转炉悬挂减速机的故障诊断及在线监测故障诊断系统的设计

张 宁

（河钢唐钢设备机动部，河北 唐山 063600）

悬挂减速机是转炉设备的重要组成部件，利用在线监测故障诊断系统实时监测悬挂减速机的运行状态，以及实现潜在故障的准确识别，指导日常维护和检修作业的开展，从而使转炉稳定、健康的运行，切实维护企业的经济效益。由于转炉悬挂减速机的结构组成比较复杂，故障类型多种多样，因此在线监测故障诊断系统应尽可能采集多种信号，如振动信号、电压信号、温度信号等，在此基础上对多种信号进行汇总分析，以提高诊断结果的正确率。BP 神经网络具有强大的学习能力，可通过样本训练的方式提高诊断的精确性，因此基于BP 神经网络的在线检测故障诊断系统在转炉悬挂减速机的运行监测、故障识别中可以发挥良好的应用价值。

1 转炉悬挂减速机的常见故障与诊断方法

1.1 转炉悬挂减速机的常见故障

从结构组成上来看，转炉悬挂减速机的核心部件主要有齿轮、传动轴、滚动轴承等，这些部件出现故障将直接影响减速机的正常运行。

齿轮故障的具体表现形式有误差、磨损、断齿等。造成齿轮故障的原因主要与产品存在质量瑕疵或者装配不良有关。例如安装时轮齿与内孔不同心、各部分的轴线不对中等，齿轮运行后无法完美啮合，从而导致严重磨损[1]。同时，由于齿轮所受载荷较大，如果啮合不良，会加速金属疲劳，导致齿根裂纹甚至是断齿故障。另外，转炉悬挂减速机在运行一段时间后，如果日常维护不到位，加上渣尘侵入，还会导致齿轮润滑不良，也会加剧齿轮的磨损。

轴故障的具体表现形式有轴不平衡、轴不对中以及轴变形等。轴的加工制造质量不合格，或者安装时出现失误，都有可能导致偏心。当轴高速转动时，偏心质量产生较大的离心惯性力，打破了原来的受力平衡，使轴发生不均匀的异常振动。轴在长期振动或者受到较大的瞬时冲击荷载后，容易发生局部弯曲。如果弯曲程度较小，会引起轴上齿轮的齿形误差；如果弯曲程度较大，则会产生较大的冲击能量，严重时还可能造成轴的断裂。

滚动轴承故障的具体表现形式有疲劳剥落、塑性变形、腐蚀、胶合、保持架损坏等。在润滑失效、高速重载的运行环境下，滚动轴承会因为摩擦而产生大量的热，导致零件温度明显升高，表面材料被烧伤后发生胶合现象。在一些投入使用年限较长的设备中，滚动轴承腐蚀现象也比较明显，在受到化学腐蚀、电腐蚀、微振腐蚀的共同影响下，滚动轴承的强度大幅度下降，增加了断裂的风险。

1.2 转炉悬挂减速机的故障诊断

传统以人工经验为主或者借助于检测仪器的故障诊断方法，存在时效性差、精确度不高等问题。基于振动信号提取与分析的线监测故障诊断，具有诊断精度高、可实时识别故障等特点，实用效果更好。其中，振动信号相比于温度信号、电压信号，可以更加直观地反映出被监测工件的实时运行工况，对提高故障诊断的准确度有一定效果[2]。以齿轮故障为例，当齿轮处于带病运行状态时，载荷波动产生幅值调制，转速波动产生频率调制。这时振动信号的谱图上会形成以啮合频率为中心、两个等间隔分布的频带，从而根据谱图确定故障位置，为齿轮故障的查找与确定提供了技术支持。需要注意的是，由于振动信号在传递过程中会发生衰减，以及其他因素的干扰（如噪声干燥），可能会对故障诊断结果的精确性造成影响。因此，在采集振动信号以后，一方面是需要对信号进行降噪、滤波等一系列预处理；另一方面还要使用人工智能技术（如BP 神经网络、专家系统等）对振动信号进行分析，最终确定故障。

2 转炉悬挂减速机在线监测故障诊断系统的设计

2.1 在线监测故障诊断系统的结构组成

该系统主要包括前端数据采集模块（振动传感器、电压传感器等）、通讯模块、数据库服务器以及工程师站等组成，结构组成见图1。

图1 在线监测故障诊断系统的结构组成

本系统中使用了多种类型的传感器，其中振动传感器采用压电式加速度计，可精确采集被监测装置的速度、位移等参数；电流传感器采用霍尔可拆卸传感器；PLC 总线可提供转炉炉体的转速、倾角等信号。前端传感器采集到的信号经过调理模块进行滤波、降噪、放大等处理后，将模拟信号转化为计算机可识别的数字信号，然后经通信模块传输给数据库服务器，进行数据存储。工程师站可提取数据库内信号进行故障分析、运行趋势预测，实现故障的识别和处理。

2.2 系统的硬件设计

该系统的硬件部分主要由数据采集系统、数据分析系统组成。数据采集系统的硬件设备有前端传感器、调理装置、采集卡等。数据采集卡通过USB 接口分别连接调理装置和工控机。一方面能够将处理后的数据上传至工控机；另一方面也能将工控机下达的各项控制指令转发给前端的执行器[3]。数据分析系统则是以计算机为核心，具体又分为工程师站、现场观察站和厂办公网。计算机系统基于前端提供数据，利用BP 神经网络展开综合分析，然后将分析结果以简明易懂的方式在显示器上呈现出来，方便管理人员及时掌握转炉悬挂减速机是否存在故障；如果存在故障，还能提供故障的发生位置等信息，为下一步进行故障维修处理提供参考依据。

