診斷軋鋼故障狀況與發展探析

[摘要]本文基于軋鋼生產特征探討了其常見的故障與軋制進程中診斷故障方法研究狀況，展望了其發展趨勢，對綜合比較各類故障診斷方法優勢，提升軋制生產效率，促進故障診斷技術的創新發展有重要的實踐意義。

[關鍵字]軋鋼；故障；診斷

中圖分類號：TG333文獻標識碼：A文章編號：1674-098X(2011)03(b)-0000-00

1、軋鋼生產進程中常見的故障現象

軋鋼生產進程中包含龐大生產線系統，且運營機理較為復雜，目前還沒有一種有效的診斷故障方式能夠完全適用于該類大型生產服務進程的所有種類故障。為形象歸納并分類討論軋鋼生產現行診斷故障方式，我們可將其生產進程中常見的故障現象劃分為三類級別。第一類為控制回路故障，涵蓋控制回路中的執行器、傳感器故障、設置控制參數不當形成的衍生故障、各類干擾影響故障等。第二類故障現象為設備級故障，代表軋鋼生產進程中涵蓋的所有生產機械設備故障，在診斷該故障領域以針對液壓與傳動系統診斷故障的研究成果最為顯著。主體原因在于軋鋼軋制生產進程中相對處于較為惡劣的環境，且生產效率較高，液壓與傳動系統中的軸承與齒輪等部件具有較高的故障率，因而針對該方向的研究尤為廣泛。還有一類為子系統或系統級故障，不僅包含生產工藝的故障，同時還包含擾動型系統級故障，例如基于波動的原材料質量而引發了異常的產品生產質量故障。

2、軋制生產中診斷故障研究方式

2、1依據經驗進行故障診斷

依據經驗的故障診斷方式是企業生產進程中維護管理設備常見的應用方式，工程師依據實際現場狀況借助測量關鍵變量以及自身掌握的豐富經驗獲取相應故障信息。該類方式雖然操作原理簡便、診斷透明，然而由于完全依靠經驗進行判斷因此僅適用于對各類生產線中簡單的局部設備故障的診斷。另外經驗故障診斷方式從屬于事后判斷分析，在發生故障后通過裝配與拆卸以及人力大量的排查處理才可明晰故障原因，這樣一來勢必會令設備利用率及使用壽命不良降低，提升了維護管理設備的成本，因而體現了該診斷故障方式的相對局限性及低效性。

2、2模型解析診斷故障方式

基于模型解析的診斷故障方式主體依據較為準確的應用對象數學模型通過數學處理獲取相關故障信息，進而判斷對象是否出現了故障、位置在哪、程度如何。其中估計狀態法、估計參數法以及空間等價法是模型分析故障診斷方式的主要分支，其中空間等價方式應用起來較為簡便且易于操作實現，而適用范疇有限，適合于線性系統中。估計參數方式適應診斷乘性故障，可用于非線性系統中。模型解析診斷故障方式雖然相關理論得到了較早的發展，且包含一定的系統性，然而在工業系統實際應用中卻并不多見，主體原因在于現代工業龐大的系統、復雜的運行機理令該過程中較難準確建立數學模型，存在較多未知擾動、建模誤差與各類噪聲影響，進而容易引發突出的魯棒性問題。應用該方式我們應首先應建立對象模型，因而較適用于設備級與回路級故障處理。

2、3處理信號故障診斷方式

伴隨各類傳感器、計算機技術、通信網絡技術、數據挖掘技術的飛速發展，處理信號故障診斷方式受到了專家的廣泛重視。該類方式首先需要建立特征信號描述模型，其基本策略在于依據故障工況與正常工況的過程行為與數據模型特征差異進而判斷其是否包含故障現象。其具有實用簡單特性，而缺陷則在于較難獲取故障程度以及故障位置等直接的信息，因而常常需要與他類故障診斷方式聯合應用。在軋鋼生產進程中該處理信號故障診斷方式可分為針對設備振動問題的分析、多重處理信號技術的集成診斷與監測設備狀態系統以及多元統計、融合信息技術。當前我國較多軋鋼企業生產線診斷設備級故障均采用處理信號技術，其應用發展已較為成熟，并由事后診斷信號發展為運行系統狀態實時診斷與監測，由傳統的單變量分析信號轉變為綜合多變量信號的診斷與監測，同時由國外監測控制系統的全面引進發展成為自主的設計開發監測狀態與診斷故障系統。

