起重机钢丝绳智能在线监测系统设计

李学伟,冯 达,齐永兰,丁海洋,周 强,惠延波

(1.河南工学院 智能工程学院,河南 新乡 453003;2.卫华集团有限公司,河南 新乡 453400;3.河南工业大学 机电工程学院,河南 郑州 450001)

0 引言

随着我国社会经济的发展,起重机被广泛应用到制造业、采矿业、港口码头、航洋开发、建筑等行业。钢丝绳作为起重机的重要构件,由于其在设备长期运行中承受拉伸、腐蚀、挤压、摩擦等外部作用力,造成磨损,出现断丝等现象[1]。钢丝绳更换流程复杂,定期更换钢丝绳虽然能避免较晚更换钢丝绳带来的安全事故,但是过早更换钢丝绳会造成人力、财力的浪费[2,3]。

采用钢丝绳无损检测技术可以很好解决以上问题,全面提升系统的检测效率,保障检测的可靠性和连续性,减小断绳事故的发生率,提高生产效率。钢丝绳无损检测技术涉及到电磁场、信号获取、信号处理、信号分析和模式识别等领域,截至目前,它已经发展出多种方案,但仍存在以下问题:(1)设备复杂度高,检测繁琐;(2)易受环境干扰产生噪声,检测精度低;(3)在线监测困难。因此,本文设计了一种新的起重机钢丝绳智能在线监测系统以解决这些问题。

1 系统方案设计

钢丝绳缺陷主要由三个方面组成:(1)金属截面损失(Loss of Metallic Area,LMA),包括内外部磨损、锈蚀、绳股断裂等;(2)局部损伤(Local Fault,LF),主要表现为断丝、裂纹、点蚀麻点、绳端断丝等;(3)结构损伤(Structure Fault,SF),主要体现为钢丝绳变形、股芯外露、股间隙不均匀和捻距不均等。起重机钢丝绳使用过程中出现的缺陷主要以LMA与LF损伤为主,这两类损伤相较于SF损伤较难被发现,因此,本文在研制起重机钢丝绳在线监测设备中,主要以识别LMA和LF两类缺陷为主要监测目标。

钢丝绳在线监测系统由磁化器、磁阻传感器、位移编码器、信号预处理电路、数据采集、计算机及LabVIEW据处理软件组成,其结构框图如图1所示。

图1 系统结构框图

1.1 漏磁检测基本原理

本系统采用如图2所示方式,利用永磁体作为磁源对钢丝绳进行非饱和磁化,形成励磁回路。如果钢丝绳表面或内部无损伤,钢丝绳局部被磁化,磁通量没有变化;当钢丝绳出现局部损伤(断丝或磨损)时,钢丝绳损伤处磁导率降低,磁阻增大,磁感应线溢出钢丝绳表面,产生漏磁场。利用磁阻传感器检测漏磁信号,将其转换为电信号[4]。电信号经滤波电路和A/D转换模块,传输至计算机,再通过LabVIEW结合小波降噪算法进行数据处理。根据数据处理结果,判断钢丝绳损伤情况。

图2 钢丝绳缺陷监测装置示意图

1.2 检测装置

目前钢丝绳漏磁监测系统常用霍尔元件制作阵列式传感器检测磁感应强度变化,霍尔元件多用InSb和GaAs等半导体材料制作,温度漂移量较大,难以实现统一校准。与传统的霍尔元件相比,隧道磁电阻(TMR)器件以隧道磁电阻作为磁敏器件,具有灵敏度高、功耗低的特点,能够显著改善传感器的灵敏度和温度特性[5,6]。本文采用TMR2701磁阻传感器,传感器布置示意图如图3所示,12个TMR2701磁阻传感器均匀分布在钢丝绳周围。该传感器采用推挽式惠斯通全桥结构设计,包含四个非屏蔽高灵敏度TMR传感器元件。当外加磁场沿平行于传感器敏感方向变化时,惠斯通全桥提供差分电压输出,工作电流随工作电压呈线性关系变化,并且该输出具有良好的温度稳定性。该磁阻传感器使用温度范围-40～125℃,工作电压VCC最大值为7V,饱和磁场强度在-20～20Oe,满足磁场强度检测需求。

图3 传感器布置示意图

2 检测电路设计

2.1 信号预处理电路

由于钢丝绳缺陷产生的漏磁信号微弱,传感器输出信号需经信号预处理装置放大、滤波[7],即由低功耗、轨到轨运算放大器TLV9102对传感器输出信号进行放大处理,然后利用三阶巴特沃斯低通滤波电路消除干扰,电路原理图如图4所示。

