蔣 權，甄曉陽，王曉輝，王 鼎

（太原科技大學 機械工程學院，山西 太原 030024）

0 引言

帶式輸送機是一種依靠摩擦驅動來輸送散裝物料的機械設備，廣泛應用于電力、煤炭、港口等各種現(xiàn)代化的生產作業(yè)當中［1，2］。由于在帶式輸送機當中，輸送帶既是承載構件，又是牽引構件，其成本約占輸送機整機成本的30%～50%，因此輸送帶使用壽命的長短及運行狀態(tài)直接影響到整機的運營費用。輸送帶跑偏會加快托輥輸送帶的磨損、造成撒料，嚴重時會導致作業(yè)中斷，因此輸送帶的糾偏就顯得尤為重要［3-5］。近年來，有研究輸送帶跑偏的文章提出了很多調偏的措施與方法，如：安裝前輕托輥、安裝側邊導向擋輪、安裝調心托輥等等［6，7］，但是這些方法多用在已經發(fā)生輸送帶跑偏故障之后，無前瞻性，也就無法通過隱患排查手段去減少輸送帶跑偏故障的發(fā)生。本文根據(jù)帶式輸送機沿傳輸方向皮帶跑偏的位置、跑偏的幅值及跑偏發(fā)生的頻度，利用支持向量機的相關理論來進行算法訓練和輸送帶跑偏故障類型的識別。

1 帶式輸送機常見故障

一般而言，帶式輸送機由驅動裝置、制動裝置、傳動裝置、滾筒、輸送帶、上下托輥組、機架、機頭架、機尾架、拉緊裝置、給料裝置、卸料裝置和清掃器等部件組成，如圖1所示。于是從帶式輸送機系統(tǒng)設備組成上將帶式輸送機線路上出現(xiàn)的故障分為電氣故障、啟動問題、減速器問題、輸送帶跑偏、輸送帶損傷、滾筒故障及其他故障共7類。本文重點對輸送帶跑偏的原因進行分析。

圖1 帶式輸送機組成部分示意圖

2 輸送帶跑偏故障產生的原因

跑偏故障是帶式輸送機運行時較為常見的故障之一，它在很大程度上影響著輸送帶的使用壽命，通常由以下3大類共7小類原因所致：

（1）設計或制造的原因：由于輸送帶本身就彎曲或者接頭不直致使輸送帶所受的拉力不均，當輸送機運轉時，接頭轉到哪兒，哪兒就發(fā)生輸送帶跑偏故障。

（2）安裝原因，包括以下幾種：①安裝時，由于輸送帶松弛或初張力太大造成輸送機空轉時出現(xiàn)跑偏故障，而加上輸送物料后就正常運行的現(xiàn)象；②輸送機機架兩側一邊高一邊低，輸送帶初始就處于非水平狀態(tài)，在運行時，會發(fā)生物料較重的一邊向物料較輕的一邊移動的輸送帶跑偏故障；③由于滾筒的安裝不正，水平誤差大，導致滾筒自身的轉動軸線與輸送機的縱向中心線不垂直，從而造成輸送帶一邊松一邊緊，產生輸送帶從緊的一邊向松的一邊移動的跑偏故障；④托輥組的軸線同輸送帶的中心線不垂直而引起的輸送帶跑偏故障。

（3）輸送機運行原因，包括以下幾種：①因所輸送的物料落點不在輸送帶的中間導致物料在皮帶上分布不均勻，致使輸送帶受力不均，從而產生輸送帶在空轉的時候正常，一加上負載就會產生跑偏故障；②由于所輸送的物料具有黏性，部分物料會粘附在滾筒和托輥的表面，造成滾筒或托輥的筒徑變大，從而引起輸送帶兩側張緊力不均，致使膠帶擠向一側而產生輸送帶跑偏故障。

3 輸送帶跑偏故障的診斷

3.1 用主元分析法確定傳感器位置

主元分析（Principle Component Analysis，PCA）是一種典型的統(tǒng)計模式識別方法，其基本原理就是從觀測變量的內部相互關系來整理信息，將測量的變量加以適當?shù)恼蛔兓来握页鱿嗷リP聯(lián)性高的變量組，實現(xiàn)觀測數(shù)據(jù)從高維向低維的壓縮，從而使得數(shù)據(jù)構造更容易解釋，是提取信號特征的常用方法之一。

