王書(shū)滿(mǎn) 邊志鑫

(1. 徐州開(kāi)放大學(xué)機(jī)電工程學(xué)院， 江蘇 徐州 221000； 2. 中國(guó)礦業(yè)大學(xué)機(jī)電學(xué)院， 江蘇 徐州 221116)

?

基于LabVIEW的帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)診斷系統(tǒng)

王書(shū)滿(mǎn)1邊志鑫2

(1. 徐州開(kāi)放大學(xué)機(jī)電工程學(xué)院， 江蘇 徐州 221000； 2. 中國(guó)礦業(yè)大學(xué)機(jī)電學(xué)院， 江蘇 徐州 221116)

針對(duì)帶式輸送機(jī)故障發(fā)生率較高，同時(shí)不能實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè)等現(xiàn)狀，設(shè)計(jì)了一種基于LabVIEW和PLC的輸送機(jī)遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)。該系統(tǒng)集運(yùn)行信號(hào)采集、狀態(tài)監(jiān)測(cè)、數(shù)據(jù)庫(kù)操作和故障診斷于一體，通過(guò)對(duì)帶式輸送機(jī)關(guān)鍵參數(shù)進(jìn)行實(shí)時(shí)有效地監(jiān)測(cè)，能夠及時(shí)地診斷出故障，并顯示對(duì)應(yīng)故障參數(shù)。其中，利用基于經(jīng)驗(yàn)?zāi)B(tài)分解EMD和隱馬爾科夫模型HMM算法實(shí)現(xiàn)故障診斷與識(shí)別。調(diào)試結(jié)果表明，系統(tǒng)運(yùn)行穩(wěn)定，故障信息能夠?qū)崟r(shí)顯示，且故障診斷的準(zhǔn)確率高，是一種有效的帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)。

LabVIEW； PLC； 帶式輸送機(jī)； 狀態(tài)監(jiān)測(cè)； 故障診斷

在煤礦綜采工作面惡劣、危險(xiǎn)的環(huán)境下，有效實(shí)現(xiàn)自動(dòng)化開(kāi)采一直都是國(guó)內(nèi)外煤炭行業(yè)探索的重點(diǎn)[1]。帶式輸送機(jī)作為綜采工作面裝備，其是否正常運(yùn)行關(guān)系到煤礦開(kāi)采的效率，因此對(duì)帶式輸送機(jī)進(jìn)行遠(yuǎn)程監(jiān)測(cè)與故障診斷研究，有效減少事故的發(fā)生、及時(shí)排除故障，對(duì)煤炭行業(yè)具有不可忽略的工程意義。

目前，國(guó)內(nèi)學(xué)者已對(duì)工作面輸送設(shè)備的監(jiān)測(cè)與診斷技術(shù)進(jìn)行了研究，并開(kāi)發(fā)出了相應(yīng)的產(chǎn)品，但已開(kāi)發(fā)的系統(tǒng)大多局限于工作面的使用[2]。監(jiān)測(cè)系統(tǒng)如果僅基于PLC系統(tǒng)開(kāi)發(fā)，對(duì)煤礦井下數(shù)據(jù)進(jìn)行采集和分析，雖然實(shí)現(xiàn)了對(duì)輸送機(jī)的自動(dòng)化控制，但是系統(tǒng)造價(jià)較高，數(shù)據(jù)采集以及處理能力、系統(tǒng)硬件方面也會(huì)受限，隨著LabVIEW的誕生，極大程度地促進(jìn)了虛擬智能儀表的發(fā)展[3]?；诖耍敬窝芯刻接懥嘶贚abVIEW和PLC的帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)，充分利用LabVIEW和MATLAB各自的特點(diǎn)，實(shí)現(xiàn)二者的聯(lián)合仿真，提出基于EMD(Empirical Mode Decomposition)和HMM(Hidden Markov Model)的軸承診斷算法[4-5]，具備良好的人機(jī)交互開(kāi)發(fā)平臺(tái)和強(qiáng)大的數(shù)據(jù)分析處理能力，實(shí)現(xiàn)了帶式輸送機(jī)的遠(yuǎn)程監(jiān)測(cè)與故障診斷，為煤炭行業(yè)信息自動(dòng)化技術(shù)提供可靠的有力依據(jù)。

