大型履帶起重機遠(yuǎn)程精益監(jiān)測與免疫智能診斷方法研究.pdf

1、起重機是保證眾多基礎(chǔ)建設(shè)項目順利完成的關(guān)鍵施工機械，也是事故率最高的特種機械設(shè)備之一，實時監(jiān)測其運行狀態(tài)、及時發(fā)現(xiàn)潛在的故障、實施基于狀態(tài)的主動式維護是避免非計劃故障停機和保障起重機安全生產(chǎn)的重要措施。本文以大型履帶起重機為研究對象，研究分布式流動作業(yè)的工程機械遠(yuǎn)程監(jiān)測與故障診斷的共性關(guān)鍵理論方法與技術(shù)。
　　 雖然工程機械遠(yuǎn)程監(jiān)控系統(tǒng)已經(jīng)備受關(guān)注多年，但是其應(yīng)用仍處于起步階段，只能實現(xiàn)GPS地理位置監(jiān)控與少量監(jiān)測參數(shù)的簡單監(jiān)控

2、，未能有效發(fā)揮遠(yuǎn)程安全監(jiān)控與故障診斷的作用，究其原因，受到遠(yuǎn)程數(shù)據(jù)傳輸帶寬速率與傳輸流量成本的制約，無法連續(xù)實時高頻采集足夠多的狀態(tài)參數(shù)，監(jiān)測參數(shù)包含的信息不足以反映設(shè)備運行狀態(tài)是問題的瓶頸。本文提出遠(yuǎn)程精益監(jiān)測的理念，通過嵌入式特征提取與數(shù)據(jù)壓縮，減少數(shù)據(jù)流量的同時，增加數(shù)據(jù)流包含的有效信息量。遠(yuǎn)程監(jiān)控系統(tǒng)的另一個關(guān)鍵問題是自動智能故障診斷，傳統(tǒng)的智能故障診斷方法通常是基于有監(jiān)督學(xué)習(xí)的模式識別方法，實際診斷模型開發(fā)過程中，存在難以獲得

3、故障樣本，或者故障樣本不完整的問題，使傳統(tǒng)智能故障診斷方法無法訓(xùn)練出有效的診斷模型。研究故障樣本不完整情況下有效的智能故障診斷方法具有重要的理論意義與工程應(yīng)用價值。
　　 論文主要針對上述問題從理論方法、技術(shù)實現(xiàn)與實驗驗證等方面進(jìn)行了系統(tǒng)、深入的研究，并開發(fā)了大型履帶起重機遠(yuǎn)程監(jiān)測與智能維護系統(tǒng)，論文的研究工作與創(chuàng)新點主要包括以下幾方面。
　　 (1)提出了一種自適應(yīng)轉(zhuǎn)速變化變頻率采樣的嵌入式提升小波包快速特征提取方法，

4、并研究了其基于DSP的硬件實現(xiàn)。特征提取算法的嵌入式實現(xiàn)必須考慮車載現(xiàn)場嵌入式數(shù)據(jù)采集設(shè)備有限的運算速度與內(nèi)存空間等因素，本文引入了一種使用提升格式構(gòu)造小波的方法，提出了一種基于提升小波包能量分布的嵌入式快速特征提取方法，該算法所有的運算在時域上進(jìn)行，結(jié)構(gòu)簡單、速度快，占用內(nèi)存少。起重機的發(fā)動機轉(zhuǎn)速隨不同工況會發(fā)生變化，研究表明，轉(zhuǎn)速變化使基頻發(fā)生偏移，定頻率采樣的信號的小波包能量分布特征無法穩(wěn)定的反映監(jiān)測對象的運行狀態(tài)，利用嵌入式特征

5、提取與數(shù)據(jù)采集緊密相連的特點，本文提出可變采樣頻率的數(shù)據(jù)采集方式，采樣頻率隨轉(zhuǎn)速變化，實現(xiàn)自適應(yīng)的提升小波包特征提取。本文開發(fā)了基于DSP的CAN總線傳感節(jié)點擴展模塊，在該模塊中實現(xiàn)了上述自適應(yīng)變頻采樣提升小波包特征提取算法，成功應(yīng)用于大型履帶起重機遠(yuǎn)程狀態(tài)數(shù)據(jù)采集系統(tǒng)中。
　　 (2)研究了海量狀態(tài)數(shù)據(jù)流的特點及GPRS數(shù)據(jù)傳輸?shù)奶攸c，提出了字符串相對編碼與時間標(biāo)簽預(yù)測編碼兩種無損壓縮算法，并得到了中國發(fā)明專利授權(quán)。本文研究了

