带式输送机英文和翻译.docx

带式输送机自动维护系统方法
Prof.dr.ir. Gabriel LodewijksDeIft荷兰理工大学
概要
本文论述了带式输送机系统维修自动化，特别是托辊。自动维护是一种很有前途的护方法，这种维护方法能够大大提高维护的效率，维护精度，并能够降低维护成本。为了更有效优化自动维护工作，维修供电的台车，能够在一个自主带式输送机的结构是作为维护系统平台调整。在这台上安装振动分析的数据采集设备，台车可以通过自动维修系统，在台车上或者电脑中央板收集数据。最优化维修方法是视逻辑模拟模型而定，模拟模型是带式输送机设计布局的本身。通过模拟模型也能得出带式输送机其他组成部件精确的剩余寿命信息。

引言
现在，越来越多公司为了平衡预算，通过长期接收训练有素经验丰富的人员，减少长期外包维修专业工作人员人数。但现实上难以实现，很多公司与外部企业没有足够的维修经验。
一般来说，在皮带输送系统的维修，可分为条件检查或整个系统的监测和更换和/或赔偿（简称服务的组成部分）。与外包维修工程遇到检查或状况的系统检测大多问题一样。这些 问题不是不值得探讨，有时移动带式输送机组件的状态。有同样经验的人应该进行定期检查机器，以避免同样问题出现。
为了克服由外包维修人员经验不足所造成的运作问题，对带式输送机组件可以自动检查。这样的知识，例如磨损率和更换的时间表可以建立在数据基础制度。外包维修人员则可以用来代替消减组件。另外，也可以自动更换组件。
本文讨论的皮带输送系统自动维护的方法和技巧。第2部分是智能维修的概念，第3部分是研究现有应用于智能维修系统的检查系统，第4部分讨论评估带式输送机旋转部件基于振动的检测概念的地位，第5部分提出一个研究案例，第6部分是结论和建议。
智能维修
带式输送系统的维修，可分为条件和整个系统及其组成部分的监测服务。状态监测的定义是连续或定期测量和解释数据显示组件的条件，以决定是否需要更换或维修，因此，检测状态处理获得（数据采集或从传感器采集）的数据，同时解释该数据，并采取纠正行动，从而防住系统故障的发展和普及。检测状态的基本概念是确定微妙的变化，例如：振动水平的增长表明机械（或电器）问题开始出现，这些早期信息为我们提供更多停机和维修计划时间。
有四种典型的维修类型：
⑴预防性维修：日程安排为基础，即根据活动计划在工作时间或在一定的时间间隔（定期维修），它可以观察到的部分恶化为基础并没有被修复的部分，这样就算预防工作完成。
⑵随机维修：机会为基础，即在维护工作机会时，决定维持对机会为基础的组件可能会或可能不会受到组件的条件触发。
⑶纠正维修：即组件出现故障时维修，这可能导致整体系统的失败，修复动作事先没有计划。
⑷预测性维护：根据条件，即进行部件监测，当发现不正常的因素，等直到维修机会时维修，它是有计划和矫正维修。
从以上的有4种保养很明显得出只有预测维修资格的概念应用在智能维护系统，才能使维护自动化。这里情报定义为作出决定的能力基于设备传感器收集或者总运输系统的控制系统提供的信息。
应用于带式输送机是个别组件的预期寿命信息，例如放映托辊预期寿命信息。这些信息导致系统作出对某个托辊检查和频繁更新或者更改为一个新的滚轮的决定。事实上，修理在这里意思是把滚轮更换未另外一个。一个滚轮是否可以修复和影响带式输送机的工作状况不是本文研究范围。
自动检测方法是如何受到收集的精确数据影响是这里研究的主要问题。理论上预测性维修有两个外在制约因素。首先，根本没有关于滚筒可利用的精确信息，基本上意味着就是对剩余寿命的评估就由轧辊和轴承制造商提供的（纯粹预测维修历史数据统计为基础）。其次，检查滚筒各部分非常准确的信息能够生成对单独滚筒剩余寿命的准确评估（预测性维修基于收集数据）。逻辑模拟模型对通过自动检测方法系统获得精确数据的影响作出决定。这种模拟模型将在第5部分讨论。
