履带机器人行驶结构无线采集系统设计及故障辨识方法

作     者：殷国珠 

作者单位：太原科技大学 

学位级别：硕士

导师姓名：张宏

授予年度：2024年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 080202[工学-机械电子工程] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：履带机器人 无线应变采集卡 动力学仿真 故障识别 声发射模拟 

摘      要：履带机器人行驶结构因其长期处于煤岩底质复杂地形、强振动、高冲击、易碰撞、低频大振幅、高湿度及工作空间受限等极端工况,导致行驶结构各部件载荷获取难度大,在危险预测及故障识别等方面多以仿真研究为主,缺乏试验验证。针对这一问题,本文设计了一种内置式履带行驶结构无线应变采集系统,用以采集履带行驶结构部件的应力应变。提出一种基于EMD-SDP和GoogLeNet的故障辨识方法,识别履带环特定故障,并通过声发射信号对故障源位置进行定位,为履带行驶结构的安全健康运行和故障预测研究提供技术支撑。 针对煤矿履带机器人行驶结构在行驶过程中载荷难以获取的问题,设计了一个四通道无线应变采集卡,并将应变采集卡、电池和连接导线集成为应变采集系统,完成了该系统的封装。首先,分析了应变采集卡的电路和工作原理,然后,通过仿真与试验相结合标定了应变采集卡的4个通道,最后,将应变采集卡、电池和导线集成封装内置于履带行驶结构。探讨了在封装环境下应变采集系统连续工作时温度及应力变化规律。结果表明:应变采集卡标定后应变采集误差不超过5×10-6,并能同时采集4个通道的应变信号;应变采集系统在封装环境下连续工作7×24 h后,应变采集系统的最高温度稳定在34.58℃;应变采集系统随履带环旋转一周,应变采集系统所受最大应力6.14 MPa,最小应力-4.32 MPa,可以满足正常使用。实现了履带机器人行驶结构部件的多自由度应变信号检测,为履带行驶结构动态载荷变化的实时获取提供了方法。 针对履带环销轴故障难以准确识别的问题,在试验前预先对履带行驶结构进行动力学仿真,确保试验采集的信号能有效识别故障。建立履带行驶结构动力学模型,分别进行了履带环销轴健康和故障工况的仿真,提取两种工况下履带环弯链板上的应变,以及驱动轮和导向轮处的振动加速度信号进行分析。结果表明:销轴健康工况下,履带环弯链板上的微应变在通过各个轮时会发生周期变化,在其他位置处基本稳定不变。在故障工况下,弯链板处于受压状态;通过Hedges’g值分析,选择纵向（履带机器人前进方向）加速度信号作为故障识别的分析信号。 为准确辨识履带机器人履带环销轴损伤,提出了一种基于EMD-SDP和GoogLeNet的故障辨识方法。先通过EMD分解和小波去噪对信号重构,利用SDP图像融合加速度与应变信号,再将SDP图像输入迁移学习的GoogLeNet神经网络,完成销轴损伤故障识别。在履带行驶结构靠近导向轮和驱动轮处分别布置三轴加速度传感器,并在履带环弯链板处粘贴应变片获取试验信号;根据加速度信号的Hedges’g值选择出适合作为故障识别的分析信号;三种单一信号的SDP图像,在大样本情况下分别完成模型训练并预测;然后,融合加速度和应变信号的SDP图像与三种单一信号的SDP图像,在小样本情况下分别训练模型并进行故障识别。结果表明,大样本训练下的故障识别模型,应变信号的识别准确率达到了100%,导向轮和驱动轮处的信号识别准确率分别为80%和50%,证明了该故障识别模型有效;小样本训练的故障识别模型,融合信号的SDP图像识别准确率高于单一信号识别的准确率,可达95%。该研究为履带行驶结构在小样本故障识别方面提供了技术支持。 为实现对履带机器人驱动轮裂纹的故障定位,通过单次测量法和平均值测量法分别计算声波在结构钢中的传播速度;在驱动轮裂纹处施加一个冲击荷载,用于模拟声发射源,提取车体表面四个获取点的加速度信号,分析声波到达获取点的响应时间;根据获取点信号的响应时差,基于双曲线定位方法确定声源位置。结果表明:依据单次测量法确定声速的故障源定位,在X轴、Y轴、Z轴方向误差分别为3.2%、5.2%和36.2%。;平均值测量法确定声速的故障源定位,在X轴、Y轴、Z轴方向误差分别为0.9%、4.0%、17.4%。平均值测量确定的声速较单次测量法在故障源定位更为准确,在X轴、Y轴、Z轴方向的误差分别降低2.3%、1.2%、18.8%。