CN102353528A - 盘式制动器摩擦学性能监测预警装置及方法 - Google Patents

Abstract

一种盘式制动器摩擦学性能监测预警装置及方法，该方法通过模拟盘式制动器制动工况开展摩擦学性能测试试验，获取数据样本；利用数据样本，基于神经网络技术，构建摩擦学性能智能预测模型；基于模型的预测能力，利用监测预警装置，实现对盘式制动器摩擦学性能的实时监测以及对异常摩擦学状态的自动预警。该装置由传感检测系统、数据采集系统、计算处理系统及软件系统组成；传感检测系统通过光电编码器、正压力传感器和测温热电耦实时检测盘式制动器的制动工况参数，数据采集系统对检测信号进行采集、放大和转换处理，计算处理系统接收数据采集系统上传的制动工况数据后，调用神经网络预测模型，预测输出盘式制动器的摩擦学性能参数，并通过软件系统实时显示及自动预警。该方法及装置监测精度高，预警结果快速、准确。

Description

盘式制动器摩擦学性能监测预警装置及方法

技术领域

本发明涉及一种盘式制动器摩擦学性能监测预警装置及方法，属于摩擦学及自动检测技术领域，能够对盘式制动器制动过程中的摩擦学性能进行实时监测，并对异常摩擦学状态进行自动预警。

背景技术

目前，矿井提升机、汽车、列车等装备的制动系统大多采用盘式制动器作为制动装置。盘式制动器依靠闸瓦（或刹车片）与制动盘之间的摩擦作用，将机械系统的动能转化为热能消耗掉，从而实现制动减速或停车功能。因此，盘式制动器在制动过程中的摩擦学性能直接关系到这些装备的制动效能及可靠性，从而对生产、交通乃至人员生命安全都产生重要影响。盘式制动器在制动过程中的摩擦学性能主要受制动工况条件的约束和影响，并呈现出复杂的变化规律。若能实时监测盘式制动器的制动工况条件，并能据此准确预测其摩擦学性能参数的变化规律，则当预测到异常摩擦学状态时，就可以提前发出预警信号，提醒操作人员或通过自动控制系统对有关制动工况参数及时进行调整，从而避免因制动器摩擦学性能劣化而引发的制动事故。

目前关于制动摩擦学问题的研究，基本上都还局限于对制动器摩擦副的摩擦系数、磨损率等常规摩擦学性能参数的试验分析，很少有人尝试对盘式制动器制动过程中的摩擦学性能进行预测研究。其他领域有关摩擦学性能预测的研究报道，也大都仅预测输出摩擦系数单个摩擦学性能指标，不能客观、全面反映制动器摩擦副接触界面上的真实摩擦学状态。针对当前盘式制动器摩擦学性能监测及预警技术方面存在的明显不足，发明盘式制动器摩擦学性能监测预警方法及装置显得尤为重要。

发明内容

技术问题：  本发明以提高盘式制动器的制动可靠性和安全性为目标，提出一种盘式制动器摩擦学性能监测预警装置及方法，可广泛适用于矿井提升机、汽车、列车等装备的盘式制动器，对其在制动过程中的摩擦学性能进行实时监测，并对异常摩擦学状态进行自动预警。

技术方案：  本发明提出的盘式制动器摩擦学性能监测预警方法是：首先，通过模拟盘式制动器制动工况开展摩擦学性能测试试验，获取数据样本；然后，利用数据样本，基于神经网络技术，构建摩擦学性能智能预测模型；最后，基于模型的预测能力，利用监测预警装置，实现对盘式制动器摩擦学性能的实时监测以及对异常摩擦学状态的自动预警。

