分析在鋼鐵冶煉設(shè)備中的故障診斷
時(shí)間:
連斌忠 丁小1由 分享
【關(guān)鍵詞】故障,診斷,設(shè)備,鋼鐵,分析,方法,系統(tǒng),信號(hào),基于,處理,
1 故障診斷技術(shù)的發(fā)展[1]
故障診斷(FD)始于(機(jī)械)設(shè)備故障診斷,其全名是狀態(tài)監(jiān)測(cè)與故障診斷(CMFD)。它包含兩方面內(nèi)容:一是對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè);二是在發(fā)現(xiàn)異常情況后對(duì)設(shè)備的故障進(jìn)行分析、診斷。故障診斷技術(shù)是一門(mén)交叉學(xué)科,融合了現(xiàn)代控制理論、信號(hào)處理、模式識(shí)別、最優(yōu)化方法、決策論、人工智能等,為解決復(fù)雜系統(tǒng)的故障診斷問(wèn)題提供了強(qiáng)有力的理論基礎(chǔ),同時(shí)實(shí)現(xiàn)了故障診斷技術(shù)的實(shí)用化;近二十年來(lái),由于技術(shù)進(jìn)步與市場(chǎng)需求的雙重驅(qū)動(dòng),故障診斷技術(shù)得到了快速發(fā)展,已在航空航天、核反應(yīng)堆、電廠(chǎng)、鋼鐵、化工等行業(yè)得到了成功應(yīng)用,取得了顯著的經(jīng)濟(jì)效益;從故障診斷技術(shù)誕生起,國(guó)際自動(dòng)控制界就給予了高度重視。
以運(yùn)動(dòng)機(jī)械的振動(dòng)檢測(cè)為中心,輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集,從而對(duì)鋼鐵冶煉中的各種大型傳動(dòng)設(shè)備的狀態(tài)進(jìn)行分析和判斷,從而達(dá)到故障診斷的目的。
2 故障診斷的主要理論和方法[2-3]
1971年Beard 發(fā)表的博士論文以及Mehra和Peschon發(fā)表的論文標(biāo)志著故障診斷這門(mén)交叉學(xué)科的誕生。發(fā)展至今已有30多年的發(fā)展歷史,但作為一門(mén)綜合性新學(xué)科——故障診斷學(xué)——還是近些年發(fā)展起來(lái)的。從不同的角度出發(fā)有多種故障診斷分類(lèi)方法,這些方法各有特點(diǎn),但從學(xué)科整體可歸納以下幾類(lèi)方法。
1) 基于系統(tǒng)數(shù)學(xué)模型的診斷方法:該方法以系統(tǒng)的數(shù)學(xué)模型為基礎(chǔ),以現(xiàn)代控制理論和現(xiàn)代優(yōu)化方法為指導(dǎo),利用Luenberger觀測(cè)器 、等價(jià)空間方程、Kalman濾波器、參數(shù)模型估計(jì)與辨識(shí)等方法產(chǎn)生殘差,然后基于某種準(zhǔn)則或閥值對(duì)殘差進(jìn)行分析與評(píng)價(jià),實(shí)現(xiàn)故障診斷。該方法要求與控制系統(tǒng)緊急結(jié)合,是實(shí)現(xiàn)監(jiān)控、容錯(cuò)控制、系統(tǒng)修復(fù)與重構(gòu)等的前提、得到了高度重視,但是這種方法過(guò)于依賴(lài)系統(tǒng)數(shù)學(xué)模型的精確性,對(duì)于非線(xiàn)性高耦合等難以建立數(shù)學(xué)模型的系統(tǒng),實(shí)現(xiàn)起來(lái)較困難。如狀態(tài)估計(jì)診斷法、參數(shù)估計(jì)診斷法、一致性檢查診斷法等。
2) 基于系統(tǒng)輸入輸出信號(hào)處理的診斷方法:通過(guò)某種信息處理和特征提取方法來(lái)進(jìn)行故障診斷,應(yīng)用較多的有各種譜分析方法、時(shí)間序列特征提取方法、自適應(yīng)信號(hào)處理方法等。這種方法不需要對(duì)象的準(zhǔn)備模型,因此適應(yīng)性強(qiáng)。這類(lèi)診斷方法有基于小波變換的診斷方法、基于輸出信號(hào)處理的診斷方法、基于時(shí)間序列特征提取的診斷方法?;谛畔⑷诤系脑\斷方法等。
