呂金龍,黃細(xì)霞,吳曉越

(上海海事大學(xué) 航運(yùn)技術(shù)與控制工程交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，上海 201306)

基于相關(guān)性原理起重機(jī)負(fù)載電機(jī)監(jiān)測系統(tǒng)設(shè)計(jì)

呂金龍,黃細(xì)霞,吳曉越

(上海海事大學(xué) 航運(yùn)技術(shù)與控制工程交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，上海 201306)

對(duì)起重機(jī)負(fù)載電機(jī)進(jìn)行了研究，采用西門子公司的S7-200 SMART PLC采集負(fù)載電機(jī)的機(jī)械振動(dòng)信號(hào)，通過工業(yè)Wi-Fi無線模塊以無線數(shù)據(jù)包的形式將采集的數(shù)據(jù)匯總到上位機(jī)LabVIEW監(jiān)測平臺(tái);上位機(jī)的LabVIEW監(jiān)測平臺(tái)對(duì)電動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行相關(guān)性和頻譜分析，將實(shí)時(shí)振動(dòng)數(shù)據(jù)頻譜信號(hào)和已知常見負(fù)載電機(jī)的軸承外圈故障、軸承內(nèi)環(huán)故障和滾子故障3種典型的故障狀態(tài)頻譜信號(hào)進(jìn)行相關(guān)性運(yùn)算，得到實(shí)時(shí)信號(hào)與已知狀態(tài)的相關(guān)系數(shù)；提出了以相關(guān)系數(shù)作為故障診斷判定閾值的方法進(jìn)行故障診斷，實(shí)現(xiàn)了對(duì)起重機(jī)狀態(tài)進(jìn)行監(jiān)測以及監(jiān)控信息發(fā)布。

起重機(jī)；狀態(tài)監(jiān)控；相關(guān)性原理；工業(yè)無線；故障診斷

0 引言

隨著工業(yè)化不斷推進(jìn)，作為主要工業(yè)設(shè)備的工業(yè)起重機(jī)被廣泛應(yīng)用于車間、港口碼頭、電站、海上鉆井平臺(tái)、高層建筑等場所。。傳統(tǒng)起重機(jī)存在諸多不足之處，為了適應(yīng)工業(yè)發(fā)展，要求起重機(jī)安全可靠、先進(jìn)、快速、精確定位及運(yùn)行平穩(wěn)，同時(shí)趨向大噸位、高效率、自動(dòng)化、智能化及多用途方向發(fā)展。作為生產(chǎn)作業(yè)的重要裝卸設(shè)備，起重機(jī)逐漸呈現(xiàn)設(shè)備大型化、生產(chǎn)效率高、技術(shù)復(fù)雜和作業(yè)連續(xù)性強(qiáng)等特點(diǎn)，其運(yùn)行狀態(tài)的好壞直接影響著國民生產(chǎn)效率和經(jīng)濟(jì)效益[1-2]。遠(yuǎn)程監(jiān)控技術(shù)廣泛應(yīng)用于工業(yè)生產(chǎn)現(xiàn)場設(shè)備分布零散或數(shù)據(jù)不易采集的場合，實(shí)施及時(shí)地監(jiān)視設(shè)備的運(yùn)行狀態(tài)并進(jìn)行有效控制。利用可編程控制器PLC模塊以及人機(jī)交互模塊等為操作人員提供更直觀、全面的系統(tǒng)工作參數(shù)和狀態(tài)信息，進(jìn)而提高整機(jī)控制技術(shù)水平和應(yīng)用效率，具有圖形化、交互式顯示、監(jiān)測及智能診斷等功能，實(shí)現(xiàn)整個(gè)體系的集中診斷接口以及安全監(jiān)控，可大大降低勞動(dòng)成本，提高生產(chǎn)效率[3-4]。

