QDY型桥式起重机安全故障智能诊断方法

张政伟

摘要：针对采用现有故障诊断方法诊断QDY型桥式起重机故障时，存在诊断结果与实际相差较大，且无法将全部故障问题查出的问题，开展安全故障智能诊断方法的研究。在QDY型桥式起重机运行中，获取起重机运行数据，并完成对数据的归一化处理。再基于起重机故障的多种类型，建立起重机安全故障模型。基于贝叶斯理论，通过计算起重机故障先验概率、条件概率等参数，实现对起重机故障的智能诊断。将新的故障诊断方法应用于实际，可实现对起重机多种故障类型的准确诊断，且能够全部找出同一时刻多种故障类型，具备极高的应用价值。

关键词：QDY型桥式起重机；故障类型；安全；智能诊断

0   引言

桥式起重机是一种在车间、仓库或料场上方吊装各类材料的起重机械。这种起重机由于采用了钢筋或混凝土支撑，其外观与桥梁十分类似，因此将其称为桥式起重机[1]。这种起重机是完全悬挂在空中的，因此运送货物时非常方便，甚至可以忽略地面上的障碍物。针对不同行业的需要，对桥式起重机功能结构进行改进，可以以满足各种用途。

桥式起重机结构较为特殊，一旦桥架或起重机小车出现故障问题，很有可能造成十分严重的事故，甚至会威胁现场作业人员的人身安全[2]。如果不能及时进行检查和维护，负荷过大，将会引起主梁的变形，从而引起一系列的事故。所以，加强桥式起重机的安全检查、维护、故障诊断是十分必要的。

近年来，我国桥式起重机的品种逐渐增加，可应用的领域不断扩展[3]，智能化和自动化发展趋势发明显，用户对桥式起重机的使用安全性、故障诊断的准确性要求也越来越高。基于此，为提高桥式起重机的使用安全性，本文以QDY型号桥式起重机为例，开展对其安全故障智能诊断方法的研究。

1   获取QDY型桥式起重机运行数据

针对QDY型桥式起重机的安全故障问题，为实现对故障类型的准确诊断，需要先获取起重机在运行过程中的各项参数。针对运行数据的采集，采用STC89C52型单片机作为控制核心。其价格低廉，性能足以满足起重机的数据采集需要。

对起重机进行传感器数据的采集，并以UART串行通讯方式向数据处理模块传输。采集模块的组成主要包括4～20mA的模拟信号采集电路、多圈絕对值编码电路、信号隔离电路、串口通讯电路等。采用多圈绝对值编码器的数据采集电路，对起重机运行位置、吊钩高度、吊钩速度等数据进行采集。

2   建立起重机安全故障模型

桥式起重机结构比较复杂，对于出现的故障，可以按照起重机结构特点、各零部件失效模式，将其划分为模块、层次，增加失效原因节点等。根据各个故障层次的失效原因，可以得到最少的故障割集。将桥式起重机的整体失效看作是一个设置的顶点，并对其进行逐级分解，获得相应的底层事件[4]。

利用逻辑从上向下连接底层事件、中间事件、顶部事件进行连接。采用故障树变换的方法，在对应贝叶斯网络的根、中间、叶节点上采用有向线段表示层次关系。根据上述论述，构建如图1所示的桥式起重机安全故障模型。

将图1桥式起重机安全故障模型中的故障节点分为具体故障节点和经验故障节点。针对各个具体故障节点，其包含2种状态：一种为正常状态，另一种为故障状态。再将经验故障划分为三种状态：第一种为正常状态，第二种为注意状态，第三种为损坏状态[5]。

从图1中可以看出，本文将桥式起重机安全故障模型分为3层基本结构，其中：第一层为抽象的网络节点，只包含一个节点P；第二层为经验数据节点，包含G、H、I、J、K、L；第三层为具体的故障节点。

3   基于贝叶斯的起重机安全故障智能诊断

在上述基础上，求出的先验概率与条件概率，确定某个时间节点的失效数据后，可以推断桥式起重机内部层结点的失效状况。当桥式起重机的机械结构总体状况被诊断出来时，通过逆向推理，确定出现故障概率最高的部件，以此根据不断状态判断起重机的故障类型。

