產品列表
聯系我們
鋒速達通風降溫系統
電 話：0573-83418060>
傳 真：0573-83418060
聯系人
售前咨詢:15068216608
技術指導:18858318765
售后服務:15821073963
地 址：浙江省嘉興市南湖區
車間降溫負壓風機對旋軸流式主通風機的在線監測與故障診斷工程運
1引言
隨著傳感技術和計算機技術的不斷發展，在線監測與故障診斷這一以傳感技術和計算機技術為基礎的研究課題，取得了新的發展。為使這一技術成功地轉化成生產力，以進一步提高煤炭企業自動化、智能化水平，某公司成功地將在線監測和故障診斷技術應用在對旋軸流式主通風機上，為煤炭企業全面實施信息化和提高企業管理水平創造了條件。
本文以某公司開發的FJC型在線監測與故障診斷工程為例，介紹了礦井對旋軸流式主通風機(以下簡稱主通風機)在線監測與故障診斷工程的設計要求、工程組成、工作過程及運行情況。
2設計要求
2.1功能要求
煤礦主通風機是煤礦的四大主要設備之一，作為礦井主通風，它每天24h不停地運轉，是整個礦井的“呼吸”工程。如此重要的安全生產關鍵設備，如果因某種故障而停機運行，將會給整個礦山的安全生產帶來巨大威脅，因此，要求與之配套的在線監測與故障診斷工程可靠性要高，這樣，當工程自身出現故障時也不會影響主通風機的正常運行。
對旋軸流式主通風機由兩個電機驅動，所以要求對兩個電機的參數應分別采樣。
《煤礦安全規程》規定，礦井主通風機必須安裝2套同等能力的主要通風裝置，其中一套作為備用。為減少用戶對在線監測與故障診斷工程的資金投入，要求一套工程可以在兩臺主通風機間切換，哪臺主通風機運行就對哪臺主通風機進行監測。
另外還要求該工程具有在線幫助、狀態監測、故障診斷、機器平衡及資料查尋五大功能。工程能按時自動或手動對風機進行在線狀態監測與故障診斷。能自動記錄主通風機運行時的風量、風壓、效率、轉速、振動、電機功率、繞組溫度、軸承溫度及進出氣體溫度等參數值，并自動生成表格。有關信號的圖譜、風壓-風量曲線圖以及數據顯示直觀簡明。工程能在主通風機出現故障前(如軸承損壞、葉片變形等)自動報警、提示檢修，并能智能判斷出故障性質及部位。
為便于用戶使用和操作，要求軟件能在通用的Windows操作工程下運行。
2.2要求達到的技術性能指標和參數
(1)輸入由傳感器確定，輸出4位有效數字；
(2)各通道數顯誤差不超過2%；
(3)微機屏幕允許誤顯率：1/10000；
(4)管理軟件可靠性：在長期運行狀態下不死機，具有抗干擾措施和自恢復功能；
(5)定期全特性測定，正確打印軸承溫度、繞組溫度、風壓、風量、效率、振動曲線，最大誤差不超過2%；
(6)電源：AC220V±5%,43～67Hz；
(7)適用溫度：-40～180℃；
(8)穩態分析：時域波形、軸心軌跡、軸心位置、軸心進動(一、二和三階正，反進動量)、全息進行、一維頻譜和低頻細化等；
(9)暫態分析：增(減)速Bode圖、增(減)速軸心進動、增(減)速諧波分析和增(減)速過程圖等；
(10)趨勢分析：振動總量趨勢、軸心進動趨勢和諧波振動趨勢等分段，在風機額定工作狀態下，實時監測如下的特征量：
�、賱涌偭�；
�、趧有盘柕臅r域波形；
�、垡弧⒍腿A諧波振動分量與參考值的幅值之差；
�、茌S心軌跡；
�、葺S心進動(一、二和三階正，反進動量)；
�、奕⑦M動；
�、咭�、二和三階正、反進動量與參考值之差；
�、嘁弧⒍腿A諧波振動分量的分、時、日、月趨勢；
�、嵋�、二和三階正、反進動量的分、時、日、月趨勢；
⑩正、反進動量的瞬態突變；
諧波振動分量的瞬態突變。
