上海快3

浅谈起重机远程安全监控系统的意义及国内外现状---郑州恺德尔起重机安全监控系统您的位置:上海快3 > 行业知识

浅谈起重机远程安全监控系统的意义及国内外现状---郑州恺德尔起重机安全监控系统

来源:恺德尔起重机安全监控管理系统专家 发表日期: 2020-10-26 17:35:00

随着经济的发展,起重机被应用在越来越多的领域中,尤其是能源、电力、石化、冶金、交通等领域,起重机械得到空前的发展。起重机械逐渐向自动化、专业化、智能化的方向发展,对起重机械的要求也越来越严格。起重机作为一种被各行业广泛应用的大型机械设备,其复杂的机械结构在高强度的工作下难免发生电气或者结构类的故障,一旦发生事故,可能带来不可估量的损失。因此,必须通过全面的监测与可行的措施来保证起重机的安全性与可靠性。据国家质检总局公布的数据可知,2012年,全国共发生228起特种设备事故,导致292人死亡,354人受伤。特种设备死亡率为0.517/万台,其中起重机械事故数和死亡人数所占比重最大,分别占比33.3%、44.2%。2006年某电厂60T门起机因大风发生侧翻,造成7死9伤重大人身伤亡事故;2013年湖北汉川电厂1#机组的塔式起重机安装时坍塌,造成4死2重伤事故。一起起大型起重设备事故案例表明:必须对特种设备的安全性进行实时监测,并通过一定的报警形式通知现场工作人员及时处理相关问题,避免事故再次发生,从而减少不必要的人身伤害,降低事故带来的经济损失。因此,2012年,国家质检总局针对起重机生产的安全性相继出台了一些要求和规范,要求每台大型起重机必须加装安全监控管理系统,能够监控起重机工作工程,并记录起重机运行参数和安全状态。

据统计,门式起重机在起重机领域所占比例达到八成以上。近几十年来,我国起重机产品只注重数量和实用性的发展,缺少相关的安全监控措施,大部分设备仅仅安装了起升重量限制传感器,缺少比较完善的工况监测与故障诊断分析系统,存在非常严重的安全问题。在生产和检查时,用户只能凭借肉眼和经验来判断起重机运行状态,这样必然存在严重的安全隐患,同时起重机维检也具有一定的盲目性。为了改变缺少有效监测手段的现状,有必要加大起重机监测系统的开发力度,并对起重机运行各参数进行全面的实时监测,对可能出现的故障进行故障诊断与分析,并进一步提高起重机设备的监管技术和维检手段。

本项目就解决此类问题而展开的,通过与某特院深入交流,并结合生产实际需求,针对门式起重机状态监测系统与故障分析技术展开研宄。WFD8300项目的开发与实施满足起重机安全监测管理系统规范,弥补国内对门起机监测系统与故障诊断分析术的不足。  国内外研究综述:起重机远程监测系统研究现状:起重机监测系统,主要用于起重机运行状态的采集、实时状态监测、故障信息实时报警与记录、起重机设备运行维护、生产统计以及整机设备使用状况分析,还可通过对监测对象历史数据进行故障诊断分析,从而判别系统的运行状态与故障类型,从而给出合适的解决方案,来保障起重机安全生产。对于起重机监测管理系统的研宄和开发,国外大型起重设备制造商在上世纪80年代己经取得巨大的技术成果。德国LITBHERR司开发的LIKAS系统具有监视、力矩限制、作业空间限制、防碰撞与数据记录分析等多个子系统,居于国际先进水平,用户可根据需求设置个性化模块,甚至开发新的可控制系统以满足其现场操作的需求。ABB公司开发的基于GPS数据传输与卫星定位的监控系统,能够将现场采集终端获取的实时数据打包后通GPS卫星定位和无线数据传输技术上传到监控总站,具有远程实时状态监测及故障诊断分析功能。美国CRANE公司研制的基于卫星的Enthenet和移动基站接入技术的起重机无线监测系统,实现了“点对点”的智能监测,能够对起重机状态参数实现实时监测,并且具有安装容易、使用灵活、系统性能高等特点。

