TCI 005-2023 工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)及應(yīng)用指南

ICS01.040.35CCSL70/84 CI團(tuán) 體 標(biāo) 準(zhǔn)T/CI 005-2023工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)及應(yīng)用指南Intelligentfaultdiagnosisandoperation maintenancemanagementtechnologyandapplicationguideforkeyequipmentofindustriallogisticssystem2023-2-7發(fā)布 2023-2-7實(shí)施中國(guó)際技促會(huì) 發(fā)布T/CI 005-202目次前 言 II引言 III范圍 1規(guī)范性引用文件 1術(shù)語(yǔ)和定義 1多源信息（multi-sourceinformation） 1信噪比（signaltonoiseratio） 1多源信息融合（multi-sourceinformationfusion） 1故障特征（faultfeature） 2智能運(yùn)維（intelligentoperationandmaintenance） 2總體設(shè)計(jì) 2基本原則 2工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理總體思路介紹 2關(guān)鍵裝備及其典型故障模式 3關(guān)鍵裝備及其典型故障模式概述 3堆垛機(jī)典型故障模式分析 3穿梭車(chē)典型故障模式分析 4關(guān)鍵裝備多源信息故障特征提取與融合 4關(guān)鍵裝備多源信息分析概述 4關(guān)鍵裝備多源信息降噪技術(shù) 5關(guān)鍵裝備多源信息故障特征提取技術(shù) 6關(guān)鍵裝備故障特征融合技術(shù) 9工業(yè)物流裝備典型故障智能故障診斷技術(shù) 10工業(yè)物流裝備典型故障智能故障診斷技術(shù)概述 10工業(yè)物流裝備典型故障實(shí)時(shí)故障檢測(cè)技術(shù) 11工業(yè)物流關(guān)鍵裝備智能運(yùn)維技術(shù) 12IT/CI 005-202T/CI 005-202PAGE\*ROMANPAGE\*ROMANIII前 言GB/T1本文件由中國(guó)國(guó)際科技促進(jìn)會(huì)標(biāo)準(zhǔn)化工作委員會(huì)提出。本文件由中國(guó)國(guó)際科技促進(jìn)會(huì)歸口。（中國(guó)民航局第二研究所（重慶引言111230601。T/CI 005-202T/CI 005-202PAGEPAGE10工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)及應(yīng)用指南范圍本文件提供了在工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)及應(yīng)用的術(shù)語(yǔ)和定義、參數(shù)特征提取、實(shí)時(shí)故障檢測(cè)、在線故障診斷與健康維護(hù)決策等關(guān)鍵技術(shù)的指南。規(guī)范性引用文件本文件沒(méi)有規(guī)范性引用文件。術(shù)語(yǔ)和定義下列術(shù)語(yǔ)和定義適用于本文件。3.1多源信息（multi-sourceinformation）3.2信噪比（signaltonoiseratio）3.3多源信息融合（multi-sourceinformationfusion）3.4故障特征（faultfeature）指用檢測(cè)程序?qū)σ粋€(gè)有故障的部件進(jìn)行檢測(cè)時(shí)所得到的輸出響應(yīng)。3.5智能運(yùn)維（intelligentoperationandmaintenance）總體設(shè)計(jì)基本原則對(duì)標(biāo)國(guó)家重大需求。以國(guó)家需求為研究命題導(dǎo)向，以研究成果轉(zhuǎn)化落地為研究目標(biāo)。緊跟學(xué)科和工程前沿。以前沿科學(xué)技術(shù)驅(qū)動(dòng)智能制造的發(fā)展創(chuàng)新。密切聯(lián)系實(shí)際工業(yè)場(chǎng)景，尤其是大型工業(yè)物流過(guò)程長(zhǎng)周期自動(dòng)化運(yùn)行中存在多種工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理總體思路介紹堆垛機(jī)和穿梭車(chē)等關(guān)鍵設(shè)備的健康監(jiān)測(cè)診斷與應(yīng)用一直是提高工業(yè)物流系統(tǒng)高效運(yùn)行的關(guān)鍵途徑和重點(diǎn)難點(diǎn)問(wèn)題。（堆垛機(jī)和穿梭車(chē)等）1圖1總體路線圖關(guān)鍵裝備及其典型故障模式關(guān)鍵裝備及其典型故障模式概述工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)所選取的主要關(guān)鍵設(shè)備包括堆垛機(jī)、穿梭車(chē)，下文將分別進(jìn)行分析論述。堆垛機(jī)典型故障模式分析PLC穿梭車(chē)典型故障模式分析關(guān)鍵裝備多源信息故障特征提取與融合關(guān)鍵裝備多源信息分析概述關(guān)鍵裝備多源信息是工業(yè)物流系統(tǒng)關(guān)鍵裝備智能故障診斷與運(yùn)維管理技術(shù)研究的核心關(guān)鍵裝備多源信息降噪技術(shù)對(duì)采集的中介軸承故障信號(hào)進(jìn)行小波變換,j,T得小波相關(guān)系數(shù)Wfj,t，Wfj,tj,t處的離散小波變換系數(shù)。Kcor,計(jì)算公式如下:Kcor