由于帶式輸送機設備安裝的情況各不相同，在不同帶式輸送機系統(tǒng)中，輸送帶跑偏的位置、幅度及頻度各有不同，輸送帶兩側安放的位移傳感器在每種故障發(fā)生時的貢獻率也就不同。因此，傳感器安裝的位置應該根據(jù)各位置對于皮帶跑偏故障分類的具體貢獻率來進行選擇。本文根據(jù)故障數(shù)據(jù)樣本，選擇PCA理論對各傳感器的具體貢獻率做出判斷。傳統(tǒng)的PCA算法是基于線性代數(shù)理論的線性空間變換方法［8，9］，本文引入核函數(shù)主元分析的方法來處理非線性問題。

設樣本集x i∈R m（i＝1，…，N），通過非線性映射Ф：R m→F，將輸入數(shù)據(jù)x i映射到一個高維特征空間F：Ф（x i）中，使輸入數(shù)據(jù)矢量具有更好的可分性。設（x i）＝0，則F上的協(xié)方差矩陣由下式表示：

可通過求解式（2）中CF的特征值λ（λ≥0）及其特征向量V（V∈F）來計算特征空間的主元：

在式（2）兩邊同時與樣本Ф（x i）做內積得：

特征向量V可以由Ф（x1），Ф（x2），…，Ф（x N）生成，存在權系數(shù)α1，α2，…，αN使得：

結合式（2）、式（3）、式（4）可得：

其中：i，j，k＝1，2，…，N。

由式（5）可知，只要解決特征空間中的內積運算就能求得所需的最終向量。根據(jù)泛函數(shù)相關理論，一種核函數(shù)K（x j，y k）要是滿足 Mercer條件，就存在著關系式K（x j，y k）＝Ф（x j）·Ф（x k）。這樣，引入核函數(shù)，可在不需要知道變換函數(shù)Ф（x）具體形式的情況下就能巧妙地利用原空間函數(shù)去實現(xiàn)式（5）的內積運算。K可通過核函數(shù)的選取得到，定義如下：

通過方陣K將式（5）化簡為：

求解式（6）可得到K的特征值λ1≥λ2≥…≥λN，以及對應的特征向量α1，α2，…，αN，從而可求得CF的特征向量V，得到特征空間的主元方向。

例如，最常見的輸送帶跑偏故障類型3中的第1種，該故障一般發(fā)生在落料點附近，其跑偏量具有逐漸增長的趨勢。根據(jù)經驗沿皮帶輸送方向每隔L距離在輸送帶的兩側安裝跑偏傳感器，假設在這一特定類型故障情況下，兩側共安放了N個跑偏傳感器。經上文分析，兩側的N個傳感器中，每個傳感器對每種故障分析所做的貢獻是不一樣的，起到作用的只是少部分傳感器。對于樣本x i∈R m（i＝1，…，N），根據(jù)前面分析可求得n個特征向量，按需求保留前m個特征向量，那么這m個向量所對應的點就是貢獻率較高的傳感器位置。

按照如上步驟，同理可求得其他幾類故障情況下的位置特征值，最后對所有類別故障的傳感器位置特征值取并集就可實現(xiàn)輸送帶跑偏故障診斷所需位置特征值的提取。

3.2 用支持向量機實現(xiàn)故障分類及診斷

支持向量機（Support Vector Machine，SV M）方法能夠有效避免有限樣本下的過學習、局部最優(yōu)和維數(shù)災難問題［10，11］，在小樣本分類問題的處理上，具有較高的分類精確性和較好的推廣性。目前處理多故障分類問題的基本思路就是將多故障分類問題分解為二分類問題處理，因此在處理輸送帶跑偏故障的分類問題時，本文使用多分類的支持向量機算法，文獻［12，13］對支持向量機的理論算法進行了詳細的介紹。

本文使用一對一的方法在每兩種類型間訓練一個分類器。假設對給定的兩類訓練樣本集（x f，y g），f＝1，2，…，t；x∈Rd，y g∈｛＋1，-1｝。其中，t為訓練樣本個數(shù)，d為每個樣本的維數(shù)，y g為類別標識符號。則分類問題能轉換成如下數(shù)學問題：

