信息融合技術(shù)在托輥軸承故障診斷中的應(yīng)用

韓濤，胡英貝，張蕾，張文濤，徐振宇

(洛陽軸研科技股份有限公司，河南 洛陽 471039)

由于礦井的環(huán)境條件差，輸送機(jī)用托輥軸承內(nèi)很容易進(jìn)入粉塵，造成軸承非正常振動，轉(zhuǎn)動不靈活，導(dǎo)致軸承損壞直至卡死，此時輸送膠帶則在托輥表面持續(xù)摩擦，使托輥積累大量的熱量，停車后靜止不動的膠帶與卡死的高溫托輥持續(xù)接觸，從而烤燃膠帶，易引發(fā)火災(zāi)。

溫度監(jiān)測是對托輥軸承的主要診斷手段，由于托輥軸承在損壞前一直轉(zhuǎn)動，其表面溫度難以直接測量。而托輥軸不轉(zhuǎn)動且直徑較小，利于表面溫度向托輥軸上傳遞，所以將溫度傳感器安裝在托輥軸端[1]，通過軸的溫度判斷托輥軸承是否出現(xiàn)故障，但實際使用中往往不能及時準(zhǔn)確地反應(yīng)軸承情況。基于此，選用信息融合方法監(jiān)測托輥軸承的各項參數(shù)，達(dá)到對托輥軸承進(jìn)行融合診斷的目的。

1 基于D-S證據(jù)理論的信息融合方法

信息融合診斷系統(tǒng)采用多個傳感器，從多方面探測系統(tǒng)的物理量，對多源的信息和數(shù)據(jù)進(jìn)行分級處理，可精確及時地判斷出系統(tǒng)的狀態(tài)，并給出系統(tǒng)故障狀態(tài)現(xiàn)象及其原因[2]。

1.1 D-S證據(jù)理論

在故障診斷問題中，將各種可能故障的集合定義為識別框架Θ，故障的每一種癥狀為證據(jù)。2Θ表示Θ的所有子集，其中每一個元素代表關(guān)于Θ的一個基元。

1.1.1 基本概率分配函數(shù)

設(shè)Θ為識別框架，m(X)以[0,1]區(qū)間上一個值來賦予2Θ中每一個元素，即：2Θ→[0,1]滿足m(Φ)=0且∑X∈2Θm(X)=1。其作用是把Θ中任意一個子集映射為[0，1]上的一個數(shù)m(X)，m(X)稱為基本概率分配函數(shù)，表示對X的精確信任程度，其憑經(jīng)驗給出或根據(jù)傳感器所得到的數(shù)據(jù)構(gòu)造。

1.1.2 信任函數(shù)

設(shè)Θ為識別框架，Θ上由基本概率分配函數(shù)導(dǎo)出的信任函數(shù)定義為Bel:2Θ→[0，1]，

Bel(X)=∑Y?X,X?Θm(Y),

(1)

滿足：Bel(Θ)=0或Bel(Θ)=1 。信任函數(shù)作為信任區(qū)間的下限，表示對X的全部信任，亦即X中全部子集對應(yīng)的基本信任分配之和。關(guān)于一個命題X只用信任函數(shù)來描述還是不夠的，因為Bel不能反映懷疑X的程度即相信X的不為真的程度。所以為了全面地進(jìn)行描述，對X的信任還必須引入若干表示懷疑X的程度的量。

1.1.3 似然函數(shù)

設(shè)Θ為識別框架，Θ上由基本概率分配函數(shù)導(dǎo)出的似然函數(shù)定義為Pl:2Θ→[0，1]，

(2)

在證據(jù)理論中，可具體表述如下：設(shè)a,b∈(0,1)且a

[Bel(X),Pl(X)]=[0,a] 表示有一些證據(jù)否定X；

[Bel(X),Pl(X)]=[a,1] 表示有一些證據(jù)支持X；

[Bel(X),Pl(X)]=[a,b] 表示有一些證據(jù)既支持X又否定X；

[Bel(X),Pl(X)]=[0,1] 表示證據(jù)對X一無所知；

[Bel(X),Pl(X)]=[1,0] 表示證據(jù)完全相信命題X。

1.2 故障原因分析

由于軸承溫度不僅取決于摩擦力的大小，而且與潤滑效果有直接關(guān)系。所以不但要監(jiān)視軸溫，而且要監(jiān)視潤滑油的油量和溫度。另一方面，由于軸承受力還反應(yīng)在軸的擺度上，故軸承的診斷常輔以機(jī)組振動、擺度的監(jiān)測。托輥軸承故障的主要原因如下：

(1)托輥組徑向載荷過大。輸送機(jī)加料不均勻，造成托輥組振動；轉(zhuǎn)動部分質(zhì)量不平衡、軸線不對中等。

(2)軸承潤滑不良。局部溫度升高導(dǎo)致漏油，使得潤滑油量變小，潤滑不良；軸承密封不嚴(yán)，進(jìn)入粉塵，影響潤滑。

(3)機(jī)組安裝間隙偏小。一般發(fā)生在新托輥組，已運行一段時間的機(jī)組可不考慮此問題。

1.3 故障監(jiān)測及預(yù)處理

根據(jù)以上分析，主要選擇以下監(jiān)測參數(shù)：

(1)托輥軸承處振動。選取振動加速度信號，經(jīng)小波變換去噪及FFT處理后所得的功率譜為振動信息特征，設(shè)振動加速度信號為x1，N為采樣長度，則振動加速度信號的功率譜為

