CN115510914B - 一种闸门及支承运转件故障智能诊断方法及系统 - Google Patents

Abstract

本发明公开一种闸门及运转件故障智能诊断方法及系统，通过获取闸门及支承运转件的受荷响应信号；并根据对受荷响应信号分析处理得到的特征信号建立特征库和故障库；通过在特征库和故障库之间建立特征‑故障关系映射库，将待测闸门及支承运转件的实测信号与特征‑故障关系映射库的特征信号中进行匹配，从而实现故障智能诊断，该方法基于大数据、智能化等现代技术能准确、有效地判断闸门及支承运转件的故障。

Description

一种闸门及支承运转件故障智能诊断方法及系统

技术领域

本发明涉及闸门故障诊断技术领域，特别是一种闸门及运转件故障智能诊断方法及系统。

背景技术

船闸作为重要的通航建筑物，不仅是内河航运的咽喉，也是发挥内河航道功能与作用的重要保障。人字闸门在船闸当中被得以广泛应用，闸门及其支承运转件(顶枢、底枢)的正常运行是保证船闸安全服役的关键。底枢作为人字闸门的核心运转部件，也是闸门结构系统的薄弱环节，由于底枢摩擦副常年浸泡在受泥沙、悬浮物污染的水下环境且长期处于间歇性低速重载状态，加之受闸门频繁启闭等外部作用的影响，导致底枢蘑菇头旋转面磨损、底枢支座处沉降，由此引发门轴柱倾斜、蘑菇头旋转面润滑不良、蘑菇头与衬套咬死、闸门启闭力剧增甚至完全无法开启等故障，最终导致闸门卡阻、船闸运行不畅，严重威胁船闸的运营安全。由于底枢故障失效而导致船闸停航检修的事故屡见不鲜。例如：葛洲坝2号船闸因底枢蘑菇头磨损严重而引起蘑菇头、衬套咬死，导致人字闸门无法启闭运转。京杭大运河江苏段、山东段常常因为底枢磨损事故而被迫停航。

当前，对于船闸人字闸门底枢因长期磨损、支座沉降等引起的闸门启闭故障问题，几乎无法通过有效方式进行提前感知和预判，通常都是等到出现较为严重的故障现象之后才通过潜水员下水检测或船闸停航检修的方式进行诊断和维修。一方面，仅凭潜水检测人员“用手摸、用眼看”的主观性感知判断方式会令故障诊断结果在极大程度上依赖于个人经验，缺乏科学合理的判别依据；另一方面，底枢失效后检修极为困难，不仅要令船闸断航抽水，还要将门叶上拉至一定高度，耗费大量人力、物力、财力，为船闸的正常运行带来诸多不便。

综上看来，采取人工检测、停航检修的传统方式难以实时、有效地研判人字闸门底枢的运行状态并识别其故障模式。此外，由于底枢常年浸泡在水下，加之底枢结构型式复杂，运行空间狭小，无法通过在底枢上直接安装监测传感器的方式对其运行状态进行实时判别。

为此，需要一种能实现对人字闸门底枢运行状态的实时动态研判以及不同故障模式的智能诊断方法，确保航运枢纽船闸安全、高效、稳定运营。

发明内容

有鉴于此，本发明的目的在于提供一种船闸闸门运转件故障智能诊断方法及系统，该方法利用闸门及支承运转件的受荷响应信号的特征来实现故障智能诊断。

为达到上述目的，本发明提供如下技术方案：

本发明提供的闸门及支承运转件故障智能诊断方法，包括以下步骤：

获取闸门及支承运转件的受荷响应信号；

对受荷响应信号进行分析处理得到特征信号，并根据特征信号分别建立特征库和故障库；所述特征库用于记载闸门及支承运转件运行过程中的所有有效数据；所述故障库用于记载闸门及支承运转件处于故障状态时的故障信号；

根据特征库和故障库建立特征-故障关系映射库，所述特征-故障关系映射库用于建立特征库中在不同特征信号下发生的故障信号的映射模式；

获取待测闸门的实测信号，并通过闸门的实测信号计算得到待测支承运转件的受荷响应信号；

根据特征信号在特征-故障关系映射库中进行匹配，如果匹配成功，则输出故障库中匹配的故障信号，反之，则判断闸门为正常运行状态。

进一步，所述匹配采用相似概率进行计算，当匹配时相似概率高于阈值则输出对应的故障特征，反之，则判断闸门为正常运行状态。

进一步，所述通过闸门的实测信号计算得到待测支承运转件的受荷响应信号是按照以下步骤进行的：

根据闸门及支承运转件建立仿真模型，确定闸门及支承运转件的受荷敏感区域；

获取仿真模型中闸门及支承运转件在充泄水过程和启闭过程中的受荷响应信号；

采用有限元数值模拟方法和物理模型试验方法，建立不同水位、不同开度下闸门门叶与支承运转件受荷敏感区域之间的动力响应关系模型；所述动力响应包括应力、应变及振动加速度响应，动力响应模型包括闸门门叶重要部件-支承运转件应力、应变及振动加速度响应关系模型；

