地铁环控系统轴流风机故障诊断方法的探究

地铁环控系统轴流风机故障诊断方法的探究

关石冬

昆明地铁运营有限公司云南昆明650000

摘要：在地铁机电环控系统组成中，轴流风机是其中的一类重要设备，主要发挥送风、排热、事故排烟等功能，对维护地铁安全运行有着重要作用。由于地铁内部结构组成复杂，风机日常检修和故障判断的难度较大，如果采取人工诊断可能会花费较多时间，不利于故障问题的尽快解决。目前常用的轴流风机故障诊断方法有振动监测法、调制强度法、神经网络法等几种，本文首先介绍了轴流风机的一些常见故障，随后在综合对比这几种诊断方法的基础上，选取神经网络法就具体的故障诊断流程展开了简要分析。

关键词：环控系统；轴流风机；动静件摩擦；神经网络法

引言：地铁风机在使用一段时间后，常见的故障问题包括转子不平衡、动静件摩擦、连接部件松动等多种形式。考虑到地铁运行安全，一方面是要做好环控系统轴流风机的定期维护，对于隐患做到及时处理；另一方面则是要进行技术创新，对风机故障做到自动诊断和快速处理，将故障损失降到最低。目前国内关于地铁轴流风机故障诊断已经形成了较为成熟的技术体系，包括监测和分析振动信号进行故障判断，利用BP神经网络进行故障分析与自动诊断等。不同诊断技术的操作方法、适用条件有所差异，要根据具体情况进行合理选择。

一、地铁环控系统轴流风机常见故障

1、转子不平衡故障

转子长期处于高负荷状态运行，磨损较为严重；或是风机工作环境恶劣，转子表面形成具有一定厚度的泥垢，这些因素都会导致转子质量不均衡。在高速转动下，导致转子发生振动。还有一种情况是转子质量不合格，或是安装不合理，都会造成转子在运行中出现严重磨损，进而引发不平衡转动。转子不平衡故障会引发一系列故障问题，例如转子在高速转动状态下会发生剧烈震动，轻则出现弯曲，严重情况下还会造成断裂，影响风机正常运行。断裂的转子零件以高速撞击风机其他部件，还会引发二次故障。

2、轴系不对中故障获得

正常工作状态下的风机，联轴器两侧的两根轴的中心线水平对齐，这样能够保证轴流风机在运行时保持相对稳定状态。如果联轴器的两根轴不能对齐，就会造成轴承震荡、轴挠曲变形等一系列问题。导致轴系不对中的原因较多，例如在安装联轴器和轴时，对两根轴的中心线偏差有严格要求。很多安装人员没有严格控制中心线偏差；还有就是随着使用年限的增加，轴的磨损情况加剧，也会导致轴线发生偏移。

3、连接部件松动故障

风机在高速运转时，如果基础连接不牢固会出现明显振动，一方面是产生较大的噪音，另一方面也会影响到导叶、转子的正常转动，缩短风机寿命。风机连部件松动的情况主要有以下几种：（1）风机安装过程中，轴承座、机架等位置的螺丝没有紧固。或是随着时间的增长，日常检修不到位，在振动环境下原来紧固的螺丝发生了松动。（2）风机工作环境复杂，导致连接部位出现锈蚀等问题，也会导致零部件松动。通常来说，因为连部件松动导致的振动问题，具有明显的线性变化，即风机转速和功率增加，振动频率也会提升。

二、轴流风机故障诊断常用方法

在地铁机电系统运行故障中，风机振动的出现频率较高，因此关于轴流风机故障诊断的相关研究较多，也形成了比较体系化的诊断方法。经过长期的实践验证，诊断速度快、结果较为准确的方法主要有以下几种：

（1）振动监测法。在轴流风机的不同位置安装微型灵敏传感器，传感器可以动态的获取轴流风机不同部位的振动信息，包括振动频率、振动信号的强弱等。将振动信息与风机运行的电压、温度、电流等信息进行综合对比，通过系统分析可以反映出风机运行故障。

