權利要求書： 1.一種刮板輸送機故障診斷方法，其特征在于，步驟如下：

S1、將聲學信號采集模塊的采集端布置于軸端旁側，麥克風采集聲音信號，下位機將采集的聲音信號作為原始聲音信號傳輸至處理終端；

S2、處理終端對原始聲音信號進行處理，先通過EMD算法分解原始聲音信號，得到一系列IMF分量；

S3、篩選出M個敏感IMF分量，并將最敏感的IMF分量記為IMFsen-i；

S4、通過自相關分析法尋找并剔除IMFsen-i信號中存在模式混疊的數據段Smix；

S5、對剔除Smix數據段的IMFsen-i信號利用快速傅里葉變換進行分析，篩選出IMFsen-i信號的主要頻段成分區(qū)間[flow，fhigh]；

S6、對第i-1個IMF分量進行低通濾波，上截止頻率設置為fhigh，得到濾波后的信號Sfilter-i-1；對第i+1個IMF分量進行高通濾波，下截止頻率設置為flow，得到濾波后的信號Sfilter-i+1；將Sfilter-i-1、IMFsen-i和Sfilter-i+1進行相加重構得到信號S合；

S7、通過VMD算法對S合信號進行分解，得到一系列imf分量；

S8、篩選出最敏感的imf分量，記為imffinal，對此信號進行希爾伯特包絡譜分析，根據分析結果判斷刮板輸送機是否存在故障。

2.根據權利要求1所述的一種刮板輸送機故障診斷方法，其特征在于，S3的具體步驟為：

S30、計算各IMF分量的相關系數r；

S31、計算各IMF分量的峭度指標k；

S32、計算各IMF分量的融合指標k_r，

k_r＝k+r；

S33、按各IMF分量融合指標的大小排序各IMF分量，融合指標越大，對應IMF分量越敏感，融合指標最大的IMF分量為最敏感的IMF分量。

3.根據權利要求2所述的一種刮板輸送機故障診斷方法，其特征在于，S32計算各IMF分量的融合指標k_r前，先分別對S30計算的各IMF分量的相關系數r及S31計算的各IMF分量的峭度指標k均進行歸一化處理，利用處理后的相關系數



及處理后的峭度指標



進行各IMF分量的融合指標k_r計算。

4.根據權利要求3所述的一種刮板輸送機故障診斷方法，其特征在于，歸一化處理采用如下計算模型：



其中，



為歸一化處理后的相關系數



或峭度指標



x為歸一化處理前IMF分量對應的相關系數r或峭度指標k，xmin為各IMF分量的相關系數r或峭度指標k的最小值，xmax為各IMF分量的相關系數r或峭度指標k的最大值。

說明書： 一種刮板輸送機故障診斷系統和診斷方法技術領域

本發(fā)明屬于采煤設備診斷技術領域，更具體地說，涉及一種刮板輸送機故障診斷系統和診斷方法。

背景技術

刮板輸送機是煤礦中不可或缺的重要輸送設備，主要用于運輸煤炭或矸石等物料，同時也作為液壓支架的支點和采煤機的運行軌道，加之刮板輸送機本身空載時自身重量較大、井下環(huán)境惡略等因素，使得其容易發(fā)生故障，其它設備也會因此無法運行，影響了整個系統的正常工作，對生產效率帶來一定負面影響；減速機作為刮板輸送機運行過程中的關鍵裝置，其工作在多煤渣粉塵、潮濕的環(huán)境中，并且受落煤規(guī)格影響工作負載多變，其內部的齒輪軸承等關鍵部件極易受損誘發(fā)故障，在此影響下，減速機故障會引起整個采煤工作流程，產生巨大損失，甚至引發(fā)重大安全事故，嚴重影響安全生產。