根据动力响应关系模型计算待测支承运转件的受荷响应信号。

进一步，所述特征库及故障库的获取步骤如下：

对应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的特征参数和特征波形，形成特征库；根据应力、应变及振动加速度信号获取闸门及支承运转件的故障参数和故障波形，形成故障库。

进一步，所述特征-故障关系映射库是根据特征库和故障库来建立的，具体按照以下步骤进行建立：

所述故障特征关系映射库包括故障参数与特征参数之间的映射关系，以及故障波形与特征波形之间的映射关系。

进一步，所述特征参数和特征波形是通过在不同工况下闸门和支承运转件的受荷响应信号计算得到的，所述不同工况为闸门及支承运转件在不同水位、不同开度、不同摩擦系数下的状态。

本发明提供的船闸闸门及支承运转件故障智能诊断系统，包括数据采集传输模块、数据处理模块、特征-故障库映射模块、故障诊断模块和输出模块；

所述数据采集传输模块，用于获取闸门及支承运转件的受荷响应信号；

所述数据处理模块，用于对受荷响应信号进行分析处理得到特征信号；

所述特征-故障关系映射模块，用于建立在不同特征信号下发生的故障信号的映射模式；

所述故障诊断模块，用于将待测闸门及支承运转件的实测信号与特征-故障关系映射库中的故障信号进行匹配，如果匹配成功，则生成故障信号；

所述输出模块，用于接收并输出故障诊断模块生成的故障信号。

进一步，所述特征-故障关系映射模块包括特征库、故障库、映射库；

所述特征库，用于记载闸门及支承运转件运行过程中的所有有效数据；

所述故障库，用于记载闸门及支承运转件处于故障状态时的故障信号；

所述特征-故障关系映射库，用于反映特征库中在不同特征信号下发生的故障信号的映射模式。

进一步，所述特征信号包括特征参数和特征波形，所述特征参数为对闸门及支承运转件的应力、应变及振动加速度信号进行时域分析处理得到特征值；所述特征波形为对闸门及支承运转件的应力、应变及振动加速度信号进行频谱分析得到波形特征值。

进一步，所述故障诊断模块中的匹配方法采用相似概率计算，当匹配时相似概率高于阈值则输出对应的故障特征，反之，则判断闸门为正常运行状态。

本发明的有益效果在于：

本发明提供的船闸闸门及支承运转件故障智能诊断方法及系统，通过获取闸门及支承运转件的受荷响应信号；并根据对受荷响应信号的特征信号建立特征库和故障库；通过在特征库和故障库之间建立特征-故障关系映射库，将待测闸门及支承运转件的实测信号与特征-故障关系映射库的特征中进行匹配，从而实现故障智能诊断，该方法基于大数据、智能化等现代技术能准确、有效地判断闸门及支承运转件的故障。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为故障诊断流程图。

图2为顶枢轴摩擦应力变化趋势图。

图3为蘑菇头摩擦应力和顶横梁应力的线性拟合示意图。

图4为参数a₁、b₁变化趋势图。

图5为顶枢轴接触面摩擦应力与顶横梁应力曲线拟合示意图。

图6为参数b₂、c₂、e₂变化趋势图。

图7为参数a₂、d₂变化趋势图。

图8为蘑菇头摩擦应力和顶横梁应力拟合曲线示意图。

图9为参数a₃、b₃变化趋势图。

图10为参数c₃、d₃变化趋势图。

图11为故障诊断系统原理框图。

图12为充泄水工况下点1振动加速度平均绝对偏差参数、峭度统计趋势图。

图13为充泄水工况下点1振动加速度平均绝对偏差参数、峭度统计趋势图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例1

如图1所示，图1为故障诊断流程图，本实施例提供的船闸闸门及支承运转件故障诊断方法是根据船闸闸门安全预警之后，主要功能是在发出安全预警信号之后，快速地对故障发生的位置进行一个初步的判断，以方便现场的检修的安排。

本实施例提供的故障诊断流程步骤如下：

获取闸门及支承运转件的受荷响应信号；

对受荷响应信号进行分析处理得到特征信号，并根据特征信号分别建立特征库和故障库；所述特征库用于记载闸门及支承运转件运行过程中的所有有效数据；所述故障库用于记载闸门及支承运转件处于故障状态时的故障信号；

本实施例中特征库应包括运行过程中所有有效数据，有效数据包括正常状态数据和故障状态数据。

根据特征库和故障库建立特征-故障关系映射库，所述特征-故障关系映射库用于建立特征库中在不同特征信号下发生的故障信号的映射模式；

获取待测闸门的实测信号，并通过闸门的实测信号计算得到待测支承运转件的受荷响应信号；

本实施例中的通过闸门的实测信号计算得到待测支承运转件的受荷响应信号是按照以下步骤进行的：

建立闸门及支承运转件整体仿真模型，确定门叶顶横梁，顶枢、底枢的旋转摩擦面等部位的受荷敏感区域；

采用有限元数值模拟方法和物理模型试验方法，拟定仿真模型的计算荷载与工况，模拟闸门及支承运转件在充泄水和启闭过程中的受荷状态，通过受荷响应信号的统计模拟建立不同水位、不同开度下闸门门叶与支承运转件受荷敏感区域之间的动力响应关系模型；所述动力响应包括应力、应变及振动加速度响应，动力响应模型包括闸门门叶重要部件-支承运转件应力、应变及振动加速度响应关系模型；