（2）调制强度法。针对地铁风机的工作特点，结合振动信号的循环平稳特性，利用循环平稳解调算法对风机的振动信号进行了解调分析，准确的解调出风机的轴频、叶频及谐频等关键信息。相比于上文所述的振动监测法，该方法的优势之一是能够更加精确的反映风机常见故障（如转子不平衡等）的特征信息和故障严重程度，为技术人员采取针对性的故障处理措施提供了更加有意义的依据。

（3）神经网络法。人工神经网络是模仿人类的大脑的活动机制，具有人类大脑思维的神经系统组织结构而提出的一种交叉信息处理体系的新型体系。够通过构建故障样本数据根据系统的输入输出设定并进行训练，有自学习功能以任意精度逼近任意复杂的非线性映射。

三、基于神经网络的轴流风机故障诊断方法

1、故障信息的提取与处理

尽可能全面的收集轴流风机运行故障信息，是提高故障诊断准确率的基础条件。结合上文分析可知，轴流风机故障形式多样，并且导致这些故障的因素更加复杂。利用神经网络法进行故障信息收集时，应当将收集到的信息按照一定的标准进行分类，例如根据故障表现特征，分辨振动故障信息、电气故障信息等。

2、故障诊断系统的结构设计

（1）系统结构

系统采用三级的分布式结构，主要由车站级网络、控制中心级网络、就地级网络等部分组成，现场总线负责连接车站各设备的通讯、通过RS485转换器把现场设备运行数据通过车站网络传输到组态服务器中。根据功能的不同，该系统组成主要分为三个模块，分别是：决策层，由控制中心管理员负责，主要用于发布故障预警信息、完成故障诊断；管理层，由车站值班人员负责，主要负责监视风机运行状态，并将正常或故障信息进行收集、统计；数据层，负责存储运行数据、监控数据。

（2）软件功能

在系统软件设计上，除了要保证软件系统的兼容性和响应速率外，还要尽可能的提供故障诊断所需的各类功能。其中比较重要的功能有：系统管理，支持用户登录、权限管理、编辑与下达指令等；数据采集，根据技术人员设定的关键字，扫描数据并自动捕捉与关键字匹配的信息，将其存储到数据库中；故障统计，根据所获得信息，将其中的故障信息筛选出来，并记录到Excel表格中。

3、诊断过程

在建立故障诊断系统的基础上，配合使用仿真软件进行故障诊断模拟。以MATLAB为例，技术人员需要在MATLAB中新建一个BP神经网络程序，然后将之前获取的轴流风机故障信息录入到该程序中，运行程序可以得到一组结果。然后再重新建立一个SOM神经网络程序，将前一个程序运行所得的结果，作为故障样本再重新放入到SOM神经网络程序中运行，可以得到诊断结果。

4、诊断结果分析

针对地铁机电环控系统的轴流风机开展的故障诊断的研究，从轴流风机的建模到轴流风机故障仿真再到神经网络故障诊断的实现，从每个小环节实验到最后的总的诊断实现结果，验证了本文中方法的正确性和可行性。利用虚拟样机的强大的运动学仿真和动力学仿真的特点，进行轴流风机的故障仿真，并提取仿真故障的数据信息，为轴流风机故障诊断的难点开辟了一条新的道路。

结语：在地铁机电环控系统结构日益复杂的背景下，对轴流风机的运行稳定性和故障诊断及时性提出了更高要求。在地铁电气系统日常管理中，除了要通过加强检修做好预防措施外，对于出现的风机故障问题，应当根据故障表现做出快速诊断，为技术人员制定问题解决方案提供必要的参考，神经网络法在轴流风机故障诊断中，具有诊断效率高、结果精确、反馈及时等特点，应用效果良好。

参考文献：

[1]宋永兴,伍柯霖,初宁,etal.基于调制强度的地铁风机常见故障诊断方法的研究[J].风机技术,2019(1).

[2]吴元修.神经网络在风电机组机械传动系统故障诊断中的应用研究[J].制造业自动化,2015(11):130-131.

[3]张建付,宋雨,李刚.基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法[J].计算机测量与控制,2017(1):16-19.