带式输送机托辊健康监测分析研究

2022-08-08岳涛

机械管理开发 2022年7期

岳涛

（晋能控股煤业集团赵庄二号井，山西长治 047100）

引言

带式输送机是矿业企业生产的重要运输设备，其安全高效运行对企业生产至关重要。近年来，因带式输送机造成的火灾事故频发，对企业、人身财产安全威胁巨大。经分析，造成带式输送机火灾事故的主要原因是托辊失效造成托辊温度过高。托辊的失效会使托辊表面摩擦加剧，从而使得局部温度过高造成火灾。对于托辊的传统定期维护方法具有成本高、隐患大、实时性差等问题，无法有效预防托辊失效。针对这一现象，本文提出了带式输送机托辊健康监测的分析研究，采用振动信号分析的方法对托辊状态进行监测识别，提高设备监控监测实时性，降低企业运行成本，保障设备安全高效运行。

1 托辊故障简要分析

托辊是带式输送机系统的主要旋转部件，主要由弹性挡环、轴盖、密封圈、筒体、轴承、隔离环以及轴承座等组成，托辊的结构示意图如图1 所示。托辊的主要作用是减少输送带的运行摩擦力，降低设备使用能源损耗，降低使用成本。带式输送机运行环境较为恶劣，托辊故障发生较为频繁。常见的托辊失效现象有轴承损坏、托辊变形以及筒体损坏等，轴承损坏是托辊失效最为常见的故障形式。轴承损坏的常见形式包括磨损损坏、疲劳剥落损坏、断裂损坏以及胶合损坏。轴承损坏大多是由设备振动以及环境腐蚀引起的，早期故障经不断恶化逐渐变为损坏。轴承振动主要是由于设备组装不当、设备设计有缺陷、其他部件故障以及部件性能退化等原因造成的。据统计，托辊故障的70%以上故障都是由于振动原因引发的，故采用基于振动信号监测的方法进行托辊健康监测研究非常必要[1-3]。

图1 托辊结构示意图

2 带式输送机托辊健康监测分析研究

2.1 振动模型建立

托辊在有设计缺陷、组装不当、部件故障以及部件性能退化等情况下，轴承系统会发生不同程度的振动现象。在振动作用力下，托辊轴承性能会逐步下降，逐渐形成点蚀故障。托辊故障状态与正常状态下的托辊相比，其振动信号频率相差明显，通过传感器对信号的收集可较好地判断托辊的健康状态。本文的托辊轴承故障模型采用幅值调制模型进行描述，当轴承故障后频率为f=1/T 时，2M+1 个冲击振动表达式为：

式中：f 代表转频，Hz；M 代表故障冲击数量；x（t）代表冲击振动函数；e 代表自然常数；A 代表m 个故障冲击幅值大小，g；t 代表时间，s；T 为故障周期；β 为托辊阻尼特性系数；ω 为故障共振频率，Hz；u（t）代表单位阶跃函数；n（t）代表干扰噪声函数；τ 代表滚动体滑移影响程度。

2.2 轴承故障仿真分析

设置托辊转频为20 Hz，信号采样频率为20 kHz，依据某煤矿带式输送机的几何结构参数信息可得各类故障特征频率表达式为：

式中：f 代表转频，Hz；fBPFI为托辊轴承内圈转频，Hz；fBPFO为托辊轴承外圈转频，Hz；fBSF为托辊轴承滚动体转频，Hz；fFTF为托辊轴承保持架转频，Hz。

2.3 基于SIOS 算法的健康状态监测

托辊健康监测需研究的另外一项就是如何对故障仿真信号与频谱进行处理，通过设立相关的健康指标从而对托辊的运行状态进行实时定义追踪。本文采用的处理方法为基于SIOS 算法的健康状态监测，其具体流程示意图如图2 所示。SIOS 算法可有效提取与分离故障信息，较为适合托辊健康状态监测。托辊的健康状态监测过程中设置了健康指标1 与健康指标2 两个评估标准，且将两个指标集成为H（i），以期进一步提升诊断效率。其中，第一步是按照SIOS 算法的要求进行信号采样，Δs<（2FlFl/Fs）为SIOS 算法频率分辨率要求；第二步运用FFT（快速傅里叶变换）算法进行频域分析，从而得到信号频谱；第三步中的δ、l分别为频谱谱峰数量与频谱平均移动幅值，选定参数后可对频谱进行搜索，得到M 个谱峰；第四步中频率栅格G 的定义表达式为G=F1，F1+ΔG，F1+2ΔG，F1+3 ΔG，...，Fh。其中，F 为频谱频率，Hz；ΔG 为可选正数。将谱峰投影向频率栅格G 即可得到频谱信息，通过SIOS 算法计算可得到谱峰数量N（i）与谱峰能量E（i）。H（i）为平均能量，计算即可获得；第五步依据托辊故障对H（i）和E（i）进行最大6 阶能量累计和计算，构建双健康指标；第六步为依据健康指标进行托辊健康状态监测。由上述步骤可知，健康指标是由SIOS 算法处理得到的，也就是说，健康指标是随着故障信息的变化而变化的。同时，N（i）和E（i）的综合判断也进一步增加了托辊健康状态监测的准确性。但上述步骤在一定程度上降低了状态监测效率，故本文进行了H（i）平均能量集成，将两组参数转化为一组，提高决策效率，使托辊状态监测更加科学高效[4-6]。

图2 基于SIOS 算法的健康状态监测流程示意图

3 实验验证

对节径为23 mm、滚珠直径为8 mm、接触角为0°、滚珠数量为9 的托辊轴承进行健康状态监测，通过更换不同健康状态的轴承进行实验后发现，轴承健康状态监测准确，准确率为100%，符合相关要求。图3 为轴承外圈故障的基于集成参数H（i）的诊断结果。依据轴承的结构参数，外圈故障特征频率应为236.40 Hz，图中谱峰为230.7 Hz，系统判定其数值差异原因为滚动体滑移影响，系统判断结果为轴承外圈故障，托辊状态监测正确。