基于振動監(jiān)測和機(jī)器學(xué)習(xí)的堆垛機(jī)天軌靠輪狀態(tài)監(jiān)測

[摘" " 要]通過加裝振動傳感器對堆垛機(jī)進(jìn)行振動監(jiān)測，結(jié)合振動數(shù)據(jù)和堆垛機(jī)的業(yè)務(wù)數(shù)據(jù)，使用機(jī)器學(xué)習(xí)的方法建立評估堆垛機(jī)天軌靠輪損壞程度的模型。通過特征工程盡量避免模型過擬合，得到的模型在堆垛機(jī)其他部分狀態(tài)不發(fā)生重大變化的前提下，可以較為準(zhǔn)確地發(fā)現(xiàn)堆垛機(jī)天軌靠輪的故障。

[關(guān)鍵詞]振動監(jiān)測;機(jī)器學(xué)習(xí);堆垛機(jī);故障診斷

[中圖分類號]TM315 [文獻(xiàn)標(biāo)志碼]A

1 概述

堆垛機(jī)是工廠高架庫的重要組成部分，一旦意外停機(jī)會給工廠造成嚴(yán)重?fù)p失。因此，工廠亟需一種可以監(jiān)測堆垛機(jī)設(shè)備狀態(tài)，診斷堆垛機(jī)故障的方法和工具，保障堆垛機(jī)安全運(yùn)行。

根據(jù)某工廠的堆垛機(jī)維修歷史記錄，堆垛機(jī)最容易發(fā)生故障的部位為地軌和天軌靠輪。根據(jù)維修人員的經(jīng)驗(yàn)，這些故障都會引起堆垛機(jī)的異常振動。地軌的故障主要包括導(dǎo)軌損壞和導(dǎo)軌異物，這兩種故障會導(dǎo)致堆垛機(jī)行駛到故障位置時(shí)振動強(qiáng)度明顯增大。維修人員通過比較堆垛機(jī)在各個(gè)位置上的振動強(qiáng)度，即可較為準(zhǔn)確地判斷導(dǎo)軌磨損程度，發(fā)現(xiàn)導(dǎo)軌異物。天軌靠輪的故障主要包括靠輪磨損和靠輪松脫。和地軌故障不同的是，天軌靠輪故障引起的振動變化比較復(fù)雜，維修人員很難根據(jù)人體感受到的振動，精準(zhǔn)判斷天軌靠輪的故障位置和損壞程度。而且天軌靠輪位于堆垛機(jī)的頂端且大部分被遮掩，檢修也相對困難。

為了幫助維修人員準(zhǔn)確判斷天軌靠輪損壞程度，及時(shí)發(fā)現(xiàn)天軌靠輪故障，可以通過在堆垛機(jī)上加裝振動傳感器來獲取準(zhǔn)確的振動數(shù)據(jù)，然后使用機(jī)器學(xué)習(xí)的方法建立根據(jù)振動數(shù)據(jù)評估天軌靠輪損壞程度的模型，在堆垛機(jī)運(yùn)行時(shí)實(shí)時(shí)判斷各個(gè)天軌靠輪的損壞程度，從而實(shí)現(xiàn)堆垛機(jī)天軌靠輪的狀態(tài)監(jiān)測。

2 振動傳感器安裝和數(shù)據(jù)收集

在堆垛機(jī)上安裝了4組加速度傳感器和陀螺儀，用于收據(jù)堆垛機(jī)的振動數(shù)據(jù)，如圖1所示。

使用BMA280型加速度傳感器，可測量3個(gè)方向的加速度，其測量帶寬為500Hz，設(shè)定量程為±4g。使用bmg160型陀螺儀，可測量3個(gè)方向的角加速度，設(shè)定量程為125°，設(shè)定靈敏度為262.4LSB（°）/S，設(shè)定的測量頻率為100Hz。