根據以上特征量，可以準確地了解機器的狀態，幫助工程師診斷機器中可能出現的下列主要故障：
�、俎D子不平衡；
②轉軸裂紋；
③轉靜碰摩；
④轉子熱彎曲；
�、萑~片掉塊；
⑥支承不對中；
�、咿D子失穩；
⑧喘振等。
3主通風機在線監測與故障診斷工程的組成
FJC型在線監測與故障診斷工程由工控機(包括軟件)、標準控制柜、引壓裝置、測振裝置、變送裝置、計算機桌及其它輔件組成。根據其功能，整個工程可分解為多個子工程，主要包括數據采集子工程、狀態監測子工程、故障診斷子工程，每個子工程又由一系列任務模塊組成，它們協同工作，完成機組運行狀態的實時監測與智能故障診斷。
為了克服狀態監測和故障診斷過程中多任務與實時性的矛盾以及提高工程的可靠性和擴展性，采用了層次化的工程結構。工程分為三個層次，如圖1所示。第一層次由傳感器(加速度傳感器、溫度傳感器、壓力傳感器等)、變送器(功率變送器、壓力變送器、壓差變送器等)和相應的信號切換、調理電路組成；第二層次由遠程數據采集儀組成；第三層次由信號分析、診斷服務計算機組成，實現機組狀態實時監測與智能故障診斷。
4工作過程
4.1在線監測
(1)在線監測分兩種模式。一種為自動監測模式，在該模式下，本工程定時對礦井主通風機運行狀態進行在線監測，用于通常情況下的測試；另一種為單次監測模式，每次調動該模式，本工程對礦井主通風機運行狀態僅實現一次監測，用于調整或維修過程中的測試。
(2)數據采集卡對4路振動信號和2路軸位脈沖信號同步進行采集，并按時間序號保存所采集的振動信號數據，以便進行故障分析，應保存30次采集的數據；數據采集卡對4路軸承溫度信號進行采集；數據采集卡對流量和壓力信號同步進行采集。
(3)對每路振動信號的數據進行計算，得出振動烈度值；對每路軸位脈沖信號進行計數，計算出主通風機每分鐘的轉速；對每路軸承溫度信號進行轉換，得出溫度值；對流量和壓力信號的數據進行計算，得出風量、風壓、效率值。在顯示屏上顯示振動烈度、主通風機每分鐘的轉速、溫度、風量、風壓、效率值的當前計算結果。同時，按時間順序以表格形式記錄每次計算結果；以時序圖的形式畫出振動烈度、溫度、風量和風壓的時序圖，并可進行查閱和分析。
(4)狀態實時監測子工程根據計算出的振動烈度、溫度、風量和風壓值與所規定的閾值相比較，顯示機器運行狀態“正常”、“警告”、“異�！钡慕Y論�！熬妗睍r提醒，“異�！睍r報警。
故障診斷根據礦井主通風機的結構和運行特點，故障診斷子工程是以機組的在線監測為基礎，根據在線監測所獲得的振動信號、過程參數等實時數據，根據信號分析模塊的分析結果，提取反映機組運行狀態的特征數據，對發生故障的機組進行診斷。當需要進行故障分析時，能按時間序號調出所保存的振動信號數據進行分析，畫出頻譜圖和時域圖。能在所分析的整個頻率范圍內或指定的故障頻率范圍內自動搜索某些峰值進行運算，得出相應故障頻率下的特征參數值，并自動與所設定的該故障頻率下的特征參數閾值進行比較，判斷故障可能發生的部位、原因、類型、性質，并提供維修的參考建議，在顯示屏上顯示。由于某些故障發生的復雜性，為了進一步對故障進行分析，必要時輔之以人們的經驗。因而，頻譜圖和時域圖還具有手動搜索峰值的功能。
4.2機器平衡
當需要進行機器平衡時，對一路軸位脈沖信號和兩路振動信號同時進行采集，對兩路振動信號進行數值濾波，提取出轉軸的轉動頻率振動信號，進行相位和幅值分析，并計算出應加平衡質量和位置。
5運行情況
(1)主通風機的在線監測與故障診斷工程目前已有多套與我公司生產的彎掠組合正交隔爆對旋軸流式主通風機配套運行，經過1～2年的使用證明，該工程性能穩定、操作簡便。
