電梯曳引機制動器健康狀態(tài)監(jiān)測綜述

張越宏 袁昭成 馬嘉浩 李 昆 鄭 慶

（1.成都市特種設(shè)備檢驗檢測研究院 成都 610299）

（2.西南交通大學 機械工程學院 成都 610031)

隨著高層建筑數(shù)量的增加，人們對電梯的需求也隨之增長。隨著電梯結(jié)構(gòu)設(shè)計的迭代升級，人們對電梯的舒適度、安全性和高效性也有了更高的要求。其中，安全性作為最基本和最重要的因素得到社會越來越多的關(guān)注。根據(jù)市場監(jiān)管總局發(fā)布的全國特種設(shè)備安全狀況的通告顯示，截至2022 年底，全國電梯登記總量964.46 萬臺，2022 年全國共發(fā)生電梯事故22 起，死亡17 人，其中主要部件失效或安全保護裝置失靈等原因6 起。雖然電梯安全事故率已經(jīng)控制在較低水平，但是一旦發(fā)生事故會威脅使用者的生命安全，將會產(chǎn)生巨大社會影響。

曳引機是電梯重要的組成部分，在電梯運行中工作頻次最高、運行負荷壓力最大。每次電梯啟停、換乘和調(diào)度都需要曳引機制動器的參與，所以監(jiān)測制動器的狀態(tài)并且及時發(fā)現(xiàn)和定位部件異常至關(guān)重要。本文基于最常用的鼓式制動器的工作原理，在總結(jié)其故障類型基礎(chǔ)上，進一步分析可能導致該故障的原因。進一步地，結(jié)合各類國家標準以及國內(nèi)學者研究現(xiàn)狀，總結(jié)曳引機制動器響應(yīng)時間、閘瓦間隙、制動力矩、溫度、振動和噪聲6 個方面的監(jiān)測標準，可為電梯制動性能監(jiān)測發(fā)展提供參考。

1 電梯制動器結(jié)構(gòu)及工作原理

電梯制動器常見的有鼓式、塊式和盤式3 種類型。本文主要以鼓式制動器為研究對象，介紹其結(jié)構(gòu)及工作原理。鼓式制動器結(jié)構(gòu)如圖1（a)、圖1（b)所示，由制動臂、制動閘瓦、鐵芯頂桿、制動彈簧、制動輪和電磁裝置組成，通過各組件的相互配合實現(xiàn)曳引機制動。電梯運行可分為2 種狀態(tài)，一種是制動閘瓦完全抱死且電梯轎廂靜止不動的停止運行狀態(tài)，另一種是制動閘瓦完全釋放且轎廂加減速及勻速起降的運行狀態(tài)。其制動流程如圖2 所示，當電梯需要從正常運行狀態(tài)轉(zhuǎn)為停止運行狀態(tài)時，電磁裝置失電，電磁力消失，制動臂在制動彈簧的推動下靠近制動輪，產(chǎn)生制動力矩使曳引機快速制停并保持靜止。當電梯需要從停止運行狀態(tài)轉(zhuǎn)為正常運行狀態(tài)時，電磁裝置得電，產(chǎn)生電磁力推動閘瓦向遠離制動輪一側(cè)運動，直至閘瓦完全釋放。

圖1 鼓式制動器結(jié)構(gòu)

圖2 曳引機制動器工作流程

2 制動器故障類型分析

根據(jù)曳引機制動器的制動過程，并結(jié)合電梯實際運行情況，通?？梢詫⑵涔收戏譃橐韵? 種類型：制動力矩不足，制動響應(yīng)超時，釋放響應(yīng)超時。

1）制動力矩不足。制動力矩不足是引起曳引機制動器失效最重要的原因之一，影響制動力矩大小的主要因素有摩擦系數(shù)、制動輪直徑、制動彈簧的彈性系數(shù)和閘瓦間隙。以下分別分析導致這四類參數(shù)變化的原因：（1）摩擦系數(shù)的大小僅與接觸表面的狀況有關(guān)，因此影響曳引機制動器摩擦系數(shù)的主要因素有閘瓦、制動輪等表面磨損和接觸表面溫度；（2）制動輪直徑主要影響接觸面積大小，長期使用表面會逐漸磨損，導致直徑減小以及凹凸不平；（3）長期疲勞損傷和高溫環(huán)境導致的彈簧彈性系數(shù)改變；4）由于制動磨耗導致的閘瓦間隙也是影響制動力的重要因素[1]，閘瓦間隙增大將造成制動響應(yīng)時間延長和制動力下降。