Wf(j,t)Wf(jl,t

（4-1）式中:Wfj,t和Wfj1,t為相鄰的小波相關(guān)系數(shù)。為使小波相關(guān)系數(shù)和小波系數(shù)具有可比性,能夠?qū)⒃肼暸c故障信號(hào)進(jìn)行分離,需要對(duì)小波相關(guān)系數(shù)進(jìn)行歸一化處理,NKcor。NKcor(j,t)Kcor

TW(j,TW(j,t)2fi1 Ti1K (j,t)2cor

（4-2）NKcorj,t)Wfj,t)進(jìn)行比較,NKcorj,t)Wfj,t)時(shí),則認(rèn)為在該點(diǎn)處的小波變換是由信號(hào)產(chǎn)生的將該點(diǎn)的位置和大小賦值給Wfj,t然后將Wfjt和Kcor(j,t)置為0;反之,認(rèn)為該點(diǎn)由噪聲引起的,則保持Wfj,t和Kcor(j,t)不變,將Wf(j,t)置0。(14),直到Wfj,t中的點(diǎn)滿足設(shè)定的噪聲能量閥值為止。將各尺度下得到的Wfj,t進(jìn)行信號(hào)重構(gòu),就可以得到空域相關(guān)降噪后的信號(hào)。關(guān)鍵裝備多源信息故障特征提取技術(shù)圖2關(guān)鍵裝備多源信息故障特征提取技術(shù)首先，針對(duì)關(guān)鍵裝備多源信號(hào)非平穩(wěn)、非線性的本質(zhì)特征,利用變分模態(tài)分解算法(VMD)對(duì)多源信號(hào)進(jìn)行分解,具體步驟如下：求取模態(tài)函數(shù)的解析信號(hào),對(duì)每個(gè)模態(tài)函數(shù)uk(t進(jìn)行希爾伯特變換,即(t)

juk

(t).

（4-3）對(duì)各模態(tài)解析信號(hào)預(yù)估中心頻率ekt進(jìn)行混合,將每個(gè)模態(tài)的頻譜調(diào)制到相應(yīng)的基頻帶,如下所示:

(t)j

jt.

（4-4） uk(t)e k 范數(shù),估計(jì)出各模態(tài)分量的帶寬.建立約束變分模型為min

(t)

j tu(t)e k

2;uk,k

t k k

s.t.uk(t)f.k

2

（4-5）中:uk1,u2,,uK示解到的K個(gè)MF量,k1 ,K示分量的中心頻率。VMD完成故障信號(hào)分解的基礎(chǔ)上,q個(gè)分量uk(t)(k2,q)進(jìn)行特征初步提取并進(jìn)行特征優(yōu)化。首先，利用多尺度熵(MSE）進(jìn)行初步特征提取，具體步驟如下：VMDuk,對(duì)此信號(hào)作粗?；儞Q,得到新的序列為yn1i

ji(j

uk(i),j1,2,

L,,k

2,,q. （4-6）其中:L表示信號(hào)長(zhǎng)度,表示尺度因子,uk

信號(hào)被分割成段且每段長(zhǎng)為L(zhǎng)/的粗粒序列.mr(r>0),m維向量為Umi)i,i1,,im1)，i2,,Lm. （4-7）UmiUmj間距離dijdUmiUm(j)xUmiv)Um(jv),v2,m,j2,Lm1且i

j. （4-8）UmiUmjrG,LM1作比,即Cmi的均值,

Cm(i)