获取仿真模型中闸门及支承运转件在充泄水过程和启闭过程中的受荷响应信号，所述受荷响应信号包括应力、应变及振动加速度信号；

通过门叶、底枢，顶枢的受荷敏感区域的动力响应参数统计，分别建立不同水位、不同开度下的闸门门叶重要部件-支承运转件应力、应变及振动加速度响应关系模型；

根据动力响应关系模型计算待测支承运转件的受荷响应信号。

本实施例提供的关系模型是基于不同水位、不同闸门开度下闸门及支承运转件受荷敏感区域的响应特征规律进行建立的，通过关系模型构建闸门门叶受荷敏感区动力响应与支承运转件受荷敏感区动力响应二者之间的定量关系；

该定量关系可以是基于受静、动荷载下的响应规律，可以反映闸门在充泄水时以及启闭状态时的响应规律，还可以反映闸门及支承运转件的振动响应特性；旨在解决支承运转件的运行状态难以判断的问题，实现了闸门及支承运转件的故障诊断。

根据特征信号在特征-故障关系映射库中进行匹配，如果匹配成功，则输出故障库中匹配的故障信号，反之，则判断闸门为正常运行状态。

本实施例中匹配采用相似概率，当匹配时相似概率高于阈值则输出对应的故障特征，反之，则判断闸门为正常运行状态；当特征信号的相似概率高于预设阈值时，则输出对应的故障模式，反之，则研判为闸门运行正常，匹配过程具体如下：

首先通过特征库特征波形形态匹配闸门运行状态(启闭或是充泄水)，初步判断闸门是否发生共振以及顶底枢摩擦系数范围；

然后通过统计得到的有效特征参数(特征库)与故障参数(故障库)进行数据比对(相似率高的匹配率越高)，以此诊断出支承运转件的摩擦状态，再通过闸门与支承运转件敏感区的关系模型，得到闸门及支承运转件的运行状态，综合研判输出故障诊断结果。

本实施例中的相似概率计算采用matlab或其他编程语言来实现匹配的自动化。

本实施例中的相似概率计算采用余弦相似度的方法进行，通过余弦相似度来计算特征库与故障库匹配时的相似概率，其夹角余弦计算公式如下：

其中，a和b为两个n维样本点；分别表示为a(x₁₁,x₁₂,x_1n)和b(x₂₁,x₂₂,x_2n)；

如计算二维样本点，分别为(1,0)、(1,1.732)、(-1,0)两两间的夹角余弦；夹角余弦取值范围为[-1,1]。夹角余弦越大表示两个向量的夹角越小，即相似概率越大，夹角余弦越小表示两向量的夹角越大，即相似概率越小。当两个向量的方向重合时夹角余弦取最大值1，当两个向量的方向完全相反夹角余弦取最小值-1，相似概率取绝对值。

本实施例中的受荷响应信号可以根据以下步骤获取：

根据闸门及支承运转件建立仿真模型，获取闸门及支承运转件在充泄水过程和启闭过程中应力、应变及振动加速度信号；

本实施例中的受荷响应信号可以根据以下步骤获取：

从船闸闸门的现场监测数据中获取，所述监测数据包括待监测闸门的应力、应变及振动加速度信号；

本实施例中的特征信号按照以下步骤进行获取：

对闸门运行状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的特征参数和特征波形，形成特征库；对闸门故障状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的故障参数和故障波形，形成故障库；

本实施例中的特征-故障关系映射库是根据特征库和故障库来建立的，具体按照以下步骤进行建立：

所述故障特征关系映射库包括故障参数与特征参数之间的映射关系，以及故障波形与特征波形之间的映射关系；

本实施例中所述特征库用于记载闸门及支承运转件运行过程中的所有有效数据，有效数据包括正常状态数据和故障状态数据；所述故障库用于记载闸门及支承运转件处于故障状态时的故障状态数据。

本实施例中的对实测信号进行处理得到实测信号的特征参数和特征波形；

本实施例中的特征-故障关系映射库中的故障信号包括故障位置和故障模式。

本实施例中的特征参数和特征波形是通过在不同工况下的受荷响应信号计算得到的，所述不同工况为闸门及支承运转件在不同水位、不同开度、不同摩擦系数下的状态；

通过计算得到时域信号的各种特征参数，所述特征参数包括峰值、均值、均方根、平均绝对偏差系数、峭度等参数；

本实施例中的特征参数是在时域内计算受荷响应信号得到的各种特征参数；

本实施例中的特征波形是通过对闸门及支承运转件在不同工况下的时程信号进行频谱分析得到的；

本实施例是在闸门预设位置采集受荷响应信号，本实施例在门叶受荷敏感区域设置振动传感器采集敏感区振动加速度信号，获取闸门实时的受荷响应信号。

本实施例中的闸门及支承运转件包括门叶、底枢，顶枢，所述底枢包括衬套和蘑菇头。

本实施例中的闸门及支承运转件的受荷响应信号包括闸门充泄水过程中门叶及支承运转件受荷敏感区域的振动响应规律以及闸门启闭过程中门叶及支承运转件受荷敏感区域的振动响应规律。

