大型齒輪減速機監測、故障智能診斷系統設計
為了實現對大型軋鋼廠齒輪減速機等關鍵設備的在線監測和故障診斷，防止突發性事故的發生，需對這些關鍵設備進行振動、位移、轉速、溫度和電流等參數信號的在線監測，完成信號的拾取、放大、濾波、數據采集、數據處理與數據傳輸，在發生運行異常及故障時及時報警，并診斷出故障的類別及部位。本章從設備特點、設備監測和故障診斷原理及監測系統硬件和軟件實施三方面介紹了對該在線監測和故障診斷系統的設計和研究。
5.1設備特點、設備故障分析
某大型鋼廠的齒輪減速機的齒輪為圓柱斜齒輪，每個齒輪箱中均裝有兩個單級齒輪傳動，兩根輸出軸分別帶動軋機生產線上的上、下軋輥。齒輪傳動比在0.8～1.2之間。該齒輪減速機在軋板生產線中起著增速、減速和動力傳輸作用。由于軋機不斷地處于咬鋼、軋鋼、拋鋼、空轉等狀態，故齒輪箱的工作載荷是交變載荷。齒輪箱齒輪的主要故障是：(1）齒輪輪齒表面的疲勞點蝕、剝落及鑿面磨損；(2）齒輪局部輪齒的斷齒、齒面崩落和齒根裂紋；(3）在很高的動載荷作用下產生的輪齒變形。齒輪箱滾動軸承的主要故障是：(1）內圈、外圈和滾動體的疲勞點蝕剝落；(2）滾動軸承各元件的膠著。
5.2設備監測和故障診斷原理
機械設備在運行中總是會產生振動和噪聲，當運行部件中存在故障隱患時，往往會使振動、噪聲、溫度等物理參數發生某種變化，這種變化僅僅靠人的感官（即使在有自覺性的情況下）是很難發現的，一旦發現，往往是在比較嚴重和危險的階段。本系統通過長期安裝在關鍵設備上的測點測量運行中的振動、溫度和電流等信號，經必要的放大和A/D轉換后進行數字量采集，然后借助于計算機和診斷技術進行分析處理，從而提取振動等各種信號中的有用信息，達到狀態監測、趨勢分析、故障診斷和輔助維修決策的目的。
本系統利用計算機進行信號采集和故障特征提取，利用知識庫中不斷增多的專家知識，采用模糊識別和神經網絡等模型對設備的狀態進行自動識別，根據識別結果提出相應的維修方案或調整運行參數。
5.3監測、診斷系統硬件設計
為完成對關鍵設備進行監測和診斷，監測系統硬件的配置應包括以下六部分：(l）傳感器、放大器；(2）信號處理儀；(3)A/D數據采集卡；(4）工業PC計算機；(5）報警電路；(6）電纜、電源。
在設計以上硬件系統時充分考慮到工廠設備結構復雜、現場干擾因素多、運轉條件惡劣、工藝狀況頻繁變動，如軋機不斷地處于咬鋼、軋鋼、拋鋼、空轉等狀態。為了保證硬件系統能長期可靠地在工廠工作，傳感器、信號處理儀、數據采集卡、計算機等重要關鍵硬件產品應盡量選購國際上一流水平產品或國內廠家生產經受使用考驗的性能優良的產品，參考國內外在線監測和故障診斷系統的硬件配置，并自行設計配制相應附件，實施各項功能，并達到各項技術指標。根據現場調查和專家論證，齒輪減速機的監測和故障診斷為某整個區域的核心和重點。圖5-1是硬件系統構成原理圖。
5.3.1傳感器配置的設計說明
傳感器的配置應重點放在齒輪減速機上。由于齒輪箱的故障振動頻率范圍較寬，且風機的故障振動頻率也要超過1kHz，故選用加速度計測量設備振動量。加速度計有電荷式和ICP式兩種。如要節省成本可選用后者。在既要節省成本又要保證監測和診斷出齒輪減速機的故障，每臺減速機布置三個振動加速度計及一個渦流位移測速計。電機和風機的轉速可用渦流位移傳感器測量。
5.3.2數據采集卡配置的設計說明