傳統的刮板輸送機故障診斷是通過采集振動信號進行分析，其缺點在于：(1)、振動信號采集傳感器屬于直接接觸式測量，正常工況下常采用螺紋連接，這種安裝方式在強烈沖擊振動的情況下會引起連接松動及傳感器損壞，由于刮板輸送機工作環(huán)境惡劣，很多情況下不適合采用接觸時測量；此外由于傳感器采用的是直接接觸式測量進而會引起傳感器共振，這會對信號中有用信息造成嚴重干擾；(2)、振動傳感器安裝時需要對設備殼體進行處理，安裝位置不佳，則采集到的振動信號效果特征很微弱，頻繁的更換安裝位置會嚴重破壞了設備殼體，傳感器安裝位置可調節(jié)性差。

經檢索，中國專利公開號：CN204346703U；公開日：2015年5月20日；公開了一種刮板輸送機減速器故障診斷裝置，包括壓電加速度傳感器、刮板輸送機減速器、三相異步電動機、數據采集系統、計算機；兩個壓電加速度傳感器通過磁鐵塊布置于減速器輸出軸背面端蓋和箱體上方，壓電加速度傳感器直接記錄減速器的振動信號，并且與數據采集系統中的數據采集卡相連接，數據采集卡為PCI-1716采集卡，其具有一個250kS/s、16位A/D轉換器，并且采集卡還具有16路單端模擬量輸入和8路差分模擬量輸入；數據采集卡與計算機連接，采集的減速器振動信號存儲并且顯示在計算機中；減速器為二級傳動減速器，傳動齒輪為斜齒圓錐齒輪。該申請案的裝置采用多傳感器的布置方式，能提高振動信號采集的有效性，但仍無法有效避免干擾信號對診斷結果的影響。

發(fā)明內容

為了解決上述技術問題至少之一，根據本發(fā)明的一方面，提供了一種刮板輸送機故障診斷系統，包括：

聲學信號采集模塊，其包括采集端、信號調理單元和下位機，采集端布置于刮板輸送機減速器驅動箱的軸端旁側，采集端通過信號調理單元與下位機信號連接；

處理終端，其與聲學信號采集模塊的下位機信號連接，對采集到的聲學信號進行分析，診斷聲學信號對應的減速器是否故障；

交互模塊，其與處理終端信號連接，給用戶呈現診斷結果及采集的聲學信號；

電源，其為聲學信號采集模塊、處理終端及交互模塊供電。

根據本發(fā)明實施例的刮板輸送機故障診斷系統，可選地，所述聲學信號采集模塊的采集端包括：

底座，其水平置于刮板輸送機減速器驅動箱的軸端旁側的水平面上；

導桿，其豎置形成于底座頂面上；

升降套，其活動套接于導桿上，升降套通過鎖緊螺栓與導桿緊固；

夾爪，其固定連接于升降套外側；

麥克風，其被夾持在夾爪上，麥克風位于軸端旁，麥克風與信號調理單元信號連接。

根據本發(fā)明實施例的刮板輸送機故障診斷系統，可選地，所述麥克風側壁套設有直管套，所述直管套內壁面光滑，外壁面粗糙。

根據本發(fā)明實施例的刮板輸送機故障診斷系統，可選地，所述麥克風有若干個，至少有一個麥克風朝向軸端圓心布置。

根據本發(fā)明的另一方面，提供了一種刮板輸送機故障診斷方法，步驟如下：

S1、將聲學信號采集模塊的采集端布置于軸端旁側，麥克風采集聲音信號，下位機將采集的聲音信號作為原始聲音信號傳輸至處理終端；

S2、處理終端對原始聲音信號進行處理，先通過EMD算法分解原始聲音信號，得到一系列IMF分量；

S3、篩選出M個敏感IMF分量，并將最敏感的IMF分量記為IMFsen-i；

S4、通過自相關分析法尋找并剔除IMFsen-i信號中存在模式混疊的數據段Smix；

S5、對剔除Smix數據段的IMFsen-i信號利用快速傅里葉變換進行分析，篩選出IMFsen-i信號的主要頻段成分區(qū)間[flow，fhigh]；

S6、對第i-1個IMF分量進行低通濾波，上截止頻率設置為fhigh，得到濾波后的信號Sfilter-i-1；對第i+1個IMF分量進行高通濾波，下截止頻率設置為flow，得到濾波后的信號Sfilter-i+1；將Sfilter-i-1、IMFsen-i和Sfilter-i+1進行相加重構得到信號S合；

