摘要：针对提升机闸瓦间隙和主轴振幅超过规定致使制动失效而发生超速和跑车事故，分析了影响闸瓦间隙的主要原因，提出了闸瓦间隙诊断准则，并用诊断准则对闸瓦间隙进行了诊断。制动盘偏摆量监测信号经小波分解与重构，有振幅超过规定并由主轴齿轮啮合频率引起的强迫振动弱信号存在。研究结果表明在一定的条件下，小波变换能识别振动故障特征频率，并有提取弱特征信号的优势。

    关键词：闸瓦间隙；制动盘偏摆；主轴振动；监测诊断；小波变换

中图分类号：TP277；TD534；TN911，23

文献标志码：A文章编号：1003-0794(2007)01-0165-03

Abstract: In allusion to direct towards over- speed or roadster to be threatened when clearance of brake shoe and principal axis amplitude of hoist exceed stipulation. Firstly, cause impacting deflection of brake disc has been analyzed, and diagnosis rule has been put forward, and by it deflection of brake disc has been diagnosed. Signal processing - decomposed and reconstituted by wavelet of deflection of brake disc has weak signal which amplitude of hoist exceed stipulation and that brings about forced vibration of meshing frequency of axis. The findings indicates in certain condition that wavelet transform can recognize characteristic frequency of fault and it has advantage in pick-up weak characteristic signal.

Keywords: brake shoe clearance; brake disc deflection; principal axis vibrancy; monitor and diagnosis; wavelet transform

    因制动盘偏摆量存在使制动盘与闸瓦接触面由两平行平面，变为平面对斜面，闸瓦间隙从小到大线性变化，闸瓦平均间隙也许符合《煤矿安全规程》的要求，但闸瓦最大间隙△max会大于规定的2mm。每一对闸瓦与制动盘有效接触面积减小，使制动力矩不足，会引起提升机制动失效、超速、过卷和跑车等严重事故。闸瓦间隙过大还会导致制动盘与闸瓦磨损严重，空动时间超过规定的0．3S。所以，闸瓦间隙在线监测诊断对保证提升机安全正常运行十分重要。

主轴旋转偏心，主轴上的零部件旋转时会产生附加的惯性离心力，从而引起主轴强迫振动，其危害比闸瓦间隙过大还要严重。《规程》规定，当主轴转速n<500r/min，其振幅不得超过0．25min。在线监测2JTP-1.2提升机主轴轴向振动振幅为0．3mm，不合格，为此需对制动盘偏摆量信号和主轴加速度信号进行小波分析，找出了主轴振动的原因。

    以闸瓦间隙诊断为例。

    (1)诊断准则

    2JTP-1．2型提升机主要用于煤矿、金属矿、非金属矿的倾斜巷道和小型竖井做提升和下放物料之用，也可以用作升降人员。制动系统的主要技术参数如下：提升机双卷筒，卷筒直径和宽度分别为1200mm和800mm，左滚筒大；盘形闸制动，制动盘平均摩擦半径Rm=0．63m；闸瓦对数n=4。

    如果滚筒主轴轴线倾斜角度为a，则测量点的制动盘偏摆量(不考虑主轴振动和轴向窜动)

大小，通过调整闸瓦的厚度或制动闸的位置加以解决。

    闸瓦间隙不合格判断准则是：每一对闸瓦的间隙一大一小线性变化，大间隙超过2mm，小间隙不到2mm。分下列2种情况进行诊断：

    ①若其平均间隙不到2mm，判断制动盘偏摆量δ超标。若通过调整主轴安装精度，使δ变小，使闸瓦间隙变小合格，则不需要更新闸瓦；

    ②若其平均间隙超过2mm，判断制动盘偏摆量δ和闸瓦间隙都有可能超标。若δ合格，调整制动闸的位置也不能使其合格，则维修时用厚的新闸瓦更换磨损的旧闸瓦，使闸瓦间隙合格。

    (2)监测诊断

    2JTP-1.2提升机制动盘偏摆量、闸瓦间隙、主轴轴向振动数据采集是通过研华的PCL733、PCIl713数据采集卡共采集了16路开关量和16路模拟量，在线的I/0共32点。由于在线监测和诊断要完成大量的数据处理与图形显示处理，因此选用King- View软件的256点开发版、128点运行版以及实现网络功能的NetView版。

    闸瓦间隙在线监测采用自行设计的专用测力传感器间接监测，安装在制动器内部拾取各制动闸弹簧力Fki(i=l，2，…，8)，将O～30kN的弹簧力线性地转换成0～20mV的直流电压，再经放大、A／D转换后进入计算机进行处理。表l是提升机在2种不同的运行状态下，闸瓦平均间隙在线的监测结果。