随着互联网技术和传感器技术的发展,更多的新技术也开始应用于监测系统,多机联合监测的智能系统逐渐取代了单机监测系统,同时随着物联网技术的应用与发展,基于物联网技术的监测系统也随之应运而生。虽然国内对起重机监测系统研究起步较晚,但也取得了长足的发展与进步。特别是随着传感器技术、物联网技术以及云计算技术的发展,起重机监测系统的研究也取得了巨大的进步。太原科技大学开发的基于Web平台的动态监测系统,能够远程监测起重机运行参数,实现了同时在线监测多台塔机,此外该系统还能对多台塔机进行集中管理。东南大学研发的基于C/S架构的门式起重机在线监测及故障诊断系统,通过无线采集卡将监测数据传输到操作室监控中心,远程监测起重机的运行状态,通过视频与报警信息掌握现场设备实时状况。同时,能够根据历史数据对起重机齿轮箱故障进行诊断分析,其对起重机状态实现了较全面的监测和报警,并提出基于AR建模的VPMCD方法,能够高效、快速的针对齿轮箱故障进行诊断。武汉科技大学研制的起重机无线监测及安全评估系统,实现了无线技术下对起重机的状态监测,并通过机器学习实现了起重机的安全评估,在一定程度上具有较高的监测和安全评估精度和使用性。北京邮电大学开发了一套基于Node.js的针对城市功能设施的温度监控报警系统,实现了对供热系统状态的监控,和数据库的分布式集群布置,满足了高并发和高性能的功能需求。

综上所述,国内的起重机监测系统主要是基于C/S架构,且相当部分仅监测起重机起升机构等部分结构,而对于起重机其他的参数鲜有涉及,比如起重机大小车驱动电机电流、大小车行车位移、起升梁、行走支架以及起升机构齿轮箱。对这些关键部位缺少有效的监测手段,也是导致起重机事故多发的原因。国内的监测系统不但没有全面的对这些参数进行有效的监测和后续的分析,而且在数据的传输、保存、分析与后续的管理上仍有不足。

起重机故障诊断相关技术研究现状.

故障诊断技术,主要是系统进行状态监测和故障诊断分析,它在工程领域应用非常广泛。上世纪年代60末,美国的航天军工获得飞速发展,但也出现一系列故障问题,这促使故障诊断技术的诞生。美国科学家积极参与该技术的研究开发,并使其诊断技术具有全球领先的地位。60年代末70年初,英国和日本也相继开展诊断技术的研宄工作,并应用到本国产品中,促使了诊断技术的推广和发展。这一期间,麻省理工也开始研发故障诊断系统并应用于电路系统中,该系统能够模仿可能导致故障的原因。日本Mitsuse公司、荷兰ROYAL PHILIPS公司以及美国GM公司都开发了系列故障诊断分析产品,并应用于相关行业。通过研宄,不难发现,欧美及日本在故障诊断方面起步早、发展快,且在相关领域处于领先地位我国故障诊断研究工作始于上世纪八十年代,为预防生产中故障的发生以及提髙生产效率,原国家经济发展委员会于1973年提出对设备进行故障诊断,并纳入了相关条例中,随后相关行业部门以及高等科研院校开展了系列研宄工作,并与国际先进企业与机构进行交流和合作。

清华大学研制的门式起重机故障分析系统以及南京航空航天大学开发的大型起重机齿轮箱故障诊断监控系统等能够正确、快速定位故障位置,有效的分析故障类型并给出合理的维修建议简单实用,便于操作。此外,东南大学、浙江大学、哈尔滨工业大学以及华中科技大学等高校也开发研制了类似的诊断系统。其中,东南大学设备监控与故障诊断研宄所长期以来一直从事设备监测及故障诊断技术的研究与开发,该所研发的MFDWFD等系列产品实现了对设备的远程监测及故障诊断功能,能够通过本地数据采集系统上传数据到本地监测中心,使用户在本地就可以对设备进行状态监测与初步的故障诊断。同时,通过数据网络系统,实现远程专家会诊[Z1] 中心,帮助企业远程对设备进行监测及故障诊断。上海交通大学研发的基于Web平台的大吨位履带起重机故障诊断系统,利用贝叶斯网络对故障树分析法进行改进,并可通过浏览器实现起重机的故障诊断分析,还集成了多种故障诊断方法,该系统具有平台无关性好、重用性高等特点。总体来说,我国机械故障诊断理论及技术研究在工程实际应用上与国际先进水平有一定差距,但是一直紧跟国际先进水平的步伐多样化的起重机产品出现的故障类型也呈多样化的态势,因此必须采取合适诊断方法解决多种故障问题。我国故障诊断理论方法研宄始于上世纪70年代末,经过近半个世纪的发展,相关成熟的理论方法和成果相继出现。常用的故障诊断方法有:基于神经网络的诊断方法、基于专家系统的诊断方法、基于FTA的诊断方法等。