本实施例中建立特征库及故障库的按照以下步骤进行：

对闸门运行状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的特征参数和特征波形，形成特征库；对闸门故障状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的故障参数和故障波形，形成故障库。

本实施例中的摩擦系数是指在不同工况下时顶枢旋转轴接触面摩擦系数、底枢蘑菇头接触面的摩擦系数。

本实施例中闸门与支承运转件受荷敏感区的关系模型按照以下方式确定：

1、确定充泄水过程中门叶和支承运转件受荷敏感区响应参数定量关系：

(1)顶枢轴接触面摩擦应力随顶横梁应力变化的规律分析

如图2所示，在充泄水过程水流脉动压力作用下，随着顶横梁应力的变化，顶枢轴摩擦应力变化较小，均值为0.0028MPa，最大值为0.007MPa，在0.001～0.007MPa范围内波动变化。

(2)蘑菇头摩擦应力随顶横梁应力变化的规律分析

如图3所示，在水流脉动压力作用下，蘑菇头的摩擦应力和顶横梁的应力满足线性关系，可用下列公式表示：

y₁＝a₁+b₁x；

式中：a₁、b₁为参数，y₁表示充泄水过程中蘑菇头的摩擦应力；x表示顶横梁的应力。

各参数随摩擦系数的变化规律如图4所示，参数a₁、b₁均随蘑菇头摩擦系数的改变呈现线性增大的趋势，顶枢摩擦系数的改变对参数a₁、b₁的影响非常小。具体取值如表1表所示。

表1参数a₁、b₁取值表

2、启闭过程中门叶和支承运转件受荷敏感区响应参数定量关系

(1)顶枢轴接触面摩擦应力随顶横梁应力变化的规律分析

如图5所示，在启闭过程中，闸门顶枢轴接触面摩擦应力和顶横梁应力满足函数关系：

式中：a₂、b₂、c₂、d₂、e₂为该函数的参数，y₂表示启闭过程中闸门顶枢轴接触面摩擦应力；x表示顶横梁的应力。

摩擦系数的改变对各参数的影响如图6和图7所示。

如图6和图7所示，参数b₂、c₂、e₂随着顶枢摩擦系数的增大而增大，随着蘑菇头摩擦系数的增大而减小；参数a₂、d₂随着顶枢摩擦系数的增大而减小，随着蘑菇头摩擦系数的增大而增大。具体取值如表2所示。

表2参数a₂、b₂、c₂、d₂、e₂取值表

(2)蘑菇头摩擦应力随顶横梁应力变化的规律分析

如图8所示，启闭过程中蘑菇头摩擦应力和顶横梁应力满足函数关系：

式中：a₃、b₃、c₃、d₃、e₃为该函数的参数，y₃表示启闭过程中蘑菇头的摩擦应力；x表示顶横梁的应力。

各参数受摩擦系数影响的变化规律如所示，

如图9和图10所示，参数a₃、b₃随着蘑菇头摩擦系数的增大呈线性增大的趋势，顶枢摩擦系数的变化对参数a₃、b₃的值没有影响；参数c₃、d₃随蘑菇头摩擦系数增大呈现出减小的规律，顶枢摩擦系数的变化对参数a₃、b₃的值有影响，具体取值如表3所示。

表3参数a₃、b₃、c₃、d₃取值表

本实施例中通过闸门及支承运转件的振动响应的动力学特征，结合闸门实际的运行环境，简化约束条件，拟定合适的作用荷载，确定工况，根据水流脉动压力平稳高斯模型和脉动压强功率谱，得到水流脉动压力的时域荷载曲线。根据有限元计算得到的结果，完成了闸门及支承运转件顶横梁、支承运转件等敏感区域在充泄水和启闭过程中的动位移、动应力、振动加速度的振动响应规律分析；确定应力敏感区，基于各敏感区域的时程曲线，统计各个部位的时程特征参数，建立充泄水、启闭工况下的门叶和支承运转件敏感区域的应力-摩擦应力定量关系。

实施例2

如图11所示，本实施例提供的故障智能诊断系统包括数据采集模块、数据处理模块、特征-故障库映射模块、故障诊断模块、输出模块；

所述数据采集模块，用于获取闸门及支承运转件的受荷响应信号；

所述数据处理模块，用于对受荷响应信号进行分析处理得到特征信号；

所述特征-故障关系映射模块，用于建立在不同特征信号下发生的故障信号的映射模式；

所述故障诊断模块，用于将待测闸门及支承运转件的实测信号与特征-故障关系映射库中的故障信号进行匹配，如果匹配成功，则生成故障信号；

所述输出模块，用于接收并输出故障诊断模块生成的故障信号。

本实施例提供的系统还包括云端数据库，所述云端数据库，用于接收数据采集模块采集的数据信号，并对数据信号进行处理分析。

本实施例提供的数据处理模块，用于将传感器所采集的信号经过放大、平滑、滤波处理；由于传感器采集到的响应原始信号幅度比较小，所以要通过放大器将其幅度放大，提高精度；然后再对信号进行滤波、平滑处理，可以有效的抑制噪声信号；最后将处理的信号通过数据解调，将信号经过解调装置后转换成数字信号，便于后期的处理与分析，解调后将数字信号发往云端数据库。