具体监测预警方法是：首先，根据矿井提升机、汽车、列车等装备的实际制动工况条件，合理选择滑动速度、制动压力、摩擦面温度等制动工况参数的取值范围；利用块-盘式摩擦试验机将闸瓦（或刹车片）与制动盘配副摩擦，开展摩擦学性能测试试验，测试制动器摩擦副在制动过程中的摩擦系数、摩擦系数稳定系数、磨损率等摩擦学性能参数的变化规律，从而获取包含制动工况参数与摩擦学性能参数之间复杂映射关系的数据样本。然后，基于神经网络技术，以制动工况参数作为输入、摩擦学性能参数作为输出，构建盘式制动器摩擦学性能的神经网络预测模型；利用摩擦学试验数据样本反复训练神经网络，并通过计算机仿真对其结构及参数进行优化，使其具备对盘式制动器制动过程摩擦学性能的智能预测功能。最后，由传感检测系统实时检测盘式制动器的滑动速度、制动压力、摩擦面温度等制动工况参数；由数据采集系统对检测信号进行采集、放大和转换处理；由计算处理系统接收数据采集系统上传的制动工况数据后，调用神经网络预测模型，预测输出盘式制动器的摩擦学性能参数；由软件系统实时显示预测结果，并对预测到的盘式制动器异常摩擦学状态自动预警。

本发明提出的盘式制动器摩擦学性能监测预警装置是：由传感检测系统、数据采集系统、计算处理系统及软件系统组成；传感检测系统由光电编码器、正压力传感器和测温热电耦组成，数据采集系统由功率放大器、A/D转换器和单片机组成，计算处理系统由PLC装置、通讯串口、工控机、蜂鸣器和显示器组成，软件系统由VB主界面和神经网络预测模型组成。

光电编码器安装在盘式制动器制动盘旋转轴的端部，正压力传感器安装在盘式制动器碟形弹簧的后端，测温热电耦由搁架将其置于盘式制动器制动盘表面上靠近闸瓦（或刹车片）与制动盘接触区域附近。

正压力传感器、测温热电耦与功率放大器、A/D转换器、单片机及PLC装置以串联方式连接，光电编码器与PLC装置直接相连，PLC装置与工控机通过通讯串口相连。

神经网络预测模型由MATLAB程序构建，存储于工控机硬盘内部；软件系统主界面由VB程序编制，VB界面与MATLAB程序之间通过Active X接口实现通讯。

有益效果：本发明应用范围广泛，可适用于矿井提升机、汽车、列车等装备的盘式制动器，监测精度高，预警结果快速、准确，可有效预防因盘式制动器摩擦学性能劣化而引发的制动事故，对生产、交通乃至人员生命安全都具有重要保障作用。

附图说明

图1是本发明的监测预警装置组成原理图；

图2是本发明的神经网络预测模型结构示意图；

图3是本发明的预测模型构建方法流程示意图；

图4是本发明的监测预警方法流程示意图。

图中：1-1、制动盘；1-2、转轴；1-3、活塞；1-4、碟形弹簧；1-5、闸瓦（或刹车片）；2-1、光电编码器；2-2、正压力传感器；2-3、搁架；2-4、测温热电耦；3-1、功率放大器；3-2、A/D转换器；3-3、单片机；4-1、PLC装置；4-2、通讯串口；4-3、工控机；4-4、蜂鸣器；4-5、显示器；5-1、神经网络模型；5-2、VB界面。

具体实施方式

下面结合附图1对本发明盘式制动器摩擦学性能监测预警装置作进一步详述：

盘式制动器摩擦学性能监测预警装置由传感检测系统2、数据采集系统3、计算处理系统4及软件系统5组成。传感检测系统2的功能是实时检测盘式制动器1的制动工况参数（包括：滑动速度、制动压力和摩擦面温度），数据采集系统3对传感检测系统2的输出信号进行采集、放大和转换处理，计算处理系统4接收数据采集系统3上传的制动工况数据后，调用神经网络模型，预测输出盘式制动器1的摩擦学性能参数，并通过软件系统5实时显示及自动预警。

