建筑鉆孔機(jī)械運(yùn)行故障檢測(cè)方法

趙煜焱

摘要：受建筑工程地形的影響，鉆孔機(jī)械在運(yùn)行過程中極易出現(xiàn)故障，為確保施工的安全性，研究一種建筑鉆孔機(jī)械運(yùn)行故障檢測(cè)方法。基于香農(nóng)采樣定律采集鉆孔機(jī)械運(yùn)行故障信號(hào)，以去噪、中心化等步驟預(yù)處理鉆孔機(jī)械運(yùn)行故障信號(hào)，利用函數(shù)型大數(shù)據(jù)擬合故障信號(hào)后，經(jīng)過聚類分析實(shí)現(xiàn)鉆孔機(jī)械運(yùn)行故障的在線檢測(cè)。通過某深基坑支護(hù)工程施工中，對(duì)利勃海爾LB28旋挖鉆機(jī)的6種常見故障的檢測(cè)實(shí)驗(yàn)發(fā)現(xiàn)，本文設(shè)計(jì)方法的故障檢測(cè)結(jié)果均方誤差為0.19，說明該方法的故障檢測(cè)準(zhǔn)確性高，具有一定適用性和應(yīng)用價(jià)值。

關(guān)鍵詞：建筑鉆孔機(jī)械；運(yùn)行故障；故障檢測(cè)；檢測(cè)方法

0? ?引言

深基坑支護(hù)工程對(duì)提升建筑地基承載力非常關(guān)鍵，同時(shí)對(duì)確保建筑工程施工結(jié)構(gòu)的穩(wěn)定性有著重要影響。深基坑支護(hù)工程是一個(gè)施工環(huán)境多變、施工技術(shù)復(fù)雜的項(xiàng)目，應(yīng)用的各類機(jī)械設(shè)備在長(zhǎng)期運(yùn)行過程中極易發(fā)生故障，嚴(yán)重影響著施工效率，甚至可能會(huì)因機(jī)械運(yùn)行故障而引發(fā)安全事故。為了防止此類事故發(fā)生，在施工過程中對(duì)相關(guān)機(jī)械設(shè)備進(jìn)行故障檢測(cè)非常必要。

近年來，建筑施工中的機(jī)械故障檢測(cè)已經(jīng)成為我國眾多學(xué)者關(guān)注的焦點(diǎn)課題之一。梁小康[1]利用譜圖由于聲學(xué)特征設(shè)計(jì)一種故障檢測(cè)方法，以提升旋轉(zhuǎn)機(jī)械故障診斷效率。吳旭濤[2]等人通過多源數(shù)據(jù)融合技術(shù)設(shè)計(jì)一種故障檢測(cè)方法，以有效保障GIS故障檢測(cè)準(zhǔn)確性。本文針對(duì)建筑鉆孔機(jī)械運(yùn)行故障檢測(cè)方法進(jìn)行深入研究，最后利用利勃海爾LB28型旋挖鉆機(jī)進(jìn)行實(shí)驗(yàn)，以驗(yàn)證設(shè)計(jì)方法的有效性。

1? ?鉆孔機(jī)械運(yùn)行故障信號(hào)采集

在建筑鉆孔機(jī)械運(yùn)行過程中，基于香農(nóng)采樣定律不間斷地采集機(jī)械振動(dòng)故障信號(hào)。一般情況下，為防止采集的故障信號(hào)出現(xiàn)混頻，需要設(shè)置一個(gè)較高的采樣頻率。但采樣頻率不能過高，否則可能會(huì)帶來一些冗余信息，從而影響故障檢測(cè)效果[3]。

鉆孔機(jī)械振動(dòng)故障信號(hào)通常具有稀疏性特征，為解決香農(nóng)采樣定律中混頻問題，結(jié)合壓縮感知原理來采集鉆孔機(jī)械運(yùn)行故障信號(hào)[4]。壓縮感知就是通過對(duì)原始稀疏的鉆孔機(jī)械振動(dòng)故障信號(hào)進(jìn)行定域投影，從而將故障信號(hào)中國關(guān)鍵時(shí)頻域特征提取出來，以使香農(nóng)采樣定律的高采樣頻率成為可能。