S7、通過VMD算法對S合信號進行分解，得到一系列imf分量；

S8、篩選出最敏感的imf分量，記為imffinal，對此信號進行希爾伯特包絡譜分析，根據分析結果判斷刮板輸送機是否存在故障。

根據本發(fā)明實施例的刮板輸送機故障診斷方法，可選地，S3的具體步驟為：

S30、計算各IMF分量的相關系數r；

S31、計算各IMF分量的峭度指標k；

S32、計算各IMF分量的融合指標k_r，

k_r＝k+r；

S33、按各IMF分量融合指標的大小排序各IMF分量，融合指標越大，對應IMF分量越敏感，融合指標最大的IMF分量為最敏感的IMF分量。

根據本發(fā)明實施例的刮板輸送機故障診斷方法，可選地，S32計算各IMF分量的融合指標k_r前，先分別對S30計算的各IMF分量的相關系數r及S31計算的各IMF分量的峭度指標k均進行歸一化處理，利用處理后的相關系數



及處理后的峭度指標



進行各IMF分量的融合指標k_r計算。

根據本發(fā)明實施例的刮板輸送機故障診斷方法，可選地，歸一化處理采用如下計算模型：



其中，



為歸一化處理后的相關系數



或峭度指標



x為歸一化處理前IMF分量對應的相關系數r或峭度指標k，xmin為各IMF分量的相關系數r或峭度指標k的最小值，xmax為各IMF分量的相關系數r或峭度指標k的最大值。

有益效果

相比于現有技術，本發(fā)明至少具備如下有益效果：

(1)本發(fā)明的刮板輸送機故障診斷系統，無需與檢測位置直接接觸，避免振動導致損壞、共振產生干擾信號等情況出現，提高診斷效率；采集端麥克風位置靈活可調，適用范圍廣；麥克風外壁設有直管套能有效屏蔽其他聲源發(fā)出聲音信號的干擾，配合多麥克風的設置，能大大提高診斷結果準確性；

(2)本發(fā)明的刮板輸送機故障診斷方法，對原始聲音信號進行EMD分解后，篩選出最敏感IMF分量，剔除模態(tài)混疊段，然后進行濾波重構，有效解決了EMD分解過程中模態(tài)混疊現象，使信號特征更加顯著，重構信號經VMD分解后對最敏感imf分量信號包絡譜分析，得到準確有效的診斷結果，極大的提高了診斷維修的效率。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術方案，下面將對實施例的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅涉及本發(fā)明的一些實施例，而非對本發(fā)明的限制。

圖1示出了本發(fā)明的診斷系統示意圖；

圖2示出了本發(fā)明的聲學信號采集模塊采集端的結構示意圖；

圖3示出了本發(fā)明的聲學信號采集模塊采集端布置位置示意圖；

圖4為本發(fā)明的診斷方法流程圖；

圖5示出了現有的單EMD分解法處理過程中模態(tài)混疊效果與本發(fā)明的方法VMD分解過程中模態(tài)混疊效果對比圖；

圖6示出了實施例2中對imffinal包絡譜分析的結果圖；

圖7示出了實施例2中對剔除Smix數據的IMFsen-i信號進行快速傅里葉變換后的頻域圖像；

圖8示出了實施例2中確定α值的能量差曲線；

附圖標記：

1、聲學信號采集模塊；10、底座；11、導桿；12、升降套；120、鎖緊螺栓；13、夾爪；14、麥克風；

2、處理終端；

3、交互模塊；

4、電源；

100、軸端。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例的附圖，對本發(fā)明實施例的技術方案進行清楚、完整地描述。顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例。

實施例1

傳統的刮板輸送機故障診斷采用的振動信號傳感器與刮板輸送機直接接觸，可調節(jié)性差，且刮板輸送機工作環(huán)境惡劣，一方面容易損壞傳感器結構，另一方面會引起共振導致對采集的信號產生嚴重干擾，最終會導致難以得出準確有效的診斷信息，針對上述問題，本實施例設計一種刮板輸送機故障診斷系統。

