基于PLC的远程轴承故障诊断的研究与应用

1、基于PLC的远程轴承故障诊断的研究与应用.(1.陕西科技大学电气与信息工程学院，陕西西安 710021；2.陕西西微测控工程有限公司，陕西咸阳 712081；3.河北煤炭科学研究院，河北邢台 054000)摘要：本文采用基于PLC的远程故障诊断系统对滚动轴承进行检测，该系统通过专家系统与BP神经网络相结合的方法对异地系统进行故障诊断和维护，具有快速交换诊断信息，加快故障诊断速度，减少故障对生产造成的负面影响等优点。企业采用跨地域诊断技术对滚动轴承进行故障检测，能产生巨大的经济效益，因此其研究具有重要的经济意义和实用价值。关键词：BP神经网络，PLC，滚动轴承，远程故障诊断中图分类号： TP27

2、3 文献标识码：AThe Study and Application of Remote Bearing Fault Diagnosis Based on PLCWang Zhongfeng1,Tang Wei1，2,Liu Qingli1，2,Wang Mengxiao1，2,Li Huiniu3    (1.Shaanxi University of Science and Technology, Xian, Shaanxi;2.Microcomputer Application and Development Institute, Xianyang, Sha

3、anxi, 712081, China3 Hebei Academy of Sciences for the Coal Industry,Xingtai,Hebei,054000, China)Abstract:  In this paper,the rolling bearing is detected by the remote fault diagnosis system based on PLC,this system conducts the fault diagnosis and maintenance to the remote systemthrough expexp

4、ert systemert system and BP Neural Network. Since it has the capabilities to exchange the diagnosis information quickly,to improve the fault diagnosis speed, and reduce the negative effects on production process, many enterprises use the remote fault diagnosis technology to detect the rolling bearin

5、g, meanwhile, the method brings the enormous economic benefits to enterprises, it shows the important practical value and economical benefit of research.Keywords:BP Neural Network,PLC,rolling bearing,remote fault diagnosis0 引言.本文设计的远程故障诊断系统是基于Internet的实时远程诊断系统。该诊断系统由本地故障诊断专家系统和基于BP神经网络的远程故障诊断中心组成。本地

6、的故障诊断服务器直接连入工业控制网络，其主要功能是进行现场数据的采集，并对控制系统进行故障检测，发现故障后进行初步诊断。而远程故障诊断中心任务则是对本地故障诊断系统解决不了的问题利用BP神经网络进一步诊断，同时专家可以远程实时地监控现场系统的运行状况，对故障进行综合诊断，做出决策1。高浓磨浆机是APMP制浆系统关键设备之一，大部分高浓磨浆机是高压电机，且转速非常高，一旦出现故障将造成严重的生产事故，给企业带来巨大的经济损失。因此，对APMP高浓磨浆机的故障诊断显得尤为重要。磨浆机的故障有30%是来自滚动轴承2，因此对滚动轴承故障诊断成了研究中心之一。本文提出了基于西门子PLC的BP神经网络远程

7、智能诊断方法，实际的应用证明了该方法的有效性，使工厂设备稳定、安全运转，节约了生产成本。1远程故障诊断系统的设计远程故障诊断系统通过远程获取过程控制系统的实时数据，用该数据做为远程故障诊断中心的诊断数据进行故障诊断。系统采用本地与远程故障诊断相结合的方法，在本地的故障诊断系统中采用基于规则的故障诊断专家系统，而远程的故障诊断中心将采用BP神经网络的故障诊断方法。1.1 计算机与控制器直接连接的远程诊断根据控制系统所采用的控制器的不同，远程连接的方法也各不相同。本文将以宿迁恒升纸业西门子S7-412 PLC的远程连接方式为例介绍。首先，计算机与远程PLC通讯需要由PLC厂家提供的软件，对于S7-

8、412 PLC来说需要其编程软件Step 7。本文选用基于Modem拨号的方式和远程S7-412 PLC进行通讯。该方案是西门子 PLC远程访问的标准配置，计算机和远程的PLC站之间是通过Modem拨号进行连接的，只要在两端分别放置一个Modem，通过通讯适配器TS-Adapter 连接到PLC的MPI口，需要时就可以进行拨号连接，通过MPI（Multi Port Interface）网络进行远程访问3。该方案需要的软硬件包括：软件：SIEMENS TeleService 软件及Step 7软件。硬件：两根电话线，两个串口Modem，一个TS-Adapter适配器。这种方案的优点在于配置简单，

9、无需额外的通讯模块。PC机上只需要有串口，PLC站则只需要CPU上的MPI（或Profibus）口（PLC自带）即可。连接图如图1所示。图1 Modem拨号的PC/PLC远程连接1.2远程故障诊断系统在轴承故障检测中的设计远程故障诊断的任务是在本地的故障诊断系统无法诊断出故障时，自动切换到远程故障诊断系统进行远程专家诊断。远程故障诊断能够实时地监控本地故障诊断系统的请求信号，一旦接收到本地故障诊断系统的请求信号便立即作出回应。在验证了用户信息之后，便建立连接和接收本地系统的故障诊断数据，然后启动BP神经网络故障诊断系统进行诊断，把诊断的结果传给本地的故障诊断系统。远程故障诊断系统采用本地和远程