2）制動響應(yīng)與釋放響應(yīng)超時。導致曳引機制動器制動響應(yīng)超時的主要因素除了以上提到的制動力矩降低外，還有動鐵芯的表面損傷和電磁線圈殘留電流等因素：（1）由于長期頻繁制動，動鐵芯會發(fā)生磨損、彎曲和剪切[2]，阻力增大導致制動響應(yīng)超時；（2）電磁線圈殘留電流，由于電磁裝置斷電后殘留的電流磁場還未及時釋放，造成制動響應(yīng)超時。而曳引機制動器釋放響應(yīng)超時，除上述因素外還可能是線圈電流過低。制動器頻繁啟動導致線圈溫度升高，而線圈溫度升高又會導致線圈內(nèi)阻增大，從而導致線圈電流降低。

3 制動器安全性能監(jiān)測

2019 年3 月1 日，珠海某物業(yè)公司小區(qū)電梯突然失控下滑至底坑造成乘客被困[3]，經(jīng)人工初步分析原因為制動閘瓦與制動輪空隙中的塊狀油泥殘留。然而，在對制動輪表面進行清理后，重新試驗仍未能有效制停。進一步的制動器拆解發(fā)現(xiàn)，轉(zhuǎn)臂制動銷軸位置存在嚴重銹蝕現(xiàn)象。上述案例表明，對曳引機制動器事故原因進行人工分析，一方面分析結(jié)果受工程人員經(jīng)驗影響大，另一方面拆解工作費時費力。通過傳感器監(jiān)測曳引機制動器能有效提高電梯故障處理準確性和效率。因此，本文綜述曳引機制動器監(jiān)測研究現(xiàn)狀，主要從制動器響應(yīng)時間、閘瓦間隙、制動力矩、溫度、振動和噪聲6 個方面對曳引機制動器安全性能監(jiān)測方法進行介紹。

3.1 制動器響應(yīng)時間監(jiān)測

制動器響應(yīng)時間是制動器斷電開始到制動力矩達到額定值的時間間隔，國標規(guī)定制動器的制動響應(yīng)時間不得大于0.5 s[4]。制動器的響應(yīng)時間監(jiān)測需從接收制動信號開始計時，直到制動力矩達到額定制動力矩為止。李曉盼[5]使用一種同時監(jiān)測制動器斷電信號和制動器微動開關(guān)動作信號，通過比較2 個信號間的時間差測得制動響應(yīng)時間的方法，該方法雖然方便快捷，但是由于從微動開關(guān)發(fā)出動作信號到制動力矩達到額定力矩還有一段時間，測得的制動響應(yīng)時間精度不足；為了解決此問題，鄭祥盤等[6]提出了一種更為準確的方法，在轉(zhuǎn)矩轉(zhuǎn)速傳感器的基礎(chǔ)上采用波形存儲記錄儀，監(jiān)測制動裝置執(zhí)行斷電信號到力矩傳感器達到額定制動力矩信號的時間間隔，實現(xiàn)了制動響應(yīng)時間的記錄和直觀表達。

3.2 制動器閘瓦間隙監(jiān)測

制動器閘瓦間隙與閘瓦磨損量是影響制動力矩和制動器響應(yīng)時間的重要因素。隨著閘瓦磨損量不斷累積，閘瓦間隙不斷增大，到達額定制動力矩所需的時間也隨之延長，會引起制動響應(yīng)時間超時。

測量制動器閘瓦間隙可通過位移傳感器直接測量制動臂到制動輪之間的距離[7]。記x0和y0為閘瓦未磨損時制動狀態(tài)和釋放狀態(tài)下傳感器與制動輪的距離，xi和yi為某一時刻制動狀態(tài)和釋放狀態(tài)下傳感器與制動輪的距離，可利用式（1）計算出未磨損狀態(tài)閘瓦與制動輪面的間隙d0和某一時刻下閘瓦與制動輪端面的間隙di，通過式（2）計算出閘瓦磨損量Δd。