现有的检测系统
检查或检测带式输送机各部件状况遇到一个麻烦，包括转动皮带、滑轮和托辊。因为各种部件像滚筒和滑轮只能在它们运转时评估，并且状态检测系统基于振动分析和声学检测的应用。皮带正好与之相反，皮带状况只有在带式输送机系统停住工作情况下才能够被检测。无论那种情况，相关连的麻烦要么是各个部件相离太远或是输送机过长，这样给检测带来不少麻烦，为了减少这些麻烦，可以电动维修车来方便检测。
维修电动车的概念不再新鲜。早在70年代就有过关于维修电动车应用在带式输送机维修系统，该带式输送系统从从内部西撒哈拉沙漠穿过到布满石头的海岸横跨Phosboucraa的大陆，长达100km。带式系统组成与中心相距6.8km到11.7km。下图1我们可以看到电动式台车概念。克虏伯设计原来是偶尔不稳定。
图1
克虏伯公司设计的台式电动车在撒哈拉维护系统
图2显示的是改良版维修电动车。这台相当强劲和稳定的台车由南非CKIT公司构想、设计和发展出来。它已经安装在南非国内外很多的管道输送系统。它有三个检测平台，并支持6方向（纵向和横向）。当前的系统的动力主要来自燃烧主要平台的内燃机。当今的电动台车像强健男人一样稳健的操作、检测和服务工作。
作为发达国家的CKIT维修小车的概念，使其符合这一作为一个完全自动化的维修设施，进一步开发平台的研究。这一发展分为三个阶段。
第一阶段将是一台车的维修上的机器人的发展，使这两个自动检查及维修。这种机器人，它是一个研究项目，开展在交通工程和代尔夫特技术大学后勤组进行设计，这里不作研究。第二阶段是自动检测，这将在第5部分中描述程序的执行情况。第三阶段是在总系统的控制系统自动维护电动台车充分展开讨论。

数据的采集和挖掘
状态检测技术大体包括一个或者多个报警器，当一个工作点超出偏离值或者一个有超出时间的预期值趋势时报警器作出报警。参考工作重点信号是为基于知识系统提供而不是模拟模型相比较得出结果提供。
数据收集技术
选择合适的数据采集技术，对具有效率维修方法产生很大的影响。良好可靠的测量以及正确分析这些测量结果，是维修系统可靠运行必不可少的。多数旋转部件是以信号为基础的状态检测系统，这种系统应用基于振动和/或声学测量技术。另外一个选择是运用力和扭矩测量为状态检测提供基础。但是对于旋转部件，无线扭矩测量仪器的应用是必需的，虽然这种仪器昂贵。这仪器它适合作为临时监测系统，但今天仍然不适合大规模的长期监测系统。
光谱分析是一种重要工具，它是以振动状态检测为基础。一般来说，基于振动检测就是加速度水平测量用三维加速度计。信号从传感器获得，因此是加速度作为时间函数。在频谱分析这个信号是从时域到频域运用快速傅立叶变换技术（FFT）的转化。运用频域信号，信号的根源可以很容易地确定。该光谱内容涉及在振动信号能量特定的频率，对光谱密度分析是在错误的时间提前确定一个很好的方法。
振动分析是对状态监测的主要形式，一般来说，这种分析往往是在行业运用。在一个良好的工作组件振动水平谱密度一般都较低。当磨损发生超时，或者当负载出现在特定的成分，便有些小，但值得注意的变化将发生在组件的动力学行为。通过使这些变化和分析可对这个问题判断。
检测技术在实际应用中可分为两大类：
·信号有效值（均方根）的检测
·详细的信号频谱的检测
声学分析和振动分析十分相似。
采集数据之后才是数据的挖掘。数据挖掘的三个主要步骤组成。第一步是检测缺陷，检测缺陷是对部件认知为基础的动态检测；第二步是数据处理，把获得的数据转换成更适合分析的数据；第三步对数据本身实际分析，作出需要的决定，采取某些行动。
