田露旭 高向遠(yuǎn) 廖亞兵 費(fèi)秀國 耿國盛

(1.南京農(nóng)業(yè)大學(xué)工學(xué)院，江蘇 南京 210031；2.南京創(chuàng)力傳動機(jī)械有限公司，江蘇 南京 211103)

0 引言

2019年11月11日上午8點(diǎn)，據(jù)菜鳥驛站方面統(tǒng)計(jì)，從凌晨至上午8點(diǎn)，天貓8小時(shí)發(fā)貨量破億，刷新紀(jì)錄。能做到如此快速地完成出庫任務(wù)，離不開AGV設(shè)備的功勞，如果AGV在運(yùn)行過程中發(fā)生故障而沒有及時(shí)處理，將會導(dǎo)致任務(wù)失敗，這不僅會對單個(gè)任務(wù)造成影響，還會使整個(gè)系統(tǒng)進(jìn)行重新調(diào)整。本文對低速旋轉(zhuǎn)機(jī)械故障的診斷技術(shù)進(jìn)行分析總結(jié)，對AGV設(shè)備的使用維護(hù)進(jìn)行歸納總結(jié)，對于準(zhǔn)確排除AGV小車故障有非常大的借鑒意義，有利于提高物流作業(yè)的工作效率。

1 小波函數(shù)與BP神經(jīng)網(wǎng)絡(luò)算法

1.1 小波函數(shù)的選擇

其中：λ——為相似性系數(shù)，屬于無量綱系數(shù)；

si——為對于的小波基函數(shù)作絕對值后各波峰所包含的面積；

hi——為小波基函數(shù)作絕對值后各波峰的極大值；

ai——為小波基函數(shù)作絕對值后各波峰的加權(quán)系數(shù)；

n——為小波基函數(shù)作絕對信后波峰的數(shù)量；

通過計(jì)算得到λDaubechies10=7.5[3]為小波基函數(shù)中與AGV沖擊信號相似程度最高的小波基函數(shù)，這里我們通過MATLAB對db10低頻高頻信號小波函數(shù)及尺度函數(shù)小波特性進(jìn)行簡要分析。從圖1的db10小波的低頻高頻信號圖，圖2的db10小波函數(shù)及尺度函數(shù)圖可以發(fā)現(xiàn)db10的小波函數(shù)與沖擊信號的相似度較高。

圖1 db10小波的低頻高頻信號圖

圖2 db10小波函數(shù)及尺度函數(shù)圖

1.2 BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化

通過小波分析后，進(jìn)行相應(yīng)的特征提取，這時(shí)候我們就需要相應(yīng)的手段來對特征值進(jìn)行分析處理以此來判斷旋轉(zhuǎn)機(jī)械所存在的具體故障。信號正向傳播與誤差逆向傳播的各層權(quán)矩陣的修改過程是周而復(fù)始進(jìn)行的。權(quán)值不斷修改的過程是網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程。直到網(wǎng)絡(luò)輸出的誤差逐漸減少到預(yù)先所設(shè)定的精度范圍。[4]在這里我們選用BP神經(jīng)網(wǎng)路并利用遺傳算法對其進(jìn)行優(yōu)化處理以此來對更加準(zhǔn)確的特征值進(jìn)行分析處理。具體流程如圖3所示：

2 基于MATLAB的AGV旋轉(zhuǎn)機(jī)械故障檢測實(shí)現(xiàn)

2.1 首先分析AGV設(shè)備常見的電機(jī)故障[4]

(1)松動。松動包括電機(jī)排線與驅(qū)動器之間接頭的松動以及零件之間正常的配合關(guān)系被破壞造成配合間隙超差而引起的松動。第一種情況會導(dǎo)致AGV小車行走時(shí)的卡頓現(xiàn)象，第二種較為復(fù)雜由松動引起的振動具有一定的非線性，其振動信號的頻率成份相當(dāng)復(fù)雜，除了基頻(等于轉(zhuǎn)頻)以外，還產(chǎn)生高頻次諧波和分頻振動，頻譜結(jié)構(gòu)成梳狀，有時(shí)還表現(xiàn)出一些方向特征很明顯，主要在垂直方向很強(qiáng)烈。

圖3 遺傳算法對BP神經(jīng)網(wǎng)絡(luò)改善流程圖

(2)電機(jī)過熱。因?yàn)锳GV工作屬于長時(shí)間低速工作，或者高負(fù)載工作，因此很容易導(dǎo)致電機(jī)發(fā)熱嚴(yán)重，從而影響電機(jī)的正常運(yùn)行。

(3)電機(jī)驅(qū)動器損壞。電機(jī)驅(qū)動器內(nèi)部損壞會導(dǎo)致電機(jī)無法按照正常的控制量控制速度。

(4)安裝誤差。由于AGV在運(yùn)行過程中存在抖動現(xiàn)象，有可能導(dǎo)致固定電機(jī)的螺絲松動，最后影響電機(jī)的正常運(yùn)行，甚至可能導(dǎo)致電機(jī)與傳動鏈條脫落，使得電機(jī)無法正常運(yùn)行。

2.2 振動信號的收集與處理

這里通過對應(yīng)力波的收集，并運(yùn)用db10小波進(jìn)行應(yīng)力波的信號分解。

2.3 故障診斷識別

通過收集不同的故障數(shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并運(yùn)用遺傳算法對神經(jīng)網(wǎng)絡(luò)的隱含層權(quán)值進(jìn)行改進(jìn)，得到如圖四所示樣式的BP神經(jīng)網(wǎng)絡(luò)，最后做到較為準(zhǔn)確的輸出故障。

圖4 BP神經(jīng)網(wǎng)絡(luò)示意圖

3 總結(jié)

本文對AGV小車的旋轉(zhuǎn)機(jī)械故障檢測方法的實(shí)現(xiàn)進(jìn)行了簡要的分析，并總結(jié)出利用小波分析、遺傳算法、BP神經(jīng)網(wǎng)絡(luò)來對旋轉(zhuǎn)機(jī)械的震動信號進(jìn)行分析處理以此來實(shí)現(xiàn)對AGV設(shè)備故障進(jìn)行有效檢測，為實(shí)現(xiàn)智能化檢測提供了依據(jù)。隨著AGV設(shè)備在各個(gè)領(lǐng)域的不斷應(yīng)用，通過此技術(shù)來有效地進(jìn)行AGV的電機(jī)設(shè)備進(jìn)行故障檢測越來越重要，故此技術(shù)在AGV設(shè)備領(lǐng)域的應(yīng)用前景廣闊。