图4 信号预处理电路

2.2 数据采集电路

数据采集电路主要是将模拟信号转换为数字信号,并传输至上位机进行处理[8]。本文选用北京阿尔泰科技发展有限公司研发的数据采集卡USB3131A,如图5所示,对预处理电路输出的模拟信号进行采集。该数据采集卡有16路模拟量输入通道,分辨率为16bit,输入阻抗1GΩ,具有低功耗、传输效率高、实时性强、便携、与LabVIEW无缝衔接等优点。

3 基于小波变换的数据降噪算法

本文利用LabVIEW对数据采集卡采集到的数据进行处理,通过检测电压幅值的突变来判断钢丝绳缺陷是否存在。但是受电路噪声影响,输出信号带有随机性的尖峰和突变,造成部分较小的缺陷信号无法辨识而被漏检[9]。

为有效消除噪声,避免钢丝绳缺陷的漏检和误检,提高检测的准确度,必须滤除钢丝绳缺陷信号中的噪声。传统的快速傅里叶变换(Fast Fourier Transform,FFT)仅能分析频域信息,无法分析信号的时域部分,故无法较好地处理突变扰动信号[10]。短时傅里叶变换(Short-time Fourier Transform,STFT)虽然通过窗口在频域信号中滑动,增加了时域信息,但是其窗口大小固定,无法反映信号的突变。而小波变换是将FFT无限长的三角函数基换成了有限长并会衰减的小波基,这样不仅能够获取频域信息,还能获取时域信息[11]。相比STFT,小波变换具有更好的时频窗口特性。在分析低频信号时,其窗口很大;而分析高频信号时,其窗口较小,能聚焦信号的每个细节。因此,本文采用小波变换对采集到的钢丝绳缺陷信号进行处理。

对于任意的f(t)∈L2(R),L2(R)为平方可积空间,连续小波变换为:

a,b∈R,a≠0

(1)

式中,a为伸缩因子,b为平移因子,ψ(t)为一个母小波或基本小波。若a、b为连续值,其重构公式为:

(2)

小波算法是信号降噪的核心模块,其中两个关键问题是估计小波阈值和选取小波函数。首先根据钢丝绳缺陷检测信号和噪声分界点缺点阈值;再根据钢丝绳信号选取小波函数,对钢丝绳缺陷检测信号进行小波分解,以达到去噪效果。

4 实验与结果分析

图6为本文设计的起重机钢丝监测装置实物图,该装置为3D打印,材质为PLA。

图6 起重机钢丝绳在线监测装置实物图

为了对本文所提出的钢丝绳在线监测系统的性能进行验证,接下来以图7所示起重机钢丝绳作为实验对象进行断丝实验测试。该钢丝绳公称直径21mm,单丝直径1mm,捻距120mm,金属截面积197mm2。

(a)钢丝绳单根断丝

(b)钢丝绳3根断丝图7 钢丝绳断丝效果图

图7(a)、(b)中钢丝绳分别有1根断丝和3根断丝,利用本文设计的缺陷在线监测系统对其进行检测,缺陷检测信号如图8所示。

通过小波滤波处理采集的钢丝绳信号,将原始信号进行4层小波分解,使用‘db5’小波基(Daubechies5小波)对信号进行离散小波变换,分解层包含近似系数和细节系数的小波系数向量,最后对细节函数和近似函数进行1～4层信号的重构。

从图8以看出,钢丝绳缺陷检测信号整体较平稳,小波变换去噪效果明显,可以明显区分出钢丝绳缺陷处信号,并且可以根据缺陷信号幅值大小定量分析缺陷处断丝数量。结合位移编码器,直接根据缺陷信号定位钢丝绳缺陷处,最终实现起重机钢丝绳缺陷的智能化在线监测。

图8 钢丝绳缺陷检测信号

5 结语

目前钢丝绳缺陷检测系统主要存在设备体积大、精度低、输出信号噪声大等问题,导致在线监测难以实现。本文设计了基于漏磁原理的钢丝绳智能在线缺陷监测系统,采用永磁体进行非饱和磁化,同时利用小波变换有效去除监测信号噪声。实验结果表明,该系统可以有效平稳监测信号,提高缺陷信号定性识别的准确度。该缺陷监测系统能准确掌握缺陷数量及位置信息,并且操作简单,准确性高。在未来的研究中,希望进一步探索新的技术,以提高系统抗干扰能力等。