李志化

摘要：在工廠正常的生產(chǎn)運(yùn)行過(guò)程中，發(fā)動(dòng)機(jī)、生產(chǎn)機(jī)等數(shù)控設(shè)備傳動(dòng)系統(tǒng)一旦出現(xiàn)故障，一方面會(huì)影響工作效率，另外也會(huì)造成額外的設(shè)備維修和折舊成本，目前，我國(guó)傳動(dòng)系統(tǒng)的可用性較低，這與故障率高直接相關(guān)。因此，在SINAMICS S120驅(qū)動(dòng)的傳動(dòng)系統(tǒng)中，加強(qiáng)對(duì)驅(qū)動(dòng)系統(tǒng)的監(jiān)控水平，采取適當(dāng)?shù)氖侄螌?duì)傳動(dòng)系統(tǒng)進(jìn)行預(yù)警和診斷，可以降低傳動(dòng)系統(tǒng)故障發(fā)生率，本文對(duì)傳動(dòng)系統(tǒng)的故障診斷技術(shù)在故障預(yù)警中的應(yīng)用進(jìn)行了詳盡而全面的分析。

關(guān)鍵詞：傳動(dòng)故障預(yù)警;驅(qū)動(dòng)診斷技術(shù);實(shí)踐探析

1 ?傳動(dòng)故障預(yù)警概述

隨著現(xiàn)代生產(chǎn)率的提高，傳動(dòng)系統(tǒng)設(shè)備的結(jié)構(gòu)越來(lái)越復(fù)雜，功能越來(lái)越完善，自動(dòng)化程度也在不斷提高。由于許多因素的影響，設(shè)備將產(chǎn)生突然或逐步的故障。為了確保設(shè)備的穩(wěn)定高效運(yùn)行，采用必要的監(jiān)控方法和故障診斷技術(shù)來(lái)判斷機(jī)械設(shè)備的各種異常情況，實(shí)現(xiàn)對(duì)設(shè)備傳動(dòng)系統(tǒng)故障預(yù)警功能十分重要，為此出現(xiàn)了多種傳動(dòng)系統(tǒng)故障預(yù)警方法。作為傳遞動(dòng)力并與速度匹配的機(jī)械設(shè)備，傳動(dòng)系統(tǒng)如果設(shè)計(jì)、制造不當(dāng)，裝配不當(dāng)，維護(hù)不當(dāng)或過(guò)度疲勞，可能會(huì)導(dǎo)致軸承、絲杠等零件損壞。信號(hào)采集技術(shù)的不斷改進(jìn)也促使各種監(jiān)控信息的不斷融合，并不斷形成一種融合多源數(shù)據(jù)的故障診斷方法。

然而，盡管信號(hào)處理方法和特征提取技術(shù)得到了長(zhǎng)足的發(fā)展，但傳統(tǒng)的設(shè)備狀態(tài)監(jiān)測(cè)和故障預(yù)警仍主要基于局限性理論，即簡(jiǎn)單的單閾值觸發(fā)，仍然缺乏分析和處理的能力。另外，如果故障特征非常不明顯，在實(shí)際運(yùn)行中很難對(duì)關(guān)鍵設(shè)備進(jìn)行故障實(shí)驗(yàn)驗(yàn)證，測(cè)試臺(tái)的模擬測(cè)試驗(yàn)證離實(shí)際應(yīng)用環(huán)境還很遠(yuǎn)。通過(guò)通常使用的簡(jiǎn)單仿真軟件驗(yàn)證很難獲得令人信服的驗(yàn)證結(jié)果。當(dāng)早期故障特征很弱時(shí)，將它們挖出來(lái)并不容易。換句話說(shuō)，尚未對(duì)特定故障的敏感特征進(jìn)行挖掘。

2 ?SINAMICS S120驅(qū)動(dòng)診斷技術(shù)