    根据表1：闸1、闸2的平均间隙为(2．8+2．8l+1．8+1．8)／4=2．30，超过规定，不合格。按间隙诊断准则②调整合格；

闸3、闸4的平均间隙为(3．05+3．04+1．83+1．84)／4=2．44，超过规定，不合格。按间隙诊断准则②调整合格。

    Daubechies小波是由世界著名的小波分析学者 Inrid Daubeehies构造的小波函数，一般简写成dbN， N是小波的阶数。小波∮(t)和尺度函数∮(t)中的支撑区为2N-1，∮(t)的消失矩为N，除N=l外， dbN不具有对称性，即非线性相位。dbN没有明确的表达式(除N=1外)，但转换函数的平方模是很明确的。

因dbN小波有以上特点，又是二进正交小波，计算机使用dbN软件高速准确处理信号成为可能，故在机械故障诊断中应用较多。

    一般来说，提升机水平安装容易做到，制动盘偏摆方向很可能是左右偏摆，用sT—l型非接触式电涡流位移传感器在提升机运行时，对以主轴轴心为圆心的上、下、左、右4点测量其相对距离，上、下2点的距离基本相等，左、右2点的距离不相等，左近右远，说明主轴逆时针方向倾斜a，也就是闸1平均间隙大，而闸2平均间隙小；闸3平均间隙大，而闸4平均间隙小；与表1监测的数据吻合。

    提升机减速器输出轴、滚筒转速和齿轮啮合频率如表2所示。ST-1型非接触式电涡流位移传感器可将O～20mm的偏摆量线性地转换为0～5V的直流电压，经A／D转换后进入计算机，处理后得到主轴偏摆量。把ST-l固定在数控车床的工作台上，使传感器匀速沿制动盘倾斜的直径方向移动，测量出制动盘轴向偏摆位移原始信号只有一条近似斜线，图略。根本看不出有主轴振动信号和噪声成分。

    经过多次选不同的小波函数和小波分解与重建，对原始信号用db3正交紧支撑小波包函数进行5层分析，细节信号分析结果如图1所示，d1～d5各层逼近信号同原信号相似。在图1中可以看出，内啮合的主轴外齿轮振动信号越来越清晰，噪声的影响不断减少。当齿轮和滚动轴承出现故障时，谐振频率比故障特征频率高很多。在谱线一定时，特征故障频率聚集在低频区，分辨率很低，不能分析出齿轮和轴承的故障特征信息。因此要对细节信号第5层d5做Hilbert包络，并进行谱分析，结果如图2所示，从功率谱的分析中可以发现79．4Hz(图3经放大T=0．0126s，对应厂=79．4Hz)的及倍频成分存在，且噪声影响较小，对照表2的内齿轮啮合故障频率可知，内啮合的主轴外齿轮因磨损发生了故障。经检测振动位移约是制动盘最大偏摆量的1／4，振动信号较弱。

    (1)对主轴引起强迫振动的磨损外齿轮的更换证明了用小波变换进行故障诊断迅速准确方便，并有提取弱特征信号的优势。

    (2)Daubechies小波的特点决定频率局部化特性与滤波器长度(支撑长度)有关，滤波器长度越长，局部化特性越好，只要滤波器长度足够，∮(t)和∮(t)都可以取得任意高的正则性，小波分解与重构的精度足够。但N=1除外，dbN不具有对称性，即非线性相位，小波分解与重构各频带难以分离，加上支撑有限，分解与重构信号误差肯定存在。若误差太大，所提取的故障信号混率，调幅和调频等现象都会产生，无法识别故障信号特征频率。如果是对称性引起的，可以试用改进的Daubechies小波-Sym-letN(N=2，3，…8)。如果是支撑长度不够产生的误差，可加大dbN值或试用半正交样条小波。

(3)闸瓦间隙和制动力矩在线监测采用自行设计的专用测力传感器间接监测，间接计算制动力矩，还要使用油压传感器测定油压。对有多种用途重要的专用高精度传感器，考虑安装方便和减少计算误差，自行设计与制造并定期测试精度。闸瓦间隙和制动力矩数值在线软件KingView经二次开发计算直接显示，不合格报警。

参考文献：[1]陈洁．提升机拖动系统远程监测与诊断方法研究[D]．太原：太原理工大学，2004．

[2]傅勤毅，夏松波，王峰林，等．紧支集正交小波的构造[J]．振动工程学报，1997，10(3)：293—297．

[3]I．Daubechies，Orthonormal basis of compactly supported wavelets[J]．Corn．Pure，IEEE Math，1988，41：909—996．

[4]I．Daubechies,The wavelet transform time—frequency location and signal analysis[J]．IEEE Tram Information Theory．1991，36：961—1008．

[5]Stephane Mallat．A theory for multi-resolution signal decomposition：the wavelet represention[J]．IEEE Transaction of Pattern Analysis and Machine Intelligence．，1989，11：674—693．

[6]Stephone Mallat，W．L．Hwang．Singularity detection and processing with Wavelets[J]．IEEE Transaction 012 Information theory，1991，37：1109—1033．

[7]飞思科技产品研发中心．小波分析理论与MARTLABL7．0实现[M]．北京：电子工业出版社，2005．