托輥故障檢測過程和方法概述目錄TOC\o"1-3"\h\u12997托輥故障檢測過程和方法概述 126091.1礦用帶式輸送機托輥概述 2236971.1.1托輥結(jié)構(gòu) 2141351.1.2托輥常見故障及其檢測手段 2242911.2托輥磨損程度檢測手段 3312881.2.1現(xiàn)場檢測手段分析 314361.1.2現(xiàn)場采集的托輥音頻信息介紹 4199641.3音頻信息處理 5279401.4托輥音頻信號仿真分析 7托輥是帶式輸送機中至關重要的旋轉(zhuǎn)部件之一，在帶式輸送機運行主要起到減少物料運輸中的摩擦力作用。托輥正常工作時，輥體繞著固定的托輥軸旋轉(zhuǎn)，從而減少了帶式輸送機的運行阻力，但是由于采礦生產(chǎn)現(xiàn)場的復雜條件，容易造成異物入侵托輥，嚴重影響了托輥的正常工作，同時會伴隨著異常噪聲。因為運行環(huán)境潮濕并且具有很多粉塵，這使得托輥表面很容易有異物黏著在其表面，這個時候在托輥的兩側(cè)的阻力會有差異，導致帶式輸送機傳送帶脫離正常的運行位置，出現(xiàn)皮帶跑偏事故，嚴重時甚至會導致托輥轉(zhuǎn)動受到限制，出現(xiàn)停止轉(zhuǎn)動現(xiàn)象，導致托輥表面的溫度急劇升高，在帶式輸送機正常運行時可能不會出現(xiàn)事故，但是當帶式輸送機停機時，高溫故障托輥表面的溫度不能再被工作的傳送帶帶走表面熱量，造成高溫的托輥對傳送帶的局部點進行持續(xù)加熱，可能會引發(fā)傳送帶起火現(xiàn)象，進而可能會對整個運輸產(chǎn)生威脅，造成極大影響。目前采取的基于人工巡檢的方法耗時耗力，效率低下，因此很有必要對帶式輸送機的托輥設備開展故障監(jiān)測，進而實現(xiàn)對帶式輸送機整機安全隱患的監(jiān)測[57]。在研究礦用帶式輸送機托輥故障診斷方法之前，首先對其結(jié)構(gòu)進行簡要介紹。1.1礦用帶式輸送機托輥概述1.1.1托輥結(jié)構(gòu)圖1.1托輥結(jié)構(gòu)圖Fig1.1StructureofMineBeltConveyorIdler托輥結(jié)構(gòu)如上圖1.1所示，其中從左至右包括軸、擋圈、軸承座、密封擋板、軸承以及筒皮[58]。托輥在帶式輸送機物料運輸中對傳送帶進起到承載的作用，而且托輥主軸可以將傳送帶的直線運動轉(zhuǎn)化為托輥繞托輥軸的旋轉(zhuǎn)運動，降低了傳送帶與滾筒之間產(chǎn)生的摩擦力，降低系統(tǒng)運轉(zhuǎn)的所需的驅(qū)動力。1.1.2托輥常見故障及其檢測手段托輥常見的故障有：托輥運轉(zhuǎn)卡頓、筒體表面磨損、托輥表面粘附粉塵、托輥進土、進水、缺油，以及托輥軸承故障中的軸承失效、軸承磨損、軸承缺油等。其中，筒體表面磨損和托輥軸承故障是其主要的故障形式[9]。對于托輥筒體表面磨損，主要是筒體經(jīng)過長期與傳送帶接觸，導致表面厚度減小，當減小到一定程度時，會劃傷皮帶，如果不能及時停機，會嚴重損毀整條傳送帶，因此，實際工業(yè)現(xiàn)場主要通過巡檢工作人員通過游標卡尺、超聲測厚儀等手段進行測量。對于托輥的進土、進水、缺油，以及托輥表面粘附粉塵等故障，主要形成原因都是露天工業(yè)生產(chǎn)現(xiàn)場環(huán)境惡劣所導致的，這幾種故障相較于托輥表面磨損和軸承故障而言，直接影響較小，但是由于這幾中故障難以依靠巡檢工人在巡檢過程中直接對其進行檢測，因此一旦故障積累到一次程度，仍會對生產(chǎn)現(xiàn)場帶來大量的損失[59]。托輥軸承故障主要是現(xiàn)場環(huán)境潮濕引起腐蝕、運行不平穩(wěn)引起振動等導致托輥軸承的早期故障，然后隨著這些早期故障經(jīng)過不斷發(fā)展，軸承進一步惡化導致上述的一些軸承故障；也有一些軸承故障是托輥的密封環(huán)失效，導致了托輥軸承的潤滑失效，出現(xiàn)缺油故障。托輥表面的異常溫度變化主要也是由這些故障振動及潤滑不良所引起的[60]。但是，通過測量溫度的方式很難區(qū)分托輥軸承是因為發(fā)生振動故障還是因為缺油故障，從而導致溫度的異常。