箱的温度先下降很快,当下降到一定程度后,下降趋势变得平缓,即减速箱散热存在着先快后慢的规律。原因是运行结束后,减速箱温度较环境温度高,所以其传递热量的能力较强,热量散失较多,此时温度下降较快;当减速箱温度下降到接近环境温度时,由于温差越来越小,传递热量的能力也随之变小,热量散失较少,此时温度下降趋势变得平缓。

3 减速箱健康状态快速划分

减速箱正常工作时,散热系统是健康的,此时散热远大于产热,停机时的温度较低,即减速箱开始停机散热的初始温度较低;而当减速箱出现故障时,散热系统不能正常运作,产生的热量得不到良好散发,停机时的温度较高,即减速箱开始停机散热的初始温度较高。由此可得,减速箱的状态与其停机散热的初始温度相关联,将其作为减速箱健康状态快速划分的依据。

基于停机散热初始温度的减速箱状态快速划分流程图如图7所示。