3) 基于人工智能的診斷方法:基于建模處理和信號(hào)處理的診斷技術(shù)正發(fā)展為基于知識(shí)處理的智能診斷技術(shù)。人工智能最為控制領(lǐng)域最前沿的學(xué)科,在故障診斷中已得到成功的應(yīng)用。對(duì)于那些沒(méi)有精確數(shù)學(xué)模型或者很難建立數(shù)學(xué)模型的復(fù)雜大系統(tǒng),人工智能的方法有其與生俱來(lái)的優(yōu)勢(shì)。基于專(zhuān)家系統(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)與基于模糊邏輯的診斷方法已成為解決復(fù)雜大系統(tǒng)故障診斷的首選方法,有很高的研究?jī)r(jià)值和應(yīng)用前景。這類(lèi)智能診斷方法有基于專(zhuān)家系統(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)、基于模糊邏輯的診斷方法、基于故障樹(shù)分析的診斷方法等。
4) 其它診斷方法:其它診斷方法有模式識(shí)別診斷方法、定性模型診斷方法以及基于灰色系統(tǒng)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(bǔ)不足而形成的一些混合診斷方法。
3 鋼鐵行業(yè)中故障診斷技術(shù)的應(yīng)用[4-6]
鋼鐵行業(yè)中的主要機(jī)械設(shè)備是各種傳動(dòng)設(shè)備和液壓設(shè)備,如軋機(jī)、傳送帶、各種風(fēng)機(jī)等。它們的工作狀況決定了生產(chǎn)效率和鋼鐵冶煉的質(zhì)量,對(duì)這些設(shè)備狀態(tài)的在線(xiàn)檢測(cè),能夠及時(shí)、準(zhǔn)確的檢測(cè)出生產(chǎn)設(shè)備的運(yùn)行狀況,并給出相應(yīng)的操作和建議。因此建立相應(yīng)的故障診斷系統(tǒng)對(duì)整個(gè)系統(tǒng)的正常運(yùn)行特別重要。于是針對(duì)鋼鐵行業(yè)特殊的機(jī)械環(huán)境(多傳動(dòng)設(shè)備和液壓設(shè)備),相應(yīng)的故障診斷系統(tǒng)也必須以這些設(shè)備的特點(diǎn)而建立。主要原理是以運(yùn)動(dòng)機(jī)械的振動(dòng)參量檢測(cè)為中心,輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集,從而對(duì)這些大型傳動(dòng)設(shè)備的狀態(tài)進(jìn)行分析和判斷,再進(jìn)行相應(yīng)的處理。整套故障診斷系統(tǒng)由計(jì)算機(jī)系統(tǒng)、數(shù)據(jù)采集單元、檢測(cè)元件、數(shù)據(jù)通訊單元以及專(zhuān)業(yè)開(kāi)發(fā)軟件組成。此系統(tǒng)既可單獨(dú)工作,又可和DCS或PLC組成分散式故障診斷系統(tǒng)對(duì)所遇生產(chǎn)設(shè)備進(jìn)行監(jiān)控和故障診斷。整個(gè)系統(tǒng)的工作流程圖如圖1所示。
機(jī)械振動(dòng)是普遍存在工程實(shí)際中,這種振動(dòng)往往會(huì)影響其工作精度,加劇及其的磨損,加速疲勞損壞;同時(shí)由于磨損的增加和疲勞損壞的產(chǎn)生又會(huì)加劇機(jī)械設(shè)備的振動(dòng),形成一個(gè)惡性循環(huán),直至設(shè)備發(fā)生故障,導(dǎo)致系統(tǒng)癱瘓、損壞。同時(shí)機(jī)械設(shè)備的工作環(huán)境也是造成機(jī)械設(shè)備發(fā)生故障主要原因之一,因此,根據(jù)對(duì)機(jī)械振動(dòng)信號(hào)和工作環(huán)境溫度、濕度的測(cè)量和分析,不用停機(jī)和解體方式,就可以對(duì)機(jī)械的惡劣程度和故障性質(zhì)有所了解。同時(shí)根據(jù)以往經(jīng)驗(yàn)建立相應(yīng)的處理機(jī)制庫(kù),從而針對(duì)不同的故障做出相應(yīng)的診斷和處理。整個(gè)處理過(guò)程如下:
1)傳感器采集設(shè)備工作狀態(tài)信號(hào)。如各種傳動(dòng)裝置的振動(dòng)信號(hào)、溫度信號(hào)、液壓裝置的壓力、流量和功率信號(hào)等。
2)特征信號(hào)提取。將各種傳感器采集信號(hào)進(jìn)行信號(hào)分類(lèi),刷選出相應(yīng)的傳感器信號(hào),如振動(dòng)傳感器采集的文振動(dòng)強(qiáng)度信號(hào)、壓力傳感器采集的壓力信號(hào)等。
3)對(duì)特征信號(hào)處理。對(duì)傳感器采集的特征信號(hào)進(jìn)行濾波、放大等處理,提取出相應(yīng)的特征信號(hào)。