6、CAN總線數(shù)據(jù)格式的特點，分析表明采用十六進(jìn)制原始CAN總線數(shù)據(jù)格式傳輸比解析后傳輸需要更少的數(shù)據(jù)量，進(jìn)一步利用CAN總線數(shù)據(jù)與GPS數(shù)據(jù)緩變的特點，提出字符串相對編碼無損壓縮算法。應(yīng)用表明，這兩種壓縮算法簡單、快速、實時性好，易于嵌入式硬件編程實現(xiàn)，具有很高的壓縮率，大大提高了數(shù)據(jù)傳輸效率，并且對于遠(yuǎn)程數(shù)據(jù)傳輸還具有一定的數(shù)據(jù)加密作用。此外，針對狀態(tài)特征值緩變的特點，提出了一種BS-PLOT數(shù)據(jù)壓縮算法，用于對海量狀態(tài)數(shù)據(jù)的壓縮存儲。

7、BS-PLOT算法是一種改進(jìn)的綜合分段線性方法，利用后向斜率法(BS)快速高效壓縮的優(yōu)點，同時利用分段線性趨勢方法(PLOT)方法避免噪聲與野點的影響，并且考慮了最大時間間隔，可以實現(xiàn)數(shù)據(jù)流的不間隔連續(xù)壓縮。應(yīng)用表明，該壓縮算法具有很高的壓縮率，可顯著減少存儲空間，且運行速度快，還原后的數(shù)據(jù)精度滿足履帶起重機狀態(tài)監(jiān)控的要求。
　　 (3)針對缺乏故障訓(xùn)練樣本或故障訓(xùn)練樣本不完整的情況，提出了一種免疫相關(guān)向量機智能故障診斷方法，并

8、開發(fā)了柱塞泵智能故障診斷模型。在故障診斷系統(tǒng)的研發(fā)初期，出于安全或成本方面的考慮，某些故障狀態(tài)難以模擬，因此導(dǎo)致相應(yīng)狀態(tài)下的訓(xùn)練樣本缺失。為了解決上述問題，本文將人工免疫的隨機實值陰性選擇算法(RRNS)與相關(guān)向量機(RVM)結(jié)合，提出了一種免疫相關(guān)向量機智能分類算法(IRVM)。該算法將RRNS生成的檢測器看作非己訓(xùn)練樣本，與自己訓(xùn)練樣本一起用于RVM模型的訓(xùn)練，得到了只需“自己”訓(xùn)練樣本的“非己”檢測模型，并基于此模型及其組合，實現(xiàn)

9、只有正常樣本情況下的故障檢測，及訓(xùn)練樣本集不完整的情況下準(zhǔn)確識別己知與未知故障。該算法利用了RRNS算法可在非己空間模擬生成非己樣本及RVM模型簡單快速并且輸出后驗概率的優(yōu)點，彌補了傳統(tǒng)免疫識別算法運算量大、效率低的缺點，又彌補了RVM缺乏非己樣本無法訓(xùn)練的缺點。最后開發(fā)了基于IRVM的柱塞泵智能故障診斷模型，驗證了算法的有效性。
　　 (4)基于上述關(guān)鍵技術(shù)，開發(fā)了分布式大型履帶起重機遠(yuǎn)程監(jiān)測與智能維護系統(tǒng)。提出了一種分布式大

10、型履帶起重機遠(yuǎn)程監(jiān)測與智能維護系統(tǒng)架構(gòu)，包括基于CAN總線的大型履帶起重機現(xiàn)場分布式傳感數(shù)據(jù)采集、基于GPRS移動通信網(wǎng)絡(luò)的全國（全球）分散分布式起重機遠(yuǎn)程監(jiān)測、以及基于Internet互聯(lián)網(wǎng)的多用戶分布式聯(lián)機維護與管理平臺等。綜合考慮實時性、遠(yuǎn)程數(shù)據(jù)傳輸效率、診斷精度及開發(fā)成本等因素，提出了現(xiàn)場監(jiān)測診斷和遠(yuǎn)程監(jiān)測診斷相結(jié)合的分層狀態(tài)監(jiān)測與故障診斷模型，并探討了具體的實施策略。以QUY250大型履帶起重機為研究對象，在研究了其CAN總線

11、電液控制系統(tǒng)原理的基礎(chǔ)上，提出了兩路CAN總線與CAN總線傳感節(jié)點擴展模塊等組成的大型履帶起重機現(xiàn)場狀態(tài)信息采集系統(tǒng)架構(gòu)，研究并開發(fā)了CAN總線傳感節(jié)點擴展模塊與遠(yuǎn)程狀態(tài)信息采集控制器，以及數(shù)據(jù)庫系統(tǒng)與遠(yuǎn)程監(jiān)控維護平臺等。該大型履帶起重機遠(yuǎn)程監(jiān)控系統(tǒng)己在企業(yè)推廣應(yīng)用，實現(xiàn)了對遍布全國各地在役大型履帶起重機的遠(yuǎn)程監(jiān)控、預(yù)測預(yù)警、故障診斷及維護、管理等服務(wù)，可有效避免大型起重機重大安全事故的發(fā)生，實現(xiàn)“0距離”視情維護的目的。同時為其它移動