基于MSET的起重机变频器工作状态评估

杜明泽，俞乾漪

基于MSET的起重机变频器工作状态评估

杜明泽，俞乾漪

（上海海事大学 物流工程学院，上海 201306）

变频器通过将工频电源转换成任意电压、任意频率交流电源实现电机调速，由于其调速性能优良、高效节能等优点，已经广泛应用于港口起重机。本文根据集装箱起重机起升机构作业工况特征,使用多元状态估计技术（MSET）建立适用于起升机构变频器的状态评估方法。首先,根据起升机构变频器工作特性建立了状态评估向量，采用欧氏标准差作为非线性运算符，通过计算当前观测特征向量与历史特征向量之间的相似性程度，得出估计残差，进而判断变频器当前工作状态。最后，本文以实际集装箱起重机运行数据为例，验证了本文所述方法简单、实用、有效。

MSET；变频器；集装箱起重机；状态评估

0 前言

随着工业自动化程度的不断提高和能源全球性短缺，变频器在港口机械方面得到了非常广泛的应用。采用交流变频调速技术的起重机具有精确定位、运行平稳、起动与制动平缓、操作灵活、现场适应性好、发热损耗小等优点，因此变频器是起重机非常重要的部件之一。传统的先出现故障再进行检测维修的方法对起重机的工作效率有较大影响，而预防性的设备维护则可以预防和发现设备在运行中可能给将来运行造成损坏或潜在的危害，实现生产工作不中断的理想化状态，生产效率最大化。实验结果表明,MSET可明显呈现故障状态下的信号特征，从而正确且有效地评估变频器工作状态，以实现变频器故障诊断的早期检测,最大限度地降低故障损失。

本文采用多元状态估计技术（MSET，multivariate State Estimation Technique）对变频器运行状态进行评估，从而实现对起重机用变频器运行状态的早期预测、诊断。MSET作为一种非参数、非线性的多元回归技术，最早是由美国阿尔贡国立实验室旨在检测核电厂中传感器、设备以及运行参数的初始劣化点而开发的，迄今已在许多工业领域中取得了广泛的成功应用[1]。MSET对用于过程监视的一组相关参数同时进行分析从而对物理过程进行相似性建模，通过局部插值计算可以做出合理地估计全局范围内的行为[2]。与神经网络不同的是MSET的学习和模型构建过程更加简单快速，因而可更好地满足单系统检测与工业现场的实时性要求[3，4]。

1 起升机构变频器

1.1 变频器的原理及作用

集装箱岸边起重机（简称岸桥）作为装卸集装箱的重要专业设备，需要频繁应用变频器来实现港口机械稳定高效率生产。变频器的基本工作原理是通过整流器将交流变为直流，使用平滑波电路将直流电平滑，利用逆变器将直流电逆变为频率可调的交流电，总体来说就是通过改变电机的工作电源频率方式来控制调整输出电源的电压和频率，从而达到功率因数补偿节能、提高运转精度、过流/过压/过载保护、软启动节能等功能。

1.2 变频器的选择

由于港口机械与其它传动机械相比对变频器需要更加严格的性能与安全上的标准，即需要较大的承载及过载能力和满足频繁的开始、停止而带来的显著振动与冲击。常见的变频器品牌有三菱，西门子，安川电机，ABB, 罗克韦尔等等。不同品牌的变频器在相同功率下过载能力和额定电流值也不尽相同。故在选择使用何种变频器时，不仅要参考额定功率的大小，更要校核额定工作电流，一般选择变频器的功率大于电动机功率10-30%左右。

根据经济适用原则，按照岸桥港机类型、调速范围与起动转矩等要求，决定选用合适的变频器以满足工艺和生产的基本条件。本文研究对象主要选取常年应用于岸桥港机的安川VS676H5L变频器。该变频器是由多组功率单元并联而成，能选择多种运行控制方式且控制电机速度稳定，由此在岸桥的调速控制过程中各工作单元可以相互配合，同时减少了对设备系统的冲击。

2 变频器状态评估MSET模型

2.1 MSET建模原理

MSET的关键在于把各个参数正常工作状态下的运行数据构成历史正常状态矩阵D。假设某一过程或设备共有n个相互关联的测点，设在i时刻时，观测到的n个测点记为观测向量，即

在设备正常工作时，在不同运行工况下，采集m个历史相关测点，组成历史正常状态矩阵[5]

其中，每一列相关测点代表设备的一个正常工作状态，经过合理选择的历史正常状态矩阵中的m个历史相关测点能够代表设备正常运行的整个动态过程。

观测向量 为MSET模型的输入，通过模型计算输出的预测向量为 。对于每一个输入观测向量 ，MSET都会生成一个m维的权值向量W，反映了MEST模型中输入相关测点与历史正常状态矩阵中各向量的相似性。

令输出值与输入值的残差为ε，则

对残差进行极小化，求得权值向量

当两向量相同或相似时，距离为0或接近0；当两向量差异越大，其非线性运算的结果越大。

由式（4）和式（5）得

当设备工作正常时，Xobs位于D所代表的正常工作空间内。与D中的某些历史相关测点距离较近，相应的Xest具有很高的精度。当设备有劣化趋势时，由于动态特性的改变，Xobs将偏离D所代表的正常工作空间，此时Xest的精度会下降，残差ε增大。

2.2 起重机变频器观测向量选择

起重机变频器故障是起重机电控系统故障的重要组成部分，较为严重地影响了起重机的工作效率。针对起重机变频器常见故障，筛选能够表征变频器正常运行状态的重要参数，以实现对变频器工作状态的实时监测评估。