4)對(duì)采集信號(hào)進(jìn)行故障診斷。將提取的特征信號(hào)進(jìn)行判斷處理,選擇相應(yīng)的故障方法(如小波變換法),分析故障類(lèi)型和設(shè)備狀態(tài),然后查詢(xún)故障類(lèi)型庫(kù),做出相應(yīng)的決策。
4 結(jié)束語(yǔ)
建立在現(xiàn)代故障診斷技術(shù)上的鋼鐵冶煉設(shè)備故障診斷系統(tǒng),可對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)在線(xiàn)檢測(cè)、通過(guò)對(duì)其監(jiān)測(cè)信號(hào)的處理與分析,可真實(shí)地反映出設(shè)備的運(yùn)行狀態(tài)和松動(dòng)磨損等情況的發(fā)展程度及趨勢(shì),為預(yù)防事故、科學(xué)合理安排檢修提供依據(jù),可以提高設(shè)備的利用效率,產(chǎn)生了很大的經(jīng)濟(jì)價(jià)值,對(duì)此類(lèi)故障診斷系統(tǒng)的研究有很深遠(yuǎn)的意義。
參考文獻(xiàn):
[1] 沈慶根,鄭水英.設(shè)備故障診斷[M].北京:化學(xué)工業(yè)出版社,2006.
[2] 王仲生.智能故障診斷與容錯(cuò)控制[M].西安:西北工業(yè)大學(xué)出版社,2005.
[3] 李民中.狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)在煤礦大型機(jī)械設(shè)備上的應(yīng)用[J].煤礦機(jī)械,2006(03).
[4] 傅其鳳,葛杏衛(wèi).基于BP神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷[J].煤礦機(jī)械,2006(04).
[5] 李光民,陳燕.振動(dòng)監(jiān)測(cè)和故障診斷技術(shù)在冶金機(jī)電設(shè)備的應(yīng)用[J].河南冶金,2008(3):44-46.
[6] 劉兆陽(yáng).大型旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的設(shè)計(jì)研究[J].通用機(jī)械,2006(01):30-33.
1 故障診斷技術(shù)的發(fā)展[1]
故障診斷(FD)始于(機(jī)械)設(shè)備故障診斷,其全名是狀態(tài)監(jiān)測(cè)與故障診斷(CMFD)。它包含兩方面內(nèi)容:一是對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè);二是在發(fā)現(xiàn)異常情況后對(duì)設(shè)備的故障進(jìn)行分析、診斷。故障診斷技術(shù)是一門(mén)交叉學(xué)科,融合了現(xiàn)代控制理論、信號(hào)處理、模式識(shí)別、最優(yōu)化方法、決策論、人工智能等,為解決復(fù)雜系統(tǒng)的故障診斷問(wèn)題提供了強(qiáng)有力的理論基礎(chǔ),同時(shí)實(shí)現(xiàn)了故障診斷技術(shù)的實(shí)用化;近二十年來(lái),由于技術(shù)進(jìn)步與市場(chǎng)需求的雙重驅(qū)動(dòng),故障診斷技術(shù)得到了快速發(fā)展,已在航空航天、核反應(yīng)堆、電廠(chǎng)、鋼鐵、化工等行業(yè)得到了成功應(yīng)用,取得了顯著的經(jīng)濟(jì)效益;從故障診斷技術(shù)誕生起,國(guó)際自動(dòng)控制界就給予了高度重視。
以運(yùn)動(dòng)機(jī)械的振動(dòng)檢測(cè)為中心,輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集,從而對(duì)鋼鐵冶煉中的各種大型傳動(dòng)設(shè)備的狀態(tài)進(jìn)行分析和判斷,從而達(dá)到故障診斷的目的。
2 故障診斷的主要理論和方法[2-3]
1971年Beard 發(fā)表的博士論文以及Mehra和Peschon發(fā)表的論文標(biāo)志著故障診斷這門(mén)交叉學(xué)科的誕生。發(fā)展至今已有30多年的發(fā)展歷史,但作為一門(mén)綜合性新學(xué)科——故障診斷學(xué)——還是近些年發(fā)展起來(lái)的。從不同的角度出發(fā)有多種故障診斷分類(lèi)方法,這些方法各有特點(diǎn),但從學(xué)科整體可歸納以下幾類(lèi)方法。