数据挖掘一：缺陷检测
这个部分主要探讨是轴承，这是因为到目前为止发生故障的主要来源是旋转部件包括托辊。很明显，托辊会因为外壳的磨损而失效。在外壳的磨损机理不同于但轴承磨损，因此需要不同的检测程序。这部分只对轴承故障检测讨论。
轴承可分为多种力学状态，各种力学状态都会可能导致缺陷。其中之一是通过定义组件频率如转速和一些几何参数的函数，其中几何参数包括滚动体数N，滚动体直径D，接触角·旋转笼或基本班次fcage：

·滚动轴承或球的旋转频率fre：轴承缺陷表现在相关缺陷频率的谱密度增加。轴承缺陷频率是影响的结果，由于滚动体传动缺陷当滚动体通过轴承的装载区。缺陷频率不包括笼转动频率，被包围在实际信号中。如果缺陷频率源自通过加载区的信号，那么就有k边带，其中带包络是转变与叠加成一个个单独的小干扰信息的干扰振动信号的过程。应用信号的包络的主要原因是人们能够发现就像发展在早期的小裂缝的缺陷。带包络的过程分为三个步骤：高通滤波，整流，低通滤波。
其余的信号只包含重复的干扰。随后信号得到纠正，并通过低通滤波器。频谱峰值显示出部件的缺陷频率，然后是组件的缺陷频率是有缺陷的。脉冲失去高频成分由于低通过滤器的过滤。然而，重复期仍然存在。
数据挖掘三：数据分析
数据分析可以相当复杂。如果分析的范围限于轴承和确定四个可能为4.2部分中列出可能的缺陷，那么程序可以如下。首先，扫描频谱异常。如果发现峰值在这个频谱则方程5至（8）可以用来找出问题的根本原因。知道了问题的根源，例如外圈的问题，那么，所获得信号电平与数据库相比较，确定缺陷的严重性，再作出适当的行动决定。后者决策部分是基于共同的if - then - else结构，使一个结构（和自动化）分析可能的原因和未来运作的影响。如果知道可能是一个以上缺陷原因，那么，有把握的因素必需适用于判断出最可能的原因。例如一个特殊信号不但可以识别轴承的缺陷也能判断出传感器本身的缺陷。
智能维修概念
这部分讲讲述一个智能维护系统的自动控制的概念。。该维修的概念是基于预知维修的概念，这里使用的是统计资料或详细的数据分析结果，这是第2部分介绍的。技术布局的维修系统基于自动化的维修台车的应用程序，包括在第三部分讨论的监测和服务机器人，上部分研究的数据采集和挖掘技术的使用。
模型
在逻辑模型里有若干要素，具体包括：
·带式输送机本身
·轴承
·维修机器人
·检查要求
·服务项目
·数据分析
带式输送机
在模型中，带式输送机可指定其长度条件和滚轮。滚轮的数量是假设滚轮是常数情况下自动计算得出。假定一个运载托辊有三卷和两个回转滚轮，每个托辊有两个轴承，轴承有制造商提供的最低寿命的长短，一定数量滚轮在规定的最短寿命内失效，这个标准数量是10%。如果在系统上安装使用不是新的滚轮，那么整个程序的剩余寿命就决定于这个单独的滚轮。
轴承
一个特殊的轴承寿命力是通过tabularized分配。寿命的上限和下限假设均匀分布（滚轮和轴承的最长和最短寿命是由生产商提供）。再根据均匀分布，轴承在最短寿命期限之前失效的概率是可以确定的。所有的分布可以更改为中等和侧面卷的执行以及返回托辊套。
维修机器人
维修机器人在整个带式输送机上从头部方向尾部结构都以恒定的速度运行。假定机器人一天24小时都可利用。
检查
检查滚轮群时，评估一个独立的滚轮的整个寿命长度是基于历史数据或者准确的振动测量。总的检查时间包括固定设置时间和自身检查时间。一个滚轮上所有卷筒群都用多种传感器的机器人手臂设置在同一时间。
服务