為了減少數(shù)據(jù)傳輸和存儲壓力，以1s為間隔對振動數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，將加速度傳感器x，y，z三方向加速度RMS值，陀螺儀x，y，z三方向角加速度RMS值，加速度傳感器合加速度RMS值，陀螺儀合角加速度RMS值，加速度傳感器合加速度最大值和陀螺儀合角加速度最大值存入時(shí)序數(shù)據(jù)庫。

貨箱數(shù)量、貨物種類、接貨位置、卸貨位置等因素也會影響堆垛機(jī)堆垛過程中的振動，可以通過訪問堆垛機(jī)的PLC獲取這部分信息，并將其存儲到時(shí)序數(shù)據(jù)庫中。

由于天軌靠輪真實(shí)故障發(fā)生次數(shù)較少，采用將損壞的天軌靠輪安裝到堆垛機(jī)上的方式，模擬并收集額外的天軌靠輪故障數(shù)據(jù)。

2021年3月開始收集數(shù)據(jù)，2021年4月模擬并收集3、4號靠輪的故障數(shù)據(jù)，2021年5月初對堆垛機(jī)導(dǎo)軌進(jìn)行打磨，2021年5月中下旬模擬并收集1、2號靠輪的故障數(shù)據(jù)，2021年10月模擬少量1～4號靠輪的脫落故障用于模型驗(yàn)證。共收集到約25000次堆垛的相關(guān)數(shù)據(jù)，其中真實(shí)故障或模擬故障的堆垛過程約6000次。

3 天軌靠輪損壞模型訓(xùn)練和驗(yàn)證

使用2021年3—9月的數(shù)據(jù)，按以下方法建立評估天軌靠輪損壞程度的模型。

（1）根據(jù)堆垛機(jī)PLC中的數(shù)據(jù)，按時(shí)間從振動數(shù)據(jù)中切分出堆垛機(jī)每一次堆垛過程的相關(guān)數(shù)據(jù)，并進(jìn)一步從中切分出運(yùn)送階段和返回階段的振動數(shù)據(jù)。

（2）對切分出的各種振動數(shù)據(jù)進(jìn)行DFT變換，得到其頻域數(shù)據(jù)。

（3）對運(yùn)送時(shí)間較短的振動數(shù)據(jù)，采用結(jié)尾補(bǔ)零方式。使得每一次堆垛相同階段振動數(shù)據(jù)的長度相同。

（4）以堆垛機(jī)一次的堆垛過程為粒度，將其各個(gè)階段的振動時(shí)域數(shù)據(jù)、頻域數(shù)據(jù)拼接起來，從而得到建模的輸入數(shù)據(jù)。

（5）根據(jù)維修記錄和故障模擬記錄，按照零件損壞的程度對數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注分?jǐn)?shù)介于0～1，損壞越嚴(yán)重，標(biāo)注分?jǐn)?shù)越高。

（6）統(tǒng)計(jì)同類振動數(shù)據(jù)在每個(gè)時(shí)間點(diǎn)上的最大值、最小值，以（最大值-最小值）×0.05為方差，以0為均值，生成高斯隨機(jī)值，將隨機(jī)值加到真實(shí)數(shù)據(jù)上，產(chǎn)生新的數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)。

（7）根據(jù)貨物種類、運(yùn)送方向、卸貨位置層數(shù)，對堆垛過程進(jìn)行分類，對每一類堆垛過程分別進(jìn)行建模。

（8）使用GBDT算法，使用交叉驗(yàn)證的方式，建立評估1～4號天軌靠輪損壞程度的回歸模型。

使用2021年10月的數(shù)據(jù)對天軌靠輪損壞程度模型進(jìn)行驗(yàn)證，結(jié)果如圖2～圖5所示。

在驗(yàn)證數(shù)據(jù)集上，評估1～4號天軌靠輪損壞程度模型的預(yù)測值和標(biāo)注值之間的均方誤差分別為0.1059，0.1023，0.1320，0.0975。

