翻車機用降噪型干霧抑塵裝置故障診斷方法

王海斌

（酒泉鋼鐵（集團）有限責任公司宏興股份公司儲運部，酒泉 735100）

干霧抑塵裝置是翻車機使用過程中十分重要且關鍵的輔助設備，主要包括機械式除塵、電干霧除塵和濕式除塵等類型[1]。這一類裝置雖然可以為翻車機的使用提供便利條件，減少粉塵對周圍環境的污染，但是較易受到外部環境及特定因素的影響，形成不可控的故障[2]。為了提升翻車機的實際應用效果，對干霧抑塵裝置故障進行診斷具有重要意義。目前，干霧抑塵裝置故障診斷結構多設定為單向形式，且干霧抑塵裝置的核心作用力是離心力、慣性力等，難以判斷故障的位置和方向，導致最終得出的診斷結果出現誤差[3-4]。為此，提出翻車機用降噪型干霧抑塵裝置故障診斷方法。翻車機用降噪型干霧抑塵裝置的故障更多偏重于控制性的問題，診斷過程中需要進行針對性處理。結合翻車機實際的應用需求和標準，進行多層級故障診斷處理，為后續相關技術的優化完善奠定堅實基礎。

1 翻車機用降噪型干霧抑塵裝置故障診斷方法設計

1.1 故障特征識別

干霧抑塵裝置的信號特征識別一般可以劃分為時域特征識別和頻譜特征識別2 種[5-6]。時域特征識別是隨時間變化對信號波段進行調度比對分析，先明確識別對象，以曲線比對的形式進行異常波段的標定，并提取出其與正常波段信號的頻率差值。頻譜特征識別則是將復雜的時間歷程波形結合傅里葉變換進行分解和轉換，標定出諧波幅值和相位，分析出波段頻率的差異[7]。具體的結構如圖1 所示。

圖1 故障信號特征識別示意圖

結合圖1，實現對時域、頻域下故障信號的特征識別測定。通過對信號進行頻譜特征識別，得到譜峰比幅值為13.24，頻率分量變化比為3.45，對當前的信號狀態進行粗略分析即可。

1.2 多層級干霧抑塵裝置故障識別節點部署

受到外部環境的影響，當前單結構的干霧抑塵裝置在實際應用的過程中常會出現不可控故障，傳統的識別階段部署方式一般是目標式，針對性較弱，導致最終獲取的識別數據、信息不可靠。因此，采用多層級的節點布設結構，擴大干霧抑塵裝置的故障識別范圍，以多角度測定標記出故障位置。首先，明確裝置的覆蓋范圍，并在邊緣位置設定部分節點，節點之間互相搭接，形成一個循環性的故障識別結構。其次，針對節點的故障識別需求、標準，調整節點的控制參數及指標，如表1 所示。

表1 干霧抑塵裝置故障識別節點控制指標及參數表

最后，從邊緣節點的設定位置出發，層層遞進，向干霧抑塵裝置核心區域設置監測節點。需要注意的是，節點的設置必須符合干霧抑塵裝置的應用特征，在翻車機運行的過程中，對前方一定范圍內出現的干霧、灰塵進行識別，獲取范圍性的故障特征，為后續的故障診斷處理奠定基礎條件。

1.3 構建PCA 降噪型干霧抑塵裝置故障診斷模型

首先，提取一個故障特征向量作為標準。翻車機每工作一個批次，需要耗時40～80 s，此時通過主成分分析（Principal Component Analysis，PCA）模型識別標記異常區域，并測算出標記錯位比，計算公式為

式中：βe為故障識別距離；e為可控識別次數；c為識別范圍；γ為翻轉識別角度；μ為故障識別錯位均值。結合當前測試，將得出的標記錯位比設置為后續故障診斷的識別比對標準。

其次，依據PCA 原理，分析降噪干霧抑塵裝置在不同工作狀態下的故障診斷監測結果，具體如圖2 所示。

圖2 不同工作狀態下故障診斷監測結果分析圖

最后，通過設計的模型聯合部署的節點，對翻車機用降噪型干霧抑塵裝置運行狀態進行實時性監測，并在第一時間標記出現故障的位置，給出相對應的診斷結果。將得出的診斷結果控制在合理的標記錯位比標準之內。需要注意的是，PCA 降噪干霧抑塵裝置故障診斷模型的動態性診斷能力較強，因此對應的故障診斷標準也不是固定的，而是隨著故障需要進行靈活調整，以此提升最終診斷結果的真實性與可靠性。

1.4 自適應PCA 監測修正實現故障診斷處理

自適應PCA 監測修正是對模型輸出的診斷結果進行二次測驗和修正調整的一種輔助方法。首先，對出現異常的位置做出標記，提取故障診斷的PCA 特征，測算出實際的特征向量，判定當前的故障情況。其次，采用遞歸更新算法，對故障識別位置進行二次診斷解析，控制此次的監測修正誤差，計算公式為

式中：w為可識別診斷范圍；φ為比對基準值；ρ為干霧抑塵覆蓋范圍；?為連續監測頻次；n為錯誤識別次數；θ為故障重復診斷位置。結合當前得出的監測修正誤差，在修正的過程中，將其控制在0.24～0.36，確保干霧抑塵裝置故障診斷結果真實可靠。

2 方法測試

選定K 工程中的翻車機作為測試的主要目標對象，利用專業的設備及裝置進行基礎性測試數據和信息采集。匯總整合之后，結合實際的測試需求，搭建對應的測試環境。

2.1 測試準備

結合PCA 技術，針對K 工程中的翻車機用降噪型干霧抑塵裝置故障診斷方法的測試環境進行搭建。一方面，基于當前翻車機的實際應用需求和測試背景，進行基礎故障類型的分析，如表2 所示。另一方面，在測試裝置中進行監測節點位置的調整，同時搭接循環性的故障識別診斷結構，完成測試環境的設定。

2.2 測試過程及結果分析

在搭建的測試背景下，針對K 工程翻車機用降噪型干霧抑塵裝置故障診斷方法對比測試。先利用布設的節點采集翻車機的運行數據，再將上述故障類型進行虛擬化輔助指令轉換，導入當前的測試環境中，啟動故障指令，營造干霧抑塵的實際環境。

一段時間之后，翻車機在運行時處于故障的狀態。診斷模型結合PCA 原理，對故障進行3 個階段的診斷處理?；诋斍暗臏y試狀態，計算出誤診次數，公式為

式中：X為故障誤診次數；m為診斷耗時；n為誤診耗時；?為變動識別范圍；f為故障標記次數；α為重復識別區域。結合當前測試，對測試結果數據進行分析，如表3 所示。

表3 測試故障誤診次數對比分析表 單位：次

結合表3 可以看出，針對選定的4 個測試裝置，經過3 個階段測試，最終得出的故障誤診次數均控制在15 次以下，說明在PCA 的輔助下，最終得出的結果得到優化，針對性較強，具有實際的應用價值。

3 結語

文章提出了翻車機用降噪型干霧抑塵裝置故障診斷方法。與初始的霧抑塵裝置故障診斷結構相比，此次結合翻車機實際的應用要求，從多個角度展開調整，強化各故障診斷流程的靈活度，并進一步簡化對應的診斷環節，降低抑塵裝置的故障概率，縮短故障診斷的檢修處理時間，提高最終診斷結果的可靠性，營造一個更為安全的翻車機應用環境。