如圖1所示，本實施例的刮板輸送機故障診斷系統由聲學信號采集模塊1、處理終端2、交互模塊3及電源4構成，其中聲學信號采集模塊1包括采集端、信號調理單元和下位機，三者依次信號連接，采集端布置于減速器驅動箱的軸端100旁側，不與刮板輸送機直接接觸，采集減速器運行時軸端100處的聲音信號，信號調理單元與采集端信號連接，對采集端采集的信號進行放大處理后，傳輸至與之連接的下位機中，下位機將聲音信號轉化為波形圖等形式傳遞給處理終端2；處理終端2包括工控機，其內搭載有診斷聲音信號的算法處理模塊，下位機與工控機通過485、232等信號線進行通訊，將聲學信號采集模塊1采集的聲音信號傳輸至工控機，工控機分析處理后得到診斷結果；交互模塊3包括顯示面板、操作端及聲光預警單元，工控機處理得到的診斷結果會從交互模塊3的顯示面板上呈現給用戶，同時呈現的還有聲學信號采集模塊1采集的聲音信號波形，操作端與工控機通過控制線連接，用戶可通過操作端對工控機進行操作或參數設置，聲光報警單元是在診斷出刮板輸送機有故障時啟動發(fā)出聲光報警信號以提示用戶；本實施例的電源4為防爆電源，與聲學信號采集模塊1、處理終端2、交互模塊3通過變壓模塊電連接，以提供不同電壓級別的穩(wěn)定電能，考慮到刮板輸送機的工況環(huán)境，本實施例的刮板輸送機故障診斷系統需做防暴處理，如采用本安型部件或外加防爆殼體。

進一步地，本實施例的聲學信號采集模塊1的采集端結構如圖2所示，采集端包括底座10、導桿11、升降套12、夾爪13及麥克風14，底座10采用鋼板等作為配重，主要目的是采集端設置后位置結構的穩(wěn)定性，導桿11豎直形成在底座10頂面上，升降套12套接在導桿11上，可沿導桿11長度方向上下活動，升降套12上沿徑向開設有螺紋孔，鎖緊螺栓120配合設于螺紋孔中，通過旋擰鎖緊螺栓120，通過鎖緊螺栓120與導桿11抵緊與否來將升降套12定位在合適的高度位置，夾爪13設于升降套12外側，主要起夾持麥克風14的作用，麥克風14與信號調理單元信號連接，麥克風14位于軸端100旁側，采集軸端100處的聲音信息，麥克風14不與軸端100直接接觸，本實施例的采集端可以靈活調整麥克風14的位置，以針對不同位置的聲音信號采集需求作出調整，適用范圍廣，且麥克風14不直接與檢測位置接觸，不會存在振動導致損壞的情況，也避免了共振產生干擾信號的情況出現，提高了診斷結果準確性。

進一步地，本實施例在麥克風14側壁套設有直管套，直管套能屏蔽其他聲源發(fā)出聲音信號引起的干擾，直管套內壁面光滑，外壁毛糙，如在外壁設有狼牙交錯式凸起或磨砂層，可以進一步減少其他聲源對麥克風14要采集聲音信號的干擾，進一步提高診斷結果準確性。

進一步地，一處采集端，可布置若干個麥克風14，相應的，升降套12上形成有對應數量的夾爪13夾持麥克風14，且至少有一個麥克風14朝向軸端100圓心布置如圖3所示，其余麥克風14可呈線性陣列或矩形陣列布置，保證以一軸端100圓心處的麥克風14為圓心，半徑5cm范圍內至少有一個麥克風14；還可采用三麥克風14式的采集端，三個麥克風14其中一個朝向軸端100圓心布置，另一個朝向軸端100徑向方向布置，再一個沿著與軸端100外圓相切的方向布置，由此能對減速機啟動時軸端100處的聲音信號進行有效全面的采集，配合麥克風14外壁直管套結構，將非對應麥克風14采集方向的其他聲源干擾降到最低，由此能大大提高診斷結果準確性。