1) 基于系統(tǒng)數(shù)學(xué)模型的診斷方法:該方法以系統(tǒng)的數(shù)學(xué)模型為基礎(chǔ),以現(xiàn)代控制理論和現(xiàn)代優(yōu)化方法為指導(dǎo),利用Luenberger觀測(cè)器 、等價(jià)空間方程、Kalman濾波器、參數(shù)模型估計(jì)與辨識(shí)等方法產(chǎn)生殘差,然后基于某種準(zhǔn)則或閥值對(duì)殘差進(jìn)行分析與評(píng)價(jià),實(shí)現(xiàn)故障診斷。該方法要求與控制系統(tǒng)緊急結(jié)合,是實(shí)現(xiàn)監(jiān)控、容錯(cuò)控制、系統(tǒng)修復(fù)與重構(gòu)等的前提、得到了高度重視,但是這種方法過(guò)于依賴(lài)系統(tǒng)數(shù)學(xué)模型的精確性,對(duì)于非線(xiàn)性高耦合等難以建立數(shù)學(xué)模型的系統(tǒng),實(shí)現(xiàn)起來(lái)較困難。如狀態(tài)估計(jì)診斷法、參數(shù)估計(jì)診斷法、一致性檢查診斷法等。
2) 基于系統(tǒng)輸入輸出信號(hào)處理的診斷方法:通過(guò)某種信息處理和特征提取方法來(lái)進(jìn)行故障診斷,應(yīng)用較多的有各種譜分析方法、時(shí)間序列特征提取方法、自適應(yīng)信號(hào)處理方法等。這種方法不需要對(duì)象的準(zhǔn)備模型,因此適應(yīng)性強(qiáng)。這類(lèi)診斷方法有基于小波變換的診斷方法、基于輸出信號(hào)處理的診斷方法、基于時(shí)間序列特征提取的診斷方法?;谛畔⑷诤系脑\斷方法等。
3) 基于人工智能的診斷方法:基于建模處理和信號(hào)處理的診斷技術(shù)正發(fā)展為基于知識(shí)處理的智能診斷技術(shù)。人工智能最為控制領(lǐng)域最前沿的學(xué)科,在故障診斷中已得到成功的應(yīng)用。對(duì)于那些沒(méi)有精確數(shù)學(xué)模型或者很難建立數(shù)學(xué)模型的復(fù)雜大系統(tǒng),人工智能的方法有其與生俱來(lái)的優(yōu)勢(shì)。基于專(zhuān)家系統(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)與基于模糊邏輯的診斷方法已成為解決復(fù)雜大系統(tǒng)故障診斷的首選方法,有很高的研究?jī)r(jià)值和應(yīng)用前景。這類(lèi)智能診斷方法有基于專(zhuān)家系統(tǒng)的智能診斷技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)、基于模糊邏輯的診斷方法、基于故障樹(shù)分析的診斷方法等。
4) 其它診斷方法:其它診斷方法有模式識(shí)別診斷方法、定性模型診斷方法以及基于灰色系統(tǒng)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(bǔ)不足而形成的一些混合診斷方法。
3 鋼鐵行業(yè)中故障診斷技術(shù)的應(yīng)用[4-6]
鋼鐵行業(yè)中的主要機(jī)械設(shè)備是各種傳動(dòng)設(shè)備和液壓設(shè)備,如軋機(jī)、傳送帶、各種風(fēng)機(jī)等。它們的工作狀況決定了生產(chǎn)效率和鋼鐵冶煉的質(zhì)量,對(duì)這些設(shè)備狀態(tài)的在線(xiàn)檢測(cè),能夠及時(shí)、準(zhǔn)確的檢測(cè)出生產(chǎn)設(shè)備的運(yùn)行狀況,并給出相應(yīng)的操作和建議。因此建立相應(yīng)的故障診斷系統(tǒng)對(duì)整個(gè)系統(tǒng)的正常運(yùn)行特別重要。于是針對(duì)鋼鐵行業(yè)特殊的機(jī)械環(huán)境(多傳動(dòng)設(shè)備和液壓設(shè)備),相應(yīng)的故障診斷系統(tǒng)也必須以這些設(shè)備的特點(diǎn)而建立。主要原理是以運(yùn)動(dòng)機(jī)械的振動(dòng)參量檢測(cè)為中心,輔助以溫度、壓力、位移、轉(zhuǎn)速和電流等各種參數(shù)的采集,從而對(duì)這些大型傳動(dòng)設(shè)備的狀態(tài)進(jìn)行分析和判斷,再進(jìn)行相應(yīng)的處理。整套故障診斷系統(tǒng)由計(jì)算機(jī)系統(tǒng)、數(shù)據(jù)采集單元、檢測(cè)元件、數(shù)據(jù)通訊單元以及專(zhuān)業(yè)開(kāi)發(fā)軟件組成。此系統(tǒng)既可單獨(dú)工作,又可和DCS或PLC組成分散式故障診斷系統(tǒng)對(duì)所遇生產(chǎn)設(shè)備進(jìn)行監(jiān)控和故障診斷。整個(gè)系統(tǒng)的工作流程圖如圖1所示。
