卷取张力控制过程的故障诊断

张琳 翁正新

摘要：

在冶金工业生产中，带材的卷取过程会直接影响产品的最终质量.卷取张力是保证卷取过程稳定的重要因素.因此卷取张力控制过程的故障诊断具有现实意义.采用偏最小二乘（Partial Least Squares，PLS）对卷取张力控制过程的故障进行诊断.PLS是一种利用统计原理提取过程数据中的有用信息建立过程模型的降维技术.它不仅可以完成数据降维和特征提取，还考虑了输入、输出数据之间的回归关系.通过PLS分解可以降低空间的维数，使提取的主元具有变化度和可区分性，最后根据T2和Q统计量实现故障检测，通过累计贡献图实现故障识别.仿真结果验证了方法的可行性.

关键词：

卷取张力； 故障诊断； 偏最小二乘

中图分类号： TG 335.5文献标志码： A

Abstract：

In procedure of metallurgical production，the strip winding process directly affects the the quality of the final product.Winding tension is one of the important factors for the guarantee of the stability of the coiling process.The winding tension control process is the key to ensure the quality of the product.Therefore，the fault diagnosis of the winding tension control process is of realistic significance.In this paper，a fault diagnosis method based on partial least square （PLS） is used to diagnose the faults in winding tension control process.PLS analysis method is a data dimensionality reduction technology，which extracts useful data information and builds process model by the statistical principle.This technology can not only reduce the dimensions of process data and extract the data feature，but also consider the regression relationship between the input and output variables.By PLS，dimensionality reduction is achieved and principal component is variational and separable.Hence，the fault can be detected by monitoring T2 and Q which are calculated as relative principal components and the fault can be recognized according to the accumulation contribution chart. Simulation results have verified the validity of the presented approach.

Keywords：

winding tension； fault diagnosis； partial least squares（PLS）

卷取机在冶金行业里用于金属带材的成卷或开卷.作为生产工艺的最后一道工序，卷取效果直接影响生产效率和产品质量.由于卷取过程的复杂性，一般通过对卷取张力的分析来说明卷取过程的状态.卷取张力的不稳定不仅会引起带材黏结、跑偏和松卷等产品质量方面的问题，甚至还会引起断带，造成生产安全事故.卷取张力控制是保证带材在卷取过程中，不受轧机加减速的影响，并且随着带卷直径的增大或减小，使卷取机的传动电机按比例提供加速或减速力矩，从而保证卷取张力的恒定.以往对于张力控制过程采用专家系统进行故障诊断，而专家系统需要一个庞大的历史数据库作为诊断依据[1-2].因此，需要不断收集新的故障信息，以充实和完善专家库，而这些无疑都会增加成本的投入.本文采用一种基于偏最小二乘的故障诊断方法对卷取张力控制过程中出现的故障进行诊断，通过对系统中产生的过程数据进行统计与分析，从而判断故障的发生，并且查找故障源.它不需要额外的硬件投入，是一种低成本、高可靠的故障诊断技术.

1卷取张力控制过程的组成

以某单位12辊可逆式冷轧机的卷取张力控制过程作为研究对象.卷取张力控制过程如图1所示.从图1中可以看出，该卷取张力控制部分主要由卷取机（卷筒、减速机）、卷取电动机、导向辊和测速发电机等组成.

卷取张力控制是指在正常卷取状态过程中保证卷取张力的恒定.由图1可知，卷取张力是由轧辊出口速度与卷取线速度之差形成的.随着带材卷径的逐渐增大，为保持恒张力卷取，卷取的线速度必须保持不变，因而卷筒的转速要逐渐减小.另外在轧制速度提升或者降低时，卷取机的传动电机必须按比例提供加速或减速力矩，从而保证带材张力的恒定.