本实施例提供的数据采集模块采集的闸门及支承运转件的受荷响应信号可以按照以下步骤进行：

根据闸门及支承运转件建立仿真模型，获取闸门及支承运转件在充泄水过程和启闭过程中应力、应变及振动加速度信号；或从船闸闸门的现场监测数据中获取，所述监测数据包括待监测闸门的应力、应变及振动加速度信号；

本实施例中的仿真模型采用有限元数值模拟方法和室内物理模型试验方法相结合，建立振动特征参数与故障信息映射的数据库，运用有限元模型和物理模型试验综合建立闸门门叶和闸门支承运转件之间的特征参数响应关系模型；该关系模型确定后，可以通过闸门门叶的响应参数值来计算得到闸门支承运转件的响应参数值，从而实现对闸门支承运转件的间接监测，而不需要在隐蔽的支承运转件处布设传感器进行信号采集。

本实施例通过有限元数值仿真模拟不同水位、不同开度、不同摩擦系数下的闸门故障状态，获取闸门门叶敏感区域的时域响应信号；在获取响应信号后，对其进行统计处理，得到大量的特征参数信息，并归类到故障特征库内；进行时域信号的频谱分析，提取不同故障状态的频谱分析波形图，并纳入故障特征库内。

本实施例中的系统按照以下步骤进行故障诊断，具体步骤如下：

S1：当闸门及支承运转件的监测系统发出预警信号后，通过数据采集模块将故障信息输送到故障诊断系统中，诊断程序启动；

S2：故障诊断模块将收集到的信息进行整理归类，同时进行数据处理，计算得到时域信号的各种特征参数，特征参数包括峰值、均值、均方根、平均绝对偏差系数、峭度等参数，最后保存；

S3：故障诊断模块对收集的时程信号进行频谱分析，提取波形特征，归类保存处理信息；

S4：根据频谱的波形分析，结合结构模态分析每一阶的固有频率，判断结构由于外界激励是否发生共振；如果处于启闭阶段，则要进行液压监测信息的研判；

S5：将保存的不同时刻的特征波形、特征参数与特征库的故障信息进行一一匹配，计算其匹配度，然后诊断故障位置，发出故障信息。

实施例3

本实施例以现场采集的一段时程信号进行故障诊断，具体过程如下：

(1)数据采集、传输、预处理和保存

在结构敏感区贴上应变片，安装传感器，确保能采集到信号。若是长时间的采集信号，需要做好应变片的防潮措施和振动加速度的固定，以免对采集的数据造成影响。

传感器采集的数据信号经过放大器、桥和等仪器的预处理，对信号进行滤波、降噪等处理，当数据信号传输到采集系统之后，还要进行数据处理，最后传输到云端数据库。

(2)异常点的剔除

系统接收到的数据信号常常也会有一些异常点，这些异常点的存在会影响系统判断的准确性，因此，要剔除这些异常值。剔除异常点之后要进行再一次的滤波，得到反映闸门受荷状态的信号。滤波的方法有很多，根据效果可以选择自己需要的。本实施例采用软件自带的滤波方法进行滤波。根据实际的实验环境实际的噪声情况，对得到的数据进行平滑、滤波处理，平滑处理后数据没有之前数据的上下滑移，滤波处理后数据没有之前的密集，得到结构的有效数据。结构的振动加速度的时程曲线做同样方法的处理。

(4)时程曲线的特征参数、特征波形统计

结构的应力和振动加速度时程曲线经过数据处理得到有效数据后，对该段数据特征参数、特征波形的进行统计，然后保存在系统中。

(5)特征波形、特征参数与故障参数库的匹配

频谱匹配：从充泄水时段采集到数据信号，该数据信号的频谱图的响应频率在0.3～0.5Hz内，根据闸门充泄水时的模态分析可知，闸门的响应频率一阶共振频率为0.18Hz，即闸门此时并没有发生共振；从特征波形来观察，该波形和顶底枢摩擦系数均为0.1时的波形相似。即此时的闸门没有发生共振，且顶、底枢的摩擦系数在0.1～0.2之间。

特征参数匹配：均方根匹配结果如表4所示。

表4均方根匹配表

(注：0m-0.1-0.1表示水位增量为0m、顶枢摩擦系数为0.1、蘑菇头摩擦系数为0.1)

均值匹配结果如表5所示。

表5均值匹配表

(注：0m-0.1-0.1表示水位增量为0m、顶枢摩擦系数为0.1、蘑菇头摩擦系数为0.1)

平均绝对偏差参数匹配结果如表6所示。

表6平均绝对偏差参数匹配表

(注：0m-0.1-0.1表示水位增量为0m、顶枢摩擦系数为0.1、蘑菇头摩擦系数为0.1)