传感检测系统2由光电编码器2-1、正压力传感器2-2和测温热电耦2-3组成；光电编码器2-1安装在盘式制动器1的转轴1-2的端部，用于检测制动盘1-1的转速，并通过后继计算将其转换为摩擦中心的滑动线速度；正压力传感器2-2安装在碟形弹簧1-4的后端，用于检测制动压力；测温热电耦2-4由搁架2-3将其置于制动盘1-1的表面上靠近闸瓦（或刹车片）1-5与制动盘1-1的摩擦接触区域附近，用于检测制动过程中摩擦面上的温度。

数据采集系统3由功率放大器3-1、A/D转换器3-2和单片机3-3组成；正压力传感器2-2、测温热电耦2-4与功率放大器3-1、A/D转换器3-2、单片机3-3及PLC装置4-1以串联方式连接，将传感器检测到的制动压力和摩擦面温度的模拟信号经放大、A/D转换后上传给PLC处理；光电编码器2-1的输出信号为脉冲信号，直接与PLC装置4-1相连。

计算处理系统4由PLC装置4-1、通讯串口4-2、工控机4-3、蜂鸣器4-4和显示器4-5组成，软件系统5由神经网络预测模型5-1、主界面5-2组成；神经网络预测模型5-1由MATLAB程序构建，存储于工控机4-3的硬盘内部；软件系统主界面5-2由VB程序编制，VB程序与MATLAB程序之间通过Active X接口实现通讯；PLC装置4-1将传感检测系统3检测到的制动工况参数（包括：滑动速度、制动压力、摩擦面温度），通过通讯串口4-2上传给工控机4-3；工控机4-3接受到PLC装置4-3上传的制动工况参数后，调用神经网络预测模型5-1，预测输出盘式制动器1的摩擦学性能参数（包括：摩擦系数、摩擦系数稳定系数、磨损率），并在显示器4-5上通过软件系统主界面5-2实时显示；当预测到盘式制动器1即将出现异常摩擦学状态时，启动蜂鸣器4-4，自动发出预警信号。

以下结合附图对本发明盘式制动器摩擦学性能监测预警方法作进一步详述：

本发明构建的盘式制动器摩擦学性能智能预测模型采用如图2所示的三层BP神经网络结构。输入层为盘式制动器的制动工况参数，包括三个神经元：滑动速度、制动压力、摩擦面温度；输出层为盘式制动器的摩擦学性能参数，包含三个神经元：摩擦系数、摩擦系数稳定系数、磨损率；中间为隐含层，隐含层神经元的个数根据样本，经仿真确定。

本发明构建盘式制动器摩擦学性能神经网络预测模型的方法流程示意图如图3所示。首先，模拟矿井提升机、汽车、列车等装备的制动工况，利用块-盘式摩擦试验机将闸瓦（或刹车片）与制动盘配副摩擦，开展盘式制动器摩擦学性能测试试验，从而获取包含制动工况参数与摩擦学性能参数之间复杂映射关系的数据样本，并将其分为两类：学习样本和检验样本。然后，选用BP神经网络模型，初选神经网络的结构参数（如：层数、每层的神经元数、初始权值和阈值、学习方法、学习率等），以制动工况参数（包括：滑动速度、制动压力、摩擦面温度）作为神经网络的输入层，以盘式制动器的摩擦学性能参数（包括：摩擦系数、摩擦系数稳定系数、磨损率）作为神经网络的输出层，构建如图2所示的神经网络模型。最后，基于MATLAB程序，编制神经网络学习训练仿真程序，利用学习样本对神经网络进行学习训练，利用检验样本对神经网络的预测能力进行检验，并通过反复训练和检验，优化神经网络模型的结构与参数，使其达到较高的预测精度和较快的收敛速度，从而构建摩擦学性能预测模型，使其具备对盘式制动器制动过程摩擦学性能参数的精确、快速、智能预测功能。

