起重机预测性维护与PHM系统：基于振动分析与AI的齿轮箱轴承寿命预测技术
起重机PHM（Prognostics and Health Management，故障预测与健康管理）系统是一种基于振动传感器、温度传感器和电流传感器实时监测天车关键部件运行状态，利用CNN/RNN深度学习模型和退化曲线拟合方法预测剩余使用寿命RUL（Remaining Useful Life）的智能运维方案。PHM系统可提前7~90天预警减速机齿轮磨损、轴承疲劳、电机绝缘劣化等渐进性故障，将计划外停机降低70%以上。
一、PHM系统传感器布点方案
起重机PHM监测体系覆盖减速机、电机、车轮轴承、制动器、钢丝绳和主梁六大子系统。振动传感器（加速度）安装在每个测点的水平和垂直方向，温度传感器（Pt100热电偶）植入减速机油池和电机绕组。天车安全监控管理系统（详见安全监控管理系统方案）已集成的起重量、行程和风速数据可直接接入PHM数据管道。
| 监测对象 | 传感器类型 | 安装位置 | 采样频率 | 特征频段 | 预警参数 |
|---|---|---|---|---|---|
| 起升减速机 | ICP加速度±50g | 输入轴+输出轴轴承座 | 12.8kHz | 500~4000Hz | 包络谱幅值>2g |
| 运行减速机 | ICP加速度±20g | 输出轴轴承座 | 6.4kHz | 200~2000Hz | RMS增速>50%/月 |
| 电机轴承 | 速度传感器±100mm/s | 驱动端+非驱动端 | 12.8kHz | 1k~10kHz | 峰值因子>7 |
| 车轮轴承 | 加速度±50g | 角型轴承箱 | 6.4kHz | 500~5000Hz | 峭度>4 |
| 主梁应力 | 电阻应变片 | 跨中+1/4跨 | 100Hz | DC~20Hz | 应力超限>30% |
| 制动器间隙 | 位移传感器±5mm | 推杆处 | 1Hz | DC~5Hz | 间隙>3mm |
二、振动信号处理与特征提取
2.1 时域与频域分析
原始振动信号经抗混叠滤波和加窗处理后提取三类特征：时域特征（RMS、峰值因子、峭度、波形因子）、频域特征（轴承特征频率BPFI/BPFO/BSF包络谱幅值）、时频域特征（小波包能量谱）。RMS反映整体振动烈度，超过ISO 10816-3 C区（11mm/s）即触发注意级预警；包络谱在轴承特征频率处的幅值大于2g时触发报警。
2.2 天车减速机典型故障频谱特征
| 故障类型 | 特征频率公式 | 典型频段 | 边频特征 | 时域特征 |
|---|---|---|---|---|
| 齿面点蚀 | 啮合频率fm=Z×fr | 500~2000Hz | ±fr边频 | 冲击脉冲周期T=1/fr |
| 齿根裂纹 | fm的2~4倍谐波 | 1000~4000Hz | 谐波丰富 | 脉冲幅值>RMS×5 |
| 轴承外圈故障 | BPFO=0.5N×fr×(1-Bd/Pd×cosα) | 1k~5kHz | ±fr调制 | 包络谱清晰 |
| 轴承内圈故障 | BPFI=0.5N×fr×(1+Bd/Pd×cosα) | 1k~5kHz | ±fr调制（幅值调制） | 旋转方向调制 |
| 轴不对中 | 2×fr占优 | 50~200Hz | — | 轴向振动大 |
三、退化曲线与剩余寿命预测
PHM系统采用三阶段退化模型：健康期（RMS<2mm/s）、退化期（RMS持续上升，斜率>0.5mm/s/月）、失效期（RMS>11mm/s或包络谱幅值>2g）。退化期采用Bi-LSTM模型拟合RMS趋势外推RUL，预测精度±15%（基于200组天车减速机全寿命数据验证）。对于钢丝绳更换预警，则使用贝叶斯+疲劳累计算法，预测窗口7~30天，准确率>85%。天车智能化升级改造（详见桥式起重机智能化升级改造方案）中通常将PHM系统作为边缘计算节点部署，与AI视觉和AI防摇共享推理资源。
某钢厂32t铸造天车部署PHM系统后，起升减速机齿轮磨损被提前45天预警，备件采购和停机窗口主动安排，避免了突发故障导致的4h停产损失。一年内减速机相关的计划外停机从年均8次降至1次。
四、克鲁德重工PHM系统方案优势
克鲁德重工天车PHM系统适配各品牌各型号天车，振动传感器无线部署（LoRaWAN通信，电池寿命>3年），边缘网关预装CNN+Bi-LSTM推理模型，支持OEE计算、故障代码关联分析和备件预测。系统输出日报/周报/月报，预警信息通过企业微信/短信直达维保人员。克鲁德重工可提供免费现场勘察与PHM可行性评估，确定各测点的最佳传感器布点。
常见问题
问：起重机PHM系统的核心功能有哪些？
A：核心功能包括：实时状态监测（振动、温度、油液）、故障诊断（时域/频域分析+AI识别）、寿命预测（RUL剩余寿命估算）、维修决策（CBM按需维护）。传感器一般布置在齿轮箱、轴承座、电机等关键部位。
问：轴承寿命预测有哪些常用算法？
A：常用方法包括：基于物理模型（Paris公式、L10寿命）、基于数据驱动（CNN/LSTM/Transformer）、融合方法（物理+数据混合）。工业实践中LSTM+注意力机制效果较好，预测误差可控制在±15%以内。
问：PHM系统执行哪些标准？
A：状态监测参考ISO 13373系列（振动）、ISO 18436（诊断人员认证），预测性维护参考ISO 13374和GB/T 36377《机械状态监测与诊断》。
