混匀取料机故障诊断系统的研发与应用

何胜方，王勇，邵世平，王赟，范云飞，卓之穹，韩云龙，陆彪

（1.中国宝武马钢股份有限公司港务原料总厂；2.安徽工业大学，安徽 马鞍山 243000）

1 前言

大型移动机械设备是马钢港务原料公司应用非常广泛的装置，承担着布料、取料等关键生产任务。这些大型移动机械设备的运行安全至关重要，一方面大型移动机械设备的本体损坏或机械设备发生故障，会造成无法布料、取料的相关操作，带来设备维修的经济损失；另一方面无法及时为下游生产工序提供原料，影响钢铁冶炼的正常生产。

随着5G 与工业互联网在马钢港务原料公司的逐步推广应用，大型移动机械设备逐步从有人值守操作过渡到无人值守操作。在有人值守时，通过操作工对机械设备产生的异常振动来判断设备的运行状态是否正常。若发现异常，则马上采取停机检查、维修等相关操作，从而达到降低设备运行故障率的目的。但是，随着工业互联网在港务原料厂的不断深入应用，大型移动机械设备正有序向无人值守自动运行过渡。在这种应用背景下，大型移动机械设备的运行状态缺乏有效的监测手段，无法确保大型移动机械设备的安全稳定运行。

目前，缺乏有效的混匀取料机的故障诊断及报警系统，为了保证混匀取料机的正常运行，在无人值守时，需每隔2h 对取料机进行巡检，并对取料机可能发生的故障，进行记录并报修。依靠巡检完成设备的状态监测，会耗费人力，若取料机突发故障，存在无法给出及时预警的风险。因此，在混匀取料机关键位置（多点）安装传感器获取机械设备运行状态信号的基础上，建立设备故障诊断模型，从而实现混匀取料机的在线智能监测与故障诊断，并对其运行状态进行综合判定，为混匀取料机自动生产提供保证。

2 故障诊断模型

2.1 故障分类识别

混匀取料机故障诊断的基本内容主要包括设备运行状态的监测，运行状态的故障预报，故障类型、部位、原因等方面。需要通过各种有效的检测手段，结合传感器数据分析、特征提取、故障诊断识别等方法，判别机械设备的运行状态，指出发生的故障类型，便于管理人员维修。或者在故障未发生之前，提出可能发生故障的预警，便于管理人员尽早采取措施，避免发生故障或重大故障造成停机，给生产带来的重大经济损失。典型故障分类及信号检测如表1 所示。

表1 典型故障分类及信号检测

2.2 故障诊断模型

根据混匀取料机易出现的5 种故障类型，可知故障2 和故障4 的诊断基于的传感器数据具有缓慢渐进式发生劣化的特征，即这种故障是一个缓慢发生的过程，而非阶跃式突发。说明这2 种典型故障对采集的信号实时性不高，而对其变化过程应高度关注。而其余的故障具有实时突发性，对传感器信号的突变要作出及时反应。故障诊断模型采用逻辑判断与机器学习模型，其中故障1～4 采用逻辑判断模型，故障5 采用机器学习模型进行故障诊断。

2.2.1 逻辑判断模型

为避免传感器信号受干扰引起较大波动带来的计算误差或产生误报警，需对采集的信号数据进行滤波处理，振动数据较大超出传感器量程则会输出传感器故障报警，若在传感器量程范围内则为有效传感器信号。故障1～4均采用逻辑判断模型，有效传感器信号与设定阈值进行比较判断，大于阈值则为故障。其中设定阈值采用在线自动整定方式根据每日数据平均值的2～3 倍自动更新。对于混取机故障2 和4，同时进行振动数据劣化趋势的判断，若每天呈逐渐增大趋势并超过设定阈值，则进行故障预警。

2.2.2 机器学习模型

采用贝叶斯分类器[对混匀取料大车异常振动及啃轨故障进行诊断预测，大车行走机构两侧驱动电机各安装2个振动传感器，根据其安装部位分为4 个类别，每一个类别又分为6 个特征。共1296 个样本数据，由计算程序生成1296×4 个样本的知识表，然后计算先验概率，先验概率的计算初始值采用专家经验赋值法，后期根据传感器采集数据结合现场设备故障发生情况进行修订。然后计算行走机构故障发生的后验概率、故障未发生的后验概率，比较两者大小，假如前者大于后者，则判断此时行走机构出现故障，否则判断为未发生故障。

3 应用实践

采用LabVIEW 开发混匀取料机在线智能监测与故障诊断系统软件，传感器信号由PLC 采集，通过OPC 服务器实时接收，经过诊断系统软件信号滤波处理、数据量化后，实现数据文件自动保存、故障文件自动保存、数据文件定期删除、数据文件查询、故障诊断模型、数据劣化算法及贝叶斯故障诊断模型等功能，实现了小车卷扬滚筒乱绳诊断、斗轮跳链诊断、斗轮料耙角度识别、减速机柱销断裂诊断及大车异常振动等故障的诊断功能，程序界面如图1 所示。

图1 混匀取料机在线智能监测与故障诊断系统主界面

为了验证故障诊断模型的可靠性，对大车异常振动采用的贝叶斯分类器故障诊断模型进行了现场实验验证，采用了垫片和电机抱闸2 种振动产生方法。垫片法即将厚度分别为2mm、4mm、7mm 的垫片置于大车行走机构前进方向轨道上，大车行走机构通过垫片时会产生较大的振动；电机抱闸法即行走机构行走时突然采取抱闸引起机体振动。若诊断程序捕捉到异常振动信号并实时报警，则表明所采用的贝叶斯故障诊断模型对大车异常振动能实现实时报警，实验结果如图2 所示。

图2 贝叶斯故障诊断模型的实验验证

由图2 可知，大车行走机构经过垫片（前进或后退）时，大车机体产生了幅度较大的振动，故障诊断程序捕捉到传感器的异常信号并实时给出了报警。同时，也实验了行走电机抱闸引起的大车异常振动，同样贝叶斯故障诊断程序也实时给出了报警信号，由此表明，基于贝叶斯分类器的故障诊断模型对于大车异常振动的故障诊断是可靠的。

4 结语

为了解决混匀取料机无人值守自动运行时机器设备的安全运行问题，针对混匀取料机生产运行中易出现的主要设备故障，研发了混匀取料机故障诊断系统软件，采用了逻辑判断模型和贝叶斯分类器模型并进行了大车异常振动的实验验证，表明了故障诊断模型的可靠性。混匀取料机故障诊断系统的应用促进了钢铁企业原料厂大型移动设备的自动化、智能化水平，有利于原料工序的安全稳定、连续生产。