如果维修机器人决定更换一个卷筒，一般都是用一个同一类型的卷筒代替。在更换滚轮滚筒情况下，总的补偿时间包括固定设置时间和修理时间。
估算剩余寿命
机器人评估卷筒寿命是应用滚动傅里叶分析。这个过程的仿真应用了模型两个参数。估计是从一个正态分布样本作为卷筒寿命。这一分布偏差决定了估计精度，是由第一个参数（d）控制和第二个参数（f）偏置介绍。评估变得保守，对寿命偏低估算。
估算S1定义为：
S1d偏差，作为小部分剩余寿命。
样品x是一个估算正态分布必需的量。如果f等于零，那么估算就没偏差。估算有出现估高于寿命的50%。当f>0时，估算将偏低于寿命。
偏差和安全系数是剩余寿命的一小部分（L—A）。这就意味着当卷筒达到其实际寿命时，那么偏差和偏差的估算值都变为零。当年龄等于整个寿命，那么估算值S1100%准确。
d和f不同值对估算行为影响可以从图片3看出。如果f等于零，那么估算值将高于寿命值的50%。这可能导致卷筒更换推迟，这是我们不想要的结果。通过增加f值，估算值变为有偏差，保守。然而，如果f值太大时，估算值反而下降到实际寿命（x=y作为标志线），这将导致卷筒不必要的更换。
d适当的取值根据机器物理性质并且用实验确认。还有，模拟模型可以用来确定t的最优值。
图片3
d和f不同取值对估算值影响
规划与管理
维护策略
从理论上讲，维修机器人既可以执行定期和非定期的时间间隔检查工作。在这项研究中，设想的机器人是检查在固定时间间隔的传送带。是否使用非正规的时间间隔有利取决于在时间台车运行整个带式输送机行程所需时间和需要检查机器的时间间隔的比率，行程时间不仅取决于带式输送机的长度，而且取决于检查次数和检查及维修的时间。
周期间隔时间必须指定在定期定时检查间隔的情况。每个周期，机器人在整个行走整个传动带到终点，然后回到了带起点。在周期期间，可能有不同的策略。这部分讨论四个策略。
策略1：只提早检测，检测，需要时维修，之后立刻挖掘数据，返回不采取任何措施。假设维修台车在车上有充分数据处理设备执行数据挖掘功能。
策略2：检测和维修都得在台车返回之前。数据挖掘紧接在在检测之后。再次假设维修台车上有充分数据处理设备来执行数据挖掘功能。
策略3：只提前检测，在台车返回前只实行维修。数据挖掘在返回之前检测之后，这种情况下，数据挖掘也能在台车上完成，无论在检测时还是在到达系统尽头。
策略4：只推迟检测，数据挖掘在台车到达系统终点之后执行，返回是进行维修。这种情况下，数据得传送到中央计算机系统，计算机处理数据后，传达需要维修名单到台车。
记录没有明确的假设维修功能是由维修机器人实行，也可能由人工执行维修。在后者情况下，维修时间和花费发烧明显的改变，但检测策略还是不变。
安全时间
安全时间定义为寿命结束之前的时间段，在这个时间段里，机器人可以进行更换卷筒。如果安全时间段过长，卷筒将被不必要地过早更换；如果安全时间段过短，卷筒被更换比适合更换时间推迟，这样会产生更糟糕结果。安全时间至少等于周期间隔时间。
检查时间
一个卷筒是否需要检查决定于检查策略。每个卷筒多安装了策略检查器，这样机器人每个周期检查卷筒一次。这将导致该机器人长周期以及大量不必要的检查。因此，用灵活的检查策略来确定检查时间。检查时间定义为寿命结束之前的时间段，在这段时间段内卷筒必需要经过机器人检查。
如果至少有一个卷筒处于其检查时间段，那么输送机的滚轮支架将被检查。如果支架经过检查，那么支架上每个卷筒也将被检查。这样，一个卷筒即使不在它的检查时间段内也将会被重复检查几次，结果是评估寿命将更加精确。
仿真设置
这部分列出在模拟中应用的设置
输送机
帧的长度和距离决定了帧的数量和卷筒在传送系统中的数量。
表1
