一种天车导电滑块磨损监测系统以及监测方法与流程

1.本发明涉及天车设备监测领域，具体涉及一种天车导电滑块磨损监测系统以及监测方法。


背景技术：

2.天车是工业生产中的重要设备，使用天车进行物料的转运高效方便。天车由电机驱动沿轨道运行，天车上设置导电滑块，通过导电滑块在滑线上滑动进行取电运行的，因此导电滑块与滑线之间正常接触通电是天车正常运行的重要条件。
3.但是，往往由于天车的不断使用，导电滑块会出现磨损，容易造成导电滑块与滑线接触不良，间歇性断电；而对于导电滑块的磨损，通常是根据经验判断磨损程度，并进行重新更换，更换时间通常为三天左右，其并未深入地分析导电滑块的磨损情况，使得存在频繁更换导电滑块造成效率低下、未及时更换导电滑块造成损失的问题。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种天车导电滑块磨损监测系统以及监测方法，所采用的技术方案具体如下：本发明提供的一种天车导电滑块磨损监测系统，所述磨损监测系统包括控制器，以及与所述控制器信号连接的碎屑采集装置和粉尘浓度监测仪，所述碎屑采集装置设置在导电滑块上，用于收集不同工作时段中不同时刻对应的碎屑，进而得到该碎屑的磨损质量；所述粉尘浓度监测仪用于监测导电滑块附近的粉尘浓度；所述湿度传感器用于监测环境的湿度数据；所述控制器获取各工作时段对应的磨损质量序列、粉尘浓度序列和湿度数据序列；并根据各工作时段中不同时刻的粉尘浓度序列以及湿度数据序列，确定各工作时段的粉尘影响指标；基于各工作时段的磨损质量序列，计算两相邻工作时段的关联程度；利用两相邻工作时段的粉尘影响指标对该两相邻工作时段的关联程度进行修正，得到修正后的关联性；基于各关联性，对不同工作时段进行标记，将相同标记的工作时段归为一类，分别得到独立工况以及包含至少两个导电滑块工况的多个分组工况；计算独立工况与各分组工况的相似程度，根据所述相似程度，对该独立工况进行分析，并进行报警。
5.进一步地，所述粉尘影响指标是根据两相邻工作时段的粉尘浓度的平均值与标准差的乘积与湿度极差数据比值确定的。
6.进一步地，修正的过程为：将各工作时段中的粉尘浓度和湿度数据分别进行划分，计算各粉尘影响指标，得到每个工作时段对应的粉尘影响指标序列；基于各工作时段对应的粉尘影响指标序列，确
定各工作时段的相对差值，进而得到两相邻工作时段的相对差值的差值，得到灰尘扩散程度，利用所述灰尘扩散程度修正所述关联程度。
7.进一步地，根据所述相似程度，对独立工况的分析包括当各相似程度均在设定阈值区间时，则为异常工况，进行报警；反之，则重新进行数据采集，进行工况的判断。
8.进一步地，所述相似程度为其中，q为调节系数，，为第j个分组工况中所有相邻两工作时段的关联程度之和的均值，为第j个分组工况中所有相邻两工作时段的设定关联程度之和，为第k个独立工况对应的第s与s+1个两相邻的工作时段的关联程度。
9.进一步地，在天车未工作之前，还包括对导电滑块进行电压电流测试，并将获取的各导电滑块的电压电流曲线进行比较，若各导电滑块的电压电流曲线波动趋势相同，则各导电滑块正常，天车进行工作；若其中一导电滑块与其他导电滑块的电压电流曲线波动趋势存在差异，则该导电滑块存在异常，直接进行报警。
10.本发明还提供了一种天车导电滑块磨损监测方法，包括如下步骤：获取各工作时段对应的磨损质量序列、粉尘浓度序列和湿度数据序列；并根据各工作时段中不同时刻的粉尘浓度序列以及湿度数据序列，确定各工作时段的粉尘影响指标；基于各工作时段的磨损质量序列，计算两相邻工作时段的关联程度；利用两相邻工作时段的粉尘影响指标对该两相邻工作时段的关联程度进行修正，得到修正后的关联性；基于各关联性，对不同工作时段进行标记，将相同标记的工作时段归为一类，分别得到独立工况以及包含至少两个导电滑块工况的多个分组工况；计算独立工况与各分组工况的相似程度，根据所述相似程度，对该独立工况进行分析，并进行报警。
11.进一步地，修正的过程为：将各工作时段中的粉尘浓度和湿度数据分别进行划分，计算各粉尘影响指标，得到每个工作时段对应的粉尘影响指标序列；基于各工作时段对应的粉尘影响指标序列，确定各工作时段的相对差值，进而得到两相邻工作时段的相对差值的差值，得到灰尘扩散程度，利用所述灰尘扩散程度修正所述关联程度。