(2)該工程能使有關人員及時掌握主通風機的運行狀態，必要時適當調整主通風機的運行參數，使主通風機盡可能地運行在高效區，具有顯著的節能效果，降低了主通風機運行成本，提高了煤炭企業的經濟效益。
(3)企業信息化，是企業發展的必然趨勢。煤炭企業為實現企業信息化，就必須在主通風機上配套在線監測和故障診斷工程。隨著我國“以信息化帶動工業化，以工業化促進信息化”工作的不斷深入，目前在國內選擇配套該工程的礦用主通風機的用戶越來越多。
6結束語
(1)FJC型在線監測與故障診斷工程可以滿足煤礦對旋軸流式主通風機的在線監測與故障診斷的要求，可以提高煤礦主通風機的自動化、智能化水平，推進煤炭企業信息化的工作進程，也有利于提高煤炭企業的管理水平。
(2)因該工程的預警功能，主通風機能及時得到必要的維護與修理，提高了主通風機運行的可靠性，為實現煤礦的通風安全提供了有力的保障。
送風風機故障診斷以某紡織企業空調送風風機進行為故障診斷試驗。風機的型號為KV310-12，16片葉片，電機型號Y225M-2B3，功率45kw，轉速2970r/min，軸承型號SKF1316KC3，彈性銷柱聯軸器。風機的主要故障為聯軸器彈性元件磨損造成的不對中，葉片磨損引起的不平衡，軸承油膜振蕩等故障。而其振動信號是進行故障診斷最為有效的特征參數。根據研究，風機的不平衡故障振動頻率表現為轉動頻率的基頻，不對中故障的頻率表現為轉動頻率的倍頻，而軸承的油膜振蕩則表現為較高頻率的振動。因此，通過對風機振動信號特點的分析，可以識別風機的故障狀態及類型。然而，風機振動工程存在非線性，各種振動激勵與傳輸之間互相影響重疊，要把這些不同的振動信號分開是非常困難的。一般的波譜分析很難湊效。而人工神經網絡方法具有的非線性映射能力、學習記憶能力、自適應能力是很好的解決方法。
測量風機內側軸承處垂直方向上的振動加速度信號，以振動信號頻譜中的（0-1.0）f，（1.1-3.0）f，（3.1-）f頻率段上的譜峰能量值作為故障特征向量（分別記為x1，x2，x3，f為風機的轉動頻率），診斷風機常見的不平衡、不對中、軸承故障（分別記為y1、y2、y3）。建立RBF神經網絡，網絡的輸入層節點為3，分別對應3個故障特征參數，輸出層節點為3，分別對應3種故障類型，隱含層節點數由訓練樣本，根據RBF神經網絡算法確定。為了提高處理的速度和精確性，需對所有樣本數據資料進行歸一化處理，即：xij=xij-xjminxjmax-xjminxij為第i個樣本的第j個特征分量，ximin、xjmax分別為第j個特征分量的最小和最大值。
共選取20組樣本數據，以12組作為訓練樣本（如，數據經過歸一化），其中正常狀態、不平衡、不對中、軸承油膜振蕩各3組，其余8組為測試樣本，其中正常狀態、不平衡、不對中、軸承油膜振蕩各2組。在PⅢ866、256MRAM計算機上，利用Matlab6.5編程，根據上述方法對訓練樣本進行訓練，將測試樣本輸入檢驗，結果如，診斷結果與實際情況完全一致。說明本文方法對空調1送風風機幾種故障狀態全部正確識別。
神經網絡訓練比較結論（1）RBF神經網絡具有從非線性可分的模式空間映射性狀態空間可分的特性，調整參數少，收斂速度快，網絡的適用性強，具有較強的分類能力，并避免了局部極值問題。（2）減聚法是一種行之有效的算法，用它來確定RBF神經網絡的參數，能使神經網絡找到較為合適的參數值，使網絡結構得以優化，提高學習訓練速度。
鋒速達是水簾生產廠家|環�？照{生產廠家|屋頂風機廠家|，鋒速達承接規劃：豬場降溫|車間降溫|廠房降溫|豬場通風|車間通風|廠房通風|屋頂排風機|屋頂排熱|廠房通風降溫|車間通風降溫|通風換氣排熱降溫工程|屋頂風機安裝|負壓風機安裝|水簾安裝|環�？照{安裝|通風設備安裝|通風降溫設備|通風系統安裝案例|通風降溫系統|屋頂通風機|屋頂排風系統
