鋁電解過程故障診斷方法研究與實現

畢建輝

摘 要：鋁電解過程屬于極為復雜的制造工業流程之一，在實際生產的過程當中具備較強的不可控制因素，因此在實際工作的過程當中，鋁制品制造業故障發生的頻率較高、同時發生故障的種類也比較繁雜。在有關鋁制品的生產制作工藝當中，電解是非常重要的環節之一，通過電解工藝能夠有效分解鋁制品中的雜質，提升產品質量。目前電解過程當中，還沒有針對于該過程容易出現問題之處進行全面的診斷，只有全面加強對于該方式的診斷，才能夠真正提升電解設備的工作效率。

關鍵詞：鋁電解；故障診斷；方法研究

DOI：10.16640/j.cnki.37-1222/t.2017.15.196

0 前言

隨著時代的發展，在鋁制品生產工作的過程當中，工藝也在發生翻天覆地的變化，最直觀的表現為鋁電解設備更加機械化與復雜化、電解是保障鋁制品生產水平的重要手段，但是目前由于我國在鋁電解過程中處于初級研究階段，對于很多設備的使用以及維護還沒有真正形成完善的制度與手段，導致很多鋁電解工業設備在工作的過程當中極易發生故障，對于大型工業設備而言，一旦出現故障，不僅對于企業自身的經濟會造成嚴重的損失，更為嚴重的是可以會對于一線操作人員的人身安全產生嚴重的危害。文章將以鋁電解過程當中出現的主要故障、在鋁電解過程當中三種主要診斷方式、故障診斷系統實現三方面進行綜合論述。

1 鋁電解過程當中出現的主要故障

在鋁電解過程當中出現的最為主要的故障形式之一既是陽極效應，所謂陽極效應通俗而言是在鋁電解過程當中在陽極部分由于自身氧化鋁濃度降低，碳離子對于陽極表面的濕潤程度會造成一定程度上的損壞，使一部分陽極底部被電解鋁液分解過程當中產生的氣泡所覆蓋，導致陽極出現不導電的現象[1]。一旦陽極不導電，電解鋁槽自身的電阻會出現迅速增大的趨勢，從而導致整個設備電壓急速升高，很多時候，設備的電壓甚至會由4.1v直接升至43v，這時不僅電解鋁槽的溫度會急速升高，同時，電解質也會停止沸騰。該故障對于電解鋁槽而言具有十分嚴重危害，一方面表現為隨著電壓的增大，在設備內流通的電流會迅速減少，因此，想要維持設備的正常運轉，需要加大電流輸出力度，造成電流能源的浪費。另一方面設備在這種高負荷運轉的狀態之下，對于自身機械的使用壽命會造成極為嚴重的影響，使設備使用年限大幅度剪短，因此陽極效應是目前在大型鋁制品電解的過程當中存在的主要問題之一。

2 在鋁電解過程當中三種主要診斷方式

（1）解析模型診斷法。所謂模型解析法既是通過對于模型的分析，找到設備中出現的問題。其運行原理既是利用自身系統且精確模型與可觀測到輸入、輸出量構造殘差信號，通過對于系統自身期望值與實際值之間的偏差，能夠有效分析與診斷設備出現的故障。使用該方法診斷鋁電解過程當中出現的故障需要注意的一點既是在建立診斷模型時，所解析的模型數據要足夠精確，這樣才能夠較為全面的分析出鋁電解過程當中出現的問題。模型解析故障診斷法主要主要包括參數估計方法、狀態估計方法和等價空間方法三個部分[2]。

（2）信號處理診斷法。所謂信號處理診斷法與解析模型診斷法之間有本質上的差別，信號處理診斷法在實際診斷鋁電解設備是否出現問題時，不需要建立與之相關的數學模型，而是直接測量鋁電解設備在工作的過程當中釋放出的信號[3]。直接對于信號進行分析，提取其中的方差以及頻率等特征，從而直接找出故障發生源頭位置。

目前信號處理診斷法當中，使用的較為頻繁的方式既是直接測量法。因為鋁電解設備在運行當中，都會產生直接輸出量。同時直接測量方法也可以針對于信號輸入的來源進行檢查，檢查原理與上述基本相同。這種檢查方式的有點在于該檢查方式檢查效果較為只管，且該檢查方式對于資源消耗較小，但是自身也具備一定程度上的局限性，對于儀表盤的準確性極為依賴，如果測量儀表自身存在一定的危險與瑕疵，就會直接導致測量工作不準確，故障檢測人員出現錯誤的判斷。

（3）人工智能診斷法。人工智能診斷法是目前最為先進的診斷方法之一。該故障診斷方法的優勢在于既不依賴于信號測量的準確度，也不需要復雜的數學模型，該診斷方式主要具有下列三個特點：1）因為很多設備出現的問題較為復雜難以通過簡單的檢測發現其中的問題，因此人工智能診斷法能夠有效解決進行邏輯推理的復雜問題；2）人工智能診斷法診斷更為便捷有效，出現意外能夠及時做出調整，避免問題擴大化；3）人工智能診斷法可以有效將診斷分為基于癥狀的方法和基于定性模型的方法。

3 故障診斷系統實現

故障診斷主程序。故障診斷系統實現主要遵循一下步驟：1）在診斷的過程當中，定時在設備運行現場進行數據采集，然后再將采集到的數據上傳到上位管理機當中，之后在將數據放入數據庫之中，之后在有針對性的進行數據處理，采集數據的主要方向包括：數據的濾波以及對于數值的計算等方面。2）在采集數據之后，對于設備故障進行初步的診斷，在診斷過程當中主要通過模糊故障檢測系統，對于故障發生原因以及位置進行粗略的判斷，然后根據模糊檢測方式得出的數據，運算數據發生的概率，一旦設備故障發生的數據概率大于50%時，即說明設備自身已經存在極為嚴重的問題，極有可能發生故障。3）故障的診斷以及預報可以采用智能診斷方式，先是在現場進行數據采集，對于采集到的經數據在經過專門的處理之后作為各故障診斷子網絡的輸入信號源，然后在子網絡當中的輸出值送入模糊神經網絡，確定故障類型。4）在出現問題之后，及時啟動報警程序，并提示系統故障信息。

4 結論

綜上所述，目前我國在鋁制品的電解工業當中處于發展階段，很多設備在實際運行的過程當中存在一定問題，導致鋁制品質量嚴重降低，同時工作中浪費很多不必要的電能，對于工業生產而言，能源浪費會造成企業經濟損失。為了使鋁電解設備能夠更好的運作，完善故障診斷方法極為重要。

參考文獻：

[1]王福元，趙建社，唐霖.多系統集成電解加工控制策略與故障診斷方法研究[J].兵工學報，2015（06）：1074-1081.

[2]趙仁濤，張雨，李華德，郭彩喬，鐵軍.基于銅電解槽電流分布估計的燒板故障診斷[J].化工學報，2015（05）：1806-1814.

[3]王福元，徐家文，吳祥.電解加工過程中智能故障診斷方法的研究[J].機械制造，2005（03）：30-32.endprint