2、4智能化診斷故障方式

診斷故障是包含于人工智能系統中的一個分支，由早期的人工經驗分析逐步發展成為采用算法與硬件系統基于人類專家知識經驗實現智能化的診斷故障目標。由此可見智能化的診斷故障方式主要包含神經網絡、專家系統、推理案例、模糊邏輯等。在軋鋼生產進程中應用最廣泛的智能化診斷技術工具為專家系統。借助神經網絡診斷故障是智能化應用方式的另一分支，并在理論層面獲取了系統性應用成果。軋制生產中人工神經網絡診斷故障應用主要包含基于神經網絡固有的分類功能對不同的故障特征予以區分，進而提取故障原因與故障現象對應關系；利用定量神經網絡形式對專家知識進行表述進而基于網絡形成專家故障診斷系統等。由軋制生產進程診斷故障技術變化發展進程來看，智能化診斷故障技術為其創設了蓬勃的發展方向。然而由于生產軋制進程的多樣復雜性、人工智能技術自身發展存在的制約性，令該技術應用還多局限在軋制生產局部系統或細部中，且分析判斷故障功能較為有限單一，欠缺良好的適應性。

2、5診斷故障組合應用方式

通過上述分析不難看出依據經驗的故障診斷方式具有事后開展、診斷效率有限、成本較高等弊端，而另外三類方式雖可對軋制生產進程中的異常狀況、故障進行預報，但提前性有限，均不同程度存在了弊端問題。因此在應用實踐進程中為完善保障故障診斷的及時準確，我們應科學集成各類分析診斷方式的綜合優勢，構建成一種組合的診斷故障技術。基于經驗診斷需依據關鍵部位信號測量的信息對工程師有效輔助進而診斷故障、模型診斷依賴于處理信號技術對模型殘差信號分析，借助方差、序列均值信息統計方式進行幅值與故障類型的判斷，因此我們可有效促進各類故障診斷技術的完善融合，例如促進智能化診斷與處理信號技術的融合，即小波分析及神經網絡的融合、多元信息綜合模糊評價與專家時頻域信息系統的融合，進而有效激發診斷故障組合方式的廣泛適用性，提升其綜合診斷效能。

3、軋鋼生產進程中診斷故障技術的科學發展

基于診斷故障技術方式特征不難開出，其正向著系統化、智能化與綜合化的方向發展，同時還會滲透軋制生產進程中的一些特殊性，即智能化診斷故障系統會在發展中逐步具備自學功能，并面向軋制產品質量進行對整體系統級問題故障的診斷。在人工診斷分析故障層面會隨著不斷的經驗整理、積累、聯想、簡化與頓悟實現升級，體現了人們強大的總結與學習能力，然而人們在存儲、計算與精確性層面卻比不上機器。軋制生產是一類復雜的工程系統，因此我們不能僅憑自身經驗，當前智能化故障診斷方式并不包含自學功能，僅停留在算法化層面，因此在生產進程中如何持續總結經驗構建為新一輪知識系統，促進故障診斷創設自動更新識別工作模式則是智能化診斷故障未來發展的方向。

4、結語

總之基于軋鋼生產系統特征我們只有科學明晰其常見的故障現象，探討各類處理故障診斷技術的利弊因素，明確其技術的科學發展方向，才能在后續生產運營中有目的診斷故障、分析成因，科學提升工作效能，創設顯著社會效益與經濟效益。

[參考文獻]

[1]李彤淵.熱連軋R2粗軋機壓下裝置故障分析及改進[J].內江科技，2009(5).

[2]王宏力.故障診斷方法現狀與展望[J].傳感器與微系統，2008(5).