3.3 制動力矩監(jiān)測

制動力矩是將制動力根據(jù)曳引輪半徑、制動輪半徑、鋼絲繩倍率和傳動系統(tǒng)傳動比折合到制動輪外圓上的力矩[8]。當轎廂載有125%額定載荷并以額定速度下行時，轎廂的減速度不應(yīng)超過安全鉗動作或轎廂撞擊緩沖器所產(chǎn)生的減速度；在裝有額定載重量的轎廂自由下落的情況下，漸進式安全鉗制動時的平均減速度為0.2g ～1.0g；正常情況下，減速度不應(yīng)小于0.5 m/s2；對于使用了減行程緩沖器的情況，不應(yīng)小于0.8 m/s2。綜上所述，制動力矩的大小應(yīng)可以保證在1.25倍額定載荷的情況下最低減速度為0.8 m/s2，最大減速度為10 m/s2[9]。葉亮[10]設(shè)計了一種全數(shù)字式動態(tài)扭矩傳感器測量制動力矩的檢測臺，通過萬向節(jié)適配器和可升降對接線體，實現(xiàn)適配各種類型的曳引機。為了解決傳統(tǒng)制動力矩測量精度低的問題，薛志鋼等[11]提出一種通過直接監(jiān)測2 個銷軸的力，并乘以力臂的方法來測量制動器對制動輪的制動力矩，這種方法可以有效地提高制動力矩測量的精度。由于滿載緊急制動試驗危險性高，Peng 等[12]設(shè)計了一套測量制動器制動力矩的方法，并提出一種利用空載制動性能分析滿載制動性能的新方法，建立了牽引力比為2:1 的緊急制動過程中制動力矩的計算模型。

3.4 制動器溫度監(jiān)測

制動過程中，電梯的大部分動能通過制動器的摩擦轉(zhuǎn)化為熱能。而制動器摩擦產(chǎn)生的熱量大部分（90%以上）被制動鼓吸收，因此必然導致制動鼓溫度的上升。隨著制動不斷摩擦產(chǎn)生熱量，制動閘瓦的磨損不斷加劇，摩擦系數(shù)降低，從而導致制動力矩降低。此外，曳引機制動器溫度過高將導致釋放響應(yīng)速度降低。在工作電壓下，按曳引機運行工作制、負載持續(xù)率和周期運行制動器達到熱穩(wěn)定狀態(tài)時，可依據(jù)GB/T 755—2019《旋轉(zhuǎn)電機 定額和性能》歸檔測量制動線圈溫升。葉亮[13]提出了一種將電梯曳引機整體進行溫升測試的方法，相較于傳統(tǒng)對拖測試法和轎廂測試法，投入費用更低，安裝簡單方便。對于制動器內(nèi)部部件，更適合利用紅外成像儀進行無接觸測量，常曉清[14]提出了一種使用紅外成像儀的電梯制動器溫升監(jiān)測方法，通過傳感器記錄制動輪的溫度變化，有效監(jiān)測制動器是否帶閘運行。此外，也有使用熱力學仿真軟件，模擬不同工況試驗，蘇萬斌等[15]運用SolidWorks 建模軟件建立三維模型，并應(yīng)用Abaqus 軟件對該三維模型進行熱力學仿真分析，經(jīng)過實際測試驗證有效。

3.5 制動器振動監(jiān)測

空載狀態(tài)的無齒輪曳引機以額定頻率供電時，振動速度有效值的最大值不大于0.5 mm/s。有齒輪曳引機曳引輪處的扭轉(zhuǎn)振動速度有效值的最大值不大于4.5 mm/s[4]。此外，當制動器發(fā)生某種故障（如軸承故障、鐵芯故障）時，會使得曳引機產(chǎn)生不正常的振動信號，使用基于知識的故障診斷方法，比如機器學習，從大量各類故障實驗中采集的樣本數(shù)據(jù)中提取特征，形成故障模式集，對未知的設(shè)備信號進行判別。

實現(xiàn)基于振動信號的故障診斷模型，首先應(yīng)當通過放置在制動輪上的振動傳感器，采集制動器在不同工況和不同故障下的振動數(shù)據(jù)，再通過小波包降噪等手段進行信號數(shù)據(jù)預(yù)處理，最后將處理后的振動信號進行故障診斷。基于振動信號的故障診斷實質(zhì)上就是對于振動信號的特征提取，發(fā)掘信號的隱藏信息。既可以運用傳統(tǒng)機器學習算法進行故障診斷，也可以運用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）及其改進深度學習算法進行數(shù)據(jù)深層特征挖掘分類，構(gòu)建故障診斷模型。徐金海等[16]運用小波包分解法對低頻部分和高頻部分進行分解，并運用快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）得到異常工況和正常工況下的幅頻圖和功率密度曲線，實現(xiàn)曳引機的異常狀態(tài)識別。郝家琦等[17]提出了一種基于變分模態(tài)分解（Variational Mode Decomposition，VMD）與支持向量機（Support Vector Machine, SVM）的電梯鼓式制動器故障診斷方法，實現(xiàn)帶閘運行和制動力不足2 種故障的識別。追求更少的損失和更優(yōu)秀的算法模型將是故障診斷發(fā)展的主要方向。