傳統(tǒng)起重機(jī)狀態(tài)檢測通過人工、定時(shí)、定點(diǎn)的方法完成，檢測手段簡單、狀態(tài)評(píng)估依靠人工經(jīng)驗(yàn)。近年來隨著人工智能的不斷發(fā)展，一些學(xué)者利用人工神經(jīng)網(wǎng)絡(luò)理論對(duì)起重機(jī)機(jī)械系統(tǒng)工作狀態(tài)進(jìn)行智能監(jiān)測和故障診斷，快速確定故障類型，提高了故障診斷率[5]。工業(yè)網(wǎng)絡(luò)技術(shù)快速發(fā)展，采集起重機(jī)的各種電控系統(tǒng)的信號(hào)或信息，實(shí)現(xiàn)起重機(jī)電控系統(tǒng)的全面計(jì)算機(jī)圖形化監(jiān)控、故障監(jiān)控和跟蹤；通過遠(yuǎn)程服務(wù)和遠(yuǎn)程監(jiān)控手段，可以實(shí)現(xiàn)快速服務(wù)響應(yīng)，極大提高設(shè)備故障排除時(shí)間，保障設(shè)備工作效率[6-7]。國外公司如B&N公司、亞特蘭大公司、IRD公司、日本的安川公司和住友公司利用移動(dòng)通信技術(shù)、智能傳感技術(shù)以及超高速交換路由技術(shù)等技術(shù)開發(fā)了一些高性能的起重機(jī)狀態(tài)監(jiān)測系統(tǒng)[8]。國內(nèi)一些科研單位及高等院校如上海交通大學(xué)、華中科技大學(xué)等相繼研制了多種起重機(jī)狀態(tài)監(jiān)測和故障診斷系統(tǒng)[9-10]。為確保起重設(shè)備的安全運(yùn)行，提高起重機(jī)的使用壽命和利用率，從起重機(jī)的歷史數(shù)據(jù)中找到起重機(jī)運(yùn)行的客觀規(guī)律，為起重機(jī)的現(xiàn)代化管理提供可靠的依據(jù)成為現(xiàn)代化起重機(jī)狀態(tài)監(jiān)測的新方向[11-12]。

振動(dòng)監(jiān)測是起重機(jī)狀態(tài)監(jiān)測與故障診斷的重要方法[13]。本文提出一種將振動(dòng)頻譜分析和相關(guān)性原理相結(jié)合應(yīng)用于起重機(jī)的狀態(tài)監(jiān)測與故障診斷系統(tǒng)設(shè)計(jì)了起重機(jī)負(fù)載電機(jī)無線遠(yuǎn)程狀態(tài)監(jiān)測系統(tǒng)。

1 理論基礎(chǔ)

1.1 FFT頻譜分析方法

快速傅里葉變換 (FFT)是實(shí)現(xiàn)離散傅里葉變換 (DFT)的快速算法，它利用旋轉(zhuǎn)因子w的周期性和對(duì)稱性，使N點(diǎn)DFT的乘法計(jì)算量由N次降為(N/2)log2N次，設(shè)X(n)是長為N的復(fù)序列,其中DFT定義為：

(1)

(2)

(3)

因此可得：

(4)

所以, 公式(2)可表示為:

(5)

其中:

由于,均為N/2點(diǎn)的DFT。公式(3)只能確定出X(k)的k=0，1，2，…,N/2-1個(gè)，即前一半的結(jié)果。

(8)

所以:

(9)

可見,X(k)的后一半，也完全由,的前一半所確定。N點(diǎn)的DFT可由兩個(gè)N/2點(diǎn)的DFT來計(jì)算，這種方法使工程計(jì)算更加簡單，用于工業(yè)控制計(jì)算實(shí)時(shí)性更高。

1.2 相關(guān)性理論

互相關(guān)函數(shù)反映的是兩個(gè)隨機(jī)過程不同時(shí)刻變量之間的相互關(guān)系，通俗地講，就是兩個(gè)信號(hào)不同時(shí)刻之間的互相關(guān)系。動(dòng)態(tài)函數(shù)x(t)和y(t)的互相關(guān)函數(shù)Rxy(τ)定義為：

(10)

互相關(guān)函數(shù)在實(shí)際應(yīng)用中，可以用來排除噪聲干擾，提取感興趣的有用信息，檢測出有用的信號(hào)。對(duì)有限長序列，常用式:

(11)

來估計(jì)互相關(guān)函數(shù)相應(yīng)的相關(guān)系數(shù):

(12)