實施例2

本實施例提供了一種刮板輸送機故障診斷方法，方法流程圖如圖4所示，基于實施例1的刮板輸送機故障診斷系統，旨在解決針對聲音信號診斷時，干擾因素影響診斷結果準確性的問題，步驟如下：

S1、將聲學信號采集模塊1的采集端布置于軸端100旁側，本實施例的采集端設有一個麥克風14，朝向軸端100圓心布置，麥克風14采集減速器啟動時軸端100發(fā)出的聲音信號，經信號調理單元放大后，由下位機將采集的聲音信號作為原始聲音信號傳輸至處理終端2；

S2、處理終端2對原始聲音信號進行處理，先通過EMD算法分解原始聲音信號，得到N個IMF分量；

S3、篩選出M個敏感IMF分量，并將最敏感的IMF分量記為IMFsen-i；

篩選步驟如下：

S30、計算各IMF分量的相關系數r；



其中，X為原始聲音信號，Y為IMF分量信號，Cov(X,Y)為X與Y的協方差，Var[X]為X的方差，Var[Y]為Y的方差；

將原始聲音信號帶入X中，分別將各IMF分量信號帶入Y中，利用上式，即可求得各IMF分量對應的相關系數；

S31、計算各IMF分量的峭度指標k；





其中，



為IMF分量信號的平均值，σx為IMF分量信號的標準差，N為IMF分量個數；

分別將各IMF分量信號帶入Y中，利用上式，即可求得各IMF分量對應的峭度指標；

S32、計算各IMF分量的融合指標k_r，利用如下公式；

k_r＝k+r；

將每個IMF分量對應的相關系數r及峭度指標k先進行歸一化處理，然后帶入上式即可求得各IMF分量的融合指標k_r；

歸一化處理具體步驟如下：



在對各相關系數進行歸一化處理時，將各相關系數中的最小值帶入xmin中，將各相關系數中的最大值帶入xmax中，分別將各IMF分量的相關系數帶入x中，即可求得各IMF分量歸一化處理后的各相關系數



同理，對各峭度指標進行歸一化處理時，將各峭度指標的最小值帶入xmin中，將各峭度指標的最大值帶入xmax中，分別將各IMF分量的峭度指標帶入x中，即可求得各IMF分量歸一化處理后的各峭度指標



然后利用各相關系數



及峭度指標



求出融合指標，



S33、按各IMF分量融合指標的大小排序各IMF分量，融合指標越大，對應IMF分量越敏感，融合指標最大的IMF分量為最敏感的IMF分量記為IMFsen-i；

篩選敏感IMF分量時按融合指標從大到小的順序選取，本實施例中取1個最敏感的IMF分量，即M為1；

S4、通過自相關分析法尋找并剔除IMFsen-i信號中存在模式混疊的數據段Smix；

定義滑動窗長度為L，利用自相關分析法，逐個窗口尋找IMFsen-i信號中存在模式混疊的數據段Smix，并剔除；

S5、對剔除Smix數據段的IMFsen-i信號利用快速傅里葉變換(FFT)進行分析，得到剔除Smix數據段的IMFsen-i信號的頻域圖像，如圖7所示，按照頻率集中變化的區(qū)間篩選出IMFsen-i信號的主要頻段成分區(qū)間[flow，fhigh]；

S6、EMD算法分解后，得到了N個IMF分量，其中最敏感的IMF分量是第i個，對第i-1個IMF分量進行低通濾波，上截止頻率設置為fhigh，得到濾波后的信號Sfilter-i-1；對第i+1個IMF分量進行高通濾波，下截止頻率設置為flow，得到濾波后的信號Sfilter-i+1；將Sfilter-i-1、IMFsen-i和Sfilter-i+1進行相加重構得到信號S合；

S7、通過VMD算法對S合信號進行分解，得到一系列imf分量；

VMD算法的分解過程可看做下式描述的約束變分問題的構造與求解：



式中，C為需要分解的模態(tài)個數，本實施例中取C＝3，{uc}為分解后的第c個模態(tài)分量，{ωc}為分解后第c個模態(tài)分量的中心頻率，δ(t)為狄拉克函數，*為卷積運算符，t為時間，j為虛數符號，f為輸入信號，即S合信號；