3.6 制動器噪聲監(jiān)測

閘瓦磨損或者異常振動都會導致異常的噪音，通過傳感器監(jiān)測制動器噪聲，可以起到預(yù)警作用。曳引機產(chǎn)生的噪聲主要可以分成機械噪聲、空氣動力噪聲以及電磁噪聲3 種類型[18]。機械噪聲通常是由于電子轉(zhuǎn)子不平衡、軸承摩擦以及裝配誤差產(chǎn)生，是產(chǎn)生異常噪聲的主要原因；電磁噪聲主要是因為電動機空隙里磁場變化引起的結(jié)構(gòu)振動產(chǎn)生，和電動機的功率正相關(guān)；空氣動力噪聲是由于葉片旋轉(zhuǎn)產(chǎn)生的噪聲，和葉片數(shù)量與轉(zhuǎn)速正相關(guān)。

根據(jù)GB/T 3768—2017《聲學 聲壓法測定噪聲源聲功率級和聲能量級 采用反射面上方包絡(luò)測量面的簡易法》[19]中規(guī)定的基準體選取方法，為包圍被測聲源的正平行六面體，選取前、后、左、右以及距離曳引機正上方1 m 的5 個監(jiān)測點。根據(jù)式（3）計算其算術(shù)平均值：

式中：

LPAi——第i點測量到的A 聲級，dB；

S——測量面的面積，m2；

Sv——測試室內(nèi)表面總面積，m2；

Ki——第i點環(huán)境修正系數(shù)；

α——平均吸聲系數(shù)。

周前飛等[20]取噪聲測量值的最大值，并設(shè)計報警閾值，實現(xiàn)制動噪聲的監(jiān)測預(yù)警。但是不同環(huán)境下閾值該如何自適應(yīng)調(diào)整還有待研究。當前噪聲監(jiān)測還停留在設(shè)置閾值的階段，忽略了很多有價值的信息，噪聲信號中存在的信息應(yīng)當進一步挖掘。

4 總結(jié)

電梯是一種與群眾生活密切相關(guān)的特種設(shè)備，其中曳引機制動器對電梯安全運行至關(guān)重要，一旦發(fā)生故障將造成轎廂墜落、沖頂?shù)葒乐毓收稀１疚幕谝芬龣C鼓式制動器的結(jié)構(gòu)與工作原理和故障類型分析，綜述了近年來曳引機制動器安全性能監(jiān)測技術(shù)的研究進展，可以為電梯制動器檢查維護、狀態(tài)監(jiān)測、數(shù)據(jù)挖掘分析提供參考。

然而，曳引機制動器健康狀態(tài)監(jiān)測依然存在一些問題。首先，曳引機制動器監(jiān)測設(shè)備尚未形成統(tǒng)一規(guī)范。制動器安全性能監(jiān)測涉及多種傳感器的使用和安裝，依然存在價格昂貴、精度不足、裝卸煩瑣、傳感器易損壞等問題。其次，現(xiàn)有的電梯運維管理系統(tǒng)不能完全滿足使用需求。由于每臺電梯的性能、運行狀態(tài)、運行工況不一樣，缺乏個性化、定制化、有針對性的維護方法。此外，現(xiàn)有的電梯運維管理系統(tǒng)智能化程度較低。基于電梯曳引機制動器狀態(tài)監(jiān)測數(shù)據(jù)，可進一步開發(fā)智能化的運維管理系統(tǒng)，結(jié)合前沿的深度學習人工智能技術(shù)對制動器狀態(tài)進行有效辨識，實現(xiàn)電梯曳引機的遠程監(jiān)測、故障診斷、預(yù)測與預(yù)警、維護等功能，提高運維效率。未來電梯曳引機狀態(tài)監(jiān)測可圍繞高精度、易裝卸、無接觸的采集需求改進監(jiān)測數(shù)據(jù)采集技術(shù)，減少傳感器自身損壞風險，使電梯曳引機狀態(tài)監(jiān)測數(shù)據(jù)的采集更準確、全面、高效。