根據(jù)實(shí)時(shí)振動(dòng)信號(hào)經(jīng)過FFT變換后的信號(hào)頻譜特征，通過計(jì)算實(shí)際振動(dòng)頻譜信號(hào)和樣本振動(dòng)頻譜信號(hào)間互相關(guān)系數(shù)。每個(gè)樣本振動(dòng)頻譜所對(duì)應(yīng)的電機(jī)狀態(tài)通過實(shí)驗(yàn)已經(jīng)知道，作為狀態(tài)診斷的參考樣本。通過比對(duì)振動(dòng)頻譜信號(hào)和每個(gè)樣本振動(dòng)頻譜互相關(guān)系數(shù)，與所對(duì)應(yīng)的振動(dòng)樣本信號(hào)互相關(guān)系數(shù)越大，則實(shí)際電機(jī)狀態(tài)與樣本此時(shí)的電機(jī)狀態(tài)越接近，以此來監(jiān)測電機(jī)的狀態(tài)和故障類型。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)總體結(jié)構(gòu)

本文設(shè)計(jì)的起重機(jī)負(fù)載電機(jī)的狀態(tài)監(jiān)測系統(tǒng)包括狀態(tài)數(shù)據(jù)信息采集單元、無線通訊傳輸單元和上位機(jī)LabVIEW監(jiān)測平臺(tái)三部分。系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)框圖

現(xiàn)場傳感器采集起重機(jī)負(fù)載電機(jī)的各個(gè)狀態(tài)信息，將采集的起重機(jī)負(fù)載電機(jī)的狀態(tài)信息存儲(chǔ)到西門子S7-200 SMART PLC設(shè)定的存儲(chǔ)器中，PLC通過其工業(yè)以太網(wǎng)接口由菲尼克斯FL WLAN AP5100無線模塊與FL WLAN EPA RSMA 無線模塊以無線的方式將數(shù)據(jù)傳輸?shù)缴衔粰C(jī)LabVIEW監(jiān)測平臺(tái)，上位機(jī)LabVIEW監(jiān)測平臺(tái)顯示起重機(jī)負(fù)載電機(jī)的狀態(tài)信息、故障信息以及信息的發(fā)布等。

2.2 監(jiān)測系統(tǒng)硬件單元

2.2.1 起重機(jī)負(fù)載電機(jī)振動(dòng)信號(hào)檢測單元

本文采用無錫世敖科技有限公司生產(chǎn)的SA-CV-100速度傳感器，SA-CV-100速度傳感器為兩線制一體化振動(dòng)變送器，內(nèi)置壓電加速度型振動(dòng)速度傳感器。經(jīng)過精密高的集成內(nèi)置電路，將速度峰值或者有效值轉(zhuǎn)換為標(biāo)準(zhǔn)型的0～5 V電壓信號(hào)。

2.2.2 PLC現(xiàn)場控制和數(shù)據(jù)轉(zhuǎn)換單元

本文選用SIEMENS公司S7-200 SMART型PLC，其CPU模塊配有工業(yè)以太網(wǎng)端口進(jìn)行，通過以太網(wǎng)接口與上位機(jī)進(jìn)行通訊。PLC與現(xiàn)場檢測站的各個(gè)檢測傳感器相連接，并且作為監(jiān)測系統(tǒng)的現(xiàn)場控制站。本文上位機(jī)LabVIEW采用西門子提供的SMART ACCESS提供的OPC驅(qū)動(dòng)和PLC進(jìn)通信。選擇S7-200 SMART型PLC擴(kuò)展模塊EM231作為模擬量采集模塊，EM231模擬量輸入單元有4路模擬量輸入點(diǎn)，分辨率為12位A/D轉(zhuǎn)換器。

2.2.3 工業(yè)Wi-Fi無線數(shù)據(jù)單元

本文選用由菲尼克斯公司生產(chǎn)的FL WLAN AP 5100無線網(wǎng)關(guān)與FL WLAN EPA RSMA 無線終端模塊。菲尼克斯無線模塊支持無線局域網(wǎng)802.11標(biāo)準(zhǔn)，F(xiàn)L WLAN AP 5100與FL WLAN EPA RSMA 無線模塊支持工業(yè)以太網(wǎng)協(xié)議有線通信?？梢酝ㄟ^基于Web的網(wǎng)絡(luò)管理模式和簡單網(wǎng)絡(luò)管理協(xié)議對(duì)菲尼克斯無線模塊進(jìn)行配置。

2.3 監(jiān)測系統(tǒng)軟件單元

將菲尼克斯FL WLAN AP 5100無線模塊和FL WLAN EPA RSMA無線模塊通過有線以太網(wǎng)與上位機(jī)連接，進(jìn)行無線模塊的設(shè)置。

首先在上位機(jī)端將FL WLAN 5100的IP地址設(shè)置為192.168.0.254，點(diǎn)擊Configuration即可進(jìn)入設(shè)置界面。