2.3 系统的软件设计

该系统的软件部分由5 个模块组成，如在线监测模块、信号分析模块等，各模块的功能见图2。

图2 系统软件组成框图

系统软件是基于Delphi 编程工具进行开发，该工具可支持C++、VB 等多种主流的编程语言，并且提供数据库引擎（BDE）和多种Active 组件，开发者可根据需要直接调用数据和组件，从而降低了软件开发难度，提高了开发效率。

2.4 系统功能设计

2.4.1 监测信号的选型 结合转炉悬挂减速机的实际运行特点，可用于判断设备是否存在运行故障的监测信号有多种，例如振动信号、温度信号、声音信号、电压信号等。从现有的技术条件来看，振动信号的采集难度较低，并且通过分析振动频率可以直观、准确地判断出被监测装置是否存在异常工况。因此，本系统设计中将振动信号作为减速机故障诊断的主要依据。

大力推广清洁能源应用，积极推进港口岸电设施和液化天然气加注码头建设，西江干线10个LNG加注码头已纳入《长江干线京杭运河西江航运干线液化天然气加注码头布局方案（2017—2025年）》，其中广西梧州港首座LNG加注站已投入运营。目前，珠江三角洲港口群已配备了近500台LNG动力港作车，建成6座撬装式LNG加气站，水系主要港口的重要港区均已建设岸电设施。港口与船舶污染物接收转运处置与港口作业污染专项治理，也在不断推进当中。

2.4.2 监测点的布置 科学布置监测点能够减轻外部干扰的影响，从而使采集到的数据能更加准确地反映出转炉悬挂减速机的实际运行工况，间接地提高故障诊断的精确性。结合转炉悬挂减速机的结构特点，提高监测精度的有效措施是减少振动传递损失，因此可以选择在阻尼小、刚性好的基座、轴承座等位置布置监测传感器。以轴承座为例，分别在水平（X）、垂直（Y）和轴向（Z）三个方向上安装传感器，这样就能准确获得振动变化[4]。

转炉悬挂减速机分为2 种类型，其中一次减速机采用三级齿轮减速，分别在输入端和输出端的轴承座上布置振动监测点，每个监测点可获得径向和轴向振动信号。1 台转炉悬挂减速机内共有4 台一次减速机，因此可以采集到2×2×4=16 个振动信号。一次减速机上监测点的布置见图3。

图3 一次减速机测点布置示意

二次减速机采用单级齿轮减速，在轴承座出布置3个振动监测点；另外在直流电机处分别安装1 个电流和电压传感器。一台转炉悬挂减速机内有1 台二级减速机，可以获得3+2=5 个振动信号。二次减速机上监测点的布置见图4。

图4 二次减速机测点布置示意

2.4.3 监测信号分析 该系统采用小波包分析法对监测信号进行分析，通过提取故障特征频率，为下一步实现故障的精确诊断创造了良好条件。监测信号分析共包括4 个步骤：

步骤1：获取原始数据的时域波形图。将经过滤波、放大等预处理的监测信号导入到在线监测故障诊断系统中，进入综合分析界面，选择“时域波形图”。在弹出的对话框中，选择需要分析的监测信号，在左侧的“数据特征值”一栏中，可以显示当前信号的均值、峰值、偏态、峭度等特征参数，在右侧的“波形图”一栏中，可以显示原始波形。点击“降噪后分析”，可以得到小波阈值降噪波形图[5]。

步骤2：从菜单栏中选择功率谱图，按照同样的操作选择需要分析的监测信号，并按照信号的峰值进行排序。可以得到每一个信号的特征频率和功率谱能量。点击“小波波分解后分析”，可以得到小波强制降噪或小波阈值降噪波形图。

步骤3：从菜单栏中选择小波分解，在新的界面中自定义小波函数和分解尺度。例如将小波函数设置为“S=d1+d2+d3+d4”，分解尺度设置为4，设置完成后分别选择“时域波形”“频域波形”，可获得相应的波形图。

2.4.4 故障诊断 本研究设计的在线监测故障诊断系统，首先利用时域、频率和小波分析相结合的方式，从前端反馈的海量监测信号中提取出具有故障特征的信号；然后再利用BP 神经网络诊断从信号中提取有效值、峭度、2 倍齿轮啮合频率赋值、1 倍周转频幅值、轴承内圈特征频率赋值等参数，组成训练样本。对上述数据做归一化处理后，将训练样本中的特征向量输入到系统中进行机器学习。BP 神经网络训练样本的设置见图5。

图5 BP 神经网络训练样本的设置

点击“训练网络”，经过19 次训练后，误差达到要求，可用于网络测试。将测试样本数据送入到已经训练好的神经网络中，输出内容及诊断结果见表1。

表1 测试样本输出及诊断结果

结合上表数据可知，转炉悬挂减速机的内圈、外圈、磨损和崩齿4 种故障均可以成功识别，而设备的滚珠故障诊断结果显示正常，未能成功识别，故障识别的准确率为80%。下一步，要继续增加学习样本的数量，经过反复训练后系统对故障识别的成功率也会不断提升。

3 结论

转炉悬挂减速机在投入运行一段时间后，由于运行环境复杂、材料自身老化等因素的影响，不可避免会出现磨损、崩齿等故障。为了使设备正常运行、避免大修或停运事故，必须要设计和使用在线监测故障诊断系统，通过采集前端的振动信号并开展分析，实现对异常工况的超前识别。然后利用BP 神经网络分析，对异常工况做进一步的判断，成功识别故障，进而为下一步开展转炉悬挂减速机的运行维护提供必要的技术支持。