1 系統(tǒng)硬件基本結(jié)構(gòu)

帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)故障診斷系統(tǒng)主要包含系統(tǒng)硬件和上位機(jī)智能監(jiān)測(cè)診斷軟件兩大主體部分。系統(tǒng)硬件總體結(jié)構(gòu)框圖如圖1所示，硬件系統(tǒng)主要包括監(jiān)測(cè)主機(jī)、交換機(jī)、通信模塊、可編程控制器、智能儀表、輸入和輸出模塊以及各類(lèi)傳感器元件。本系統(tǒng)的通訊模塊采用智能模塊CP 243-1，利用以太網(wǎng)接口實(shí)現(xiàn)上位機(jī)與PLC之間的通信，實(shí)現(xiàn)采集數(shù)據(jù)的信息傳遞，安全可靠。

圖1 系統(tǒng)硬件總體結(jié)構(gòu)框圖

溫度傳感器、帶速傳感器等通過(guò)智能儀表轉(zhuǎn)換成數(shù)字量，經(jīng)可編程控制器的RS 485接口傳輸至可編程控制器；轉(zhuǎn)速傳感器為脈沖信號(hào)，振動(dòng)傳感器采用電流型模擬量信號(hào)，傳輸至模擬量擴(kuò)展模塊 EM 231，與可編程控制器的輸入模塊連接。可編程控制器將這些信號(hào)通過(guò)通訊模塊，再經(jīng)交換機(jī)傳輸至監(jiān)測(cè)主機(jī)。監(jiān)測(cè)主機(jī)將獲得的數(shù)據(jù)利用遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)進(jìn)行處理，實(shí)現(xiàn)實(shí)時(shí)存儲(chǔ)、故障判斷等，同時(shí)顯示實(shí)時(shí)趨勢(shì)曲線(xiàn)，歷史數(shù)據(jù)查詢(xún)以及報(bào)表輸出；如果帶式輸送機(jī)發(fā)生故障，監(jiān)測(cè)主機(jī)將彈出報(bào)警窗口，并顯示發(fā)生故障的位置，同時(shí)發(fā)出警報(bào)并記錄報(bào)警信息。

2 系統(tǒng)程序設(shè)計(jì)

2.1 軟件結(jié)構(gòu)

帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)上位機(jī)軟件結(jié)構(gòu)如圖2所示，主要功能包含信號(hào)采集、運(yùn)行監(jiān)測(cè)、數(shù)據(jù)處理和報(bào)警顯示4個(gè)部分。

上位機(jī)根據(jù)采集到的數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)自動(dòng)監(jiān)測(cè)帶式輸送機(jī)的電機(jī)轉(zhuǎn)速和溫度，并能實(shí)時(shí)顯示上述參數(shù)反映出的輸送機(jī)狀態(tài)，監(jiān)測(cè)到故障信息，并在軟件主界面上顯示出故障類(lèi)型，給出報(bào)警信號(hào)，其中故障包括低速、超溫、堆煤、跑偏、煙霧以及撕帶；同時(shí)還能通過(guò)分析振動(dòng)信號(hào)，實(shí)現(xiàn)帶式輸送機(jī)的故障診斷研究，對(duì)振動(dòng)信號(hào)進(jìn)行數(shù)據(jù)處理，從振動(dòng)分析角度判斷故障類(lèi)型。監(jiān)測(cè)與診斷系統(tǒng)界面如圖3所示。系統(tǒng)實(shí)現(xiàn)了數(shù)據(jù)采集、運(yùn)行監(jiān)測(cè)、故障診斷、數(shù)據(jù)庫(kù)操作、報(bào)表生成和報(bào)警顯示等功能。