SINAMICS S120具有非常豐富的控制方法和控制模式，由于傳動(dòng)系統(tǒng)是重型設(shè)備，傳動(dòng)過(guò)程中實(shí)際轉(zhuǎn)矩大小和方向始終在變化，因此有必要對(duì)變頻器的PI參數(shù)增加變比調(diào)整，最終解決了傳輸系統(tǒng)的抖動(dòng)問(wèn)題，使傳輸系統(tǒng)達(dá)到了預(yù)期的效果。此外，該驅(qū)動(dòng)器內(nèi)部還集成了模塊化的整流模塊和逆變器。整流器模塊用于集中整流，并為中間電路提供直流電。它可以為不同的應(yīng)用提供基本整流、反饋整流和有源整流。逆變器模塊是多驅(qū)動(dòng)器設(shè)計(jì)，這個(gè)模塊能夠從系統(tǒng)的直流母線中獲得驅(qū)動(dòng)模塊的電流功率，進(jìn)而對(duì)傳動(dòng)系統(tǒng)的電動(dòng)機(jī)進(jìn)行驅(qū)動(dòng)，通過(guò)連接到公共DC總線，可以在模塊之間交換能量，即，以發(fā)電機(jī)模式運(yùn)行的逆變器模塊產(chǎn)生的能量可以被以電動(dòng)機(jī)模式運(yùn)行的其他逆變器使用。SINAMICS S120在使用過(guò)程中可以進(jìn)行靈活的設(shè)計(jì)，進(jìn)而滿足不同設(shè)備對(duì)驅(qū)動(dòng)系統(tǒng)的具體要求，同時(shí)，SINAMICS S120驅(qū)動(dòng)系統(tǒng)和主運(yùn)動(dòng)控制器的組合使用可用于多軸伺服控制和矢量控制。同時(shí)，SINAMICS S120驅(qū)動(dòng)系統(tǒng)使用場(chǎng)合十分廣泛，用于不同的設(shè)備可以實(shí)現(xiàn)模塊化操作，符合現(xiàn)代自動(dòng)化設(shè)備的大勢(shì)所趨，此外，該驅(qū)動(dòng)系統(tǒng)的動(dòng)態(tài)性能良好，成功實(shí)現(xiàn)了設(shè)備運(yùn)行效率的提升，減小了設(shè)備維修的技術(shù)難度和費(fèi)用，進(jìn)而降低了設(shè)備運(yùn)轉(zhuǎn)的成本，此外驅(qū)動(dòng)的操作界面更容易設(shè)計(jì)和調(diào)試。

2.1 傳統(tǒng)設(shè)備故障診斷技術(shù)

傳統(tǒng)的故障診斷方法通常包括幅值分析、頻域分析和船體分析，利用幅值主參數(shù)可以快速、定性地對(duì)設(shè)備進(jìn)行故障診斷，故障診斷是基于頻譜中的頻率分量和相關(guān)頻率分量的幅值。由于機(jī)車(chē)車(chē)輛換檔信號(hào)往往含有大量的噪聲，機(jī)車(chē)車(chē)輛誤差的特征頻率成分有時(shí)在頻譜上顯示不清楚。對(duì)不同降噪的振動(dòng)信號(hào)進(jìn)行頻譜分析，然后用包絡(luò)檢測(cè)法得到包絡(luò)形式，包含與車(chē)輛診斷相關(guān)的特征信號(hào)。

2.2 振動(dòng)分析

通過(guò)對(duì)傳動(dòng)系統(tǒng)的信號(hào)進(jìn)行分析進(jìn)而對(duì)傳動(dòng)系統(tǒng)的故障實(shí)現(xiàn)診斷是一種常用的故障診斷方法，某些關(guān)鍵設(shè)備的實(shí)時(shí)振動(dòng)信號(hào)監(jiān)控可以實(shí)時(shí)、準(zhǔn)確地反映這些設(shè)備的運(yùn)行狀態(tài)和變化趨勢(shì)。在基于振動(dòng)信號(hào)的故障診斷中：首先，必須選擇合適的加速度傳感器設(shè)定點(diǎn)，以確保所收集的數(shù)據(jù)能夠詳細(xì)、全面地反映設(shè)備的運(yùn)行狀態(tài);其次，首先對(duì)采集到的振動(dòng)信號(hào)的振動(dòng)強(qiáng)度進(jìn)行分析，即在時(shí)域內(nèi)對(duì)振動(dòng)信號(hào)進(jìn)行處理對(duì)傳動(dòng)系統(tǒng)的工作狀態(tài)進(jìn)行判斷，最后利用頻域分析方法進(jìn)行故障預(yù)警，另外可以使用某些特殊的診斷分析方法對(duì)設(shè)備的特定組件進(jìn)行深入分析。