峭度匹配结果如表7所示。

表7峭度匹配表

(注：0m-0.1-0.1表示水位增量为0m、顶枢摩擦系数为0.1、蘑菇头摩擦系数为0.1)

从匹配结果中选取匹配率大的进行比较，根据比较结果，最终确定顶枢的摩擦系数约为0.1，蘑菇头的摩擦系数约为0.1。

表8顶枢轴应力敏感区应力计算表

表9蘑菇头应力敏感区应力计算表

在诊断出支承运转件的摩擦状态后，能够确定敏感区的关系模型，根据模型得到的结果显示顶横梁的应力、支承运转件的摩擦应力均在规范值之内。

实施例4

本实施例利用闸门及支承运转件的三维有限元模型，基于频谱分析和时程参数统计分析，提取了不同故障状态下的特征波形，统计了不同工况下的特征参数，建立特征参数随顶、底枢摩擦系数的变化规律，以及不同故障状态下的特征波形、参数数据库。

本实施例对充泄水过程中的闸门及支承运转件进行故障诊断，具体步骤如下：

船闸闸门在充泄水过程中，由于水流的脉动会产生随时间变化的动态响应，包括振动应力、振动位移、振动加速度等响应。

动应力响应时程曲线：获取闸门顶横梁在充泄水时的振动应力时程曲线，包括充泄水时顶横梁应力时程曲线，其中，顶、底枢摩擦系数分别为0.1、0.1；以及充泄水时顶横梁应力时程曲线，其中，顶、底枢摩擦系数分别为0.1、0.3；充泄水时顶横梁应力时程曲线，其中，顶底枢摩擦系数分别为0.3、0.1；以及加速度时程曲线，充泄水时顶横梁振动加速度时程曲线图，其中顶、底枢摩擦系数分别为0.1、0.1。

对时程曲线进行频谱分析：

顶枢旋转轴接触面摩擦系数不变、蘑菇头摩擦系数变化；采集点的振动加速度的频谱图(顶枢摩擦系数0.1、水位增量为0m)，蘑菇头摩擦系数分别为0.1；0.3；另一个采集点的振动加速度的频谱图(顶枢摩擦系数0.1、水位增量为4m)，蘑菇头摩擦系数分别为0.1；；0.3；另外一个采集点的振动加速度的频谱图(顶枢摩擦系数0.1、水位增量为8m)，蘑菇头摩擦系数分别为0.1；0.3；

顶枢旋转轴接触面摩擦系数变化、蘑菇头摩擦系数不变；采集点的振动加速度的频谱图(蘑菇头摩擦系数0.1、水位增量为0m)，顶枢摩擦系数分别为0.1；0.2；0.3，另一点的振动加速度的频谱图(蘑菇头摩擦系数0.3、水位增量为4m)，顶枢摩擦系数分别为0.1；；0.2；0.3，采集点的振动加速度的频谱图(蘑菇头摩擦系数0.3、水位增量为8m)，枢摩擦系数分别为0.1；0.2；0.3；

根据频谱分析可以发现，通过模拟充泄水过程不同水位下的顶枢旋转轴接触面、底枢蘑菇头不同摩擦系数，门叶三个点时程曲线的频谱分析图出现了不同的波形趋势；随着顶、底枢摩擦系数的改变，频谱图的波形特征、峰值出现了不同程度的变化。闸门湿模态一阶固有频率大于5Hz，频谱图反映的闸门的响应频率大多集中在4～4.5Hz左右，因此闸门门体并没有发生共振。

综上所述，改变支承运转件的摩擦系数实则是在模拟闸门不同的启闭故障状态，顶枢旋转轴接触面、底枢蘑菇头摩擦系数的改变会导致闸门各点时程曲线的频谱分析图的波形发生改变，即在每种故障状态下受荷响应的频谱分析图具有不同的特征幅值和特征波形，这为闸门及支承运转件的故障诊断技术研究提供了方向。

时程曲线的特征参数统计分析

根据不同采集点的时程曲线得到的数据，结合峰值、均值、均方根、平均绝对偏差参数、峭度等特征参数的定义，对时程数据进行特征参数的统计。统计的时程参数，充泄水工况下某个采集点的时程曲线参数统计数据，根据得到的统计数据，可以得到各参数随摩擦系数的改变的变化趋势图。

如图12和图13所示，图12为充泄水工况下点1振动加速度平均绝对偏差参数、峭度统计趋势图；图13为充泄水工况下点1振动加速度平均绝对偏差参数、峭度统计趋势图；根据时程曲线得到不同工况下统计参数，在不同工况下，随着顶枢和底枢旋转摩擦面摩擦系数的增大，特征参数的统计值也发生了改变。基于特征参数随摩擦系数改变而改变，即在不同故障状态下的闸门某一点的时程曲线的特征参数统计值也会不同，模拟不同的闸门故障，统计响应的特征参数，建立参数和故障的匹配库，有助于闸门及支承运转件的故障诊断。

同理，启闭过程中闸门及支承运转件故障诊断，具体如下：启闭机械的液压启闭监测：船闸闸门的启闭方式有多种，液压控制启闭的方式是其中一种，主要由液压泵、液压阀、液压缸、油箱和附件等关键部件构成。液压系统启门原理大致是油泵电机升压使液压油进入有杆腔启门，闭门时液压油进入无杆腔闭门，活塞杆带动闸门进行启闭。