在鉆孔機(jī)械運(yùn)行故障信號(hào)采集過程中，將故障信號(hào)的稀疏特性作為理論基礎(chǔ)，通過壓縮感知原理將故障信號(hào)進(jìn)行重構(gòu)，再以香農(nóng)采樣定律來采集故障信號(hào)。

2? ?鉆孔機(jī)械運(yùn)行故障信號(hào)預(yù)處理

在利用香農(nóng)采樣定律采集的鉆孔機(jī)械運(yùn)行故障信號(hào)時(shí)，往往會(huì)導(dǎo)致采集信號(hào)中存在一定的干擾噪聲，影響信號(hào)的有效性，所以在進(jìn)行鉆孔機(jī)械運(yùn)行故障在線檢測(cè)前，需要對(duì)采集信號(hào)做去噪處理[5]。綜合考慮建筑鉆孔機(jī)械運(yùn)行故障信號(hào)的特征，本文以單分量分解的形式來去除故障信號(hào)中噪聲信息，表達(dá)式如下：

3? ?鉆孔機(jī)械運(yùn)行故障在線檢測(cè)

在采集的振動(dòng)故障信號(hào)基礎(chǔ)上，可通過分析決策來判斷鉆孔機(jī)械是否存在故障、故障類型以及故障量級(jí)等。本文設(shè)計(jì)在線檢測(cè)方法主要包括故障信號(hào)采集、故障信號(hào)預(yù)處理、故障信號(hào)識(shí)別檢測(cè)等環(huán)節(jié)。關(guān)于故障信號(hào)的采集與預(yù)處理文中上述內(nèi)容已經(jīng)贅述，在此主要針對(duì)故障信號(hào)的識(shí)別檢測(cè)進(jìn)行詳細(xì)介紹。

3.1? ?擬合故障信號(hào)

3.2? ?故障信號(hào)的識(shí)別檢測(cè)

經(jīng)過式（6）擬合后的鉆孔機(jī)械故障信號(hào)，是可以成功進(jìn)行聚類分析的關(guān)鍵。由于聚類分析具有強(qiáng)大的處理性能，所以本文通過聚類分析與數(shù)據(jù)劃分的效果，來實(shí)現(xiàn)鉆孔機(jī)械故障信號(hào)的識(shí)別檢測(cè)。

首先確定鉆孔機(jī)械故障信號(hào)的最優(yōu)輻射半徑，并根據(jù)該半徑求解出運(yùn)行故障信號(hào)的相似性。然后通過下式來判斷信號(hào)之間的距離是否合理。

3.3? ?生成新的聚類方案

當(dāng)存在新增的鉆孔機(jī)械運(yùn)行故障信號(hào)時(shí)，其會(huì)根據(jù)新增信號(hào)的特點(diǎn)與原始聚類中心之間的聚類，來確定一個(gè)新的聚類中心位置，并生成新的聚類方案。由于本文引入了函數(shù)型大數(shù)據(jù)對(duì)故障信號(hào)進(jìn)行擬合，所以聚類算法不會(huì)受新增信號(hào)的影響，仍可以保證故障信號(hào)聚類結(jié)果的準(zhǔn)確性。

4? ?實(shí)例應(yīng)用

4.1? ?工程概況

為驗(yàn)證本文設(shè)計(jì)的建筑鉆孔機(jī)械運(yùn)行故障檢測(cè)方法的可行性，將其應(yīng)用于實(shí)際工程中進(jìn)行實(shí)驗(yàn)測(cè)試。某小區(qū)擬建地塊為矩形，地上總建筑面積約為2.28萬m2，小區(qū)周圍是已建成通車的市政道路。在該工程設(shè)計(jì)方案中，為滿足小區(qū)居民的停車需求，于居民樓地下修建停車場(chǎng)，地下停車場(chǎng)的標(biāo)高為2.2m左右。

4.2? ?確定實(shí)驗(yàn)對(duì)象

為確保基坑支護(hù)結(jié)構(gòu)的穩(wěn)定，該工程采用鉆孔支護(hù)樁結(jié)構(gòu)。在進(jìn)行鉆孔施工時(shí)，主要采用利勃海爾LB28型旋挖鉆機(jī)。采用本文的設(shè)計(jì)方法，對(duì)利勃海爾LB28旋挖鉆機(jī)進(jìn)行故障檢測(cè)實(shí)驗(yàn)。

