海洋平台起重机智能状态监测方法与流程

本发明涉及海洋平台起重机监测技术领域，尤其是一种海洋平台起重机智能状态监测方法。

背景技术：

海洋平台起重机主要是在海洋平台上使用的起重机，用于船只之间器材的运送，海洋作业过程中不可或缺的生产和安全设备之一。海洋平台起重机的在正常工作时，通常要承受自身重量、外部施加载荷、环境影响、平台船舶运动产生的诸多载荷以及要承受诸如起升、吊臂变幅、回转运动产生的冲击力；当平台外起升时，还要承受起吊载荷时供给船运动产生的冲击力。对于受力复杂的海洋平台起重机在长期重复变化的载荷作用下，金属结构会发生疲劳破坏，再加上海洋平台通常远离陆地、自身可操作面积较小从而导致了设备损坏后很难立即更换、从而耽误工期，造成经济等损失。

海洋平台起重机工作的现场情况是十分复杂的，海洋环境恶劣、长时间的使用使得海洋平台起重机发生故障概率大大提高，同时起重机金属结构疲劳破坏造成重大事故、经济损失惨重、社会影响恶劣。长期以来，其安全生产形势十分严峻，其作业过程的可靠性和安全性越来越被人们所重视。但针对海洋平台起重机智能监测方面的研究较少，由于设备故障带来的装卸延误、设备损坏等情况不断困扰着设备使用企业。

目前在国外，很多工程机械公司，比如沃尔沃、卡特彼勒以及case公司等都将电子计算机监控系统安装在起重设备上，并利用人机交互界面实现寿命有关的各种信息的记录和显示，进而实现自动的安全检测功能。另一方面，国外的很多实验室对起重机的安全寿命也做了大量的研究，研究人员采用光纤传感器等智能仪器完成了对起重机疲劳裂纹扩展的实时监测工作，但是该研究目前只处于初级阶段，成型的设备还没有开发出来。通过研发的智能状态监测成果，运用相同的原理，该系统也可应用于同类型的海洋平台起重机运行检测工作中，将对国内外该产业监测技术领域带来改革，对海洋平台起重机检测技术实现重大的突破。

国内对于海洋平台起重机状态监测的研究主要集中在对其液压系统故障诊断方面；在起重机的智能状态监测方面，国内相关院校和机构的研究大多集中在陆用起重机上，海洋平台起重机的智能状态监测方面，国内鲜有报道。因此有必要研发海洋平台起重机的金属结构的智能状态监测系统，以便在部件发生疲劳破坏之前能够制定相应的延寿方案，确保海洋起重机的正常使用，降低不必要的损失。同时研发的智能状态监测系统可广泛应用于现有的海洋平台起重机，代替了以往的人力检测，使设备的日常检测工作在及时性、准确性上得到提高。

技术实现要素：

本发明的目的在于解决上述技术问题而提供一种海洋平台起重机智能状态监测方法，主要是通过监测起重机的内部和外部的应力情况，使之能够有效、安全、合理地对海洋平台起重机的安全状况进行实时监测，可直观显示起重机的运行状态，采集金属结构薄弱处的应变信号并能及时将故障问题反馈给相关人员，在固定时间内评估剩余寿命，这对于海洋平台起重机的正常运行具有重要意义。

为了解决上述技术问题，本发明采用如下技术方案：

一种海洋平台起重机智能状态监测方法，

该监测方法中所使用的海洋平台起重机智能状态监测系统包括金属结构状态监测模块、关键部件故障诊断模块和状态信息在线传输模块；

所述金属结构状态监测模块包括金属结构应力采集系统、应力信号处理系统和信号分析及安全评估系统，所述金属结构应力采集系统包括应变片，所述金属结构应力采集系统用于采集起重机各个金属结构的应力信号，所述应力信号处理系统用于应力信号的处理并获得应力曲线图，所述信号分析及安全评估系统的作用是基于应力曲线图对金属结构寿命进行预估；

所述关键部件故障诊断模块包括关键部件的状态监测模块和信号分析及故障诊断系统，所述关键部件的状态监测模块包括振动传感器和力传感器，所述关键部件的状态监测模块用于采集关键部件的振动信号和力信号，所述信号分析及故障诊断系统的作用是基于有限元分析软件和采集的力信号和振动信号对关键部件进行故障检测和诊断；

所述状态信息在线传输模块包括信号采集硬件系统和信号采集软件系统，所述信号采集硬件系统包括智能传感器、多通道的数据采集卡和计算机，所述信号采集软件系统包括labview的数据采集和信号处理软件、matlab的数据分析和模式识别软件；