本发明利用图2所示的摩擦学性能神经网络预测模型和图1所示的监测预警装置，对盘式制动器摩擦学性能进行监测预警，具体方法流程示意图如图4所示。当盘式制动器开始制动后，传感检测系统检测盘式制动器的制动工况参数（包括：滑动速度、制动压力、摩擦面温度），数据采集系统对检测信号进行采集、放大、转换并上传给计算处理系统；当全部制动工况参数上传完以后，计算处理系统调用神经网络预测模型，根据制动工况参数预测输出盘式制动器的摩擦学性能参数；摩擦学性能参数的预测结果经软件系统处理后通过显示器实时显示，若判别为异常摩擦学状态，则启动蜂鸣器自动预警。

Claims (2)

1.一种盘式制动器摩擦学性能监测预警装置，其特征在于该装置由传感检测系统、数据采集系统、计算处理系统及软件系统组成；

传感检测系统包括光电编码器(2-1)、正压力传感器(2-2)和测温热电耦(2-4)，

数据采集系统包括功率放大器(3-1)、A/D转换器(3-2)和单片机(3-3)，

计算处理系统包括PLC装置(4-1)、通讯串口(4-2)、工控机(4-3)、蜂鸣器(4-4)和显示器(4-5)，

软件系统包括VB主界面(5-2)和神经网络预测模型(5-1)；

光电编码器(2-1)安装在盘式制动器制动盘(1-1)的转轴(1-2)端部，正压力传感器(2-2)安装在盘式制动器碟形弹簧(1-4)的后端且链接闸瓦(1-5)，闸瓦(1-5)位于制动盘(1-1)的两侧，测温热电耦(2-4)由搁架(2-3)将其置于盘式制动器制动盘(1-1)附近；正压力传感器(2-2)与测温热电耦(2-4)分别与功率放大器(3-1)、A/D转换器(3-2)、单片机(3-3)及PLC装置(4-1)以串联方式连接，光电编码器(2-1)与PLC装置(4-1)直接相连，PLC装置(4-1)通过通讯串口(4-2)与工控机(4-3)相连；神经网络预测模型(5-1)由MATLAB程序构建，存储于工控机(4-3)硬盘内部；软件系统VB界面(5-2)由VB程序编制，VB界面(5-2)与MATLAB程序之间通过Active X控件实现通讯。

2.一种盘式制动器摩擦学性能监测预警方法，其特征在于该方法基于摩擦学试验和神经网络技术，构建摩擦学性能智能预测模型；利用监测预警装置，基于智能预测模型，实现对盘式制动器摩擦学性能的实时监测以及对异常摩擦学状态的自动预警。

首先，根据盘式制动器实际制动工况条件，合理选择制动滑动速度、制动压力、摩擦面温度工况参数的取值范围；利用块-盘式摩擦试验机，测试盘式制动器摩擦副在制动过程中摩擦系数、摩擦系数稳定系数、磨损率的摩擦学性能参数的变化规律；对试验获取的原始数据进行样本化处理，并将其分为两类：学习样本和检验样本；

然后，基于神经网络技术，以制动工况参数作为输入、摩擦学性能参数作为输出，构建盘式制动器摩擦学性能的神经网络预测模型；利用学习样本反复训练神经网络，利用检验样本验证神经网络的预测能力；通过计算机仿真对神经网络的结构及参数进行优化，从而构建盘式制动器摩擦学性能的智能预测模型；

最后，由传感检测系统实时检测盘式制动器的制动工况参数，由数据采集系统对检测信号进行采集、放大和转换，并上传给计算处理系统；当全部制动工况参数上传完以后，由计算处理系统调用神经网络预测模型，根据制动工况参数预测输出盘式制动器的摩擦学性能参数；摩擦学性能参数的预测结果经软件系统处理后通过显示器实时显示，若判别为异常摩擦学状态，则启动蜂鸣器自动预警。

Images