10、相结合的诊断方式，本地的故障诊断系统采用基于产生式规则的故障诊断专家系统，并负责故障的检测以及通（1）对于一般的模式识别问题，三层网络可以很好的解决。（2）三层网络中，隐含层神经元个数n2和输入层神经元个数n1之间有一下近似关系：n2=2n1+1。由此，可按照如下的方式设计网络，网络的输入层神经元个数为5个，输出层神经元个数为4个，所以隐含层的神经元个数近似为11个。隐含层的神经元个数并不是固定的，需要经过实际训练的检验来不断调整。在MATLAB的M-File中编写前面描述的仿真语句：P=0.57 0.22 0.25 0.34 0.31;0.55 0.19 0.24 0.36 0.33;0.4

11、9 0.20 0.25 0.33 0.29;0.55 0.24 0.25 0.33 0.29;0.53 0.24 0.21 0.36 0.32;0.53 0.21 0.25 0.36 0.33;3.86 1.37 0.25 0.43 0.35;4.46 1.38 0.25 0.49 0.42;5.29 1.31 0.33 0.47 0.40;1.71 0.58 0.34 0.49 0.42;1.14 0.35 0.31 0.53 0.45;1.38 0.37 0.38 0.54 0.46;2.91 1.07 0.26 0.37 0.34;3.05 1.12 0.28 0.39 0.36;3.0

12、7 1.08 0.27 0.39 0.36; 5.15 1.97 0.70 0.41 0.33;6.04 1.78 0.12 0.48 0.42;7.26 1.97 0.09 0.57 0.47;3.81 0.55 1.65 1.42 1.07;3.25 0.78 0.44 0.79 0.61;2.54 0.52 0.78 0.95 0.72;9.57 1.88 0.80 1.26 0.33;9.01 1.57 0.15 1.13 0.92;8.05 7.03 0.72 0.74 0.63;P=P'T=0 0 0;0 0 0;0 0 0;0 0 0;0 0 0;0 0 0;0 0 1;

13、0 0 1;0 0 1;0 0 1;0 0 1;0 0 1;0 1 0;0 1 0;0 1 0;0 1 0;0 1 0;0 1 0;1 0 0;1 0 0;1 0 0;1 0 0;1 0 0;1 0 0;T=T'threshold=0 10;0 10;0 10;0 10;0 10;net=newff(threshold,11,3,'tansig','logsig','trainlm');LP.lr=0.1;net=train(net,P,T) save net 可见，经过102次训练后，网络误差达到要求，误差曲线如图4所示。图4 网络训练

14、误差图用load指令把训练好的网络调出来，对训练好的网络进行测试。抽取1组新的数据作为网络的测试输入数据，如表2所示。表2 滚动轴承测试数据峰值均方根值峭度值裕度指标波峰因数正常轴承0.520.230.260.380.36外圈故障3.210.270.260.540.37内圈故障5.801.990.930.310.44滚珠故障4.513.190.551.230.83测试代码为：P1=0.52 0.23 0.26 0.38 0.36;3.21 0.27 0.26 0.54 0.37;5.80 1.99 0.93 0.31 0.44;4.51 3.19 0.55 1.23 0.83; P_test=

15、 P1' Y=sim(net,P_test);测试结果为：Q= 0.0010 0.0091 0.0012 0.9978 0.0033 0.0088 0.9647 0.0000 0.0369 0.9887 0.0235 0.0095可以看出，这些误差是非常小的。因此，可以判定经过训练后，BP神经网络是完全可以满足滚动轴承故障诊断要求的。本文提出的这种本地与远程相结合的故障诊断系统的模式，较好地解决了远程数据不易获取的难题，同时通过本地故障诊断系统提高了实时故障检测的能力，减轻了远程故障诊断的负荷，提高了系统运作的效率。本文实现了将BP神经网络用于远程故障诊断，使得故障诊断系统的诊断能力以

16、及知识的扩充都得到了较大提高。4 结论现代工业对控制系统可靠性的要求非常高，故障诊断系统将成为自动控制系统的重要组成部分。随着网络技术的发展，远程故障诊断系统也必然会成为控制系统开发商和用户共同的选择。远程故障诊断系统能够及时发现故障，减少故障诊断的时间，很大程度上减少故障对于生产造成的影响，从而给厂家带来巨大的经济效益，同时还能够减少系统维护成本。远程故障诊断和BP神经网络的完美结合，使BP神经网络有着广泛的应用前景。利用Matlab 神经网络工具箱可实现BP网络的程序设计、训练和仿真；运行结果表明BP神经网络能够有效的对滚动轴承故障进行检测，准确率非常高，并且大大降低了机器故障给企业带来的

17、巨大损失。该远程故障滚动轴承诊断系统在宿迁恒升纸业运行一年多来，准确预测了一次轴承故障，给该企业减少了很大的经济损失。参考文献：1 成宝芝,郭险峰等.基于嵌入式技术的无限远程监测系统设计J.化工自动化及仪表,2010,37(4):73-75.2 李渭华,萧德云,方崇智.一种基于自适应滑动窗格形滤波算法的故障检测器J.自动化学报,1996,22(2):251-253.3 Jiang Dongxiang,Ni Weidou. Network system of remote on-line monitoring and diagnosis for thermal system in power plantsJ. Journal of Tsinghua University,2000,40 (2):7-80.4 张宏立,陈华,李