12.进一步地，根据所述相似程度，对独立工况的分析包括：当各相似程度均在设定阈值区间时，则为异常工况，进行报警；反之，则重新进行数据采集，进行工况的判断。
13.进一步地，所述相似程度为
其中，q为调节系数，，为第j个分组工况中所有相邻两工作时段的关联程度之和的均值，为第j个分组工况中所有相邻两工作时段的设定关联程度之和，为第k个独立工况对应的第s与s+1个两相邻的工作时段的关联程度。
14.本发明具有如下有益效果：本发明的方案通过对导电滑块的磨损质量的监测，并引入粉尘影响指标，对各工作时段的磨损质量进行修正，进而得到相邻两工作时段的关联程度，用于评价采集的相邻两工作时段的工况情况，即监测是否随着天车的工作，其可能产生异常工况；由于引入粉尘影响指标这一因素，能够更全面对天车的导电滑块进行进一步准确的评估；同时，本发明中通过按照采集的时间顺序，对各工作时段进行划分，并将突变的工作时段提取出来，并通过计算独立工况与其他分组工况的相似程度，进一步确认该独立工况是否是异常工况，还是由于设备自身等的误差使得划分不准确。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为本发明的一种天车导电滑块磨损监测系统的结构框图；图2为本发明的一种天车导电滑块磨损监测方法的方法流程图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的一种天车导电滑块磨损监测系统以及监测方法的具体方案。
20.本发明的天车，包括天车本体和天车导电滑块的磨损监测系统。
21.其中，天车本体为常规的天车设备。本实施例中，天车本体包括滑线导轨和滑动部分，所述滑动部分包括导电滑块，用于在滑线导轨上进行取电。由于天车设备为常见的天车设备，对于其结构组成、工作原理以及工作过程不再赘述。
22.如图1所示，天车导电滑块的磨损监测系统包括控制器，以及与控制器信号连接的碎屑采集装置和粉尘浓度监测仪，碎屑采集装置设置在导电滑块上，用于收集不同工作时段中不同时刻对应的碎屑，进而得到该碎屑的磨损质量；粉尘浓度监测仪用于监测导电滑块附近的粉尘浓度；所述湿度传感器用于监测环境的湿度数据；控制器获取磨损质量、粉尘
浓度和湿度数据，并对质量数据、粉尘浓度和湿度数据进行分析处理，确定导电滑块工作情况。
23.天车导电滑块的磨损监测系统还包括报警装置，报警装置与控制器信号连接；其中的报警装置为指示灯或者报警器，用于进行异常工况的及时报警。
24.上述中采集的磨损质量、粉尘浓度和湿度数据是按照时间顺序进行采集，其采集的工作时段可以设置为1小时，作为天车的一个工况状态，并按照设定间隔时间依次进行下一工作时段的数据采集，即可分别获取各工作时段的磨损质量序列、粉尘浓度序列和湿度数据序列；当然也可以为每三个小时作为一个工作时段，按照间隔设定时间，进行多个工作时段的数据采集，其中每个工作时段内的采样间隔需要根据实际情况进行设定。其中的设定间隔时间可以设置为半天或者一天，采样间隔可以设置为10s。
25.例如，通过监测系统得到当前工作过程中的空气干燥程度d与空气中灰尘浓度c，每10秒进行一次记录，以60分钟作为一个状态的取样时间，共记录360个灰尘浓度c和空气干燥程度d；按照设定间隔时间，进行下一状态的采集。
26.上述中的粉尘浓度监测仪可以设置在滑线导轨上，也可以设置在滑动部分上，其具体位置可以根据实际情况进行设置，只要满足能够监测导电滑块周围的粉尘浓度即可。
27.上述中磨损质量的采集是在导电滑块工作期间，导电滑块与轨道摩擦之间产生的磨损碎屑。其中，在每个导电滑块上设置碎屑采集装置，通过测量得出每天的磨损质量，通过计入表格得到碳刷工况和每天的重量变化率；本发明中的碎屑采集装置具有一定密封性的小型收集设备并方便拆卸，以便每天的数据收集。
28.本发明中考虑了由于碎屑采集装置在导电滑块上无法做到完全密封，可能会进入灰尘影响最终每天的重量记录，因此结合环境干燥程度可以修正灰尘对记录结果的影响。