2.3 油液故障分析

在傳動(dòng)系統(tǒng)的狀態(tài)監(jiān)控中，機(jī)油分析主要用于監(jiān)控機(jī)油質(zhì)量并定性分析單元部件的狀態(tài)。國(guó)外的這種監(jiān)測(cè)技術(shù)相對(duì)成熟。一套完整的傳動(dòng)系統(tǒng)油液監(jiān)控系統(tǒng)已經(jīng)開(kāi)發(fā)并廣泛使用。油液分析對(duì)儀器的精度有嚴(yán)格的要求，紅外光譜分析技術(shù)需要復(fù)雜的測(cè)量?jī)x器，這對(duì)監(jiān)測(cè)環(huán)境也有更高的要求，并且更難用于在線監(jiān)測(cè)。油液分析儀見(jiàn)圖1。

2.4 能量故障分析診斷

能量信號(hào)元素的測(cè)量方法，如瞬時(shí)輸入功率，機(jī)械設(shè)備的轉(zhuǎn)矩和速度的測(cè)量進(jìn)而對(duì)系統(tǒng)的故障進(jìn)行分析，這種方法得到了越來(lái)越廣泛的使用，例如采用應(yīng)變測(cè)量技術(shù)。但是由于用于測(cè)量應(yīng)變的光纖傳感器的高昂成本，這種監(jiān)測(cè)技術(shù)并未得到廣泛應(yīng)用。為了解決該問(wèn)題，目前正在開(kāi)發(fā)基于光纖傳感器的低成本監(jiān)視系統(tǒng)。

2.5 利用人工智能技術(shù)進(jìn)行故障診斷

廣義上講，傳動(dòng)系統(tǒng)故障可以理解為傳動(dòng)系統(tǒng)表現(xiàn)出不良特性，人們?cè)O(shè)置故障閾值以進(jìn)行比較，以實(shí)現(xiàn)對(duì)傳動(dòng)系統(tǒng)組件的早期預(yù)警。在這種故障診斷方法中，人們將通過(guò)獲取各種先驗(yàn)信息來(lái)建立傳動(dòng)系統(tǒng)組件的預(yù)測(cè)模型，然后通過(guò)傳動(dòng)系統(tǒng)的預(yù)測(cè)模型來(lái)確定各種故障的預(yù)警標(biāo)準(zhǔn)。在故障警告期間，通過(guò)將確定的故障警告標(biāo)準(zhǔn)與實(shí)時(shí)數(shù)據(jù)進(jìn)行比較來(lái)實(shí)現(xiàn)故障警告。神經(jīng)網(wǎng)絡(luò)已越來(lái)越廣泛地應(yīng)用于故障預(yù)警領(lǐng)域。SINAMICS S120硬件配置見(jiàn)圖2。

3 ?具體實(shí)踐應(yīng)用

3.1 對(duì)驅(qū)動(dòng)系統(tǒng)采用獨(dú)立變量分解方法進(jìn)行機(jī)械故障診斷

其一，可以執(zhí)行信號(hào)的盲源分離，將信號(hào)分解為各種不相關(guān)的空間信號(hào)向量和信號(hào)重建。在信號(hào)源被分離之后，每個(gè)源信號(hào)被進(jìn)一步處理。

其二，可以將信號(hào)進(jìn)行單向分解，目前的算法僅適合于脈沖響應(yīng)函數(shù)相對(duì)簡(jiǎn)單的情況，在這個(gè)部分的算法設(shè)計(jì)過(guò)程中，信號(hào)先被轉(zhuǎn)換為一系列長(zhǎng)度相等的小頻帶進(jìn)而提取信號(hào)的故障信息特征，通過(guò)與最終得出的馬氏距離對(duì)故障進(jìn)行特征提取與分析。

