轧钢机状态监测与故障分析.docx

轧钢机状态监测与故障分析目前，轧钢机的自动化程度已经达到了一个较高的水平，其结构复杂，而且实际运行过程具有高温、高压、高速等特点，一旦出现故障，就会产生链式反应，可能导致整个设备损坏，不仅造成巨大的经济损失，还有可能危及人身安全。实践经验和历史教训使人们越来越清醒地认识到，要保证轧钢机的安全性和产品质量的稳定性，需要对整个轧钢机进行状态监测和故障诊断。轧钢机状态监测是对轧钢机涉及到的主要过程变量进行实时监控，判断故障是否发生。基于轧钢机的故障诊断主要研究如何对轧钢机的故障进行检测、分离、识别以及过程恢复。01轧钢机状态监测轧钢机状态监测的主要内容如下：1）轧钢机力能参数的状态监测：包括各机架轧制压力、轧制力矩、活套转矩、活套液压缸压力、活套角度等。2）轧制工艺状态监测：包括精轧入口带钢速度、温度、厚度、轧辐辐缝、工作辐速度等。3）轧钢机设备的状态监测：包括各主要轴承的温度、油温、轧钢机各部件的振动、电机转子的轴心位移、各主要零件（如齿轮和轴承等）磨损等。02轧钢机主要故障分类为了对轧钢机的状态监测和故障诊断方法进行合理的分类，本文将轧钢机的故障划分为设备故障、系统故障和产品质量故障3个级别。1）设备故障主要指轧钢机所包含的生产设备出现的各种机械故障，如电液伺服阀，齿轮以及轴承等故障。2）系统故障主要指轧钢机控制系统由于工艺设计问题或者工人误操作偏离正常工艺规程而使系统难以按照上位机的指令进行动作，从而使生产不能正常进行的各类故障。3）产品质量故障主要指由于轧钢机设备或系统产生扰动和故障而使轧制产品质量出现异常，如带钢产品厚度或者板形精度达不到要求等故障。03轧钢过程变量数据特性分析以及轧钢机故障特性分析反映轧钢机设备工作状态的主要过程变量有200多个，包括温度、压力、速度、液压参数、张力、转矩以及电参数等。这些过程变量之间相互耦合，如轧辐辐缝的变化会影响轧件出口厚度，而出口厚度的变化又会影响前滑值，同时影响前滑值的因素还有压下量、轧件和轧辐间的摩擦系数等。轧钢过程变量之间除了相互耦合特性之外，还具有非线性、动态性、大规模以及多尺度等特性。轧钢机系统是个非常典型的非线性系统，过程变量之间存在很强的非线性关系。数据动态特性，是指某一时刻的观测数据与过去一段采样的观测数据时序相关的特性。在轧钢过程中，各传感器的采样时间间隔很短，而且存在储能环节和闭环控制系统，因此轧钢过程数据具有明显的动态特性。数据大规模特性，是指在轧钢过程中，每一个生产流程都要涉及大量的设备和装置，包括多个子系统及操作区域。多尺度特性，是指轧钢机系统是一个多层次、高性能的复杂工业系统，不同位置不同性质的故障一般只发生在某个特定频段，所以轧制生产过程包括多个频率特征，过程数据具有多尺度特性。轧钢机故障与故障征兆信号之间表现出错综复杂的关系，例如轧辐偏心故障是由轧制力、辐缝、产品厚度偏差等参数超限造成的，而轧制速度参数超限也可以造成轧辐表面磨损、电机机械故障、电流电压异常等，属于多征兆多故障的情况。而且当多故障同时发生时，往往会耦合在一起，对应着同一种故障的同一种信号，其征兆也会不一样，因此，征兆与故障之间也存在着不明确的对应关系。