该监测方法包括以下步骤：

步骤s1：金属结构的应力采集

利用有限元分析软件建立海洋平台起重机的有限元模型，进行静力学计算，并进行求解分析，求出应力最大处，将应变片贴于此处来采集应力信号，并且选择适当的采样频率；

步骤s2：应力信号的处理

对采集到的应力信号进行去噪处理，再对去噪处理后的应力信号进行提取、变换、分析和综合处理，获得应力曲线图；

步骤s3：信号分析及安全评估

基于应力曲线图，根据外载荷和实测应变，首先进行载荷分析，计算出当量应力；利用有限元静力学对起重机进行结构综合分析和累积损伤理论的基础上，以当量应力输入，对金属结构寿命进行预估，并输出结果；

步骤s4：对起重机各个关键部件进行在线监测和故障诊断

a、采集各个关键部件的力信号和振动信号；

b、利用有限元分析软件分别对海洋平台起重机整机和各个关键部件进行模态分析，得到其各阶模态下的固有频率和振型；利用低通滤波对振动信号进行处理，得到起重机各个关键部件的低频振动特性，并与起重机的固有频率进行比较，从而防止由于共振引起的事故；

c、基于采集的力信号和振动信号，采用模式识别方法对各个关键部件进行故障检测和诊断，其中模式识别方法的一般过程为：预处理、特征提取、特征选择、在线分类器输出结果；

步骤s5：将起重机中各个金属结构的寿命预估输出结果和各个关键部件的运行状况的输出结果实时传递给计算机，并经计算机的处理和分析，输出起重机的运行状态；

步骤s6：运用网络接口芯片技术和嵌入式系统技术将起重机运行状态的实时数据汇集，实现起重机运行状态信息的远程监控。

所述步骤s1中的金属结构主要包括吊臂、回转体和筒体。

所述步骤s2中应力信号的处理方法有傅里叶变换、短时傅里叶变换和小波变换。

所述步骤s4中的关键部件包括回转大轴承、柴油发动机系统、起升系统和变幅系统。

本发明的有益效果是：本发明通过对海洋平台起重机金属结构薄弱处的应力应变在线监测，并在固定的时间内对获得数据进行相关处理，然后由专用的计算机根据获取数据来计算部件剩余寿命，提高了检测效率，通过构件的安全评估结果，可以在部件发生疲劳破坏之前能够制定相应的延寿方案，同时还对起重机关键部件进行在线监测和故障诊断，确保海洋起重机的正常使用、降低不必要的损失。

附图说明

图1是本发明的金属结构状态监测模块图；

图2是海洋平台起重机的结构示意图；

图3是安全评估系统流程图；

图4是本发明的关键部件故障诊断模块图；

图5是模式识别一般过程图；

图6是本发明的状态信息在线传输模块图；

图7是信号采集硬件系统图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明：

本发明中金属结构状态监测模块分为金属结构应力采集系统、应力信号处理系统和信号分析及安全评估系统，如图1所示。

金属结构状态监测系统主要是监测起重机的内部和外部的应力情况，这对于海洋平台起重机的正常运行具有重要意义。从图2中可以看出，海洋平台起重机的主要钢结构分为吊臂1、回转体2和筒体3三个部分，因此应变片(应力传感器)的粘贴位置也主要设置在这三个部位；在实际监测过程中，选择应变片安装位置是一个很重要的问题，只有将应变片尽量贴在应力最大的地方，所测量的应力信号才能真实的反映出金属结构的安全状态。

利用有限元分析软件建立海洋平台起重机的有限元模型，对其进行静力学计算，并对计算结果进行分析。进行有限元分析之前，首先选择几种典型的工况，针对不同的工况，有限元模型中各个单元的承载不同。然后利用三维辅助设计软件对海洋平台起重机的几个大的钢结构件进行建模，并将三维几何模型导入有限元分析软件，设置相关属性，建立有限元模型。根据不同工况下海洋平台起重机的承载情况，建立针对不同工况的有限元模型载荷组合。最后，对有限元模型进行求解，计算出各工况下最大应力的出现位置，提出应变片的安装方案。

在进行实际监测时，起重机金属结构会发生连续的应变(应力)变化。在足够高的采样频率下，采集到的数字信号还原为原始信号时基本可以清楚地表达出原始信号所代表的信息。但是采样频率过大会占用过多的系统内存，因此选择适当的采样频率非常重要。

