分析轧钢设备故障诊断研究现状及发展趋势

唐文健 安贺顺

摘 要：近年来，随着社会发展需求对用钢量的不断增大，使钢铁产业实现了高速发展，特别是现代化信息技术在钢铁产业的 大 规模应用，使钢铁加工制作设备的功能越来越强大，设备种类也不断增多，但随之而来的是设备故障发生几率大幅度增加，特别是轧钢设备故障，无疑给钢铁的加工作业带来极大的影响。为了有效降低轧钢设备故障发生几率，确保钢铁加工作业的顺利开展，本文对轧钢设备故障诊断的研究现状及其发展趋势进行深入的分析。

关键词：轧钢设备 故障诊断 研究现状 发展趋势

中图分类号：TG33 文献标识码：A 文章编号：1674-098X（2018）02（a）-0036-02

在钢铁加工过程中，轧钢是其中一项非常重要的加工环节，在轧钢作业时需要用到轧钢设备，由于轧钢作业需要在高温、高压的环境中进行，再加上轧钢设备内部结构比较复杂，这也使轧钢设备非常容易发生故障，一旦轧钢设备出现故障，哪怕这个故障很微小，也可能给钢铁加工企业带来很大的经济损失。因此，为了确保钢铁得到顺利安全的轧制，保障产品质量，就必须要确保轧钢设备能够正常运转，并对轧钢设备的运行状态进行实时的监测，特别是对某些故障可能会给设备安全与产品质量带来影响的异常状况更要进行严密的监测与诊断，以此确保轧钢设备能够正常工作。

1 轧钢设备的主要故障

由于轧钢设备的内部结构比较复杂且不同种类的轧钢设备存在一定的差异，这也使轧钢设备的诊断存在很大困难，采取的故障诊断方法也有很大不同。因此，为了方便轧钢设备不同故障的诊断，合理选用诊断方法，本文将轧钢设备的故障类型分为3种，分别是设备控制回路故障、机械故障、工艺型以及扰动型故障。设备控制回路故障是轧钢设备故障的常见形式，该类故障是由于轧钢设备内部控制参数不当或其控制回路中的执行器与传感器受到外部干扰而引起的。机械故障则是轧钢设备在轧钢过程中内部机械结构发生损坏、磨损而引起的，现阶段所发生的机械故障位置主要集中在设备内部的液压系统与传动系统，这是因为轧钢设备在轧钢时需要较快的轧制速度，但由于轧制环境比較恶劣，这也使液压系统与传动系统中的轴承、齿轮经常发生磨损与损坏，进而引发机械故障。工艺型及扰动型故障又被称之为系统级故障，其中工艺型故障可能是由于轧钢设备的工艺设计或加工人员操作失误引起的，扰动型故障则是原材料的品质存在波动而引起的故障。据相关数据统计，工艺故障占到轧钢设备总故障的50%～60%，机械故障占到总故障的30%～40%，而设备控制回路故障等其他类型的故障发生几率则不超过10%。

2 轧钢设备故障诊断的研究现状

从目前我国对轧钢设备故障诊断方法的研究成果来看，共包括4种诊断方法，分别是故障经验诊断法、故障解析模型诊断法、故障信号处理诊断法及人工智能故障诊断法，以下便对这4种诊断方法的研究现状进行分析。

2.1 故障经验诊断法

故障经验诊断法是目前轧钢设备故障诊断中最常采用的方法，它主要是根据现场工程师对少数关键参数及变量进行测量，并结合设备实际使用情况，凭借自身经验来对故障做出准确的诊断。刘春林等人对轧钢设备常见6种故障的原因进行了分析，并对解决方法进行了总结，这6种情况包括堆钢、翘头、料型与速度调整不匹配、电机烧毁、断安全销、机架咬不住。徐志栋、高鹏等人针对轧钢设备的齿轮箱润滑故障对原因进行了分析，并提出更换润滑油及润滑脂、对润滑管路进行部分改进等相应解决措施。周明雄等人则对轧钢设备的托架结构缺陷进行了分析，并提出通过调整辊系中心线及补偿托架中心线来对问题予以解决。上述都是专家依靠自身丰富经验提出的故障诊断方法，这也进一步说明了故障经验诊断法在轧钢设备故障诊断中所占的重要地位，但该方法仅能用于事后诊断，而且耗时耗力且使轧钢设备的维护成本增加，因此，在众多故障诊断方法中属于一种比较低效的方法。