相關的主題文章:
隨著傳感技術和計算機技術的不斷發展，在線監測與故障診斷這一以傳感技術和計算機技術為基礎的研究課題，取得了新的發展。為使這一技術成功地轉化成生產力，以進一步提高煤炭企業自動化、智能化水平，某公司成功地將在線監測和故障診斷技術應用在對旋軸流式主通風機上，為煤炭企業全面實施信息化和提高企業管理水平創造了條件。
本文以某公司開發的FJC型在線監測與故障診斷工程為例，介紹了礦井對旋軸流式主通風機(以下簡稱主通風機)在線監測與故障診斷工程的設計要求、工程組成、工作過程及運行情況。
2設計要求
2.1功能要求
煤礦主通風機是煤礦的四大主要設備之一，作為礦井主通風，它每天24h不停地運轉，是整個礦井的“呼吸”工程。如此重要的安全生產關鍵設備，如果因某種故障而停機運行，將會給整個礦山的安全生產帶來巨大威脅，因此，要求與之配套的在線監測與故障診斷工程可靠性要高，這樣，當工程自身出現故障時也不會影響主通風機的正常運行。
對旋軸流式主通風機由兩個電機驅動，所以要求對兩個電機的參數應分別采樣。
《煤礦安全規程》規定，礦井主通風機必須安裝2套同等能力的主要通風裝置，其中一套作為備用。為減少用戶對在線監測與故障診斷工程的資金投入，要求一套工程可以在兩臺主通風機間切換，哪臺主通風機運行就對哪臺主通風機進行監測。
另外還要求該工程具有在線幫助、狀態監測、故障診斷、機器平衡及資料查尋五大功能。工程能按時自動或手動對風機進行在線狀態監測與故障診斷。能自動記錄主通風機運行時的風量、風壓、效率、轉速、振動、電機功率、繞組溫度、軸承溫度及進出氣體溫度等參數值，并自動生成表格。有關信號的圖譜、風壓-風量曲線圖以及數據顯示直觀簡明。工程能在主通風機出現故障前(如軸承損壞、葉片變形等)自動報警、提示檢修，并能智能判斷出故障性質及部位。
為便于用戶使用和操作，要求軟件能在通用的Windows操作工程下運行。
2.2要求達到的技術性能指標和參數
(1)輸入由傳感器確定，輸出4位有效數字；
(2)各通道數顯誤差不超過2%；
(3)微機屏幕允許誤顯率：1/10000；
(4)管理軟件可靠性：在長期運行狀態下不死機，具有抗干擾措施和自恢復功能；
(5)定期全特性測定，正確打印軸承溫度、繞組溫度、風壓、風量、效率、振動曲線，最大誤差不超過2%；
(6)電源：AC220V±5%,43～67Hz；
(7)適用溫度：-40～180℃；
(8)穩態分析：時域波形、軸心軌跡、軸心位置、軸心進動(一、二和三階正，反進動量)、全息進行、一維頻譜和低頻細化等；
(9)暫態分析：增(減)速Bode圖、增(減)速軸心進動、增(減)速諧波分析和增(減)速過程圖等；
(10)趨勢分析：振動總量趨勢、軸心進動趨勢和諧波振動趨勢等分段，在風機額定工作狀態下，實時監測如下的特征量：
�、賱涌偭�；
�、趧有盘柕臅r域波形；
�、垡弧⒍腿A諧波振動分量與參考值的幅值之差；
�、茌S心軌跡；
�、葺S心進動(一、二和三階正，反進動量)；
�、奕⑦M動；
�、咭�、二和三階正、反進動量與參考值之差；
�、嘁弧⒍腿A諧波振動分量的分、時、日、月趨勢；
�、嵋�、二和三階正、反進動量的分、時、日、月趨勢；
⑩正、反進動量的瞬態突變；
諧波振動分量的瞬態突變。
根據以上特征量，可以準確地了解機器的狀態，幫助工程師診斷機器中可能出現的下列主要故障：
�、俎D子不平衡；
②轉軸裂紋；
③轉靜碰摩；
④轉子熱彎曲；
�、萑~片掉塊；
⑥支承不對中；