(3)

由上式可得到(N-1)/2個特征向量，從應(yīng)用角度看，特征向量維數(shù)過大，需處理的信息量就大，影響運算速度，所以需要進(jìn)行特征維數(shù)壓縮。為此，對振動信號在頻域中提取能量特征，即將振動信號的功率譜分為若干段，計算每一小段頻帶的能量，以各段頻帶能量的集合作為振動信號的特征向量[3]。

(2)托輥軸溫度。采用溫度變送器監(jiān)測。

(3)托輥組徑向載荷。采用壓力變送器監(jiān)測。

3種參數(shù)分別由加速度傳感器、溫度傳感器以及壓力傳感器測得，并用模糊數(shù)學(xué)方法進(jìn)行處理得到各參數(shù)的特征向量。托輥軸承故障診斷信息融合結(jié)構(gòu)圖如圖1所示。

圖1 托輥軸承故障診斷信息融合結(jié)構(gòu)圖

1.4 故障識別框架的建立

設(shè)N1表示故障目標(biāo)的數(shù)目，N2表示傳感器數(shù)目，Ci(Aj)表示傳感器i對故障Aj的相關(guān)系數(shù)；ai表示i與目標(biāo)之間的相關(guān)系數(shù)；bi表示各目標(biāo)相關(guān)系數(shù)的分布系數(shù)。則傳感器的可靠性系數(shù)Ri為

(4)

故障目標(biāo)Aj和不確定性q的mass函數(shù)為

(5)

(6)

基于以上分析，可建立托輥軸承故障識別框架：Θ={m1，m2，m3}，其中：m1為托輥組徑向載荷過大，m2為軸溫過高，m3為潤滑故障。設(shè)Bel1,Bel2,Bel3為論域上3個獨立證據(jù)的信任函數(shù)，在同一識別框架下，來自3個證據(jù)源的信任分配函數(shù)為m1(X),m2(Y)和m3(Z)，其中的子集元素為X1,X2，…，Xk；Y1，Y2，…Yl和Z1,Z2,…,Zq。

2 示例分析

某煤礦3#輸送機(jī)于2008年改造時安裝了實時監(jiān)控系統(tǒng)，對輸送機(jī)的一些運行參數(shù)進(jìn)行監(jiān)測及數(shù)據(jù)存儲，但并未安裝分析與數(shù)據(jù)融合系統(tǒng)。由于此輸送機(jī)回程段煤粉長期積累，機(jī)尾第二組下托輥卡死，溫度持續(xù)升高，停機(jī)后輸送帶經(jīng)過與機(jī)尾高溫托輥接觸而烤熔，造成扭曲變形，開機(jī)后便出現(xiàn)跑偏等故障，被迫停機(jī)，對生產(chǎn)造成很大的影響。現(xiàn)將跑偏前可能引起軸承故障的參數(shù)進(jìn)行特征提取和分析，各參數(shù)經(jīng)過預(yù)處理并利用上述識別框架進(jìn)行融合處理[4-5]。

利用加速度傳感器、溫度傳感器和壓力傳感器分別測出的數(shù)據(jù)構(gòu)造mass函數(shù)，對于同類傳感器所測數(shù)據(jù)采用平均加權(quán)法進(jìn)行融合處理，得到接近真值的測量值，對于異類傳感器所測得的信息用最小二乘法進(jìn)行融合處理。經(jīng)過特征提取后得到各診斷目標(biāo)的mass函數(shù)及融合診斷結(jié)果，見表1和表2。

表1 3類傳感器數(shù)據(jù)處理后所得的信任函數(shù)值及診斷結(jié)果

選擇Bel(X)>0.5，且m(q)<0.1作為判斷是否存在故障的決策條件,若m(q)>0.1則不能判斷是否存在故障決策條件[4]。

由表1中數(shù)據(jù)可以看出，m(q)均較大無法確定故障，各傳感器監(jiān)測的參數(shù)利用(3)式預(yù)處理后，再利用(5)～(6)式得到各傳感器A1i,A2j,A3k對各故障目標(biāo)A1,A2,A3和不確定性q的mass函數(shù)，然后將所得的各mass函數(shù)按Dempster-Shafer融合規(guī)則進(jìn)行融合，確定新的mass函數(shù),再利用(1)～(2)式計算出信任區(qū)間以及m(q)判斷是否滿足決策條件，從而給出融合診斷結(jié)果，即表2中的數(shù)據(jù)。

表2 融合處理后所得的各診斷目標(biāo)的信任區(qū)間及融合診斷結(jié)果

由表1、表2的數(shù)據(jù)可以得出，由單一傳感器提取出的數(shù)據(jù)不能確定托輥軸承是否處于故障狀態(tài)，經(jīng)過融合處理的結(jié)果表明故障原因是軸溫過高，托輥軸承已磨損破壞，這與造成事故的原因一致。

3 結(jié)束語

將多傳感器信息融合方法引入托輥軸承故障診斷中，采用多傳感器系統(tǒng)綜合監(jiān)測托輥軸承振動、溫度和潤滑，用Dempster-Shafer證據(jù)理論進(jìn)行融合，實現(xiàn)了對托輥軸承的融合診斷，為信息融合技術(shù)在輸送機(jī)托輥軸承故障診斷中的應(yīng)用提供借鑒。