4 模型效果分析

（1）評估1、2號靠輪損壞程度的模型，可以較為明確地區(qū)分靠輪的損壞狀態(tài)和健康狀態(tài)，但對靠輪損壞程度的評估并不準(zhǔn)確。

（2）評估3、4號靠輪損壞程度的模型，完全無法識別靠輪的故障。

出現(xiàn)上述現(xiàn)象最主要的原因可能是：地軌損壞和天軌靠輪損壞都會引起堆垛機(jī)的異常振動。建模使用的天軌靠輪故障數(shù)據(jù)大部分來源于故障模擬，而模擬的每一個(gè)靠輪的故障都集中在一個(gè)較短時(shí)間內(nèi)。雖然建模前通過特征工程盡量避免，但模型還是發(fā)生了一定程度的過擬合，把一部分當(dāng)時(shí)地軌磨損和異物引起的振動特征當(dāng)做天軌靠輪故障引起的振動特征。這就導(dǎo)致當(dāng)導(dǎo)軌損壞情況發(fā)生變化時(shí)，模型將無法準(zhǔn)確評估天軌靠輪的損壞程度。

5月初，工廠對地軌進(jìn)行了打磨，打磨前后由地軌導(dǎo)致的振動發(fā)生了非常大的變化。3、4號靠輪的故障數(shù)據(jù)收集于地軌打磨前，所以評估3、4號靠輪損壞程度的模型完全無法識別2021年10月的3、4號靠輪的故障。地軌打磨后經(jīng)過近半年的使用，又出現(xiàn)了一定損壞，但損壞程度小于地軌打磨前。因此，學(xué)習(xí)了5月中下旬模擬的1、2號靠輪故障數(shù)據(jù)的模型，雖然還可以區(qū)分靠輪的損壞狀態(tài)和健康狀態(tài)，但對靠輪損壞程度的評估結(jié)果已經(jīng)變得不夠準(zhǔn)確。

5 結(jié)束語

現(xiàn)有模型已經(jīng)可以在堆垛機(jī)其他部分的狀態(tài)不發(fā)生較大變化的前提下，較為準(zhǔn)確地發(fā)現(xiàn)堆垛機(jī)天軌靠輪的故障。如果收集更長時(shí)間的數(shù)據(jù)，讓模型學(xué)習(xí)到各種情況的真實(shí)靠輪故障數(shù)據(jù)，應(yīng)該可以進(jìn)一步降低模型的過擬合。使得模型可以較為準(zhǔn)確地評估不同情況下的天軌靠輪損壞程度，更好地幫助維修人員監(jiān)測堆垛機(jī)的設(shè)備狀態(tài)，及時(shí)發(fā)現(xiàn)靠輪故障，提前安排維修計(jì)劃，保障工廠生產(chǎn)穩(wěn)定。

參考文獻(xiàn)

[1] 周志華. 機(jī)器學(xué)習(xí)[M]. 北京：清華大學(xué)出版社，2016.

[2] 陸建湖，黃文. 機(jī)械設(shè)備振動監(jiān)測與故障診斷的發(fā)展與展望[J]. 儀器儀表與分析監(jiān)測，1999（1）：1-4.

[3] 張帥，劉軍，劉歡. 堆垛機(jī)故障分析與健康狀態(tài)監(jiān)測研究[J]. 設(shè)備管理與維修，2017（6）：35-36.

[4] 劉福善，葛影，閆興華. 堆垛機(jī)常見的故障及原因[J]. 山西冶金，2016，39（3）：124-125.

[5] 陳長征，胡立新，周勃，等. 設(shè)備振動分析與故障診斷技術(shù)[M]. 北京：科學(xué)出版社，2007.

作者簡介

盧忠?guī)r（1988—），男，江蘇連云港人，本科，算法工程師，主要研究方向?yàn)闀r(shí)間序列預(yù)測。