求解上式，引入Lagrange乘法算子λ，將約束變分問題轉變?yōu)榉羌s束變分問題，得到增廣Lagrange表達式為：



(2)式的鞍點對應(1)式的解，利用乘子交替迭代法進行求解，最終得到一系列imf分量；

α為懲罰因子，用于保證高斯噪聲下信號的重建精度，本實施例的α由能量差曲線確定，能量差為VMD分解的各層imf分量的能量和與原信號S合能量之間差的絕對值，如圖8所示，α取1500，確保高重建精度；

如圖5所示，圖5中a為利用常規(guī)的單EMD分解處理方法中模態(tài)混疊處理效果，可看出各層之間存在較為明顯的模態(tài)混疊現象，b為采用本實施例方法處理后VMD分解中的效果圖，可看出模態(tài)混疊現象基本消失，后續(xù)進行包絡譜分析診斷準確性更高；

S8、篩選出最敏感的imf分量，記為imffinal，篩選方法同S3，先分別計算各imf分量的相關系數與峭度指標，分別進行歸一化處理，然后計算各imf分量的融合指標，然后選出最大融合指標對應的imf分量，記為imffinal，對此信號進行希爾伯特包絡譜分析，如圖6所示，可明顯的看出故障頻率，由此判斷檢測位置存在故障，處理終端2發(fā)出信號給交互模塊3，交互模塊3向用戶發(fā)出聲光信號警示。

本實施例的刮板輸送機故障診斷方法，S1步驟采集目標區(qū)域的原始聲音信號，通過S2步驟，采用EMD算法將原始聲音信號分解為一系列IMF分量，在S3步驟中，通過構建融合指標作為評價指標，進行篩選，去除主要諧波和噪聲成分，得到M個敏感分量，然后在S4步驟通過自相關分析法將EMD分解后分量中產生的模態(tài)混疊段去除，然后通過S5步驟，確定所選敏感分量的中心頻帶的帶寬，并限定上下截止頻率，以便對相鄰的兩分量進行濾波(由于模態(tài)混疊出現在相鄰分量間，EMD分解的特點是將信號分解為一系列高頻到低頻的信號，所以對敏感分量相鄰分量進行濾波時設定上截止頻率和下截止頻率，能確保所濾分量的頻率在中心頻帶內，進一步的去噪)，S6根據S5設定的上下截止頻率進行相鄰分量濾波處理，對處理后的信號進行合成重構，然后在S7步驟中采用VMD算法進行分解，以克服EMD模態(tài)混疊的問題，單純采用EMD算法無法避免模態(tài)混疊的問題，VMD算法雖然可以克服模態(tài)混疊，但是單純采用VMD算法自身存在局限性就是分解層數C需要人為設定，對于復雜未知信號，無法提前知道其主要組成成分，因此通過本實施例的方法，利用了EMD自適應分解的優(yōu)點，通過S1～S7步驟依次執(zhí)行，得到去噪后由三層分量組成的重構信號，進而確定VMD算法中的分解層數為3層，并確定最佳懲罰因子α，通過本實施例的各處理步驟，將EMD與VMD算法結合，使二者優(yōu)勢互補，有效克服二者的弊端，進而大大減小了噪聲、模態(tài)混疊等因素對診斷結果的影響，由于有效信號往往只有一層，因此S8步驟篩選出最敏感的一層信號，對該層分量信號進行包絡變換，即可診斷出軸承是否故障，根據其頻率可以判斷出發(fā)生了什么類型的故障，本實施例的診斷方法，各步驟間依次遞進，相互配合，有效的提高了診斷結果的準確性。

本發(fā)明所述實例僅僅是對本發(fā)明的優(yōu)選實施方式進行描述，并非對本發(fā)明構思和范圍進行限定，在不脫離本發(fā)明設計思想的前提下，本領域工程技術人員對本發(fā)明的技術方案作出的各種變形和改進，均應落入本發(fā)明的保護范圍。