连续退火生产线风机振动在线监测系统的建立及应用分析

撰文/马军

■攀钢集团西昌钢钒有限公司冷轧厂



连续退火生产线风机振动在线监测系统的建立及应用分析

撰文/马军

■攀钢集团西昌钢钒有限公司冷轧厂

本文介绍了攀钢西昌钢钒有限公司冷轧连退生产线风机振动在线监测与故障诊断系统，该系统集成了传感技术、信号分析技术、专家系统等功能，实现了风机振动信号的实时采集、分析，能够预报故障的变化趋势，为定期维修过渡到状态维修提供科学的依据。关键词：退火炉；风机；振动监测系统；故障诊断

带钢连续退火生产线退火炉上的各类风机属于旋转机械设备，是生产流程中的关键性设备，它们的正常运行是连退机组得以连续安全生产的根本保证。但是在实际生产过程中，连续退火生产线上风机经常由于安装质量、检修不到位、维护不周、超负荷运转等问题而发生很多故障。为了保证安全生产以及对其进行科学维护，需要对风机的运行状态进行在线监测及预测。风机是否能正常运行，不仅要从风机的电机的实际电流、转矩进行监测控制，还要对风机运行时的振动状态进行监控、分析，才能及时、准确的判断出风机是否处于正常状态。因此在西昌钢钒有限公司连退机组的建设过程中，把风机运行时的振动状态监控作为一个重点工作，并结合实际情况建立了一套风机振动在线监测系统.

检测点的确定

a确定需要进行振动监控的风机

西昌钢钒有限公司冷轧建有两条带钢连续退火生产机组。每条连退机组的退火炉上配置有助燃风机、排烟风机、循环冷却风机各38台，风机数量多，发生故障的机率更高。通过对退火炉的退火炉工艺结构、风机运行状态、与退火炉生产存在安全联锁控制条件等因素的分析，决定对退火炉的预热段循环风机（2台）、加热段排烟风机（4台）、缓冷段循环冷却风机（2台）、快冷段循环冷却风机（6台）、终冷段循环冷却风机（4台）、水淬烘干风机（2台）进行振动检测、监控。

b风机检测点数量的确定

根据风机的安装结构及风机振动机理分析，在需要检测的各台风机轴承座两端各设一个检测点，每座炉子需要检测的有二十台风机，共四十个检测点。两条连退机组退火炉一共80个检测点。

系统构成

图1　系统拓扑图

本厂有两条连退生产线、一条酸轧机组、一条热酸洗机组、预留一条热镀锌生产线，且当前振动监测系统只对两条连退机组退火炉风机的状态进行监控的特点，在线监测系统的设计遵循以下原则：系统要基于风机的结构特点、齿轮、滚动轴承和电动机的故障机理以及现代信号处理技术、计算机技术、人工智能技术和网络通讯技术等建立的，具有先进性、可靠性、实用性和可扩展性等特点。系统拓扑图如图1所示。

系统配置简洁，抗干扰能力强。方案中采用分布式数据采集架构，保证系统具有较高的抗干扰能力和数据处理能力；数据主传输网络采用光纤环网方式，确保数据传输网络的畅通。本系统采用星型网络方式接入厂内局域网系统站，并接受外部网络的信息和向外部网络提供系统信息以及数据交换。

系统硬件配置

振动检测系统采用ROCKWELL ENTEK方案，系统主要由传感器、振动监测模块、智能数据采集箱、数据服务器、工程师站和网络通讯设备组成，具有数据显示、采集和存储、状态监测、信号分析和智能故障诊断等功能。振动监测模块将安装在风机上的传感器输出的电信号通过A/D转换成数字信号，输出传感器原始信号。智能数据采集箱将振动监测模块传输的信号进行采集，并通过网络通讯，将采集的数据同时传输、存储在数据服务器上，保证数据不丢失。在工程师站上，对从数据服务器中取得的实时数据和历史数据进行分析和故障诊断。

a传感器及振动监测模块配置

采用ROCKWELL entek-9000A加速度传感器（型号EK-43781I）振动速度传感器全部安装在风机轴承座上，根据风机振动监测需求为每台风机配置2个振动速度传感器，1块双通道XM-120振动模块。

b智能数据采集箱配置

智能数据采集箱是模块化结构，根据现场设备分布情况3

块至4块振动模块对应一个智能数据采集箱。智能数据采集箱安装在现场，智能数据采集箱中安装有带以太网通信接口的通讯网络硬件1788-EN2DN。智能数据采集箱负责系统各模块的协调工作，完成数据采集、数据输出、报警等。

c服务器及客户端配置

系统配置一个服务器，两台客户端。服务器放于2#连退出口电气室，客户端分别放于1#、2#连退的出口电气室。

智能数据采集箱、状态数据服务器及工程师站通过ROCKWELL交换机（1783-US08T）组成局域网。工程师站和通讯网络硬件1788-EN2DN之间通过局域网互相访问。通信网络采用工业以太网协议。为有利于分析和诊断设备故障，本系统可与主线机组PLC控制系统通讯，引入设备的其他相关参数，如力矩、速度、功率、张力等工艺和电气参数。

系统软件及功能

采用ROCKWELL自动化的设备状态监测软件EMONITOR，支持MS-SQL Serve和CENTURA等数据库服务器。在本方案中该软件作为监测数据和分析诊断的核心，集成有广泛应用的预测维修技术，集离线监测和在线监测于一身，可建立机器测点数据库、安排巡检路径及装入到数据采集器中、现场采集数据并存放到服务器及客户机中、分析及诊断设备状态和故障等工作。系统具有适用于风机轴承、滚动轴承和电动机的振动分析方法，可将监测到的振动数据进行倒频谱分析、包络分析、趋势分析、概率密度分析、小波变换（分析）和对比分析等，能够准确识别轴频、齿轮啮合频率及滚动体通过频率等特征数据。同时，通过对振动与温度等其它测量参数的分析，实现设备故障更全面更准确的诊断。在软件中有多种报警设置功能，可根据设备的实际状态进行幅值和频段报警设置，从而及时提示设备运行中的各种故障。实际运用中还利用了软件的智能判断框架模块，自动频率识别功能和专家诊断功能。

结束语

本文中的系统，其架构是基于攀钢西昌钢钒公司冷轧的两条连退机组的实际情况，充分利用一套系统覆盖两条机组。该系统具有较高的可扩展性，为其它机组设备的状态监控留有接口，可根据需要扩展至全厂，对全厂需检测的设备进行检测、监控，为今后的建设节约投资成本。该系统的建立提高了风机故障的诊断速度和可靠性，避免重大设备事故的发生，降低经济损失。在工业机械监测领域具有一定的实用性。

参考：

［1］谢麟阁.自动控制原理［M］.北京:水利电力出版社，1991.

［2］施维新.汽轮发电机组振动及事故［M］.北京:中国电力出版社，1999.

［3］王旭峰.基于倒频谱分析法的滚动轴承故障研究.昆明理工大学硕士学位论文.2010.