3.2 用XGBoost算法進(jìn)行建模對(duì)系統(tǒng)進(jìn)行故障預(yù)警分析

近年來(lái)，Xtreme（Radiant Boosting，XGBoost）在國(guó)內(nèi)外大數(shù)據(jù)競(jìng)賽中受到“青睞”。XGBoost算法在傳統(tǒng)的梯度提升算法的基礎(chǔ)上引入了并行處理和修剪策略，可以更好地利用計(jì)算資源來(lái)加速目標(biāo)函數(shù)的擬合。XGBoost的快速性和高精度使其在處理大數(shù)據(jù)樣本時(shí)仍具有很高的通用性。因此，可以將XGBoost引入傳輸系統(tǒng)故障的預(yù)警中。XGBoost算法的速度和準(zhǔn)確性使其成為國(guó)內(nèi)外各種大數(shù)據(jù)競(jìng)賽中的?？?，并被廣泛應(yīng)用于醫(yī)療金融等領(lǐng)域。 XGBoost基于傳統(tǒng)的梯度提升算法，對(duì)目標(biāo)函數(shù)執(zhí)行修剪以加快其擬合速度。同時(shí)，XGBoost算法極大地提高了計(jì)算速度。與傳統(tǒng)的梯度增強(qiáng)回歸樹(shù)相比，XGBoost的優(yōu)勢(shì)在于該算法將目標(biāo)函數(shù)擴(kuò)展為二階泰勒公式，將多個(gè)“弱”學(xué)習(xí)模型疊加到“強(qiáng)”學(xué)習(xí)機(jī)中，并結(jié)合了正則化和預(yù)測(cè)項(xiàng)。在簡(jiǎn)化目標(biāo)函數(shù)后從而獲得了最優(yōu)的解決方案。

4 ?結(jié)束語(yǔ)

除了基于振動(dòng)信號(hào)的故障預(yù)警和診斷外，SINAMICS S120系統(tǒng)作為傳動(dòng)系統(tǒng)自動(dòng)控制的核心，還可以快速掌握系統(tǒng)的運(yùn)行狀態(tài)，加快決策速度并快速進(jìn)行診斷。但是，挖掘SINAMICS S120系統(tǒng)數(shù)據(jù)還遠(yuǎn)遠(yuǎn)不夠。對(duì)于設(shè)備的操作，它通常基于單個(gè)閾值警告，并且SINAMICS S120數(shù)據(jù)之間沒(méi)有相關(guān)性。SINAMICS S120數(shù)據(jù)的直接相關(guān)性可以反映驅(qū)動(dòng)器的運(yùn)行狀況，因此進(jìn)一步挖掘SINAMICS S120數(shù)據(jù)之間的關(guān)系可以更好地實(shí)現(xiàn)設(shè)備狀態(tài)監(jiān)測(cè)以及故障預(yù)警和診斷。

參考文獻(xiàn)：

[1]胡勁松，楊世錫.濾波技術(shù)對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)EMD的影響[J].風(fēng)機(jī)技術(shù)，2003，4.

[2]鄧擁軍，王偉，等.EMD方法及Hilbert變換中的邊界問(wèn)題的處理[J].科學(xué)通報(bào)，2001，2.

[3]關(guān)惠鈴，韓捷.設(shè)備故障診斷專家系統(tǒng)原理及實(shí)踐[J].機(jī)械工業(yè)出版社，2000.

[4]韓振南，熊詩(shī)波，李進(jìn)寶.小波神經(jīng)網(wǎng)絡(luò)在齒輪早期故障診斷中的應(yīng)用[J].煤礦機(jī)械，哈爾濱，2003，5.

[5]鮑明，趙淳生.齒輪故障診斷的技術(shù)研究[J].南京航空學(xué)院學(xué)報(bào)，1992，24（5）.

[6]樊可清，屈梁生.基于扭振信號(hào)的齒輪故障診斷研究[J].中國(guó)機(jī)械工程，1999，10（4）.