29.其中，图2为上述中对获取的磨损质量序列、粉尘浓度序列和湿度序列进行分析处理的方法流程图，其具体过程为：首先，据各工作时段中不同时刻的粉尘浓度序列以及湿度数据序列，确定各工作时段的粉尘影响指标；基于各工作时段的磨损质量序列，计算两相邻工作时段的关联程度；利用两相邻工作时段的粉尘影响指标对该两相邻工作时段的关联程度进行修正，得到修正后的关联性；上述中的修正的过程为：将各工作时段中的粉尘浓度序列和湿度数据序列分别进行划分，计算各分段的粉尘影响指标，得到每个工作时段对应的粉尘影响指标序列；基于各粉尘影响指标序列，确定各工作时段的相对差值，进而得到两相邻工作时段的相对差值的差值，得到灰尘扩散程度，利用所述灰尘扩散程度修正所述关联程度。
30.具体地，修正后的关联程度为：其中，代表第个工作时段的粉尘影响程度序列中的最大值；代表第个工作时段的粉尘影响程度序列中的最小值；代表第个工作时段
的粉尘影响程度序列的平均值；代表第个工作时段对应的碳刷质量，代表第个工作时段的粉尘影响程度序列中的最大值；代表第个工作时段的粉尘影响程度序列中的最小值；代表第个工作时段的粉尘影响程度序列的平均值；代表第个工作时段对应的碳刷质量。
31.其中，代表两种相邻工作时段的粉尘影响程度的相对差值的差值；其意义为两种工况时的灰尘扩散程度的差异，其越大代表两种工况的差异度越大。当两种工况下不同灰尘扩散程度的相对差值的差值一定时，两种工况下的不同碳刷质量,的距离度量越大，两种工况r(i,i+1)的实际情况差距越大。反之，则两种工况r(i,i+1)的实际情况差距越小。
32.其中的关联程度，还可以通过采用余弦相似度获取。
33.上述中的粉尘影响指标为粉尘浓度的平均值与标准差的乘积与湿度极差数据的比值。
34.其中的湿度极差数据为湿度序列的最大值与最小值的差异。其中的粉尘浓度的平均值与标准差的乘积表示空气中灰尘的活跃程度，活跃程度越大，代表扩散程度越大，导电滑块（碳刷）越容易损耗。
35.湿度序列的最大值与最小值的差异代表一天中空气干燥程度的差异变化，由于一天中的空气干燥程度的变化浮动不大，所以灰尘浓度c与粉尘影响程度u成正比。
36.上述中当空气干燥程度视为不变值时，粉尘浓度越大，影响程度越大，扩散过程中落到碳刷上的概率变大，导致在环境干燥时，碳刷的损耗变大；至此，可以得到一个空气干燥程度与粉尘浓度之间的关系。
37.作为其他实施方式，本发明中还可以直接进行各工作时段的粉尘影响指标，无需对每个工作时段进行划分。
38.本实施例中，基于任意两相邻的工作时段的磨损质量序列，对同一碳刷的两种不同的工况的磨损质量的关联度进行计算，能够判断出相邻两种工作时段对应的工况的磨损状态之间的差异。需要说明的是，本技术中的任意两相邻的工作时段，是按照采集的先后顺序的工作时段，其并不是随机选取的任意两工作时段。
39.其次，基于各关联性，对不同工作时段进行标记，将相同标记的工作时段归为一类，分别得到独立工况以及包含至少两个工作时段的多个分组工况；本实施例中的标记，可以通过聚类的方法进行分类，其中聚类方法可以为：dbscan算法、mean shift算法或者k-means算法等。
40.本实施例中以dbscan算法为例，进行聚类，得到独立工况以及包含至少两个工作时段的若干分组工况。其中独立工况为独立的工作时段，而若干分组工况分别包含了多个工作时段。
41.由于dbscan的特性，在进行聚类计算的过程中，会若出现差距并不非常明显的两组工况，此时可以适当的调整r的数值大小，从而使在不同情况下的工况聚类更为明显，分
析更为具体，得到的分组更细化，这样才更准确的判断出天车在工作中是否存在事故风险。因此，在细化分组过程中，会出现一些样本距离远离大部分分组情况的个例出现。
42.然后，计算独立工况与各分组工况的相似程度，根据所述相似程度，对该独立工况进行分析，并进行报警。
43.上述步骤中的对独立工况的分析包括：当各相似程度均在设定阈值区间时，则为异常工况，进行报警；反之，则重新进行数据采集，进行工况的判断。当然作为其他实施方式，各相似程度均与设定阈值区间比较，当相似程度在设定阈值区间的个数达到60%以上，则为异常工况，进行报警。
44.具体地，其中的相似程度为其中，q为调节系数，为第j个分组工况中所有相邻两工作时段的关联程度之和的均值，为第k个独立导电滑块工况对应的第s与s+1个两相邻的工作时段的关联程度。