输送机的设置
长度
10，000m
帧的距离
2m
生产帧数
5001
生产卷筒数
21671
轴承
轴承的寿命均匀地分布在LMin和LMax之间。轴承失效率在0和LMin之间，这种失效均匀地分布在0和LMin之间。从这个规范可以计算出每种类型轴承的平均寿命。卷筒的寿命是两个轴承的最小寿命。
表2
轴承的设置

寿命分布
LMin
LMax
失效率
平均时间
上，侧卷筒
1750天
2083天
0.10
1812.4天
上，中间卷筒
1667天
2000天
0.10
1733.5天
下，边卷筒
1875天
2208天
0.10
1931.1天

机器人
机器人以恒定的速度移动。总的检查时间是安装设置时间和实际检查时间之和。总的维修时间是安装设置时间和实际维修时间之和。
表3
机器人设置
速度
0.5m/s
检查设置时间
30秒
检查时间
60秒
维修设置时间
20秒
维修时间
240秒

策略
机器人策略将在5.2.1段落讨论，下面是对实验设置的总结。

表4
策略设置
检查和向前补偿一点
检查策略
灵活化
仿真设置
模拟运行长度和和随机取值（取值需要启动模拟）可见于下表。
表5
模拟设置
运行长度
3650天
随机取值
54321
性能指标
维修机器人的性能由两个因素决定。最重要的是被太迟更换的卷筒数量，太迟更换意思是卷筒已经被破坏，这样会导致对传送带的损害；另外性能指标是更换和卷筒寿命的平均时间，用一个很长剩余寿命的代替是一种浪费。列出结果如下：
·机器人平均周期
·每个周期平均检查数次
·过早更换的卷筒百分率
·在过早更换卷筒和卷筒寿命之间的平均时间
·超时更换卷筒的百分率
·在卷筒寿命和超时更换卷筒之间的平均时间
用两个性能指标总结表现：
·失败：超时更换卷筒的百分率
·浪费：卷筒在寿命终点之前被更换的平均时间
实验
下面的实验已经执行：
偏差值d
0.00，0.10，0.20
安全系数值f
0.00，0.25
机器人周期间隔
30天，15天
安全时间
等于周期间隔
检查时间
是安全时间的两倍
模拟结果
本节列出一系列模拟表现结果。
估算寿命值的偏差
表6
f=0时，偏差的不同取值和对应的结果
设置
周期
早期更换
晚期更换
D
F
周期间隔
安全时间
检查时间
平均时间
总花费
%
早期
早期平均
%
晚期
晚期平均
0.00
0.00
30
30
60
2.4
3308
100%
15.2
0%
0.2
0.10
0.00
30
30
60
2.39
3313
87%
15.7
13%
26.9
0.20
0.00
30
30
60
2.38
3332
77%
16.9
23%
43.1
在第一轮的模拟安全系数f设置为0。从表6可以得出结论，寿命估算偏差对维修机器人的成功是至关重要的。偏差越小性能越好，如果偏差为0，估算一直很准确，并且卷筒被超时更换概率为0%。然而，偏差为0这种情况在实际上没有出现过，估算达不到理想化。该指数高于零偏差引入失败。
寿命估算安全系数
表7
f=0.25时，偏差的不同取值与对应的结果
设置
周期
早期更换
晚期更换
d
f
周期间隔
安全时间
检查时间
平均时间
总花费
%
早期
早期平均
%
晚期
晚期平均
0.00
0.00
30
30
60
3.05
6011
100%
24.9
0%
0.0
0.10
0.00
30
30
60
3.02
5876
100%
25.4
0%
0.0
0.20
0.00
30
30
60
2.94
5571
99%
26.8
1%
15.7