機(jī)械振動(dòng)是普遍存在工程實(shí)際中,這種振動(dòng)往往會(huì)影響其工作精度,加劇及其的磨損,加速疲勞損壞;同時(shí)由于磨損的增加和疲勞損壞的產(chǎn)生又會(huì)加劇機(jī)械設(shè)備的振動(dòng),形成一個(gè)惡性循環(huán),直至設(shè)備發(fā)生故障,導(dǎo)致系統(tǒng)癱瘓、損壞。同時(shí)機(jī)械設(shè)備的工作環(huán)境也是造成機(jī)械設(shè)備發(fā)生故障主要原因之一,因此,根據(jù)對(duì)機(jī)械振動(dòng)信號(hào)和工作環(huán)境溫度、濕度的測(cè)量和分析,不用停機(jī)和解體方式,就可以對(duì)機(jī)械的惡劣程度和故障性質(zhì)有所了解。同時(shí)根據(jù)以往經(jīng)驗(yàn)建立相應(yīng)的處理機(jī)制庫(kù),從而針對(duì)不同的故障做出相應(yīng)的診斷和處理。整個(gè)處理過(guò)程如下:
1)傳感器采集設(shè)備工作狀態(tài)信號(hào)。如各種傳動(dòng)裝置的振動(dòng)信號(hào)、溫度信號(hào)、液壓裝置的壓力、流量和功率信號(hào)等。
2)特征信號(hào)提取。將各種傳感器采集信號(hào)進(jìn)行信號(hào)分類(lèi),刷選出相應(yīng)的傳感器信號(hào),如振動(dòng)傳感器采集的文振動(dòng)強(qiáng)度信號(hào)、壓力傳感器采集的壓力信號(hào)等。
3)對(duì)特征信號(hào)處理。對(duì)傳感器采集的特征信號(hào)進(jìn)行濾波、放大等處理,提取出相應(yīng)的特征信號(hào)。
4)對(duì)采集信號(hào)進(jìn)行故障診斷。將提取的特征信號(hào)進(jìn)行判斷處理,選擇相應(yīng)的故障方法(如小波變換法),分析故障類(lèi)型和設(shè)備狀態(tài),然后查詢(xún)故障類(lèi)型庫(kù),做出相應(yīng)的決策。
4 結(jié)束語(yǔ)
建立在現(xiàn)代故障診斷技術(shù)上的鋼鐵冶煉設(shè)備故障診斷系統(tǒng),可對(duì)設(shè)備的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)在線(xiàn)檢測(cè)、通過(guò)對(duì)其監(jiān)測(cè)信號(hào)的處理與分析,可真實(shí)地反映出設(shè)備的運(yùn)行狀態(tài)和松動(dòng)磨損等情況的發(fā)展程度及趨勢(shì),為預(yù)防事故、科學(xué)合理安排檢修提供依據(jù),可以提高設(shè)備的利用效率,產(chǎn)生了很大的經(jīng)濟(jì)價(jià)值,對(duì)此類(lèi)故障診斷系統(tǒng)的研究有很深遠(yuǎn)的意義。
參考文獻(xiàn):
[1] 沈慶根,鄭水英.設(shè)備故障診斷[M].北京:化學(xué)工業(yè)出版社,2006.
[2] 王仲生.智能故障診斷與容錯(cuò)控制[M].西安:西北工業(yè)大學(xué)出版社,2005.
[3] 李民中.狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)在煤礦大型機(jī)械設(shè)備上的應(yīng)用[J].煤礦機(jī)械,2006(03).
[4] 傅其鳳,葛杏衛(wèi).基于BP神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷[J].煤礦機(jī)械,2006(04).
[5] 李光民,陳燕.振動(dòng)監(jiān)測(cè)和故障診斷技術(shù)在冶金機(jī)電設(shè)備的應(yīng)用[J].河南冶金,2008(3):44-46.
[6] 劉兆陽(yáng).大型旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的設(shè)計(jì)研究[J].通用機(jī)械,2006(01):30-33.