圖2 系統(tǒng)上位機(jī)軟件結(jié)構(gòu)框圖

圖3 帶式輸送機(jī)遠(yuǎn)程監(jiān)控與故障診斷系統(tǒng)界面

2.2 數(shù)據(jù)通信

帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)的關(guān)鍵是如何采集到井下數(shù)據(jù)，并上傳到上位機(jī)進(jìn)行分析。本次研究采用基于共享變量模式的LabVIEW與PLC的串口通訊，只需在創(chuàng)建共享變量時(shí)使用屬性設(shè)置對(duì)引入的各個(gè)變量進(jìn)行具體的參數(shù)配置，然后在變量地址欄引入各變量一一對(duì)應(yīng)的實(shí)際PLC存儲(chǔ)器地址。利用數(shù)據(jù)記錄與監(jiān)控(Datalogging and Supervisory Control, DSC)模塊，LabVIEW和PLC之間進(jìn)行數(shù)據(jù)交換的存儲(chǔ)器尋址方式滿(mǎn)足Modbus的通訊協(xié)議[6-7]。

基于LabVIEW的帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)通過(guò)開(kāi)放數(shù)據(jù)庫(kù)互連技術(shù)(Open Database Connectivity, ODBC)實(shí)現(xiàn)LabVIEW與數(shù)據(jù)庫(kù)的連接[8-9]。LabVIEW數(shù)據(jù)庫(kù)連接工具包(Database Connectivity Toolkit, DCT)具有完整的SQL功能，利用LabSQL工具包實(shí)現(xiàn)數(shù)據(jù)庫(kù)的各種操作，能夠與本地或遠(yuǎn)程數(shù)據(jù)庫(kù)實(shí)現(xiàn)直接交互式操作，從而實(shí)現(xiàn)采集信號(hào)以及故障信息的保存和查詢(xún)。數(shù)據(jù)庫(kù)操作部分程序如圖4所示，通過(guò)選擇起止時(shí)間來(lái)實(shí)現(xiàn)時(shí)間段內(nèi)故障數(shù)據(jù)庫(kù)中故障信息的查詢(xún)。

圖4 數(shù)據(jù)庫(kù)操作程序

通過(guò)對(duì)帶式輸送機(jī)電機(jī)軸承、減速器軸承、滾筒軸承的振動(dòng)信號(hào)采集與實(shí)時(shí)診斷處理，可以診斷出設(shè)備可能出現(xiàn)的軸承故障。由于篇幅有限，以減速器軸承為例進(jìn)行診斷說(shuō)明：利用LabVIEW虛擬儀器平臺(tái)和基于MATLAB script節(jié)點(diǎn)調(diào)用MATLAB的接口方式，借助MATLAB強(qiáng)大的運(yùn)算能力，實(shí)現(xiàn)對(duì)輸入信號(hào)進(jìn)行時(shí)頻域分析和故障識(shí)別，從而診斷出軸承的故障類(lèi)型[10-11]，提出基于EMD和HMM的軸承診斷算法，分析軸承振動(dòng)信號(hào)能量熵特征信息，建立軸承識(shí)別模型，完成對(duì)軸承類(lèi)型的診斷識(shí)別。