�、咿D子失穩；
⑧喘振等。
3主通風機在線監測與故障診斷工程的組成
FJC型在線監測與故障診斷工程由工控機(包括軟件)、標準控制柜、引壓裝置、測振裝置、變送裝置、計算機桌及其它輔件組成。根據其功能，整個工程可分解為多個子工程，主要包括數據采集子工程、狀態監測子工程、故障診斷子工程，每個子工程又由一系列任務模塊組成，它們協同工作，完成機組運行狀態的實時監測與智能故障診斷。
為了克服狀態監測和故障診斷過程中多任務與實時性的矛盾以及提高工程的可靠性和擴展性，采用了層次化的工程結構。工程分為三個層次，如圖1所示。第一層次由傳感器(加速度傳感器、溫度傳感器、壓力傳感器等)、變送器(功率變送器、壓力變送器、壓差變送器等)和相應的信號切換、調理電路組成；第二層次由遠程數據采集儀組成；第三層次由信號分析、診斷服務計算機組成，實現機組狀態實時監測與智能故障診斷。
4工作過程
4.1在線監測
(1)在線監測分兩種模式。一種為自動監測模式，在該模式下，本工程定時對礦井主通風機運行狀態進行在線監測，用于通常情況下的測試；另一種為單次監測模式，每次調動該模式，本工程對礦井主通風機運行狀態僅實現一次監測，用于調整或維修過程中的測試。
(2)數據采集卡對4路振動信號和2路軸位脈沖信號同步進行采集，并按時間序號保存所采集的振動信號數據，以便進行故障分析，應保存30次采集的數據；數據采集卡對4路軸承溫度信號進行采集；數據采集卡對流量和壓力信號同步進行采集。
(3)對每路振動信號的數據進行計算，得出振動烈度值；對每路軸位脈沖信號進行計數，計算出主通風機每分鐘的轉速；對每路軸承溫度信號進行轉換，得出溫度值；對流量和壓力信號的數據進行計算，得出風量、風壓、效率值。在顯示屏上顯示振動烈度、主通風機每分鐘的轉速、溫度、風量、風壓、效率值的當前計算結果。同時，按時間順序以表格形式記錄每次計算結果；以時序圖的形式畫出振動烈度、溫度、風量和風壓的時序圖，并可進行查閱和分析。
(4)狀態實時監測子工程根據計算出的振動烈度、溫度、風量和風壓值與所規定的閾值相比較，顯示機器運行狀態“正常”、“警告”、“異�！钡慕Y論�！熬妗睍r提醒，“異�！睍r報警。
故障診斷根據礦井主通風機的結構和運行特點，故障診斷子工程是以機組的在線監測為基礎，根據在線監測所獲得的振動信號、過程參數等實時數據，根據信號分析模塊的分析結果，提取反映機組運行狀態的特征數據，對發生故障的機組進行診斷。當需要進行故障分析時，能按時間序號調出所保存的振動信號數據進行分析，畫出頻譜圖和時域圖。能在所分析的整個頻率范圍內或指定的故障頻率范圍內自動搜索某些峰值進行運算，得出相應故障頻率下的特征參數值，并自動與所設定的該故障頻率下的特征參數閾值進行比較，判斷故障可能發生的部位、原因、類型、性質，并提供維修的參考建議，在顯示屏上顯示。由于某些故障發生的復雜性，為了進一步對故障進行分析，必要時輔之以人們的經驗。因而，頻譜圖和時域圖還具有手動搜索峰值的功能。
4.2機器平衡
當需要進行機器平衡時，對一路軸位脈沖信號和兩路振動信號同時進行采集，對兩路振動信號進行數值濾波，提取出轉軸的轉動頻率振動信號，進行相位和幅值分析，并計算出應加平衡質量和位置。
5運行情況
(1)主通風機的在線監測與故障診斷工程目前已有多套與我公司生產的彎掠組合正交隔爆對旋軸流式主通風機配套運行，經過1～2年的使用證明，該工程性能穩定、操作簡便。
(2)該工程能使有關人員及時掌握主通風機的運行狀態，必要時適當調整主通風機的運行參數，使主通風機盡可能地運行在高效區，具有顯著的節能效果，降低了主通風機運行成本，提高了煤炭企業的經濟效益。