在第二次一系列模拟中安全系数为0.25引入。确定一个能够安全系数f显著减少卷筒更换超时的百分率。对比表6和表7可以得出增加巡查数次和增加提早更换卷筒大约10天（第9栏—15.2天与24.9天）（第7栏-3308与6011）可以为减少后期更换卷筒的成本。
检查周期间隔
表8
不同周期间隔的设置对应的结果
设置
周期
早期更换
晚期更换
d
f
周期间隔
安全时间
检查时间
平均时间
总花费
%
早期
早期平均
%
晚期
晚期平均
0.10
0.25
30
30
60
3.02
5876
100%
25.4
0%
0.0
0.10
0.25
20
20
40
2.25
4288
100%
17.0
0%
0.0
0.10
0.25
10
10
20
1.49
2462
100%
8.5
0%
7.5
0.10
0.25
5
5
10
0.98
1380
100%
4.2
0%
8.8
在这系列模拟中，偏差d设置为0.10，安全系数f设置为0.25，这里的变量是检查时间。表8表明，缩短了检验周期间隔可导致减少浪费。超时更换卷筒的百分比仍然为0％，而卷筒在寿命结束之前被更换的天数从25天（30天为一周期）缩短为在4天（5天为一周期）。人工操作的台车代替台车检查数次和行走与额外花费只和电力和数据处理时间相比较起来，人工操作是非常昂贵的。
固定与灵活的检查计划
表9
固定和灵活检查的结果
设置
周期
早期更换
晚期更换
d
f
周期间隔
安全时间
检查时间
平均时间
总花费
%
早期
早期平均
%
晚期
晚期平均
0.10
0.25
30
30
60
3.02
5876
100%
25.4
0%
0.00
0.10
0.25
20
30
固定
6.86
21671
100%
25.3
0%
0.00
为了确定灵活和固定（智能检测和检查每个动作）检查间隔的影响，用固定的检查时间等于周期时间做了多个的演示。一个灵活的检查计划，对提早更换卷筒方面的系统的使用性能不影响。与固定检查相比较，平均提早更换是几乎一样的。然而，每个周期的检查次数几乎减少4倍。另外，由于过大的偏差（例如d>0.25），一个固定的检查需要尽可能减少失败。
结论和建议
通过本文的给出的分析可得出结论，设置一个带式输送机自动维护系统的技术基于台车的应用。事实已被证明，一个适当的逻辑模型像第5部分提及的模型，是需要智能控制的维修台车和机器人。
性能水平依靠精确的剩余寿命评估。事实上，设置偏差d和安全系数f对维修机器人的性能非常重要，所以，最重要就是对维修机器人和带式输送机的物理系统深入了解。如果了解了视察机器人的特征，那么，寿命估算（在段落5.1.6）就可评估，d和f的最佳设置参数也就可以选择。然而，重要的认识到，在寿命评估基于卷筒/轴承制造商提供的历史数据情况下，维修策略也得实施。然而在这种情况下，检查数次和提早更换卷筒将明显增加。
如果得到验证的模型代表了机器人和输送带的物理系统，那么，更多的工作可实施以改善保养计划。因此，给出一些建议：
·优化周期间隔、安全时间和检查时间的取值。
·用灵活的检查代替固定的周期检查
·引入低频率的固定检查周期（周期时间~>100天），并在期间使用灵活的检测策略。
·在一个卷筒寿命周期内，应用统计方法来改善寿命评估。
·引入新的策略；譬如，检查和维修分开进行（在某种情况下检查可以是自动化而人工进行维修）。

致谢！

参考文献：
Strategies for Automated Maintenance of Belt Conveyor Systems
Prof.dr.ir. Gabriel Lodewijks
DeIft University of Technology, the Netherlands