其中，時(shí)頻域分析包括峭度和功率譜分析。峭度為無(wú)量綱參數(shù)，對(duì)沖擊信號(hào)十分敏感，尤其適合軸承早期故障診斷應(yīng)用。當(dāng)軸承正常運(yùn)轉(zhuǎn)時(shí)，峭度值約等于3；當(dāng)發(fā)生故障時(shí)，峭度值將變大，以此作為是否發(fā)生故障的一個(gè)評(píng)判依據(jù)。為了更進(jìn)一步確定故障類(lèi)型，還需進(jìn)行下一步的故障識(shí)別處理。故障診斷算法包含信號(hào)預(yù)處理、特征提取及故障識(shí)別3部分。信號(hào)預(yù)處理由基于峭度準(zhǔn)則的EMD算法實(shí)現(xiàn)。首先利用峭度準(zhǔn)則篩選出包含主要故障特征頻率的IMF分量[9]，當(dāng)軸承發(fā)生各種故障時(shí)，信號(hào)在不同頻帶的能量會(huì)出現(xiàn)不同程度的變化，可以通過(guò)計(jì)算每層IMF的能量熵來(lái)提取信號(hào)的敏感特征信息，從而判斷是否發(fā)生了故障以及故障的類(lèi)型。然后將提取到的各IMF能量熵作為故障敏感特征集，輸入到具有較強(qiáng)識(shí)別分類(lèi)能力的HMM分類(lèi)模型中，對(duì)軸承故障類(lèi)型進(jìn)行識(shí)別分類(lèi)。其中，在HMM模型訓(xùn)練階段，結(jié)合Baum-Welch算法，對(duì)初始化設(shè)置的HMM模型進(jìn)行訓(xùn)練，建立各類(lèi)軸承的HMM參數(shù)模型；在識(shí)別階段，利用Viterbi算法近似計(jì)算推理概率，在已知模型下，輸出概率值最大的樣本故障類(lèi)型即為對(duì)應(yīng)模型的類(lèi)型。系統(tǒng)界面上識(shí)別結(jié)果按照識(shí)別出的軸承類(lèi)型百分比顯示，故障診斷流程如圖5所示。

3 系統(tǒng)調(diào)試結(jié)果

測(cè)試實(shí)驗(yàn)在模擬實(shí)驗(yàn)平臺(tái)上進(jìn)行。正常軸承、內(nèi)圈、外圈以及滾動(dòng)體故障的振動(dòng)信號(hào)時(shí)域圖如圖6所示。利用采集到的數(shù)據(jù)進(jìn)行故障診斷分析，對(duì)HMM分類(lèi)模型進(jìn)行訓(xùn)練，然后利用訓(xùn)練好的識(shí)別模型對(duì)實(shí)時(shí)采集的數(shù)據(jù)進(jìn)行診斷識(shí)別。其中，采樣頻率為5 120 Hz，采樣點(diǎn)數(shù)為8 000。

圖5 故障診斷流程圖

圖6 軸承振動(dòng)信號(hào)時(shí)域圖

將實(shí)驗(yàn)采集到的各軸承類(lèi)型100組樣本通過(guò)基于峭度準(zhǔn)則的EMD分解方法進(jìn)行降噪預(yù)處理，然后提取出IMF能量熵敏感特征集，作為輸入向量來(lái)訓(xùn)練HMM分類(lèi)模型，最后實(shí)時(shí)采集100組滾動(dòng)體故障軸承信號(hào)，用以測(cè)試訓(xùn)練好的HMM分類(lèi)器的診斷識(shí)別，如表1所示。實(shí)驗(yàn)結(jié)果表明，軸承故障診斷法對(duì)滾動(dòng)體故障的診斷識(shí)別的正確率達(dá)到89%，說(shuō)明該方法能夠有效地診斷識(shí)別軸承故障類(lèi)型。

表1 測(cè)試樣本識(shí)別正確率統(tǒng)計(jì)結(jié)果

4 結(jié) 語(yǔ)

基于LabVIEW的帶式輸送機(jī)遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)，能夠?qū)崿F(xiàn)數(shù)據(jù)實(shí)時(shí)采集、運(yùn)行工況監(jiān)測(cè)，智能故障診斷、報(bào)表一鍵生成以及數(shù)據(jù)庫(kù)多項(xiàng)操作和報(bào)警顯示等功能。實(shí)驗(yàn)應(yīng)用表明，該系統(tǒng)能自動(dòng)監(jiān)測(cè)帶式輸送機(jī)的電機(jī)轉(zhuǎn)速和溫度，并能實(shí)時(shí)顯示上述參數(shù)反應(yīng)出的輸送機(jī)狀態(tài)，監(jiān)測(cè)各類(lèi)故障信息，從而實(shí)現(xiàn)對(duì)帶式輸送機(jī)運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測(cè)和故障診斷，為煤炭行業(yè)信息自動(dòng)化技術(shù)的發(fā)展以及無(wú)人化操作工作面的建設(shè)奠定了基礎(chǔ)，提供了可靠的理論和應(yīng)用依據(jù)。

[1] 邵舒淵,盧選民.基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)技術(shù)的煤礦安全[J].電子技術(shù)應(yīng)用,2008(6):138-140.