为了精确测量海洋平台起重机的应力和疲劳损伤，首先需要获得正确的应力曲线。而应变片采集到的物理信号中掺杂了大量的噪声信号。因此，在对采集的应力信号进行分析之前，首先需要对应力信号进行去噪处理。应力信号去噪处理之后再进行提取、变换、分析和综合等处理，为的是去伪存真、抽取特征和编码解码，最后获得应力曲线图，其中常用的信号处理方法有傅里叶变换(ft)、短时傅里叶变换(stft)和小波变换(wavelettransform)。

如图3所示，本发明对海洋平台起重机金属结构进行安全评估的流程是：根据外载荷和实测应变，首先进行载荷分析，计算出当量应力。在利用有限元静力学对起重机进行结构综合分析和累积损伤理论的基础上，以当量应力为输入，对金属结构寿命进行预估，并输出结果。

为了确保海洋平台起重机安全运行，需要对各个关键部件进行在线监测和故障诊断。本发明根据海洋平台起重机的特点，需要重点监测的部件包括回转大轴承、柴油发动机系统、起升系统和变幅系统，如图4所示。分别采集以上各个关键部件的力信号和振动信号，并通过模态分析和模式识别对其进行故障诊断。

振动是结构系统在动力载荷下，将使结构或者构件产生一定的振荡力，从而引起结构或者构件出现不稳定的内力和位移反应，振动现象是结构系统经常遇到的问题之一。大部分结构系统不希望有振动，振动会造成结构疲劳而破坏。然而由于结构本身具有某种程度的刚性，故其自振频率和模态是结构设计必须了解的特性之一，进而避免外力频率和结构自振频率相同，以防止共振现象发生。利用有限元分析软件分别对海洋平台起重机整机和各个机构进行模态分析，得到其各阶模态下的固有频率和振型。

本发明在对海洋平台起重机进行在线监测时，利用低通滤波对振动信号进行处理，得到起重机各个构件的低频振动特性，并与起重机的固有频率进行比较，从而防止由于共振引起的事故；在得不到准确的系统数学模型时，进行故障检测和诊断的一个有效途径是采用模式识别方法，模式识别的基本过程如图5所示。

首先利用振动传感器和力传感器采集待监测构件的振动信号和力信号。经过信号处理后将其分别变换到时域、频域和时频域，然后对其进行特征提取。常用的特征有时域包括7种有量纲特征：均值峰值(pm)，峰峰值(pk)，有效值(rms)，方差(var),幅值能量(pow)，脉冲率(br)，以及6种无量纲特征：峰值因子(cf)，波形因子(ws)，脉冲指标(pu)，裕度系数(mar)，峭度(kur)，偏度(ske)。频域包括4种有量纲特征：频带功率和(sp)，频带功率均值(mp)，频带功率峰值(pp)，最大功率值对应位置频率(fp)；以及4种无量纲特征：频带功率方差(vap)，频带功率峭度(kup)，频带功率偏度(skp)，频带功率峰值对均值的比值(rsp)。在提取的众多特征向量里面，有的能够反映起重机的故障，有的对故障不敏感，所以需要进行特征选择，将对起重机故障敏感的特征找出来并用于后续的在线诊断。

最后，本发明将经过选择的敏感特征输入具有在线学习能力的增量式分类器，对海洋平台起重机的关键部件进行在线监测和故障诊断。在海洋平台起重机作业时，需要对其进行实时的监测。所以需要建立一套起重机状态信息在线传输模块，将起重机各个金属结构和关键部件的运行信号实时传递给计算机，并且计算机需要马上对信号进行处理和分析，输出起重机的状态，模块示意图如图6所示。

完整的信号采集硬件系统包括智能传感器系统、多通道数据采集卡和计算机，如图6和图7所示。本发明以面向大型船舶作业的起重装备(起重机)为对象，根据起重装备实时运行状态和实际工况信息确定监测传感器类型。根据不同传感器类型，编制具有滤波、放大等功能的数据预处理系统；基于多传感器数据融合技术、点云算法、时频分析等方法开发终端数据处理系统，实现对其中装备实时状态的采集。

利用可编程控制器和计算机组成实时数据采集系统，将起重装备的状态信息和工况存储起来，建立起重机状态监控信息的历史数据库。包括基于labview的数据采集和信号处理软件，基于matlab的数据分析和模式识别软件。当多通道数据采集卡将传感器采集到的物理信号转化成模拟量或者数字量，并传递给计算机以后，labview对数据信号进行处理，能够得到一些基本的特征。利用matlab进行特征选择，并建立具有在线学习功能的增量式分类器，输出海洋平台起重机作业时的状态信息。

综上所述，本发明的内容并不局限在上述的实施例中，本领域的技术人员可以在本发明的技术指导思想之内提出其他的实施例，但这些实施例都包括在本发明的范围之内。