Manutenção preditiva de gruas e sistemas PHM: tecnologia de previsão da vida útil dos rolamentos da caixa de engrenagens baseada na análise de vibrações e na IA

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。


天车预测性维护PHM系统架构:传感器部署、数据采集与故障诊断流程

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 Tipo de sensor 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。

Perguntas frequentes

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》。


相关信息

contacto

contacte-nos

Telefone:
+86 13903802779

mail:3915269@qq.com

Horário de funcionamento: de segunda a sexta-feira

WeChat
WeChat
PARTILHAR
TOP