[2] 李臻,操虹,賈洪鋼,等.煤礦帶式輸送機(jī)軸承監(jiān)測(cè)診斷系統(tǒng)及其應(yīng)用[J].工礦自動(dòng)化,2011(12):15-18.

[3] 向家偉,徐晉勇,陳東弟,等.基于LabVIEW的礦山帶式輸送機(jī)故障診斷軟件設(shè)計(jì)[J].煤礦機(jī)械,2010,31(1)：244-247.

[4] 曹端超,康建設(shè),張星輝.基于HMM-EMD的滾動(dòng)軸承故障診斷方法[J].軸承,2012(5):51-53.

[5] 蘇文勝,王奉濤,張志新,等.EMD降噪和譜峭度法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J].振動(dòng)與沖擊,2010,29(3):18-21.

[6] 李英,陳傳凱,蘇貞志.基于LabVIEW與PLC的開(kāi)放式數(shù)控系統(tǒng)串口無(wú)線(xiàn)通訊的研究[J].組合機(jī)床與自動(dòng)化加工技術(shù),2012(7):49-53.

[7] 萬(wàn)鵬,趙世平,徐弘軒.基于Modbus協(xié)議的PLC與LabVIEW的通訊實(shí)現(xiàn)[J].中國(guó)測(cè)試技術(shù),2008,34(3):62-64.

[8] 陳雷,王忠東,陳爽.基于LabVIEW的機(jī)床振動(dòng)信號(hào)數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)技術(shù)的研究[J].組合機(jī)床與自動(dòng)化加工技術(shù),2013(7):92-93.

[9] 李文濤,曹彥紅,卜旭芳,等.LabVIEW數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)技術(shù)的實(shí)現(xiàn)及應(yīng)用[J].工礦自動(dòng)化,2012(3):69-72.

[10] 劉自然,熊偉,顏丙生,等.EMD方法和倒頻譜在齒輪箱故障診斷中的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù),2014(9):102-104.

[11] 黃俊,潘宏俠,都衡.基于EMD近似熵和LSSVM的齒輪箱故障診斷研究[J].組合機(jī)床與自動(dòng)化加工技術(shù),2014(3):111-113.Design of Remote Monitoring and Diagnosis System of Conveyer Based on LabVIEW

WANGShuman1BIANZhixin2

(1. School of Mechanic Engineering, Xuzhou Open University, Xuzhou Jiangsu 221000, China; 2. College of Mechanic Engineering, China University of Mining and Technology, Xuzhou Jiangsu 221116, China)

At present the belt conveyor contains high failure rate and the operating condition cannot be monitored remotely, so a remote monitoring and fault diagnosis system is designed based on LabVIEW and PLC. The system achieves these functions, including signal acquisition, state monitoring, database operation and fault diagnosis. The key parameters of the belt conveyor can be monitored in real time so that the fault could be found in time, and the corresponding parameters are displayed. The algorithm based on Empirical Mode Decomposition (EMD) and Hidden Markov Model (HMM) was used to implement fault diagnosis and recognition. The actual application results show that the system is stable and the fault information can be displayed in real time. Because the accuracy of fault diagnosis is high, it is an effective design of remote monitoring and fault diagnosis system of belt conveyor.

LabVIEW; PLC; belt conveyer; condition monitoring; fault diagnosis

2016-06-20

2015年度江蘇省科技廳立項(xiàng)課題“最新機(jī)械化監(jiān)測(cè)診斷服務(wù)原理和構(gòu)造研究”(2015JSKJYJ026)

王書(shū)滿(mǎn)(1974 — )，男，徐州沛縣人，碩士，講師，研究方向?yàn)闄C(jī)械設(shè)計(jì)及理論。

TP277

A

1673-1980(2016)05-0078-04