2影响卷取张力的因素

卷取张力的控制方法一般可以分为直接控制法和间接控制法.本文所述的卷取张力控制过程采用间接控制法，即维持电枢电流Ia和卷取电动机磁通与带材卷径的比值Ф/D恒定来维持张力恒定.为合理利用卷取电动机功率，电动机采用基速以下满磁工作，使Ia=Ig∞D/Φ，Ig为调速装置转速调节器输出限幅值.由于基速以下磁通Ф不变，电枢电流Ia的主要影响取决于带材卷径D.轧机没有卷径测量装置，因此带材卷径D通过下式实时计算得到：

3偏最小二乘概述

3.1偏最小二乘原理

偏最小二乘（Partial Least Squares，PLS）是一种数据降维和特征提取方法.其实质是依据主元提取的思想将原始输入变量数据中相关程度最大的成分提取出来，投影到新的数据空间，然后用最小二乘进行回归[3].这里的最小二乘回归是有偏估计，是以一定的偏差为代价换取估计精度.

PLS中主元提取与回归的计算是同时进行的.因此，PLS模型包括外部模型和内部模型.

PLS外部模型：

3.4故障诊断架构

偏最小二乘应用于故障诊断的一般架构和步骤[9-10]：

（1） 用正常工况下的数据建立PLS故障检测模型，确定统计量控制限.

（2） 采集过程数据，进行PLS分析，计算统计量，建立统计图.

（3） 计算出的统计曲线位于控制限以下，说明过程正常，如有点超出控制限，则认为检测到故障.

（4） 检测到故障后，利用统计量贡献图查找导致故障的主导变量.

4张力控制系统的故障诊断

以卷取电动机测速发电机故障为例进行研究.图2是故障发生时间段内各参数的变化情况，其中参数1为卷取电动机转速，参数2为轧制力，参数3为卷取线速度，参数4为输出转矩，参数5为电枢电流，参数6为实时卷径.

由图2可知，在接近543 s时，参数1卷取电机转速发生了突降，紧接着参数6实时卷径增大（参数6实时卷径值由式（1）计算而得）.为保持卷取张力恒定，参数5电枢电流也相应增大.但由于实际卷径值并未增大，所以此时卷取张力并未恒定，而是增大，进而导致参数2轧制力也下降.这就是因元器件故障而导致的张力波动的一个典型的情况.

在故障发生时间段内，数据的采样是在图2中525 s处开始，采样次数300次，采样周期100 ms，共计采样时间30 s.即采样时间段从525 s开始到555 s结束，每0.1 s为1个采样点.卷取电动机测速发电机故障的检测结果如图3所示.导致故障的主导变量如图4所示.

本文采用T2和Q统计量作为故障检测指标.图3中的横线为T2和Q统计量的控制限，曲线为各自的统计量.针对卷取机测速发电机故障，T2图和Q统计图都能明显看出在接近第190个采样点附近发生了故障，故障维持到第200个采样点左右结束，即故障发生于采样时间段内的544 s左右，到545 s左右结束.该情况与图2反映的情况相同.

5结论

仿真结果表明：基于PLS的故障诊断方法能够对卷取张力过程中出现的故障做出准确的判断，并通过累计贡献图找出故障源.本文采用了离线数据对故障进行了诊断测试，今后可以采用在线数据进行测试，这样能更好地体现该故障诊断方法的实用性.

参考文献：

[1]马建军.基于蚁群算法的连退机组张力系统故障诊断研究[D].沈阳：东北大学，2010.

[2]蔡德辉.轧制过程中张力控制系统的远程检测及诊断研究[D].广州：广东工业大学，2004.

[3]蒋浩天.工业系统的故障检测与诊断[M].北京：机械工业出版社，2003.

[4]VAPNIK V N.统计学习理论的本质[M].张学工，译.北京：清华大学出版社，1999.

[5]李晗，萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策.2011，26（1）：1-9.

[6]GELADI P，KOWALSKI B R.Partial least squares regression a tutorial[J].Analytiea Chimiea ACta，1986，185：1-17.

[7]唐凯.基于多元统计过程控制的故障诊断技术[D].杭州：浙江大学.2004.

[8]王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999.

[9]林雪梅.PLS及其扩展方法在过程监控中的应用研究[D].沈阳：沈阳理工大学，2008.

[10]郭明.基于数据驱动的流程工业性能监控与故障诊断研究[D].杭州：浙江大学，2004.

[11]刘育明.基于多元统计监控的研究与应用[D].杭州：浙江大学，2006.

（编辑：丁红艺）