由于本硬件系統監測的振動、電流（屬于快變信號）和溫度（屬于慢變信號）是兩類不同性質的信號，故數據采集卡區別采用三種類型的A/D卡，這樣既可以是高工作效率，且更為經濟合理。PCI總線采集卡，總的采樣頻率為1.25MHz/s，這種采集卡在本硬件系統中主要用來采集數臺齒輪箱上的振動加速度和轉速信號；ISA總線采集卡，總的采樣頻率為5OOkHzs，這種采集卡在本硬件系統中主要用于采集齒輪箱的配套設備的振動加速度、電流和轉速信號：XT總線采集卡，總的采樣頻率為100kHz/s，這種采集卡在本硬件系統主要用于采集齒輪箱的配套設備的溫度慢變信號。
5.4監測、診斷系統軟件設計
軟件系統主要完成關鍵設備振動、位移、轉速、溫度、電流信號的數據采集、數據預處理、異常狀態報警及信號分析和故障診斷等工作。
5.4.1軟件系統功能模塊構成
軟件系統功能模塊構成如下：參數設置、采樣、監測、查詢、信號分析、故障趨勢分析、故障診斷、打印和在線幫助。
5.4.2該軟件包具有的特點
1.全面的功能要求
參數設置用來設置采樣數據存放路徑、分析結果存放路徑、采樣頻率、采樣類型和各個采樣通道的傳感器的類型、靈敏度、標定值及單位等。濾波功能可對記錄數據進行低通、高通、帶通濾波，相當于濾波器。監測功能可實現對機組的實時監測、報警，并給出各種統計分析數據。分析功能相當于信號分析儀，可進行報表、時域波形、概率密度、幅值譜、相位譜、功率譜、倒譜、包絡等快速分析。診斷功能采用先進的故障診斷技術，可對機組在復雜工況下出現的各種故障給出及時、準確的判斷，并對故障給出詳細的解釋，可靠性高。
2.簡便的操作程序
軟件在WINDOWS操作系統下運行，界面友好。所有操作及提示全部漢字化，操作簡單明了。軟件一經啟動后，要想實現某一功能，只要通過賞心悅目的菜單用鼠標單擊即可實現，圖形窗口可隨意切換。這樣，軟件既適合于熟練者的快速操作，也適合于初學者的分步查詢操作和學習。
3.快速的采樣分析技術
采樣過程可隨時停止，可連續大容量數據采集，然后轉存入硬盤永久保存。直接存入硬盤時，采樣容量只受硬盤容量大小的限制。采樣通道可任意設置。實現了快速的時、頻域信號處理，分析功能完備，完全能滿足大型軋鋼機組的在線監測與故障診斷的要求。
4.高度的自動化監測
THMDS-SP軟件包與相應的硬件系統結合，可對機組進行多通道實時監測，可一次快速計算出多通道時域波形的最大值、平均值、有效值及其他各種指標。當監測參數超過警戒線時，可自動報警、自動分析并準確診斷出機組可能出現的故障。
5.智能化故障診斷技術
系統對實時采集的數據流進行分析，在正常工作情況下，以綠色顯示安全運行。當某一通道超過門檻值時，給出黃色警告直至紅色報警的訊號，顯示故障的部位、類型等，并對故障給出詳細的解釋，可靠性高。
6.科學的文件管理
THMDS-SP軟件包設計了一套比較完善和科學的文件管理系統。系統一經運行，即可自動進行文件管理，無需人為干預。軟件對所有的文件誤操作進行保護處理，在找不到所需文件時，程序會自動啟動錯誤處理功能，而不會中斷系統。
5.4.3軟件的工作流程
為了適應日益更新的生產實際多種類型參數監測和故障診斷的要求，建立由多臺微機并行運行構成的在線連續實時監測與快速診斷系統。圖5-2為多微機在線監測與診斷系統結構示意圖。這樣做的優點是：
1.信息采集全息化。為全面準確地了解機組運行狀態提供了條件，所采集信息的種類比較全面。根據信號變化的特點，采用不同的采樣頻率，對振動量等快變信號和溫度等慢變信號分別采集，提高了效率。同時對任一參量的信息都采集足夠的通道數，保證了全面了解該參量所反映的機組運行狀態。
2.伏態監測連續化。多微機在線監測與診斷系統不間斷地對每一信息通道進行監則，改變了傳統以機組為單位進行循環監測的工作方式，這對于準確預報機組突發事故有著重要的意義。