因此很難僅僅通過監(jiān)測溫度對其進行故障診斷。目前在大多的理論研究中，對托輥的故障檢測應用比較廣泛的是聲學信號檢測和振動信號檢測。其中對振動信號檢測主要是指通過采集托輥在運行中的振動速度信號或者振動加速度信號，然后對這些信號進行相關的分析和處理，完成相應的故障診斷。這類方法具有故障檢測的成功率高、信號易于采集和處理，適用的場合多等特點[61]。1.2托輥磨損程度檢測手段1.2.1現(xiàn)場檢測手段分析目前，采礦工業(yè)帶式輸送機現(xiàn)場對于托輥磨損程度的檢測主要為直接測量托輥表皮厚度，利用儀器儀表輔助現(xiàn)場巡檢工人在停機巡檢時以直接測量托輥表皮厚度的形式，篩選出實際工業(yè)現(xiàn)場所認為的厚度不達標的托輥（例如，太鋼集團要求篩選出厚度低于2mm），然后記錄上報后進行更換。這種方法的優(yōu)點是精確，能直接了當?shù)牡贸鐾休伒暮穸龋沁@種方法的缺點也十分明顯，檢測的過程過于繁瑣，在現(xiàn)場復雜的工作環(huán)境中，這種復雜的檢測過程會導致巡檢人員在有限的時間內(nèi)，無法完成對每個托輥的檢測，導致現(xiàn)場仍然故障頻發(fā)。為解決太鋼集團嵐縣分公司膠排部門對于托輥磨損程度檢測的問題，項目組多次前往太鋼嵐縣生產(chǎn)現(xiàn)場實地調(diào)研。通過同現(xiàn)場相關負責人以及巡檢工作人員進行交流后，首先提出了基于雙目標定測距的托輥厚度檢測方法。此方法通過對雙目相機進行標定，將左右攝像頭成像進行匹配，得到圖像點到三維空間的轉(zhuǎn)換坐標系，將圖像點還原到三維空間中，進而計算出托輥的直徑，判斷出托輥表皮的厚度。通過實驗分析后發(fā)現(xiàn)，此方法盡管檢測準確率高，檢測速度快，但是由于此方法對現(xiàn)場環(huán)境光照敏感，由于光照角度變化、光照強度變化等環(huán)境因素的影響，拍攝的兩張圖片差別會比較大，這會對圖像匹配算法提出很大的挑戰(zhàn)，且此方法不適合圖像單調(diào)缺乏紋理的環(huán)境，因此該方法盡管在實驗室條件下效果良好，但難以應用于工程實踐中[62]。通過查閱文獻以及同巡檢工人一同實地巡檢后，我們發(fā)現(xiàn)，經(jīng)驗豐富的巡檢工作人員往往能夠通過托輥的聲音對托輥的狀況進行大致的判斷。比如，巡檢工人能在停機巡檢過程中通過敲擊托輥表面所反饋回來的聲音清脆程度大致判斷托輥表皮的磨損程度是否達到低于2毫米，能在日常巡檢過程聽出一些托輥運轉(zhuǎn)過程特征非常明顯的故障。這些依靠經(jīng)驗的手段有時可靠，但這些方法存在極大的不確定性。比如，依靠敲擊托輥表面的回聲判斷表面磨損程度，這種方法跟敲擊的力度等都存在很大的關系。因此，我們從工人的現(xiàn)場經(jīng)驗中獲得靈感，提出了基于托輥的音頻信息的托輥表面磨損程度以及托輥故障檢測模型。通過托輥的音頻特征信息，再配合相應的分類算法，對于原本托輥表面磨損程度檢測的厚度測量問題，將其轉(zhuǎn)化為一個分類問題，不直接測量托輥筒皮的厚度，而是取而代之的判斷托輥表皮的厚度是否低于2mm，這種方法不僅檢測過程便捷，檢測準確率同樣非常高，具備實際可行性。對于托輥的各種故障的檢測問題，同樣通過采集到的相應故障的音頻信息歷史數(shù)據(jù)進行建模，得到故障檢測模型。1.1.2現(xiàn)場采集的托輥音頻信息介紹在太鋼集團實地調(diào)研期間，為解決現(xiàn)場托輥巡檢過程費時費力且故障頻發(fā)等問題，通過在太鋼集團嵐縣分公司膠排部門跟隨巡檢工人進行四次現(xiàn)場巡檢（其中兩次是日常例行巡檢，另外兩次是三天一次的停機巡檢），對托輥表皮磨損、軸承故障以及托輥故障分類分別進行建模。對于停機巡檢過程，為解決測量厚度過程復雜，提出通過敲擊托輥表面所反饋的聲音間接的判斷其表皮厚度是否低于2mm；對于日常巡檢過程，通過對實時運行的托輥的音頻信息進行處理，判斷該托輥的軸承是否發(fā)生故障；對于現(xiàn)場實時運行的托輥，我們在現(xiàn)場選擇了包括正常托輥，托輥缺油、進水、進土以及幾種軸承故障在內(nèi)的共10種音頻數(shù)據(jù)，并利用這些歷史數(shù)據(jù)建模判斷托輥的運行狀態(tài)和所處的故障類型。