(3)企業信息化，是企業發展的必然趨勢。煤炭企業為實現企業信息化，就必須在主通風機上配套在線監測和故障診斷工程。隨著我國“以信息化帶動工業化，以工業化促進信息化”工作的不斷深入，目前在國內選擇配套該工程的礦用主通風機的用戶越來越多。
6結束語
(1)FJC型在線監測與故障診斷工程可以滿足煤礦對旋軸流式主通風機的在線監測與故障診斷的要求，可以提高煤礦主通風機的自動化、智能化水平，推進煤炭企業信息化的工作進程，也有利于提高煤炭企業的管理水平。
(2)因該工程的預警功能，主通風機能及時得到必要的維護與修理，提高了主通風機運行的可靠性，為實現煤礦的通風安全提供了有力的保障。
送風風機故障診斷以某紡織企業空調送風風機進行為故障診斷試驗。風機的型號為KV310-12，16片葉片，電機型號Y225M-2B3，功率45kw，轉速2970r/min，軸承型號SKF1316KC3，彈性銷柱聯軸器。風機的主要故障為聯軸器彈性元件磨損造成的不對中，葉片磨損引起的不平衡，軸承油膜振蕩等故障。而其振動信號是進行故障診斷最為有效的特征參數。根據研究，風機的不平衡故障振動頻率表現為轉動頻率的基頻，不對中故障的頻率表現為轉動頻率的倍頻，而軸承的油膜振蕩則表現為較高頻率的振動。因此，通過對風機振動信號特點的分析，可以識別風機的故障狀態及類型。然而，風機振動工程存在非線性，各種振動激勵與傳輸之間互相影響重疊，要把這些不同的振動信號分開是非常困難的。一般的波譜分析很難湊效。而人工神經網絡方法具有的非線性映射能力、學習記憶能力、自適應能力是很好的解決方法。
測量風機內側軸承處垂直方向上的振動加速度信號，以振動信號頻譜中的（0-1.0）f，（1.1-3.0）f，（3.1-）f頻率段上的譜峰能量值作為故障特征向量（分別記為x1，x2，x3，f為風機的轉動頻率），診斷風機常見的不平衡、不對中、軸承故障（分別記為y1、y2、y3）。建立RBF神經網絡，網絡的輸入層節點為3，分別對應3個故障特征參數，輸出層節點為3，分別對應3種故障類型，隱含層節點數由訓練樣本，根據RBF神經網絡算法確定。為了提高處理的速度和精確性，需對所有樣本數據資料進行歸一化處理，即：xij=xij-xjminxjmax-xjminxij為第i個樣本的第j個特征分量，ximin、xjmax分別為第j個特征分量的最小和最大值。
共選取20組樣本數據，以12組作為訓練樣本（如，數據經過歸一化），其中正常狀態、不平衡、不對中、軸承油膜振蕩各3組，其余8組為測試樣本，其中正常狀態、不平衡、不對中、軸承油膜振蕩各2組。在PⅢ866、256MRAM計算機上，利用Matlab6.5編程，根據上述方法對訓練樣本進行訓練，將測試樣本輸入檢驗，結果如，診斷結果與實際情況完全一致。說明本文方法對空調1送風風機幾種故障狀態全部正確識別。
神經網絡訓練比較結論（1）RBF神經網絡具有從非線性可分的模式空間映射性狀態空間可分的特性，調整參數少，收斂速度快，網絡的適用性強，具有較強的分類能力，并避免了局部極值問題。（2）減聚法是一種行之有效的算法，用它來確定RBF神經網絡的參數，能使神經網絡找到較為合適的參數值，使網絡結構得以優化，提高學習訓練速度。
鋒速達是水簾生產廠家|環�？照{生產廠家|屋頂風機廠家|，鋒速達承接規劃：豬場降溫|車間降溫|廠房降溫|豬場通風|車間通風|廠房通風|屋頂排風機|屋頂排熱|廠房通風降溫|車間通風降溫|通風換氣排熱降溫工程|屋頂風機安裝|負壓風機安裝|水簾安裝|環�？照{安裝|通風設備安裝|通風降溫設備|通風系統安裝案例|通風降溫系統|屋頂通風機|屋頂排風系統
相關的主題文章:
