橋式起重機故障類型與故障診斷方法綜述

劉芳

摘要： 本文首先對橋式起重機的故障類型進行了分類，并對常見的故障診斷方法進行了梳理，以求找到合適的方法對故障進行診斷，減少由故障導致的事故。橋式起重機的組成結(jié)構(gòu)龐大且復雜，而且在它工作時相關(guān)的操作人員比較多，如果發(fā)生事故將會帶來很嚴重的后果。因此，掌握起重機的故障發(fā)生模式，找到合適的方法對其進行分析，具有重要意義。

Abstract： In this paper， the fault types of bridge cranes are classified， and the common fault diagnosis methods are sorted out in order to find the appropriate method to diagnose faults and reduce the accidents caused by faults. The composition of the bridge crane is large and complex， and there are many operators involved in its work， if the accident happened， it will bring very serious consequences. Therefore， it is of great significance to master the failure mode of the crane and find the appropriate method to analyze it.

關(guān)鍵詞： 橋式起重機；故障類型；故障診斷方法

Key words： bridge crane；fault type；fault diagnosis method

中圖分類號：TH21 文獻標識碼：A 文章編號：1006-4311（2017）34-0183-03

0 引言

設備故障診斷技術(shù)，是在1978年由R.A.Collacott博士所提出，主要指查找設備或者系統(tǒng)故障的過程，國際工程界很快地接受了這一概念[1]。而今，設備故障診斷已經(jīng)廣泛運用到了很多領(lǐng)域，得到了更加快速的發(fā)展。

橋式起重機是企業(yè)生產(chǎn)中大型的搬運設備，在日常生產(chǎn)中占有很重要的地位。起重機出現(xiàn)故障甚至會影響到其原來的功能，也可能會帶來嚴重的事故，造成經(jīng)濟損失。因此，它的故障問題是值得關(guān)注并研究的。

本文首先對橋式起重機故障種類進行了分類與分析，然后對故障的診斷方法進行了歸納總結(jié)，試圖找到合適的方法診斷橋式起重機的故障，以期能夠?qū)蚴狡鹬貦C的故障及事故的發(fā)生起到診斷的作用。

1 橋式起重機故障類型分析

由于缺乏有效的管理以及采取措施的不及時造成橋式起重機的事故發(fā)生，帶來人員和財產(chǎn)的損失。因此，尋找恰當?shù)姆椒軌蛟\斷橋式起重機的故障就變得非常重要且有意義。

橋式起重機主要故障形式有制動器、減速器、吊索具、金屬結(jié)構(gòu)以及電氣系統(tǒng)故障這五種類型[2]。

1.1 制動器故障

制動器剎車失靈、制動力矩不穩(wěn)、不抱閘以及打滑發(fā)熱是制動器較容易發(fā)生的故障。工作時，由于制動器過度的磨損或主彈簧的變形而導致剎不住車；力矩不穩(wěn)是由于制動輪不規(guī)律的振動使力矩產(chǎn)生形變；不抱閘以及打滑發(fā)熱是因制動輪表面摩擦減小由油污和雜物的影響造成的。

1.2 減速器故障

減速器在工作時，容易產(chǎn)生的故障是振動異常以及減速器的漏油。振動異常是由緊固減速器底座的螺栓松動或失效，或是構(gòu)件剛度較差，變形導致；減速器的漏油是由排氣孔積塵，或箱體的縫隙，以及通氣孔造成的不均衡的壓力差而導致的。

1.3 吊索具故障

起升機構(gòu)在運行時鋼絲繩跳槽或斷裂、溜鉤、卷筒故障以及“過卷”現(xiàn)象是較容易產(chǎn)生的。鋼絲繩跳槽或斷裂是因鋼絲繩的受力不均及其磨損而導致的；溜鉤是在起升機構(gòu)起吊或下放重物的情況下，制動系統(tǒng)突然失效，重物失去控制而掉落的現(xiàn)象，造成這個現(xiàn)象的原因是制動器和墊片之間的間隙過大；卷筒故障是由卷筒與鋼絲繩間的擠壓與摩擦造成；“過卷”現(xiàn)象是動滑輪沖過定滑輪，是由于抱閘松動、極限開關(guān)和控制線路故障導致。

1.4 金屬結(jié)構(gòu)故障

其與機構(gòu)的疲勞磨損程度等有關(guān)，如果它發(fā)生故障將會造成很嚴重的危害。超負荷情況下運行的起重機，不僅會導致主梁的下沉彎曲還可能造成吊組件的損壞。橋式起重機金屬結(jié)構(gòu)的故障形式主要有以下兩種形式。

1.4.1 軌道故障

車輪啃軌現(xiàn)象是大車在軌道上運行時容易出現(xiàn)的，造成這個現(xiàn)象的原因是橋架結(jié)構(gòu)的疲勞變形，以及兩臺電機在大車啟動時不同時工作，帶來大車車體傾斜的現(xiàn)象，進而對軌道進行啃噬，如果軌道上有雜物等，也會導致大車的啃軌現(xiàn)象。在軌道上運行時小車較易出現(xiàn)“三條腿”以及車輪有時懸空等現(xiàn)象；造成這個現(xiàn)象的原因是車輪制造、安裝或橋架不合標準。小車“三條腿”可能帶來的影響是車體晃動、起重機振動以及運行的不穩(wěn)定。小車打滑是由軌道上的雜物造成的。

1.4.2 主梁故障

有著彈性形變的橋式起重機主梁，因載荷的作用帶來上下?lián)系淖冃?，會在卸下載荷的情況下消失。聯(lián)軸器的斷裂和小車“三條腿”的現(xiàn)象是由主梁下?lián)显斐傻?。主梁的永久變形是由超負荷的運轉(zhuǎn)、高溫腐蝕等以及對結(jié)構(gòu)不當?shù)木S修造成的。

1.5 電氣系統(tǒng)故障

電氣系統(tǒng)主要由電機繞組、串聯(lián)電阻、聯(lián)動線路及交流接觸器組成。當橋式起重機工作時，持續(xù)運行的電阻將會產(chǎn)生大的熱量，如果電阻常在高溫環(huán)境中工作，那么將會使電阻線及其端子的質(zhì)變速度加快，導致阻值的變化，使電機燒毀，造成電阻阻值的不均衡，最終會使大車扭裂。電機的老損是在起重機啟動和關(guān)閉的瞬間由于電壓和功率的變化大而造成的。endprint

2 故障診斷方法

故障診斷方法在縮短維修周期，保持和恢復系統(tǒng)功能，提高維修質(zhì)量和效率以及提高裝備可用性程度方面發(fā)揮了很大的作用?？梢苑譃槿箢悾夯诮馕瞿Ｐ偷姆椒ǎ诙ㄐ阅Ｐ?知識的方法以及基于數(shù)據(jù)驅(qū)動的方法[3]。

2.1 基于解析模型的方法

基于分析模型的方法將診斷對象的數(shù)學模型中的參數(shù)同實際運行過程中的參數(shù)進行比較，得到殘差，然后對計算結(jié)果進行統(tǒng)計分析來實現(xiàn)故障的診斷，其可分為狀態(tài)估計法、等價空間法以及參數(shù)估計法[4]。

狀態(tài)估計法主要是在對設備系統(tǒng)的狀態(tài)能夠觀測的情況下，它是通過將觀測器的輸出與實際輸出形成的對比來組成殘差序列，再對殘差序列的閾值評價進而診斷是否產(chǎn)生故障。在可以得到系統(tǒng)準確的數(shù)學模型的前提下，該方法是最有效的[5]。

等價空間方法是以輸入或輸出（或部分輸出）系統(tǒng)中的實際值的手段來檢測被診斷對象一致性的數(shù)學關(guān)系的方法，來達到檢測故障的目的。該法適合應用于離散系統(tǒng)模型中[6]。

參數(shù)估計法是通過對模型參數(shù)和物理參數(shù)進行統(tǒng)計分析來實現(xiàn)故障的診斷，主要包括基于系統(tǒng)參數(shù)以及基于故障參數(shù)的方法，前者是以系統(tǒng)參數(shù)和響應的過程系數(shù)變化為依據(jù)來檢測和診斷故障；后者是對故障信號進行在線建模，用一定的參數(shù)表現(xiàn)形式來將動態(tài)系統(tǒng)中的故障表達出來，是未知增益形式的乘性參數(shù)或者是附加未知時變函數(shù)項的加性參數(shù)。以上方法都要求有精確的數(shù)學模型進行檢測，并且計算量較大，對復雜系統(tǒng)的故障診斷有一定的難度，因此在實際中的應用范圍很小。

2.2 基于定性模型/知識的方法

基于定性模型/知識的方法主要是依據(jù)過去的經(jīng)驗、工藝知識等進行故障的檢測；在基于定性知識的方法體系中，主要包括以下幾種診斷方法[7]。

專家系統(tǒng)故障診斷方法，指通過模擬專家實際診斷的思路，隨時調(diào)用相應的應用程序，將采集到的被診斷對象的信息進行處理，能夠?qū)⒆罱K故障或是可能性最高的故障快速的找到，最后由用戶來證實[8]。

故障樹分析法（Fault Tree Analysis，F(xiàn)TA）在引導系統(tǒng)最優(yōu)化設計、分析薄弱環(huán)節(jié)以及運行維修方面是有力的工具。它的適用范圍是分析復雜的系統(tǒng)，最終目標是診斷對象中最不想發(fā)生的故障，逐層將造成故障的全部因素找到，直至找出最開始、故障形式已知、不需要再進行下一步分解的因素為止。故障樹分析法是一種演繹推理法，將發(fā)生的故障同其原因表達成樹形圖。將最嚴重的事件或者綜合性的事件作為頂事件，最原始的事件作為底事件，其他事件作為中間事件，事件用字母符號來表示，邏輯門是各個事件間的邏輯關(guān)系，并將此與事件連接成樹形，稱為故障樹。