GLm

. （4-9）i) 1 m

(i). （4-10）m Lm1

mi16)mm1,1)~5)m1i)。7)計(jì)算樣本熵估計(jì)值,即

Spn(,r,)nm1. （411）m重復(fù)上述步驟,可得不同尺度上的樣本熵值,MSEq個(gè)分量的MSEXgn,g為軸承故障樣本個(gè)數(shù)n為選取VMD分解分量個(gè)數(shù),n=q。最后，采用線性判別分析(LDA）MSE特征進(jìn)行降維抽取,以獲得新的最優(yōu)特征，具體如下：假設(shè)特征矩陣Xgn由上述提取的故障多尺度熵組成,故gn1 nX x),x(2),,x(g)T,x(i)x(i),x(i),,x(i)gn1 n定義類(lèi)內(nèi)離散度矩陣為cnj TSxjmexjme

. （4-12）w i j i ji1i其中：c表示故陥種類(lèi)，x3表示第j類(lèi)的第i個(gè)向量，mej表示第j類(lèi)的樣本均值,表示為i1gmej1gi

gtx,j2,,n. ii1定義類(lèi)間離散度矩陣為c SbejMeejec j1

, （4-14）其中Me表示總體樣本均值。設(shè)故障特征Xgn降維投影矩陣為

w w wW 21 22 2n. （4-15）nd w w wd1 d2 dnd23；WndFisher準(zhǔn)則求取。為保證Wnd是保證特征提取的最佳投影特征,定義求取規(guī)則如下。即：使類(lèi)間散度WTSW最大,類(lèi)內(nèi)散度WTSW最小的投影特征即最佳投影特征。規(guī)b w則定義如下:J(W)argmax

. （4-16）WTSWbWTSWw式（4-16）表明,最佳降維矩陣WnWTSWbWTSWw設(shè)軸承故障多尺度熵特征向量Xgn經(jīng)過(guò)最佳投影向量Wnd后的特征矩陣為Y,即YXgnWnd. （4-17）關(guān)鍵裝備故障特征融合技術(shù)圖3關(guān)鍵裝備故障特征融合技術(shù)X1,x2,xniK個(gè)樣本點(diǎn)構(gòu)成局域拓?fù)浣Y(jié)構(gòu)。樣本點(diǎn)計(jì)算距離公式如下：Ddij xikxjkk1式中:dijij的距離。

1pp及其鄰域樣本點(diǎn)后,要確定局部的拓?fù)浣Y(jié)構(gòu)即樣本點(diǎn)與K個(gè)近鄰點(diǎn)的線性組合關(guān)系表示如下:xiNiwij式中:Ni——Dk的矩陣Nixi1,xi2,xik;wij——樣本點(diǎn)xi與其鄰近點(diǎn)xij之間的權(quán)重系數(shù)。在以上基礎(chǔ)上，利用如下的均方差作為回歸問(wèn)題的損失函數(shù)，即(W)i

2kijjkj1xijj2,K)j個(gè)近鄰點(diǎn)。同時(shí)，并采用拉格朗日乘數(shù)法，可求得局部最優(yōu)的重構(gòu)權(quán)值矩陣，即qk qjnwm1 q iij q ipqp1q1通過(guò)上述分析，實(shí)現(xiàn)故障特征信息的降維融合。工業(yè)物流裝備典型故障智能故障診斷技術(shù)工業(yè)物流裝備典型故障智能故障診斷技術(shù)概述對(duì)整個(gè)企業(yè)的生產(chǎn)造成嚴(yán)重影響。然而大型工業(yè)物流系統(tǒng)中的堆垛機(jī)和穿梭車(chē)設(shè)備數(shù)量龐過(guò)模型的方法進(jìn)行故障實(shí)時(shí)檢測(cè)，以便快速準(zhǔn)確檢測(cè)到故障的發(fā)生。本文件提供了如圖2所示的實(shí)時(shí)故障檢測(cè)框架。圖4實(shí)時(shí)故障檢測(cè)框架工業(yè)物流裝備典型故障實(shí)時(shí)故障檢測(cè)技術(shù)多源信號(hào)的采樣與樣本劃分：通過(guò)不同的傳感器采集堆垛