基于神经网络的诊断方法:神经网络于上世纪80年代末由Venkata-subramanian等人引入到故障诊断领域。神经网络,具有自适应识别和自组织能力,能够模拟“人脑”进行工作,它能够根据提供的知识不断进行学习,减少错误的判断,还能够记忆学习的知识并学以致用,还可根据周围环境自动调整以解决各种问题。目前,神经网络诊断技术作为一种新型的理论技术已经应用于信号处理、模式识别以及专家系统等领域。

基于FTA的诊断方法:FTA(故障树分析技术)是上世纪60年代初由美国贝尔电话公司研发的,具有逻辑型强、简单、直接的特点,且其考虑问题的逻辑思维与人类相似,因此很容易让人接受。最初其被应用于危险行业的安全可靠性评估,后来由于其诊断结果能够准确、安全、高效反映系统的弱点所在,因此被广泛应用于危险设备的故障分析领域。它通过故障树简化后的结构图描述了故障树从整体到局部的关系模型,有利于从人为因素和环境因素等方面来分析各个部分对故障的影响。但是故障树分析法也存在一定的缺点,主要体现在构造故障树的工作繁多开发人员必须具备较高知识水平,难度较大。

基于专家系统的诊断方法:从上世纪60年代始,专家系统一直是应用最广泛的诊断方法之一。专家系统,是根据领域内的专门知识进行推理,故障症状与已知故障事实进行相似性分析,并与使用者进行“交流”,从而给出合理的诊断结果,为使用者决策提供建议。目前专家系统广泛应用于航天航空、电力化工、机械船舶等行业的故障诊断领域,并与其他检测技术相结合使工程安全生产得到保证一直以来旋转机械的故障分析方法都是故障监测与诊断技术的核心。随着起重机械设备的快速发展,其旋转机械部分的功率和载荷变得越来越大,对其安全性要求也越来越高。通常起重机这样的大型设备需要监测的参数包括电压、电流、应力、振动以及噪声等,需要有效的信号处理技术与理论方法,从复杂的信号中提取故障信号特征以发现设备问题。

故障信号分析是对设备运行参数利用经典谱与现代谱等分析方法处理故障信号,提取出故障特征。旋转机械部分的故障诊断及分析的发展过程中,人们探索出了一系列的诊断分析方法。早期在旋转设备的故障分析中发挥了重大作用的经典信号分析方法,都是基于傅里叶变换的,适用于平稳信号。如李晓虎等人对频谱分析方法在齿轮箱故障诊断中的应用研究这些方法主要包括:时域分析(自相关分析、互相关分析)、频域分析(功率谱分析、倒谱分析、包络谱分析、互谱分析)等。对于起重机械其振动信号大多数为时变信号或非平稳信号,不适用传统的经典信号分析方法,因此,又出现了小波分析(线性)与维格纳分布(非线性)等现代谱分析技术利用时频分析方法,识别短持续时间正弦波、线性调频脉冲等特殊信号,有效的提出故障特征,因而在故障诊断、信号处理分析、图像识别、语音分析、股票等领域得到广泛应用起重机齿轮箱工作时振动信号复杂,混合了各个啮合齿轮的特征信号、行走机构与起升机构等的噪声信号,必须研究有效的故障诊断技术来从复杂信号中提取故障特征,从而有效诊断出齿轮箱故障以避免事故的发生。随着近几年计算机技术以及人工智能的发展,整个诊断领域也朝着智能诊断方向发展,朝着融合多种信息源、经验知识与理论方法紧密结合、混合智能诊断、基于物联网的远程协助诊断以及基于云计算、云存储的远程监测与智能诊断方向发展。


 [Z1]