在FL WLAN 5100設(shè)置為AccessPoint，并設(shè)置SSID名稱，設(shè)置Wlan band 為2.4 GHz。在Client端與FL WLAN 5100相同設(shè)置，就可以進(jìn)行無線通訊。

2.3.1 振動(dòng)采集軟件設(shè)計(jì)

振動(dòng)PLC采集軟件流程圖如圖2所示。

圖2 振動(dòng)采集單元流程框圖

程序開始首先初始化PLC掃描時(shí)鐘和輸入接口。將振動(dòng)傳感器采集起重機(jī)核心機(jī)電設(shè)備電動(dòng)機(jī)的振動(dòng)數(shù)據(jù)信息保存于PLC相應(yīng)地寄存器，然后通過PLC的工業(yè)以太網(wǎng)接口將數(shù)據(jù)傳送給菲尼克斯FL WLAN EPA RSMA無線模塊，菲尼克斯FL WLAN EPA RSMA無線模塊通過無線方式將起重機(jī)核心機(jī)電設(shè)備電動(dòng)機(jī)的振動(dòng)數(shù)據(jù)傳送給菲尼克斯FL WLAN AP 5100無線模塊，菲尼克斯FL WLAN AP 5100無線模塊與上位機(jī)LabVIEW通過串口連接，接收菲尼克斯FL WLAN AP 5100無線模塊傳送的電動(dòng)機(jī)振動(dòng)數(shù)據(jù)，并且分析處理數(shù)據(jù)和顯示起重機(jī)電機(jī)的振動(dòng)信息。

2.3.2 監(jiān)控平臺(tái)LabVIEW程序設(shè)計(jì)

為了方便用戶查看起重機(jī)的狀態(tài)信息，在上位機(jī)上使用LabVIEW軟件編寫了監(jiān)控界面。起重機(jī)狀態(tài)監(jiān)測界面的功能主要包括：1)系統(tǒng)設(shè)置：包括時(shí)間的設(shè)定、各個(gè)串口通訊的設(shè)定、信號(hào)采樣頻率的設(shè)定、文件操作、命令控制等；2)實(shí)時(shí)數(shù)據(jù)：系統(tǒng)中各個(gè)傳感器所采集到的各種數(shù)據(jù)、各個(gè)傳感器的狀態(tài)信息等；3)狀態(tài)信息曲線：各個(gè)傳感器采集數(shù)據(jù)波形的實(shí)時(shí)呈現(xiàn)、電動(dòng)機(jī)不同狀態(tài)的顯示等；4)系統(tǒng)信息：存儲(chǔ)并顯示起重機(jī)狀態(tài)的歷史信息數(shù)據(jù)、進(jìn)行的操作和軟件信息；5)給用戶提供使用方法的幫助信息, LabVIEW數(shù)據(jù)采集程序框圖如圖3所示。

通過上位機(jī)LabVIEW監(jiān)測軟件，可以監(jiān)測到各個(gè)傳感器的狀態(tài)和傳感器采集到的信息，還可以通過其他終端來訪問后臺(tái)的服務(wù)器[14-15]，查看起重機(jī)核心機(jī)電設(shè)備的狀態(tài)信息。

3 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)主要完成以下內(nèi)容：首先完成正常和典型故障振動(dòng)信號(hào)檢測；在上位機(jī)LabVIEW監(jiān)測平臺(tái)中完成振動(dòng)信號(hào)的頻譜相關(guān)性分析，最后完成上位機(jī)LabVIEW監(jiān)測平臺(tái)對(duì)起重機(jī)狀態(tài)信息的發(fā)布。

3.1 振動(dòng)信號(hào)的檢測及分析處理

在起重機(jī)電機(jī)故障中，以滾動(dòng)軸承的故障為最常見的故障。本實(shí)驗(yàn)以滾動(dòng)軸承中最常見的故障是軸承外圈故障、軸承內(nèi)環(huán)故障和滾子故障3種典型的故障作為研究對(duì)象[16]。在電機(jī)運(yùn)行期間所采集3種故障振動(dòng)數(shù)據(jù)。

在這本實(shí)驗(yàn)中測量垂直方向的振動(dòng)信號(hào)在正常，在軸承外圈故障，軸承內(nèi)部故障和滾子故障的每個(gè)狀態(tài)中的原始振動(dòng)信號(hào)圖4所示，測定在一個(gè)恒定速度(500 rpm)。信號(hào)測量的采樣頻率是2 kHz，和采樣時(shí)間是20 s。

圖4 4種狀態(tài)的原始振動(dòng)信號(hào)

3.2 振動(dòng)信號(hào)頻譜分析

通過FFT頻譜方法分析各種狀態(tài)下振動(dòng)信號(hào)的時(shí)頻分布，根據(jù)每個(gè)狀態(tài)的頻譜分布，得出每個(gè)狀態(tài)的頻譜特性，為故障診斷提供特征依據(jù)。電動(dòng)機(jī)振動(dòng)信號(hào)經(jīng)過FFT變換到頻率域中，將會(huì)得到更多的電機(jī)振動(dòng)信號(hào)的詳細(xì)信息[17]。

在滾動(dòng)軸承發(fā)生故障時(shí),故障部件振動(dòng)信號(hào)頻譜的出現(xiàn)在軸承的固有頻率區(qū)域。圖5給出在正常，軸承外圈故障，軸承內(nèi)環(huán)故障和滾子故障的每個(gè)狀態(tài)(本文給出轉(zhuǎn)速500 rpm)所對(duì)應(yīng)頻譜特性曲線。

圖5 每個(gè)狀態(tài)FFT頻譜圖

從圖5中,正常狀態(tài)頻譜集中在50 Hz領(lǐng)域；外環(huán)故障頻譜集中在50 Hz和100 Hz領(lǐng)域；內(nèi)環(huán)故障頻譜集中在50 Hz、70 Hz和100 Hz領(lǐng)域；滾子故障頻譜集中在50 Hz和200 Hz領(lǐng)域。故障狀態(tài)頻譜范圍在60 Hz至200 Hz；即,如果軸承處于異常狀態(tài)振動(dòng)信號(hào)的頻譜范圍從約60 Hz至200 Hz，這些特征譜可以用于軸承的狀態(tài)診斷。

3.3 基于相關(guān)性原理故障分析

根據(jù)振動(dòng)信號(hào)FFT變換后的頻譜特性為特征信號(hào)，將實(shí)時(shí)振動(dòng)數(shù)據(jù)頻譜信號(hào)和已知狀態(tài)(正常，軸承外圈故障，軸承內(nèi)環(huán)故障和滾子故障)頻譜信號(hào)進(jìn)行相關(guān)性運(yùn)算，根據(jù)1.1節(jié)相關(guān)性理論得到實(shí)時(shí)信號(hào)與已知狀態(tài)的相關(guān)系數(shù)，以相關(guān)系數(shù)為故障診斷判定閾值，進(jìn)行故障診斷。

以軸承外圈故障為例，分析以相關(guān)系數(shù)為故障診斷判定閾值，進(jìn)行故障診斷。圖6為其中一組實(shí)時(shí)數(shù)據(jù)：

圖6 實(shí)時(shí)數(shù)據(jù)(已知故障狀態(tài))

在電機(jī)轉(zhuǎn)速在500 rpm平穩(wěn)運(yùn)行時(shí)，本文采集四十組實(shí)時(shí)故障數(shù)據(jù)(已知外環(huán)故障狀態(tài))作為故障診斷訓(xùn)練樣本數(shù)據(jù)，進(jìn)行閾值訓(xùn)練實(shí)驗(yàn)，確定所處故障狀態(tài)的閾值范圍。圖7為軸承外圈故障與已知狀態(tài)相關(guān)系數(shù)閾值分布。

圖7 訓(xùn)練故障數(shù)據(jù)、正常和故障狀態(tài)相關(guān)系數(shù)分布

從圖中可以看出，軸承外圈故障和其具有相同故障狀態(tài)頻譜相關(guān)系數(shù)分布在以0.948為中心的簇，相關(guān)系數(shù)范圍在0.903～0.992區(qū)間。軸承外圈故障和其他狀態(tài)的頻譜相關(guān)系數(shù)分布也都有明顯的差別，可以理解為都有各自簇中心，狀態(tài)相關(guān)系數(shù)分布區(qū)分明顯。其中圖7中A組、B組、C組和D組是訓(xùn)練故障數(shù)據(jù)與外圈故障相關(guān)系數(shù)分布、正常狀態(tài)相關(guān)系數(shù)分布、內(nèi)環(huán)故障相關(guān)系數(shù)分布和滾子故障相關(guān)系數(shù)分布。A組、B組、C組和D組是四十組實(shí)時(shí)故障數(shù)據(jù)相關(guān)系數(shù)和相關(guān)系數(shù)中心點(diǎn)如表1所示。