3.數據處理實時化。采用這種新的數據處理技術，一大大加快了數據處理的速度，提高了狀態監測與診斷的實時性水平。
4.故障診斷專門化。上位機用于完成系統管理、故障詳細分析、操作信息輸入及監測與診斷結果輸出等工作。進行機組故障的診斷，大多需要占用計算機較長的時間。在傳統系統中，計算機既要進行狀態監測，又要進行故障分析，往往效率不高。采用本系統，上位機可以集中主要“精力”專門進行故障診斷方面的工作，這樣才能達到較高的診斷水平。
軟件的各個模塊通過動態數據和運行狀態數據庫聯系在一起，在下位機中，監測系統控制著動態數據的采集、存儲、顯示和預處理，同時把監測結果存入各機組運行狀態特征數據庫。在上位機中，詳細分析診斷程序塊調用運行狀態數據庫，得出診斷結果并調用打印程序塊輸出。圖5-3為數據流程示意圖，圖5-4為監測系統流程示意圖。
5.4.4系統監測和故障診斷
監測菜單分設備總布置圖、機組配置圖和測點部位三級結構層次以圖形和文字顯示測點情況，監測設備運行。圖5-5是動態顯示所監測的16路加速度、位移、電流波形。當監測信號達到第二級門限值時，由功放輸出卡驅動報警電路，發出聲光報警。
診斷菜單是整個軟件包的核心部分。它分為三部分：(l）典型故障譜圖；(2)知識庫建立及維護；(3）故障診斷。
1.診斷知識庫建立及維護
被授權的專業人員可以通過模塊中的知識編輯自由地增添、刪減或修改診斷知識和模糊關系矩陣，或不斷地積累減速機機組的各故障模式樣本中，再加入到神經網絡的訓練樣板中，通過訓練板中，通過訓練學習可以得到該減速機機組的故障識別神經網絡，從而在該機組的實際故障診為中保證有可靠的高質量的診斷系統。
2.故障診斷
模糊故障診斷數學模型擬采用模糊邏輯診斷方式：
Y=X·R （5-1）
式中：Y——故障向量；X——故障癥狀向量；R——模糊關系矩陣；”·”——模糊數學綜合評判算子。
診斷過程分為兩個步驟：
1）故障癥狀輸入：由計算機軟件自動對故障信號進行FFT和倒譜等分析，根據幅直譜，計算機自動計算故障癥狀向量。
2）診斷輸出：根據故障診斷知識庫，運用模糊邏輯診斷法，得出診斷結果。由診斷模型推導出若干個可能的故障，并規定：
當可能性bi>0.85時，表示確有故障產生：當0.5＜可能性bi<0.85時，表示可能有故障發生；當0.5＜可能性bi時，表示故障不可能發生。
當軋制幾種不同規格的鋼材時，作用在齒輪箱和大電機上的載荷譜是不同的，對應的振動信號也是可能不同的，此時故障癥狀向量也就不同。反映出的零部件的故障類型及程度也不同。只要把故障診斷知識庫做得很周全，且對其進行不折修正，那么，診斷結果可靠性就會逐步提高。
對于剛投入運行的故障診斷知識庫，可能由于現場數據統計不完善和試驗條件限制等原因，使得一些次要的故障漏診。故要對新的故障診斷知識庫通過實際診斷來進行不斷補充和完善。
神經網絡故障診斷模型可進一步提高設備在各種工況下故障診斷的準確性，有關其模型見下一章內容。
5.5小結
對齒輪減速機等關鍵設備的振動、位移、轉速、溫度、電流等多參數進行長期在線監測，在發生運行異常及故障時及時報警和自動診斷，可以防止關鍵設備和整個生產系統發生突發性事故，并進行有指導性的維護和維修，可為企業和國民經濟節約成本、創造財富。本文從設備特點、設備故障分析、設備監測和故漳診斷原理和監測系統硬件及軟件三方面介紹了清華大學設計和研究的TMDS線監測和故障診斷系統，該系統配置簡單、可靠性好、價格合理，現已通過八通道的試驗室和現場系統試驗。