为实现对起重机安全故障的智能化诊断，将Netica 平台作为智能诊断核心，将上述构建的故障模型导入到该平台当中，并结合链式推理算法，将QDY型桥式起重机作为进行故障诊断的对象，通过上述诊断思路，实现对起重机不同故障类型的辨识[7]。

结合桥式起重机的日常运行测试数据，结合专家的经验，对每一个网络节点的先验概率分配和网络节点的条件概率分配。通过模拟专家诊断，可以随时调用相关的应用，将所收集到的数据进行分析，从而快速地发现最终出现的问题以及最有可能出现的问题，并由使用者进行验证。通过Netica平台输出诊断结果，实现对起重机安全故障的自动化智能诊断。

4   实例应用研究

对故障诊断方法设计后，为实现对这一诊断方法应用可行性的验证，以10t规格的QDY型桥式起重机为研究对象，针对该机械设备在运行过程中的数据进行采集，并将其作为测试数据。

在此基础上，通过本文上述诊断方法对该起重机进行安全故障诊断。所选QDY型桥式起重机的净重为10t，材质为铸钢，行程为50m，提升速度为60m/min，电动功率为380V。针对该规格QDY型桥式起重机的故障类型，对其分别编号，并在测试数据中导入故障数据节点，如表2所示。

根据表2中的内容，人为控制QDY型桥式起重机运行75min，并在运行的各个阶段，将上述各个故障数据节点融入到该起重机运行参数集合中。在融入过程中，可以在同一时刻设置一组相同故障类型节点或多组不同故障类型节点。

完成上述测试操作后，在QDY型桥式起重机运行过程中，利用本文故障诊断方法对其故障类型进行诊断，并将诊断结果与真实情况对比，得到如表3所示的测试结果。

从表3中记录的测试结果可以看出，在QDY型桥式起重机运行75min时间内，本文诊断方法诊断的结果与真实故障情况完全相同。同时在起重机运行0～15min和45～60min时间范围内，多种故障类型的同时发生。

通过上述得出的测试结果可以看出，将本文上述提出的诊断方法应用到实际，可以实现对QDY型号桥式起重机故障问题的准确判断，以此能够促进起重机运行安全性和稳定性的提升。相应诊断得出的结果，也可以为起重机的检修提供重要的依据。

5   结束语

针对采用现有故障诊断方法诊断QDY型桥式起重机故障时，存在诊断结果与实际相差较大，且无法将全部故障问题查出的问题，本文通过研究设计一种以贝叶斯理论为核心的诊断方法。

将本文上述提出的诊断方法应用到实际，可以实现对QDY型号桥式起重机故障问题的准确判断，以此能够促进起重机运行安全性和稳定性的提升。

尽管本文设计的故障诊断方法具备较高的诊断精度，但仅针对QDY型桥式起重机进行了探究，对于其他型号桥式起重机的故障研究并未涉及。在后续的研究当中，我们将针对其他型號桥式起重机的安全故障问题提出合理、有效的诊断方法，从而促进桥式起重机使用适应性的提升。

参考文献

[1] 刘偲，刘道星.XGBoost算法在塔式起重机传感器故障诊断中的应用[J].建设机械技术与管理，2022，35（5）：115-117.

[2] 李胜永，吴丽华，戴雨.基于ADR-SDP-DCNN算法的非稳定工况下港口起重机轴承故障诊断[J].上海海事大学学报，2022，43（3）：102-110.

[3] 曾耀传，林云树，吴晓梅.基于EEMD与GWO-MCKD的门座起重机回转支承故障诊断[J].机床与液压，2022，50（7）：170-175.

[4] 庞涛，黄浩奇，邱雪芳，等.基于MFCC和SVM的起重机减速器故障诊断系统研究[J].自动化与仪器仪表，2022（6）：70-74.

[5] 张氢，李帅杭，陈星，等.基于无监督学习的岸边集装箱起重机关键部件故障诊断方法[J].起重运输机械，2022（2）：61-65.

[6] 李勇，钱尼君，陈星斌，等.基于EEMD-Treelet和高斯过程的起重机齿轮故障诊断[J].计算机测量与控制，2021，29（7）：36-40+51.

[7] 杨武帮，高丙朋，陈飞，等.基于变分模态分解和PSO-SVM的起重机齿轮箱故障诊断[J].机械传动，2021，45（4）：105-111.