分析在鋼鐵冶煉設備中的故障診斷

吳琛琛

（國家知識產權局專利局材料部冶金處）

分析在鋼鐵冶煉設備中的故障診斷

吳琛琛

（國家知識產權局專利局材料部冶金處）

在現代化鋼鐵冶煉中，隨著機械設備的大型化、現代化及自動化，機械設備的故障診斷問題越來越受到重視。本文首先介紹了故障診故障診斷技術的發展以及未來的展望，然后結合鋼鐵行業機械設備特點，探討了在鋼鐵冶煉設備中的故障診斷。

故障；診斷；設備；鋼鐵；分析

1 故障診斷技術的發展

故障診斷（FD）始于（機械）設備故障診斷，其全名是狀態監測與故障診斷（CMFD）。它包含兩方面內容：①對設備的運行狀態進行監測；②在發現異常情況后對設備的故障進行分析、診斷。故障診斷技術是一門交叉學科，融合了現代控制理論、信號處理、模式識別、最優化方法、決策論、人工智能等，為解決復雜系統的故障診斷問題提供了強有力的理論基礎，同時實現了故障診斷技術的實用化；近二十年來，由于技術進步與市場需求的雙重驅動，故障診斷技術得到了快速發展，已在航空航天、核反應堆、電廠、鋼鐵、化工等行業得到了成功應用，取得了顯著的經濟效益；從故障診斷技術誕生起，國際自動控制界就給予了高度重視。

以運動機械的振動檢測為中心，輔助以溫度、壓力、位移、轉速和電流等各種參數的采集，從而對鋼鐵冶煉中的各種大型傳動設備的狀態進行分析和判斷，從而達到故障診斷的目的。

2 故障診斷的主要理論和方法

1971年Beard發表的博士論文以及Mehra和Peschon發表的論文標志著故障診斷這門交叉學科的誕生。發展至今已有30多年的發展歷史，但作為一門綜合性新學科——故障診斷學——還是近些年發展起來的。從不同的角度出發有多種故障診斷分類方法，這些方法各有特點，但從學科整體可歸納以下幾類方法：

2.1 基于系統數學模型的診斷方法

該方法以系統的數學模型為基礎，以現代控制理論和現代優化方法為指導，利用Luenberger觀測器、等價空間方程、Kalman濾波器、參數模型估計與辨識等方法產生殘差，然后基于某種準則或閥值對殘差進行分析與評價，實現故障診斷。該方法要求與控制系統緊急結合，是實現監控、容錯控制、系統修復與重構等的前提、得到了高度重視，但是這種方法過于依賴系統數學模型的精確性，對于非線性高耦合等難以建立數學模型的系統，實現起來較困難。如狀態估計診斷法、參數估計診斷法、一致性檢查診斷法等。

2.2 基于系統輸入輸出信號處理的診斷方法

通過某種信息處理和特征提取方法來進行故障診斷，應用較多的有各種譜分析方法、時間序列特征提取方法、自適應信號處理方法等。這種方法不需要對象的準備模型，因此適應性強。這類診斷方法有基于小波變換的診斷方法、基于輸出信號處理的診斷方法、基于時間序列特征提取的診斷方法。基于信息融合的診斷方法等。

2.3 基于人工智能的診斷方法

基于建模處理和信號處理的診斷技術正發展為基于知識處理的智能診斷技術。人工智能最為控制領域最前沿的學科，在故障診斷中已得到成功的應用。對于那些沒有精確數學模型或者很難建立數學模型的復雜大系統，人工智能的方法有其與生俱來的優勢。基于專家系統的智能診斷技術、基于神經網絡的智能診斷技術與基于模糊邏輯的診斷方法已成為解決復雜大系統故障診斷的首選方法，有很高的研究價值和應用前景。這類智能診斷方法有基于專家系統的智能診斷技術、基于神經網絡的智能診斷技術、基于模糊邏輯的診斷方法、基于故障樹分析的診斷方法等。

