[發明專利]自動判別故障的減速機、起重機及故障自動判別方法

有效

• 申請號: 202010761195.7
• 申請日: 2020-07-31
• 公開（公告）號: CN111981119B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 胡軍;周旭;蔣浩;許強
• 申請（專利權）人: 江蘇國茂減速機股份有限公司
• 主分類號: F16H61/12
• 分類號: F16H61/12;B66C13/16;B66C15/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種故障自動判別的起重機，其特征在于，包括起升機構、變幅機構、旋轉機構、運行機構、電動機、減速機、液壓系統、制動器和多個第二傳感器；

所述減速機包括減速傳動機構、傳動軸、傳動軸承、箱體、故障自動判別裝置以及多個第一傳感器，所述多個第一傳感器安裝于所述減速傳動機構、傳動軸、傳動軸承、箱體中至少一個部分上，用于檢測并上傳減速機相應部分的傳感信號，所述多個第二傳感器安裝于所述起升機構、變幅機構、旋轉機構、運行機構、電動機、液壓系統、制動器中至少一個部分上，用于檢測相應部分的傳感信號；

所述多個第一傳感器和所述多個第二傳感器包括力敏傳感器、位置傳感器、液位傳感器、速度傳感器、加速度傳感器、熱敏傳感器、應變傳感器、扭矩傳感器和壓力傳感器，所述第一傳感器的傳感信號和所述第二傳感器的傳感信號包括振動信號、形變信號、電壓信號、壓力信號和溫度信號；

所述故障自動判別裝置用于對所述第一傳感器的訓練樣本傳感信號分別進行分解、重構和能量計算，并將由算出的信號能量所形成的能量向量作為訓練樣本分別輸入對應信號類型的神經網絡進行訓練，并將所述多個第一傳感器上傳的不同減速機部分的傳感信號輸入訓練完成的對應信號類型的神經網絡，得到所述神經網絡輸出的故障發生的減速機組成部分及減速機組成部分故障代碼，所述減速機組成部分故障代碼用于表示減速機組成部分故障信息，所述減速機組成部分故障信息包括減速機組成部分故障類型信息；

所述減速機的故障自動判別裝置還用于對所述多個第二傳感器上傳的傳感信號進行輸入訓練完成的對應信號類型的神經網絡，得到所述神經網絡輸出的故障發生的起重機組成部分及起重機組成部分故障代碼，所述起重機組成部分故障代碼用于表示起重機組成部分故障信息，所述起重機組成部分故障信息包括起重機組成部分故障類型信息；

所述故障自動判別裝置包括神經網絡訓練模塊，所述神經網絡訓練模塊包括：

傳感信號分解單元，用于對第一傳感器上傳的傳感信號進行分解得到N層信號，其中第N層信號包括從低頻到高頻的多個頻段信號；

信號能量計算單元，用于對各層信號系數進行重構，計算各重構信號的能量，將得到的信號能量進行歸一化，由歸一化后得到的各頻段信號能量構建出能量向量；

參數初始化單元，用于隨機生成具有位置和速度的群體元素作為所述神經網絡的權值和閾值，將訓練樣本輸入神經網絡；

權值優化單元，用于計算每個元素對應的適應度值，依據該適應度值迭代式確定出個體最優元素和全局最優元素并依據所述個體最優元素和全局最優元素更新當前元素的位置和速度，直到達到迭代次數，將得到的元素作為神經網絡的初始權值和閾值；

所述減速機包括多個主傳動構件，至少部分的所述主傳動構件設有傳動特征相同的輔助傳動構件，所述輔助傳動構件與相應的所述主傳動構件通過接合組件連接；

該起重機還包括：

受風程度計算模塊，用于依據所述第二傳感器檢測出的起重機至少一個組件的受風載荷，計算出起重機的受風特征值；

輔助構件接入模塊，用于在所述受風特征值超出設定受風閾值時，控制至少部分的所述接合組件閉合，使輔助傳動構件接入主傳動構件并沿主傳動構件的力傳動方向進行雙構件共同傳動。

2.一種用于起重機的故障自動判別方法，其特征在于，所述起重機包括起升機構、變幅機構、旋轉機構、運行機構、電動機、減速機、液壓系統、制動器和多個第二傳感器；

所述減速機包括減速傳動機構、傳動軸、傳動軸承、箱體、故障自動判別裝置以及多個第一傳感器，所述多個第一傳感器安裝于所述減速傳動機構、傳動軸、傳動軸承、箱體中至少一個部分上，所述多個第二傳感器安裝于所述起升機構、變幅機構、旋轉機構、運行機構、電動機、液壓系統、制動器中至少一個部分上；

該方法包括：

通過所述多個第一傳感器檢測并上傳減速機相應部分的傳感信號，通過所述多個第二傳感器檢測并上傳起重機相應部分的傳感信號，其中，所述多個第一傳感器和所述多個第二傳感器包括力敏傳感器、位置傳感器、液位傳感器、速度傳感器、加速度傳感器、熱敏傳感器、應變傳感器、扭矩傳感器和壓力傳感器，所述第一傳感器的傳感信號和所述第二傳感器的傳感信號包括振動信號、形變信號、電壓信號、壓力信號和溫度信號；

對所述第一傳感器和第二傳感器訓練樣本傳感信號分別進行分解、重構和能量計算，并將由算出的信號能量所形成的能量向量作為訓練樣本分別輸入對應信號類型的神經網絡進行訓練，并將所述多個第一傳感器上傳的不同減速機部分的傳感信號和所述第二傳感器上傳的傳感信號輸入訓練完成的對應信號類型的神經網絡，得到所述神經網絡輸出的故障發生的減速機組成部分或起重機組成部分，及其故障代碼，其中，所述故障代碼用于表示故障信息，所述故障信息包括故障類型信息；

對訓練樣本傳感信號分別進行分解、重構和能量計算，包括：

對第一傳感器上傳的傳感信號進行分解得到N層信號，其中第N層信號包括從低頻到高頻的多個頻段信號；

對各層信號系數進行重構，計算各重構信號的能量，將得到的信號能量進行歸一化，由歸一化后得到的各頻段信號能量構建出能量向量；

所述將由算出的信號能量所形成的能量向量作為訓練樣本分別輸入對應信號類型的神經網絡進行訓練，包括：

隨機生成具有位置和速度的群體元素作為所述神經網絡的權值和閾值，將訓練樣本輸入神經網絡；

計算每個元素對應的適應度值，依據該適應度值迭代式確定出個體最優元素和全局最優元素并依據所述個體最優元素和全局最優元素更新當前元素的位置和速度，直到達到迭代次數，將得到的元素作為神經網絡的初始權值和閾值；

所述減速機包括多個主傳動構件，至少部分的所述主傳動構件設有傳動特征相同的輔助傳動構件，所述輔助傳動構件與相應的所述主傳動構件通過接合組件連接；

該方法還包括：

依據所述第二傳感器檢測出的起重機至少一個組件的受風載荷，計算出起重機的受風特征值；

在所述受風特征值超出設定受風閾值時，控制至少部分的所述接合組件閉合，使輔助傳動構件接入主傳動構件并沿主傳動構件的力傳動方向進行雙構件共同傳動。