2.2 故障解析模型诊断法

故障解析模型诊断法是依靠数学模型来对设备故障信息进行解析的，并根据解析信息对轧钢设备的故障位置及严重程度进行判断。故障解析模型诊断法主要有3个分支，分别是状态估计法、参数估计法以及等价空间法，其中状态估计法与等价空间法比较适用于对加性故障的诊断，而等价空间法的实现最为简单，但它仅能对线性轧钢设备的加性故障进行诊断。而参数估计法则适用于轧钢设备乘性故障的诊断。虽然故障解析模型法在理论发展上已经有很长时间，在具体方法上也较为成熟，但在轧钢设备的故障诊断工作中却并不经常应用到，这是因为数学模型难以得到准确构建，而且即使建立了数学模型也会因各种原因而产生较强的鲁棒性。

2.3 故障信号处理诊断法

故障信号处理诊断法也是轧钢设备故障的一大诊断方法，并且该方法随着现代化信息技术的发展正受到越来越多技术专家、学者的关注和重视。故障信号处理方法是通过建立轧钢设备的信号特征模型来实现的，它通过特定的方法来对信号特征进行描述，如傅立叶变换法、时域相关性分析法、小波分析法等。故障信号处理诊断法是依据轧钢设备在正常状态与故障状态时所产生的行为特征与模型差异来进行判断的，该方法简单易操作，但在故障位置及故障严重程度的判断上则存在局限性，因此，需要与其他故障诊断方法进行结合使用才能取得良好的应用效果。

2.4 人工智能故障诊断法

人工智能故障诊断法是依据硬件及算法，并借助于长期以来技术专家在故障诊断方面的经验来实现轧钢设备故障诊断的。人工智能故障诊断法主要包括神经网络、案例推理、专家系统以及模糊逻辑等多种方式，其中专家系统是轧钢设备故障诊断最常用到的诊断工具，而神经网络则是人工智能故障诊断法的分支。纵观轧钢设备故障诊断技术的整个发展历史，人工智能故障诊断必将成为轧钢设备未来诊断技术的重点发展方向。不过，目前的人工智能诊断方法仍旧存在一定的局限性，在诊断功能上较为单一，而且在普适性上较为缺乏，这也使其仍然需要得到进一步的改进。

3 轧钢设备故障诊断技术的发展趋势

随着现代化信息技术的发展，轧钢设备故障诊断技术也越来越向着系统化、智能化与综合化的方向进行发展，不过由于轧钢加工环节的特殊性，因此，在发展趋势上主要集中在以下两个方面：第一，是随着轧钢设备故障诊断技术的不断完善及人类对故障诊断及解决经验的积累，故障诊断技术必将在未来的发展中不断趋近于系统化、智能化与综合化，虽然人类在学习能力上具有着无可比拟的优势，但在精确性、知识存储与计算等诸多方面却需要得到计算机的支持，因此轧钢设备故障诊断技术也必将在不久的将来具备强大的自学习能力，同时兼顾精确性、存储及计算等多方面的应用优势。第二，是轧钢工序的复杂与繁琐，使任何微弱的波动都可能会在不断累积中造成轧钢设备的故障，因此，在不久的将来对轧钢设备的故障诊断必将向着产品质量与生产安全这两个方面进行不断完善，这也使面向产品质量及生产安全的系统级故障诊断成为未来故障诊断的一大研究方向。

综上所述，轧钢设备的故障类型多样，故障位置不一，且轧钢工序繁琐而复杂，其轧钢的恶劣环境也导致轧钢设备频发故障，在这种形势下，要想确保轧钢设备得以稳定正常的运行，就必须要采取科学的故障诊断方法来对轧钢设备的运行状态加以监测和诊断，只有在现代化信息技术的促进下，不断完善故障诊断方法，才能确保轧钢设备的稳定运行，提高产品质量，进而推动钢铁产业快速发展。

参考文献

[1]石路，李志付.轧钢设备润滑故障研究[J].科技经济导刊，2016（23）：44.

[2]靳海生，刘小波.浅谈轧压钢铁设备日常检查和规定维修注意事项[J].河北企业，2017（5）：212-213.