45.上述中的调节系数q为；其中，为第j个分组工况中所有相邻两工作时段的设定关联程度之和；该设定关联程度之和可以通过经验数据获取，即根据天车的历史正常数据，对其进行聚类，得到正常工作对应组的关联程度，进而得到关联程度之和。
46.其中，q越接近于1，说明实际工况与理想工况越接近，代表聚类算法越准确。反之，越不准确。但在分组过程中，会出现一些工况差异度所转化的距离比大部分工况差异度大的情况个例出现，此时这些个例代表这段时间的工况出现问题，应进行预警措施。
47.当然作为其他实施方式，还可以根据已知的天车的历史正常数据或者分组工况内的各工作时间段的关联程度进行直线拟合，得到拟合后的直线，并得到拟合关联程度，将其作为设定关联程度，进而得到设定关联程度之和。
48.需要说明的是，在进行直线拟合时，其理想状态是各分组工况中的直线的斜率为k，也即当k时，各分组工况内的关联程度基本上相等的，认为该分组工况为正常工况。当然，由于机器自身以及环境的因素，斜率并不一定等于0。
49.上述中，拟合的直线的斜率公式为：其中x=，y=，其中n为第j个分组工况中的工作时段的编号，为第j个分组工况中的第n个编号的工作时段。
50.需要说明的是，上述中的编号n为每个分组工况中的所有工作时段进行的重新编号，其编号是随机的，当然也可以按照关联程度的大小顺序等等，其都是为了将散点进行直线拟合，并得到实际工况对应的理想工况的值，与k值的正负没有多大关系。
51.是由不同工况的差异度r(i,i+1)转化而来，为表示碳刷磨损的碎屑的质量的距离度量。由于碳刷磨损的碎屑是逐渐增加的，但整体看来是近似线性的。则碳刷磨损量可视为一条k近似水平的直线。
52.上述中直线拟合，是考虑到了随着天车的作业，其必然是随着工作的时间，导电滑块的磨损越严重，但是若天车工作正常，其每次磨损量变化不大，其应该是相等的，又由于环境因素的影响，各个工作时段之间的磨损量必然存在差异，因此，本发明中通过引入环境因素，对磨损量进行修正，使其能够尽可能保证任意两相邻工作时段的关联程度与其下一个或者上一个的两相邻工作时段的关联程度是相等的；因此，其拟合的直线理论上应该是斜率为k的直线；进而能够侧面证明分组工况内的各工作时段的划分是准确的、是正常的工况。
53.本发明中的上述的调节系数，用于调节分组工况对应的实际工况，使其能够趋近于理想工况（正常工况），进而能够准确地获取独立工况与分组工况的差异，判断出独立工况对应的工作状态。
54.上述中的设定阈值区间为（0,1），当相似度在该区间内，则认为独立工况与正常工况差异较大，应进行预警措施。反之，如在[1,+)时，代表当独立工况与分组工况类似；但在dbscan聚类下不属于同种情况，需继续进行数据采集，并进行设备工况判断。
[0055]
由于导电滑块有四个，为了更快速、高效地确定导电滑块的异常；进一步地，天车未工作之前，还包括对导电滑块进行电压电流测试，并将获取的各导电滑块的电压电流曲线进行比较，若各导电滑块的电压电流曲线波动趋势相同，则各导电滑块正常，天车进行工作；若其中一导电滑块与其他导电滑块的电压电流曲线波动趋势存在差异，则该导电滑块存在异常，直接进行报警；反之，若都正常，则可以继续使用。
[0056]
上述中的电压电流曲线是通过将新购入的碳刷先取下，通过施加电压结合万用表，得出该碳刷本身的u-i曲线。并重复上述操作四次得到四组导电滑块的u-i变化曲线图。即四组变化曲线图先进行粗略比较，若发现任一曲线变化曲率较其他曲线相差较大，则直接进行事故预警分析。若四组曲线图在一定范围内波动，则继续使用。最终将此时的结果进行评价此时天车是否存在事故隐患的指标，减少事故的发生降低安全隐患，提高工作效率。
[0057]
本发明还提供了一种天车导电滑块磨损监测方法；由于上述中的天车导电滑块磨损监测系统中已经介绍了相关的监测方法，此处不再过多赘述。
[0058]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0059]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0060]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。