可由液压启闭监测发现，如果闸门门叶在启闭过程中发生故障，故障的信息会通过液压设备中的压力、液位、流量、温度、油缸开度仪参数反映出来，并进行安全预警。该方法的确可以及时发现故障，但有一定的局限，液压启闭监测不能发现故障发生的位置，还需要结合其他设备进行检测才能综合判断故障位置。

时程曲线频谱分析，采集启闭工况下的横梁、竖梁、面板振动加速度信号，启闭工况下顶横梁某点三个方向XYZ的振动加速度时程曲线数据；采集顶横梁、竖梁、面板的振动加速度数据，整个船闸闸门的结构振动加速度数值较大区域分布在闸门门叶靠近斜接柱的区域，振动加速度的最大值依次为0.8mm/s²、0.51mm/s²、0.6mm/s²。根据数值的大小变化，由于横梁身上的振动加速度最明显，启闭过程中提取横梁上3个点的振动加速度时程曲线进行分析。位于靠近斜接柱的顶部、中部、底部的横梁上表面处设置3个信号采集点，提取3个点的振动加速度时程曲线，分别对启闭过程动力响应频谱分析，Y方向振动加速度频谱图，其中顶枢摩擦系数0.1，蘑菇头摩擦系数分别为0.1；0.2；0.3；Z方向振动加速度频谱图(顶枢摩擦系数0.1)，蘑菇头摩擦系数分别为0.1；0.2；0.3；X方向振动加速度频谱图(顶枢摩擦系数0.1)，蘑菇头摩擦系数分别为0.1；0.2；0.3。

在启闭过程中，顶底枢不同摩擦系数下，闸门的响应频率主要集中在0.4～0.47Hz左右，频谱分析图的幅值和波形发生了改变，统计不同故障下的特征波形和幅值，有利于研究特征波形和故障类型的关联性，提高故障判断的准确性。

时程曲线的特征参数统计分析：根据不同采集点的时程曲线得到的数据，结合峰值、均值、均方根、平均绝对偏差参数、峭度等特征参数的定义，对时程数据进行特征参数的统计。

根据得到的统计数据，进行趋势的绘图研究各参数随摩擦系数的改变的变化趋势。X方向振动加速度均值、均方根趋势图(启闭工况)，X方向振动加速度平均绝对偏差参数、峭度趋势图(启闭工况)。

闸门启闭下采集点的时程参数统计值随着底枢摩擦系数的增大呈现下降的趋势；随着顶枢摩擦系数的增大，时程参数也出现了变化。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (9)

1.一种闸门及支承运转件故障智能诊断方法，其特征在于：包括以下步骤：

获取闸门及支承运转件的受荷响应信号；

对受荷响应信号进行分析处理得到特征信号，并根据特征信号分别建立特征库和故障库；所述特征库用于记载闸门及支承运转件运行过程中的所有有效数据；所述故障库用于记载闸门及支承运转件处于故障状态时的故障信号；

根据特征库和故障库建立特征-故障关系映射库，所述特征-故障关系映射库用于建立特征库中在不同特征信号下发生的故障信号的映射模式；

获取待测闸门的实测信号，并通过闸门的实测信号计算得到待测支承运转件的受荷响应信号；

对受荷响应信号进行统计分析处理得到特征信号，根据特征信号在特征-故障关系映射库中进行匹配，如果匹配成功，则输出故障库中匹配的故障信号，反之，则判断闸门为正常运行状态；

所述通过闸门的实测信号计算得到待测支承运转件的受荷响应信号是按照以下步骤进行的：

根据闸门及支承运转件建立仿真模型，确定闸门及支承运转件的受荷敏感区域；

获取仿真模型中闸门及支承运转件在充泄水过程和启闭过程中受荷响应信号；

采用有限元数值模拟方法和物理模型试验方法，建立不同水位、不同开度下闸门门叶与支承运转件受荷敏感区域之间的动力响应关系模型；所述动力响应包括应力、应变及振动加速度响应，动力响应关系模型包括闸门门叶重要部件-支承运转件应力、应变及振动加速度响应关系模型；

根据动力响应关系模型计算待测支承运转件的受荷响应信号；

所述闸门与支承运转件受荷敏感区的关系模型按照以下方式确定：

1)、充泄水过程中门叶和支承运转件受荷敏感区响应参数定量关系：

在水流脉动压力作用下，蘑菇头的摩擦应力和顶横梁的应力满足线性关系，用下列公式表示：

y₁＝a₁+b₁x；

式中：a₁、b₁为参数，y₁表示充泄水过程中蘑菇头的摩擦应力；x表示顶横梁的应力；

2)、启闭过程中门叶和支承运转件受荷敏感区响应参数定量关系

在启闭过程中，闸门顶枢轴接触面摩擦应力和顶横梁应力满足函数关系：

式中：a₂、b₂、c₂、d₂、e₂为该函数的参数，y₂表示启闭过程中闸门顶枢轴接触面摩擦应力；x表示顶横梁的应力；

启闭过程中蘑菇头摩擦应力和顶横梁应力满足函数关系：

式中：a₃、b₃、c₃、d₃、e₃为该函数的参数，y₃表示启闭过程中蘑菇头的摩擦应力；x表示顶横梁的应力。

2.如权利要求1所述的闸门及支承运转件故障智能诊断方法，其特征在于：所述匹配采用相似概率进行计算，当匹配时相似概率高于阈值则输出对应的故障特征，反之，则判断闸门为正常运行状态。