其中：w為垂直超平面的全系數(shù)向量；Ф（x f）為不需要知道其具體形式的變換函數(shù)；b（b∈R）為分類值域；ξf為松弛項，ξf≥0；C為懲罰因子，C為大于0的常數(shù)。

對于給定的測試樣本x，支持向量機分類器函數(shù)有如下一般形式：

其中：sgn（）為符號函數(shù)，得到分類函數(shù)的符號就可判斷出樣本x的類別。若分類函數(shù)分x到“-1”類，那么“-1”類票數(shù)加1，否則，“＋1”類票數(shù)加1。

3.3 選取核函數(shù)

對于核函數(shù)的選擇而言，雖然不同的內積核函數(shù)將形成不同的分類算法，但得到的結果卻比較相近，為便于計算，本文的兩種核函數(shù)均選擇如下徑向基核函數(shù)：

其中：x c為核函數(shù)中心；σ為核函數(shù)外推能力的調節(jié)參數(shù)。

通過MATLAB環(huán)境下的仿真試驗驗證，此方法只需要少量的輸送帶跑偏故障樣本就能較好地解決故障分類問題。輸送帶跑偏故障的影響因素來自多方面，在實際中存在不確定因素，因此在處理特征數(shù)據(jù)時，試驗參數(shù)的確定及如何應用到不同的實際問題中還需要做更進一步的研究。

4 結論

（1）本文根據(jù)主元分析法實現(xiàn)輸送帶跑偏故障診斷所需位置特征值的提取，利用支持向量機故障診斷理論實現(xiàn)了輸送帶跑偏故障的分類。從智能控制角度來看，本文提出的方法便捷，為帶式輸送機智能調控系統(tǒng)的開發(fā)奠定了一定的基礎。

（2）輸送帶跑偏故障產生的原因是多方面的，所以應從設計、安裝、調整、使用及維護等多方面來進行跑偏故障的診斷與處理。

總之，輸送帶跑偏故障是帶式輸送機運行時最常見的故障之一，而帶式輸送機作為最理想的連續(xù)輸送設備，使用十分廣泛，因而輸送帶跑偏故障的診斷對于進一步的故障處理、確保帶式輸送機可靠高效的運行顯得至關重要。

［1］王鷹.連續(xù)輸送機械設計手冊［M］.北京：中國鐵道出版社，2001.

［2］王鷹，孟文俊，黃霞云，等.長距離大運量帶式輸送機關鍵技術及國內外發(fā)展狀況［J］.起重運輸機械，2005（11）：1-5.

［3］王鷹，孟文俊，王學民，等.帶式輸送機前傾托輥的探討［J］.起重運輸機械，2005（9）：24-26.

［4］羅聰.帶式輸送機跑偏的原因及解決方法［J］.金屬材料與冶金工程，2011，39（4）：29-30.

［5］鄭樹峰，王斌.輸送帶跑偏的原因及其防偏措施的分析［J］.機械工程與自動化，2007（2）：142-143.

［6］李強，杜啟魯，徐育.帶式輸送機輸送帶跑偏產生的原因及處理對策［J］.煤礦現(xiàn)代化，2009（1）：63-64.

［7］宣苓娟，張媛，周滿山.帶式輸送機常見糾偏裝置分析［J］.煤礦機械，2011，32（8）：192-193.

［8］李魏華，史鐵林.核函數(shù)主元分析及其在齒輪故障診斷中的應用［J］.機械工程學報，2003，39（8）：65-70.

［9］胡金海，謝壽生，侯勝利，等.核函數(shù)主元分析及其在故障特征提取中的應用［J］.振動測試與診斷，2007，27（1）：48-52.

［10］鐘秉林，黃仁.機械故障診斷學［M］.北京：機械工業(yè)出版社，1998.

［11］Vap Nik V N.The nature of statistical learning theory［M］.New York：Springer-Verlag，1995.

［12］張周鎖，李凌均，徐長響，等.基于支持向量機的機械故障診斷方法研究［J］.西安交通大學學報，2002，36（12）：1303-1306.

［13］郭麗娟，孫世宇，段修生.支持向量機及核函數(shù)研究［J］.科學技術與工程，2008，8（2）：487-490.