起重机主要有电动机不能正常升速、过电流故障、过电压故障、变频器接地故障和机构运转不稳五大常见故障。其中机构运转不稳主要受起重机外部工作环境影响，因此不在文中深入讨论。起重机电动机不能正常升速主要是由于变频器输入信号不正确、交流电源或变频器输出缺相以及变频器参数中频率或电流设定值偏小三种因素造成。变频器在运行过程中易发生过电流故障，除变频器自身参数设置有问题与负载原因外，电源电压超限或缺相和振荡过流也会导致过流故障。变频器输出时，变频器与滤波器不匹配与起重器受潮进水都会导致变频器接地故障[6]。

表1 起重机变频器观测向量

综上所述，变频器的输入输出电流、输入输出电压、运行频率、电动机转速显然是表征变频器工作状态的重要参数。变频器减速制动时间与加速时间也会影响加速转矩影响中间制动回路电流与电压大小。载波频率影响变频器机械频率与电气频率共振现象，对振荡过流故障有直接影响。此外，变频器温度也是衡量其工作状态的一个重要指标。所以，变频器加减速时间、载波频率大小、变频器温度、室温也是表征变频器工作状态的重要参数。

表2 正常状态观测向量

3 计算案例

3.1 历史正常状态矩阵D构造

通过查找起重机变频器使用说明书和现场工况数据，确定观测向量正常工况历史数据值。对于起重机变频器的每一个相关测点，使用相应测量工具记录统计一个月中正常工况下的数据，构成历史正常状态数据集合，每次进行状态评估时，随机从各个相关测点数据集合中调取的十组数据与正常工况下各点上下限值构成历史正常状态矩阵。该方法能较好地覆盖设备的正常工作空间，以降低评估误差。

根据表2中数据，构成历史正常状态矩阵

3.2 MATLAB计算验证

本文使用ThinkPad T460S（酷睿i5处理器，4GB内存），64位MATLAB2016a进行计算验证。计算过程如下图所示。

图1 MATLAB计算流程图

MATLAB计算程序如下：

T=D';历史正常状态矩阵D转置Xobs=Xobs';观测向量Xobs转置Eu2=zeros(10,1); for i=1∶10 Eu2(i,1)=norm((T(∶,i)-Xobs));求DT与Xobs之间的欧氏距离end Eu1=zeros(10,10); for i=1∶10 for j=1∶10 Eu1(i,j)=norm((T(∶,i)-D(∶,j)));求DT与D之间的欧氏距离end end Xest=D＊pinv(Eu1)＊Eu2;计算输出估计值XestEk= Xobs-Xest;计算残差 ε

选取正常工作状态与故障情况下的两组观测向量Xobs1、Xobs2分别代入已建立的MSET模型中进行计算：

计算得到残差：

显然，由 进行计算得到的残差 接近于0，则表明设备工作状态良好，由 进行计算得到的残差 数值较大，则表明设备出现故障，需要及时查找故障进行维修。

4 结论

本文将非线性多元状态估计技术引入到起重机变频器工作状态的监测评估之中，并采用MATLAB环境实现了该方法的核心计算功能。通过实际数据计算、分析，表明该方法能准确有效地评估起重机变频

器工作状态，能够及时发现设备故障，提醒工作人员进行维修，以防止不必要的损失，提高设备工作效率。

但是不能对故障进行具体分析，因此，下一步还需对各种异常工作状态下的模型输出进行分类研究。

[1]姚 良，李艾华，孙红辉，张振仁.基于MSET和SPRT的内燃机气阀机构振动监测[J].振动工程学报，2009,22(2):150-155.

[2]孙英杰，彭敏俊.基于MSET 和SPRT 的核动力装置异常状态监测技术研究[J].核动力工程，2015,36(3):57-61.

[3]贺 涛，郭群龙.基于MSET的电站锅炉空气预热器状态预测系统[J].中国科技信息，2012,(12):161-162.

[4]王 皓，赵晓蓓，杨东升.基于MSET和SPRT的导弹振动故障诊断[J].测控技术，2015,34(3):59-62.

[5]郭鹏等.风电机组齿轮箱温度趋势状态监测及分析方法[J].中国电机工程学报，2011,(30):43-45. [6]陈寿文，唐先敏.起重机变频器调试与维护中常见故障分析[J].重工与起重技术，2013,118(115):141-146.

Estimation of Crane Variable-frequency Drive Working State based on MSET

YU Qian-yi，DU Ming-ze
(Shanghai Maritime University，Logistics Engineering College，Shanghai 201306，China)

The Variable-frequency Drive (VFD) is used to convert the power frequency power to any voltage and the AC power supply with any frequency is used to realize the speed regulation of the motor. It has been widely used in port crane because of its excellent speed regulation performance, high efficiency and energy saving. According to the operating characteristics of the hoisting mechanism of the container crane, the paper develops a state estimation method based on the multivariate state estimation technique (MSET). First of all, according to the working characteristics of the VFD hoisting mechanism to establish state estimation vectors, using Euclidean Norm as the nonlinear operator and calculating the similarity degree between the observation vector and the historical feature vector to get the estimated residuals, so that it is enable to judge the working state of the VFD depend on the results. At last, take actual container cranes’ run data as an example to prove that the method described in this article is simple, practical and effective.

MSET；Variable-frequency Drive；container crane；state assessment

TP273

A

投稿日期：2017-03-05

杜明泽（1996 — ），就读于上海海事大学；研究方向：岸桥机构的维护与保养。