2.4 其它診斷方法

其它診斷方法有模式識別診斷方法、定性模型診斷方法以及基于灰色系統理論的診斷方法等。另外還包括前述方法之間互相耦合、互補不足而形成的一些混合診斷方法。

3 鋼鐵行業中故障診斷技術的應用

鋼鐵行業中的主要機械設備是各種傳動設備和液壓設備，如軋機、傳送帶、各種風機等。它們的工作狀況決定了生產效率和鋼鐵冶煉的質量，對這些設備狀態的在線檢測，能夠及時、準確的檢測出生產設備的運行狀況，并給出相應的操作和建議。因此建立相應的故障診斷系統對整個系統的正常運行特別重要。于是針對鋼鐵行業特殊的機械環境（多傳動設備和液壓設備），相應的故障診斷系統也必須以這些設備的特點而建立。主要原理是以運動機械的振動參量檢測為中心，輔助以溫度、壓力、位移、轉速和電流等各種參數的采集，從而對這些大型傳動設備的狀態進行分析和判斷，再進行相應的處理。整套故障診斷系統由計算機系統、數據采集單元、檢測元件、數據通訊單元以及專業開發軟件組成。此系統既可單獨工作，又可和DCS或PLC組成分散式故障診斷系統對所遇生產設備進行監控和故障診斷。

機械振動是普遍存在工程實際中，這種振動往往會影響其工作精度，加劇及其的磨損，加速疲勞損壞；同時由于磨損的增加和疲勞損壞的產生又會加劇機械設備的振動，形成一個惡性循環，直至設備發生故障，導致系統癱瘓、損壞。同時機械設備的工作環境也是造成機械設備發生故障主要原因之一，因此，根據對機械振動信號和工作環境溫度、濕度的測量和分析，不用停機和解體方式，就可以對機械的惡劣程度和故障性質有所了解。同時根據以往經驗建立相應的處理機制庫，從而針對不同的故障做出相應的診斷和處理。整個處理過程如下：

3.1 傳感器采集設備工作狀態信號

如各種傳動裝置的振動信號、溫度信號、液壓裝置的壓力、流量和功率信號等。

3.2 特征信號提取

將各種傳感器采集信號進行信號分類，刷選出相應的傳感器信號，如振動傳感器采集的文振動強度信號、壓力傳感器采集的壓力信號等。

3.3 對特征信號處理

對傳感器采集的特征信號進行濾波、放大等處理，提取出相應的特征信號。

3.4 對采集信號進行故障診斷

將提取的特征信號進行判斷處理，選擇相應的故障方法（如小波變換法），分析故障類型和設備狀態，然后查詢故障類型庫，做出相應的決策。

4 結束語

建立在現代故障診斷技術上的鋼鐵冶煉設備故障診斷系統，可對設備的運行狀態進行實時在線檢測、通過對其監測信號的處理與分析，可真實地反映出設備的運行狀態和松動磨損等情況的發展程度及趨勢，為預防事故、科學合理安排檢修提供依據，可以提高設備的利用效率，產生了很大的經濟價值，對此類故障診斷系統的研究有很深遠的意義。

[1]沈慶根，鄭水英.設備故障診斷[M].北京：化學工業出版社，2006.

[2]王仲生.智能故障診斷與容錯控制[M].西安：西北工業大學出版社，2005.

[3]李民中.狀態監測與故障診斷技術在煤礦大型機械設備上的應用[J].煤礦機械，2006（03）.

[4]傅其鳳，葛杏衛.基于BP神經網絡的旋轉機械故障診斷[J].煤礦機械，2006（04）.

[5]李光民，陳燕.振動監測和故障診斷技術在冶金機電設備的應用[J].河南冶金，2008（3）：44～46.

[6]劉兆陽.大型旋轉機械狀態監測與故障診斷系統的設計研究[J].通用機械，2006（01）：30～33.

TP277

A

1004-7344（2016）02-0232-01

2015-12-22