3.如权利要求1所述的闸门及支承运转件故障智能诊断方法，其特征在于：所述特征库及故障库的获取步骤如下：

对闸门运行状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的特征参数和特征波形，形成特征库；对闸门故障状态下的应力、应变及振动加速度信号进行分析处理得到闸门及支承运转件的故障参数和故障波形，形成故障库。

4.如权利要求1所述的闸门及支承运转件故障智能诊断方法，其特征在于：所述特征-故障关系映射库是根据特征库和故障库来建立的，具体按照以下步骤进行建立：

所述特征-故障关系映射库包括故障参数与特征参数之间的映射关系，以及故障波形与特征波形之间的映射关系。

5.如权利要求1所述的闸门及支承运转件故障智能诊断方法，其特征在于：所述特征参数和特征波形是通过在不同工况下闸门和支承运转件的受荷响应信号计算得到的，所述不同工况为闸门及支承运转件在不同水位、不同开度、不同摩擦系数下的状态。

6.船闸闸门及支承运转件故障智能诊断系统，其特征在于：包括数据采集传输模块、数据处理模块、特征-故障库映射模块、故障诊断模块和输出模块；

所述数据采集传输模块，用于获取闸门及支承运转件的受荷响应信号；

所述数据处理模块，用于对受荷响应信号进行分析处理得到特征信号；

所述特征-故障关系映射模块，用于建立在不同特征信号下发生的故障信号的映射模式；

所述故障诊断模块，用于将待测闸门及支承运转件的实测信号与特征-故障关系映射库中的故障信号进行匹配，如果匹配成功，则生成故障信号；

所述输出模块，用于接收并输出故障诊断模块生成的故障信号；

所述实测信号按照以下步骤计算得到待测支承运转件的受荷响应信号：

根据闸门及支承运转件建立仿真模型，确定闸门及支承运转件的受荷敏感区域；

获取仿真模型中闸门及支承运转件在充泄水过程和启闭过程中受荷响应信号；

采用有限元数值模拟方法和物理模型试验方法，建立不同水位、不同开度下闸门门叶与支承运转件受荷敏感区域之间的动力响应关系模型；所述动力响应包括应力、应变及振动加速度响应，动力响应关系模型包括闸门门叶重要部件-支承运转件应力、应变及振动加速度响应关系模型；

根据动力响应关系模型计算待测支承运转件的受荷响应信号；

所述闸门与支承运转件受荷敏感区的关系模型按照以下方式确定：

1)、充泄水过程中门叶和支承运转件受荷敏感区响应参数定量关系：

在水流脉动压力作用下，蘑菇头的摩擦应力和顶横梁的应力满足线性关系，用下列公式表示：

y₁＝a₁+b₁x；

式中：a₁、b₁为参数，y₁表示充泄水过程中蘑菇头的摩擦应力；x表示顶横梁的应力；

2)、启闭过程中门叶和支承运转件受荷敏感区响应参数定量关系

在启闭过程中，闸门顶枢轴接触面摩擦应力和顶横梁应力满足函数关系：

式中：a₂、b₂、c₂、d₂、e₂为该函数的参数，y₂表示启闭过程中闸门顶枢轴接触面摩擦应力；x表示顶横梁的应力；

启闭过程中蘑菇头摩擦应力和顶横梁应力满足函数关系：

式中：a₃、b₃、c₃、d₃、e₃为该函数的参数，y₃表示启闭过程中蘑菇头的摩擦应力；x表示顶横梁的应力。

7.如权利要求6所述的船闸闸门及支承运转件故障智能诊断系统，其特征在于：所述特征-故障关系映射模块包括特征库、故障库和映射库；

所述特征库，用于记载闸门及支承运转件运行过程中的所有有效数据；

所述故障库，用于记载闸门及支承运转件处于故障状态时的故障信号；

所述特征-故障关系映射库，用于反映特征库中在不同特征信号下发生的故障信号的映射模式。

8.如权利要求6所述的船闸闸门及支承运转件故障智能诊断系统，其特征在于：所述特征信号包括特征参数和特征波形，所述特征参数为对闸门及支承运转件的应力、应变及振动加速度信号进行时域分析处理得到特征值；所述特征波形为对闸门及支承运转件的应力、应变及振动加速度信号进行频谱分析得到波形特征值。

9.如权利要求6所述的船闸闸门及支承运转件故障智能诊断系统，其特征在于：所述故障诊断模块中的匹配方法采用相似概率计算，当匹配时相似概率高于阈值则输出对应的故障特征，反之，则判断闸门为正常运行状态。

Images