在太鋼集團現(xiàn)場實地采集到所需的各種托輥的音頻信息后，返回實驗室開展實驗分析。1.3音頻信息處理在敲擊的托輥音頻中，由于采集過程較為粗糙，人為的因素可能帶來干擾，導致采集的信號是非平穩(wěn)、非線性的信號，如果只單獨采用時域分析或者頻域分析方法中的一種，都難以對信號進行完整的分析。因此，本節(jié)采用時頻域分析法將信號的時域信息和頻域信息相結(jié)合，得到對敲擊托輥音頻信號更加完整的描述。其中小波分析是普遍采用的時頻域分析方法[63]。小波分解通過對信號的時域和頻域局部化分析，利用一組正交的、迅速衰減的小波基函數(shù)的平移和縮放，實現(xiàn)對信號進行多尺度分解，將信號分解為高頻部分和低頻部分，然后對低頻部分再進行小波變換，得到下一級的分解信號，最終實現(xiàn)信號在低頻部分的細節(jié)表示。對于一段信號，其小波變換過程如下式所示：（1.1）其中小波基函數(shù)為：（1.2）尺度對應于頻率（反比），平移量τ對應于時間。通過調(diào)節(jié)小波函數(shù)的尺度和平移量分別控制小波函數(shù)的縮放和平移，使得小波變換同時具有時間域和頻域兩種特性。小波包變換[64]計算過程的本質(zhì)和小波變換相同，不同的是小波包既對低頻部分信號再進行分解，同時對信號的高頻部分進行分解，而且這種分解既無冗余，也無疏漏，所以對包含大量中、高頻信息的信號能夠進行更好的時頻局部化分析。(b)圖1.2小波（a）和小波包（b）對三級分解示意圖Fig3.1Waveletpacketfourth-orderdecomposition基于小波包分解提取多尺度空間能量特征的原理是把不同分解尺度上的信號能量求解出來，將這些能量值按尺度順序排列成特征向量供識別使用。根據(jù)連續(xù)信號在小波變換前后的能量守恒可得：（1.3）其中：。式中是的傅里葉變換。將上式改寫，得：（1.4）則信號在尺度上的小波能量譜定義為：（1.5）根據(jù)香農(nóng)熵定義，可得小波包分解第n階第k段能量熵：（1.6）式中：（1.7）其中為階第段所占的總能量的比例；使用小波包分解并結(jié)合能量熵的特征提取方法，可以對信號小波包分解各個子頻帶能量在時頻域分布特征進行定量表示。對某段音頻信號進行階小波包分解，可以得到個小波包能量熵特征。1.4托輥音頻信號仿真分析 對采集到的敲擊托輥的音頻信號，在matlab上繪制得到不同厚度托輥的敲擊所得音頻信號的時域波形圖，如圖1.3所示：圖1.3不同厚度托輥敲擊音頻時域?qū)Ρ葓DFig1.2Timedomaincomparisonofpercussionaudiowithdifferentthicknesses從圖1.3中敲擊的音頻信號時域波形圖可以看出，磨損程度輕微的托輥（表皮厚度大于4mm）和磨損程度嚴重的托輥（低于2mm）在音頻數(shù)據(jù)的時域波形存在較為明顯的差別，其音頻振動信號的特征是不同的。對所采集的托輥敲擊音頻信號利用三階小波包分解對其進行處理，對分解后所得的每一級分解信號，按照式（1.3~1.6）計算出其每一級信號的能量，并得到每級小波包分解信號的能量占總能量的比例，得到結(jié)果如下圖1.4所示。從圖中可以看出，分解后信號的能量主要集中于低頻段部分，而不同厚度的托輥敲擊所得的音頻信號，在小波包分解得到的各頻段所占總體能量的比例存在較為明顯的差別。其中兩者在第一級所占的比例大致接近，都占據(jù)總能量的絕大部分，但第2級至第5級頻段所占的總能量比例存在明顯區(qū)別。圖1.4小波包分解各頻段能量所占比例對比圖Fig1.4proportionofenergyineachfrequencyband對每個托輥的音頻信息通過上述的小波包分解重構(gòu)之后計算所得到的的每一級能量所占總體能量的比例，并將其作為托輥敲擊音頻的特征信息，共得到400組維數(shù)為8維的特征向量，對這400組數(shù)據(jù)，選擇其中244組數(shù)據(jù)作為訓練樣本，剩余156組作為測試樣本。將這400組數(shù)據(jù)，利用支持向量機分類器進行分類，