表1 A組、B組、C組和D組相關(guān)系數(shù)分布

本文選取十五組未經(jīng)訓(xùn)練的實(shí)時(shí)故障數(shù)據(jù)(已知外圈故障狀態(tài))作為故障診斷訓(xùn)測試樣本，檢驗(yàn)采用振動(dòng)頻譜信號(hào)相關(guān)系數(shù)為故障診斷判定閾值，進(jìn)行故障診斷的可行性和準(zhǔn)確性。測試數(shù)據(jù)狀態(tài)診斷結(jié)果如圖8所示。

從圖中可以看出，若以相關(guān)系數(shù)0.9為故障診斷閾值，則十四組測試結(jié)果為外圈故障狀態(tài)；一組相關(guān)系數(shù)在小于0.8，診斷為其他狀態(tài)，與已知測試為外圈故障狀態(tài)相矛盾?？梢缘贸鰷y試結(jié)果正確率為95%。以相關(guān)系數(shù)0.9為故障診斷閾值，根據(jù)相關(guān)系數(shù)閾值分布與訓(xùn)練樣本數(shù)據(jù)相關(guān)系數(shù)分布，可以診斷其他3種狀態(tài)的正確率。如表2，為測試數(shù)據(jù)診斷結(jié)果的正確率：

圖8 測試數(shù)據(jù)狀態(tài)診斷結(jié)果

故障狀態(tài)正常外圈故障內(nèi)環(huán)故障滾子故障正確率100%95%100%95%

由表2可以知，由本方法得到故障診斷正確率為97.5%，絕大部分故障狀態(tài)都能夠準(zhǔn)確判斷出來，可以采用相關(guān)系數(shù)作為故障診斷判定閾值，進(jìn)行故障診斷。

4 結(jié)論

本文將頻譜分析和相關(guān)性原理相結(jié)合應(yīng)用于起重機(jī)的狀態(tài)監(jiān)測與故障診斷系統(tǒng)中，以工業(yè)無線形式將采集的信號(hào)量匯總到上位機(jī)LabVIEW監(jiān)測中心，解決了起重機(jī)各部分可能出現(xiàn)故障分散，有線的方式進(jìn)行信號(hào)匯集不便且不易擴(kuò)展的問題。同時(shí)對(duì)起重機(jī)核心機(jī)電設(shè)備電動(dòng)機(jī)的振動(dòng)采集分析，分析起重機(jī)負(fù)載電機(jī)振動(dòng)的諧波含量，并在上位機(jī)LabVIEW監(jiān)測平臺(tái)上完成信息數(shù)據(jù)的發(fā)布，實(shí)驗(yàn)驗(yàn)證了基于相關(guān)性原理的起重機(jī)負(fù)載電機(jī)機(jī)械震動(dòng)信號(hào)無線遠(yuǎn)程監(jiān)測系統(tǒng)檢測方法的有效性，使得相關(guān)人員能方便及時(shí)的了解起重機(jī)系統(tǒng)的運(yùn)行狀態(tài)。為今后可以對(duì)更加復(fù)雜的狀態(tài)參數(shù)和故障狀態(tài)進(jìn)行分析，并采用人工智能的算法進(jìn)行故障分析和分類奠定基礎(chǔ)。

[1] 石萬祥, 周 強(qiáng). 門機(jī)振動(dòng)監(jiān)測技術(shù)的探討[J]. 港口裝卸, 2002(3):19-20.

[2] 王國峰, 周亦武, 秦建春. 港口裝卸機(jī)械動(dòng)態(tài)監(jiān)測系統(tǒng)的研究[J]. 測控技術(shù), 2002, 21(9):36-38.

[3] Slutej A, Kolonic＇ F, Slutej A. Advances in Control and Sensors Technology Enabling Unmanned Operation of Containers Cranes[J]. EDPE 2005. Abstract and Proceedings Program. CD-ROM / Zvonko Bencˇic＇, 2005.

[4] 屈福政, 孫鐵兵, 牛治剛,等. 大型起重機(jī)的智能化電子控制系統(tǒng)[J]. 起重運(yùn)輸機(jī)械, 2004(3):25-27.

