论文部分内容阅读
近年来,我国物流业务得到长足发展。随着物联网和信息处理等技术的迅猛发展以及物流业务对人工成本和递送时限的要求,各类邮政设备旋转系统广泛应用于物流处理中心。供包台系统作为邮政设备旋转系统中的核心组成部分,由于其长期高速、满负载运行以及频繁启停,极易出现故障,造成包裹损坏、设备停机,导致重大的经济损失。因此,对其实施故障诊断至关重要。受故障判据标准不明确、结构振动模态复杂和环境噪声恶劣等因素综合影响,难以准确识别邮政旋转设备是否发生异常。鉴于现有基于电气信号和专家经验系统等方法存在的不足,本文从供包台系统故障产生的机理、多体动力学仿真建模、故障特征提取及信息融合决策的角度,系统研究了邮政设备旋转系统的故障诊断方法,具体研究内容与成果包括:1)提出一种供包台系统机械故障量化评分分类方法。通过对邮政设备旋转系统供包台的工作原理、结构特点以及失效状态下特性分析,首先给出了供包台机械故障4种等级与判据定义,然后研究了3类主要旋转部件的故障形式、故障内涵与故障机理,最后基于功能丧失程度、维修更换时限、经济损失与二次故障危害等4类指标建立了供包台机械故障可靠性量化综合分类方法,并对供包台16种常见机械故障进行评分,结果与实际基本相符。同时发现轴承故障对供包台其他故障发生有主要影响。2)建立了供包台系统刚柔耦合虚拟样机模型。基于供包台三维参数化模型,利用有限元模态理论对模型进行了振型和固有频率的振动特性分析,结果表明共振频率与运行工作频率相差较远可避免发生共振,同时发现在辊筒处的振动最大与实际相符,最后基于模态中性文件对辊筒轴进行柔性化处理,并建立了符合实际结构的供包台刚柔耦合虚拟样机模型。该建模方法为研究其他邮政设备旋转系统的振动部位和特性提供了依据。3)提出一种供包台系统故障协同仿真研究方法。首先基于上包流程分析和协同仿真数据通信,在供包台虚拟样机中实现了对包裹和皮带、辊筒、轴承等部件的运动控制,然后在不同故障下进行仿真,通过在Marker点设置虚拟传感器采集相关的速度、加速度、振动幅值等数据,最后搭建实验平台对模型进行对比分析,结果表明仿真产生的数据与实验数据基本相符,验证了该模型的有效性。该方法也能够用于研究其他邮政旋转设备的运行故障仿真。4)提出一种基于支持向量数据描述(Support Vector Data Description, SVDD)的供包台轴承单类故障诊断模型。首先针对背景噪音的干扰,利用小波阈值方法对信号进行降噪预处理以提高信噪比,然后从时域、频域以及时频域构造相对完备的轴承故障特征空间,并基于时谱峭度和熵对轴承故障信号进行滤波重构,强化了对共振频带的辨识,最后通过构造最小特征超球体建立了基于SVDD的单故障分类器模型,同时引入少量故障样本实现对超球体的双侧支撑,并优化核函数和宽度参数。实验结果表明,相对于支持向量机(Support Vector Machine, SVM)方法该模型对正常类和故障类的识别率分别提高 5%和 8.34%。5)针对SVDD算法仅对单类故障识别的局限性,构建了一个基于灰关联和信息熵的供包台轴承多类故障诊断模型。该模型依据待测样本与标准模式间灰色关联度大小,加强对信息熵重要属性的标注来提取特征信息,实现了在多故障分类时将样本重要属性作为优先决策因素,进而利用SVM决策树多故障分类器对供包台轴承多类故障进行辨识。实验结果表明,该模型分类正确率达到95.83%。6)针对多个通道检测信息的片面性、差异性甚至冲突等问题,建立了基于改进证据组合规则的多通道故障融合决策模型。该模型首先依据BP神经网络输出信息构造证据的基本概率指派函数,并在BP神经网络训练中引入动量因子提高收敛速度,然后基于一致强度和支持度对冲突证据重新分配组合次序,同时充分利用冲突证据中有用信息,并对多通道BP神经网络输出信息进行融合,最后,采用最大信任度函数值法做出决策。实验结果表明,与BP神经网络单通道分类结果相比,多通道融合决策后的准确率提高到99.5%。