基于數(shù)據(jù)融合的故障診斷方法是將應用多個傳感器的系統(tǒng)作為對象發(fā)展而來的對信息處理的新研究方向。它歸納分析并處理從各種途徑、各個空間和時間上獲得的有效信息，為決策者提供決策支持及控制依據(jù)，獲得比單一信息源、單一處理機制更加可靠的診斷。數(shù)據(jù)融合模型為圖1所示的三級結(jié)構(gòu)[9]。

2.3 基于數(shù)據(jù)驅(qū)動的方法

基于數(shù)據(jù)驅(qū)動的方法是通過挖掘歷史數(shù)據(jù)，歸納出系統(tǒng)正常工作與非正常工作的屬性特點，從而實現(xiàn)故障診斷。主要有基于統(tǒng)計分析、基于信號分析以及基于定量知識數(shù)據(jù)分析的方法[10]。

基于統(tǒng)計分析的方法主要根據(jù)分析過程中的數(shù)據(jù)統(tǒng)計量，從其中的變化來提取特征。統(tǒng)計理論進行故障診斷是以系統(tǒng)中必須出現(xiàn)故障為前提，否則過程數(shù)據(jù)的特征計量只能在一定的、可以接受的范圍內(nèi)波動。即使不能可靠的預測到每次某個變量具體的觀測數(shù)值，但它的平均值及方差等特征統(tǒng)計量是會保持穩(wěn)定的，這被稱之為特征統(tǒng)計量的可重復性。通過該重復性對指定的變量進行設定特定的門限值，進而對故障進行診斷。

基于信號分析的方法，利用信號處理技術(shù)來分解信號，得到時域和頻域的相關(guān)特征，對故障進行分類診斷，信號處理方法一般有譜分析、小波變換、s變換和希爾伯特-黃變換（HHT）。

基于定量知識數(shù)據(jù)分析的方法不需要定量的數(shù)學模型，它是利用人工智能的技術(shù)來對故障進行診斷。最重要的信息是從過程數(shù)據(jù)中提取，主要方法有基于人工神經(jīng)網(wǎng)絡的方法、基于SVM 的方法以及基于模糊邏輯的方法[11]。

3 總結(jié)

通過對橋式起重機故障類型的分析，發(fā)現(xiàn)橋式起重機的故障種類多而且系統(tǒng)運行復雜，所以本文認為運用故障樹的方法對橋式起重機的故障進行診斷是比較適合的。故障樹作為基于定性經(jīng)驗知識分析的一種方法，它具有靈活性、直觀性、通用性強等優(yōu)點，它能夠充分利用生產(chǎn)過程中的歷史經(jīng)驗、工藝知識等信息，并且具有較完整的理論基礎，相對于其它方法，對于解決故障種類繁多的橋式起重機故障診斷問題具有更大的優(yōu)勢。

參考文獻：

[1]IsermanR. Process fault detection based on modeling and estimation methods asurvey [J]. Automatica，1984，20（4）：387-404.

[2]王文瑞.基于解析模型的微電網(wǎng)故障診斷方法的研究[D]. 上海應用技術(shù)學院，2015.

[3]卞玉濤，李志華.基于專家系統(tǒng)的故障診斷方法的研究與改進[J].電子設計工程，2013，16：83-86，89.

[4]黃道，宋欣.神經(jīng)網(wǎng)絡在化工過程故障診斷中的應用[J].控制工程，2006，13（1）：6-9.

[5]陳玉東，施頌椒，翁正新.動態(tài)系統(tǒng)的故障診斷方法綜述[J]. 化工自動化及儀表，2001，28（3）：1-14.

[6]孫巖.基于解析模型的風力發(fā)電機組魯棒故障診斷方法研究[D].中南大學，2013.

[7]朱大奇，于盛林.基于知識的故障診斷方法綜述[J].安徽工業(yè)大學學報（自然科學版），2002（3）：197-204.

[8]薛光輝，吳淼.機電設備故障診斷方法研究現(xiàn)狀與發(fā)展趨勢[J].煤炭工程，2010（5）：103-105.

[9]Jie Zhang.Improved on-line process fault diagnosis through information fusion in multiple neural netwoeks.Computers and Chemical Engineering.2006.30（1）：558-571.

[10]李晗，蕭德云.基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J].控制與決策，2011，26（1）：1-9.

[11]蘇中鮮.基于數(shù)據(jù)驅(qū)動的工業(yè)過程故障診斷方法綜述[J]. 軟件導刊，2016（3）：149-150.endprint