基于点布点算法的设备关键部位传感器选址法*

李永翠 张 蕾 林建成 李 波

1 青岛新前湾集装箱码头有限责任公司 2 青岛港国际股份有限公司

1 引言

随着港口自动化加速发展，自动化岸边集装箱起重机、轨道式龙门起重机、轮胎式龙门起重机等设备在自动化集装箱码头得到广泛应用[1-3]。为保证设备全天候安全和高效运行，对设备维保工作提出非常严苛的要求。由于设备运行状态、健康状态、故障状态需要技术人员、操作人员现场检查获取，定期维护和日常巡检两种较为传统的方式不能满足现代化港口设备的维保要求，且设备维护、维修工作比较复杂，信息获取的手段落后，无法做到设备故障的预防为主[4-5]。目前，可通过加装传感器采集设备关键部位振动数据进行分析，达到设备故障预警效果，传感器安装位置选择是准确采集数据的关键。

为此，研究一种集装箱码头设备监测传感器安装选址方法，能够保证码头设备传感器数据收集的准确性与可靠性，且不影响码头设备的正常工作与日常维护，有助于提高码头设备的健康监控效果。

2 点布点选址算法

在港口大型装卸设备的局部凸型单联通结构中设置以下参数：声波在本单连通结构上的传播速度v；声波在本单连通结构上的传播频率h；声波在本单连通结构上的传播波长λ。

绘制凸连通结构的3维视图，得到它的覆盖区域V；在区域V内，任意选择一个点，记为I0。如果I0是顶点，则将它记为B0；若非顶点，从I0出发，在区域V内搜索它的边界，并沿着边界找到一个顶(尖)点，标记为B0；若处处无顶(尖)点，则任选一个边界点，标记为B0。

图1 算法三维示意图

在B0和B1上加装振动传感器。在B0位置以合适强度敲击凸连通结构，记录数据，其中B0和B1数据序列分别是:X0={x0,1,x0,2,…,x0,k},X1={x1,1,x1,2,…,x1,k}。

将上述序列标准化，以基本点位数据序列为例，令

mi=max{xi,1,xi,2,…,xi,k}

(1)

(2)

最终得到：

(3)

以相同方法，以B0和B1为基点，分别确定B2和B3。

(1)B2到B0、B2到B1的距离的平方和最大，且2个距离分别是λ整数倍，计算C0,2。

(2)B3到B0、B3到B1、B3到B2的距离的平方和最大，3个距离分别是λ整数倍，计算C0,3。

3 现场实验

3.1 传感器安装

港口大型装卸设备监测传感器安装选址方法，应用于码头设备上的局部单联通结构上，该部件为一体构件，而不是通过螺钉连接的分立部件，例如一体成型部件、焊接一体部件等。

依据所提出的选址方法确定的第一安装点B0和第二安装点B1，第一安装点B0位于预安装区域的边界顶点上，为振动最明显的位置；第二安装点B1与第一安装点B0之间满足λ的整数倍关系，则第二安装点B1为振动加强点，故将这2个点作为振动传感器的安装位置，能够保证码头设备传感器数据收集的准确性与可靠性，且不影响设备的正常工作与日常维护，有助于提高码头设备的健康监控效果。

当现场需要安装更多的振动传感器时，可以已搜索到的安装点为基点继续搜索得到更多的安装点。搜索过程中，满足新搜索到的安装点与已搜索到的安装点之间的距离为λ的整数倍关系，且各距离的平方和最大。

例如，以第一安装点B0和第二安装点B1为基点，搜索第三安装点B2时，满足d12+d22最大，且d1、d2均满足λ的整数倍；其中，d1为B2至B0的距离，d2为B2到B1的距离。

上述更多安装点的确定方式中，用已确定的振动加强点当做基点，能够确保以最快的搜索速度在预安装区域V搜索其他满足条件的振动加强点；一方面通过λ的整数倍关系将安装点全部限定在振动加强点上，另一方面，通过距离平方和最大的条件限定，限定安装点尽可能占据整个预安装区域且不发生重复找点的问题，从而最大程度的反映整块预安装区域采集数据的全面性。

3.2 算法对比实验

针对港口大型装卸设备加装传感器选址，现比较通用的安装方法为3个方向确定1个监测域，设备关键位置的水平H、垂直V、轴向A为传感器最适合安装位置，简称该方法为三向一域。实验分两组，一组是按照“三向一域”方法，二组是按照点布点算法进行实验。为满足实验结果的准确性，在2个基本相同时间点让同一台设备对同一个集装箱在相同工况下进行作业，截取相同工况时间段的数据进行对比(见图2、图3)。

图2 三向一域的实验图谱

图3 点布点算法的实验图谱

从图2、图3信号转换的谱图可清晰展现出，利用点布点算法接收的信号更强，虽然“三向一域”法也能很好确定安装位置，采集的信号振幅和频率都相同，但信号强度不够。在特殊工况振动微弱时，在确定区域使用点可布点算法找出精准点，实现振动共鸣，增强信号。

4 结语

大型集装箱码头设备向自动化和智能化发展，及时和提前发现设备故障进行维保极其重要，也是传统港口向智慧港口发展的重要环节。基于点布点算法的设备关键部位传感器选址法，可提高设备故

障数据的前期采集准确度，为港口设备维护的智能模式发展提供技术支持。未来将通过对该方法采集的数据进行研究，形成设备运行状态的新分析方法，提高设备故障数据分析的精确度，实现港口设备的智慧化管控。