[5] 張 健, 芮延年, 陳 潔. 基于人工神經(jīng)網(wǎng)絡(luò)理論起重機(jī)機(jī)械系統(tǒng)故障監(jiān)測與診斷[J]. 機(jī)電一體化, 2005, 11(6):41-44.

[6] 王志欣, 胡 雄, 陳兆能. 集裝箱起重機(jī)運(yùn)行狀態(tài)遠(yuǎn)程監(jiān)測評(píng)估技術(shù)研究[J]. 武漢理工大學(xué)學(xué)報(bào), 2006, 28(4):101-104.

[7] 王鳳萍, 程 磊, 孫 影. 國內(nèi)外履帶式起重機(jī)的現(xiàn)狀及發(fā)展趨勢[J]. 工程機(jī)械, 2006, 37(4):39-43.

[8] 王小明, 盧志強(qiáng). 國內(nèi)外大型起重機(jī)的研究現(xiàn)狀及發(fā)展趨勢[J]. 機(jī)電產(chǎn)品開發(fā)與創(chuàng)新, 2009, 22(2):6-7.

[9] 張 華, 張志勝, 伏明明,等. 設(shè)備遠(yuǎn)程監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 中國制造業(yè)信息化, 2008, 37(13):46-48.

[10] 王 超. 起重機(jī)行業(yè)發(fā)展綜述[J]. 工程建設(shè), 2011, 43(5):50-53.

[11] 楊海濱. 大型履帶式起重機(jī)遠(yuǎn)程狀態(tài)監(jiān)測系統(tǒng)智能終端的設(shè)計(jì)與實(shí)現(xiàn)[D]. 上海：上海交通大學(xué), 2008.

[12] Lv X L, Li J. Fault diagnosis and self-restore fault-tolerant control for systems with state delays[A]. 2009 Chinese Control and Decision Conference[C]. Guilin, 2009, 902-907.

[13] 李帥毅. 門座起重機(jī)振動(dòng)監(jiān)測系統(tǒng)研究[J]. 港口裝卸, 2013(3):18-20.

[14] 閆淑娟. 基于LabVIEW的振動(dòng)信號(hào)測試分析系統(tǒng)的研究[D]. 沈陽：東北大學(xué), 2009.

[15] 曾素瓊,黃華杰. 基于單片機(jī)和LabVIEW的無線火災(zāi)監(jiān)測系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測量與控制,2015,23(1):43-45.

[16] Li K, Chen P, Wang H. Intelligent Diagnosis Method for Rotating Machinery Using Wavelet Transform and Ant Colony Optimization[J]. IEEE Sensors Journal, 2012, 12(7):2474-2484.

[17] 李 婷, 盧卯旺, 龍?jiān)婎U. 電機(jī)振動(dòng)的頻譜分析[J]. 湖南科技學(xué)院學(xué)報(bào), 2005, 26(11):39-41.

Crane Load Monitoring System Design Based on Principle of Correlation

Lü Jinlong,Huang Xixia, Wu Xiaoyue

(Ministerial Key Laboratory of Marine Technology and Control Engineering, Shanghai Maritime University,Shanghai 201306, China)

This paper proposes the use of Siemens S7-200 Smart PLC to collect mechanical vibration signals of rolling bearings for the crane load motor by Phoenix industrial Wi-Fi wireless module to send the collected data in the form of wireless packet data summary to the PC monitoring center. The correlation and spectrum analysis of the motor vibration signal are carried out by the LabVIEW monitoring platform of the host computer. The real-time vibration data spectrum signal and three typical fault state spectrum signals of known common bearing outer ring failure, inner ring fault and roller failure are carried out by correlation method. The correlation coefficient is used as the fault diagnosis threshold to diagnose the fault, and the state of the crane is monitored and the information of the monitoring is released.

crane; condition monitoring; industrial wireless; correlation; fault diagnosis

2017-01-06；

2017-02-06。

國家自然科學(xué)基金(51209134)。

呂金龍(1991-)，男，安徽太和人，碩士研究生，主要從事檢測技術(shù)及自動(dòng)化裝置方向的研究。

黃細(xì)霞(1975-)，女，副教授，上海人，碩士研究生導(dǎo)師，主要從事港航電力傳動(dòng)與控制、電力電子集成系統(tǒng)建模與控制方向的研究。

1671-4598(2017)07-0043-04

10.16526/j.cnki.11-4762/tp.2017.07.011

TP277

A