4.3? ?采集故障類型

為確保本次故障檢測(cè)實(shí)驗(yàn)可以順利完成，實(shí)驗(yàn)開始之前，需要對(duì)該機(jī)械的主要技術(shù)參數(shù)進(jìn)行分析。利勃海爾LB28型旋挖鉆機(jī)技術(shù)參數(shù)如表1所示。

在此基礎(chǔ)上，采集利勃海爾LB28旋挖鉆機(jī)的幾種常見故障類型，并明確它們所反映的故障信息。鉆孔機(jī)械常見故障類型如表2所示：

4.4? ?故障檢測(cè)效果

在該基坑支護(hù)工程施工過程中，收集1000組運(yùn)行數(shù)據(jù)作為故障檢測(cè)實(shí)驗(yàn)的訓(xùn)練與測(cè)試數(shù)據(jù)，并選用基于多源數(shù)據(jù)融合的故障檢測(cè)方法、基于深度學(xué)習(xí)的故障檢測(cè)方法作為，實(shí)驗(yàn)對(duì)照組。

5? ?結(jié)束語

隨著新興技術(shù)設(shè)備的廣泛應(yīng)用，建筑鉆孔機(jī)械的結(jié)構(gòu)越來越復(fù)雜，為確保鉆孔機(jī)可以穩(wěn)定運(yùn)行，保障建筑施工的安全性，本文設(shè)計(jì)一種機(jī)械運(yùn)行故障實(shí)時(shí)檢測(cè)方法，以利勃海爾LB28型旋挖鉆機(jī)為例展開實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，該方法的精確性與實(shí)用性完全滿足建筑鉆孔機(jī)械的檢測(cè)要求。本文僅選用了鉆孔機(jī)械的振動(dòng)故障信號(hào)作為故障檢測(cè)的判斷依據(jù)，今后還需要綜合電流、電壓等信號(hào)，以更好地提升故障檢測(cè)方法的實(shí)用性。

參考文獻(xiàn)

[1] 梁小康.基于譜圖和聲學(xué)特征的旋轉(zhuǎn)機(jī)械故障檢測(cè)方法[J].電子器件，2021，44（3）：737-740.

[2] 吳旭濤，馬云龍，何寧輝，等.基于多源數(shù)據(jù)融合的GIS機(jī)械故障檢測(cè)技術(shù)[J].高壓電器，2022，58（11）：191-196+204.

[3] 沈保明，陳保家，趙春華，等.深度學(xué)習(xí)在機(jī)械設(shè)備故障預(yù)測(cè)與健康管理中的研究綜述[J].機(jī)床與液壓，2021，49（19）：162-171.

[4] 崔旭浩，郗欣甫，孫以澤.數(shù)據(jù)驅(qū)動(dòng)的經(jīng)編機(jī)橫移機(jī)構(gòu)故障檢測(cè)方法研究[J].工程設(shè)計(jì)學(xué)報(bào)，2022，29（3）：263-271.

[5] 田紅彬，王曉楠，劉喜峰，等.采用滑模觀測(cè)器的機(jī)械臂故障檢測(cè)與控制優(yōu)化[J].現(xiàn)代制造工程，2022（1）：91-97.

[6] 包奇， 胡艷華， 朱煒. 強(qiáng)夯機(jī)行走跑偏液壓系統(tǒng)故障的診斷[J]. 工程機(jī)械與維修， 2022（2）：52-54.

[7] 劉寶穩(wěn)，湯容川，馬鉦洲，等.基于S變換D-SVM AlexNet模型的GIS機(jī)械故障診斷與試驗(yàn)分析[J].高電壓技術(shù)，2021，47（7）：2526-2538.

[8] 陳國才.基于函數(shù)型大數(shù)據(jù)聚類分析的機(jī)械故障在線檢測(cè)[J].現(xiàn)代制造工程，2021（6）：142-147+160.

[9] 蔡芳芳. 基于有限元的泵車轉(zhuǎn)塔故障診斷及結(jié)構(gòu)優(yōu)化[J].?工程機(jī)械與維修， 2021（5）：20-21.