- 相關推薦
鋼鐵冶煉機械設備故障診斷研究論文
關鍵詞：故障診斷論文投稿,機械故障診斷論文發(fā)表
設備技術管理是鋼鐵企業(yè)生產經營的重要組成部分。隨著我國經濟建設的發(fā)展，鋼鐵企業(yè)正由生產型企業(yè)向生產經營型企業(yè)轉變。機械設備作為鋼鐵企業(yè)最重要的生產工具，在生產經營過程中發(fā)揮著重要的作用。加強設備管理，有利于企業(yè)實現生產現代化，使生產有序進行，為企業(yè)取得良好的經濟效益提供充分的保證。鋼鐵企業(yè)的生產過程是一個封閉系統(tǒng)的模式化、流水化作業(yè)，整個生產系統(tǒng)的運行需要各道工序的良好銜接，如果某一道工序或者設備零件出現故障，那么將會導致整體生產的正常運行，造成無法估量的經濟損失。由此可見，設備的故障診斷及處理措施對工業(yè)發(fā)展至關重要。鋼鐵的冶煉大致分為四個過程：煉鐵、煉鋼、熱軋、冷軋，其中每道工序都需要不同種類的設備，所以鋼鐵的冶煉對設備的故障診斷需求相比于其他的工業(yè)生產更加重要。
1鋼鐵冶煉機械設備故障診斷現狀
近年來，鋼鐵冶煉機械設備故障診斷技術得到了長足的進步與發(fā)展。目前故障診斷技術水平相對較高的區(qū)域為美國，不僅能夠發(fā)明出不同種型號的監(jiān)測設備，還能夠提出很多有效的監(jiān)測手段，目前已經在發(fā)達國家得到了較為廣泛的運用。我國的鋼鐵冶煉機械設備故障診斷起步較晚，最初的設備故障診斷技術發(fā)展于20世紀80年代初。隨著技術的不斷進步，設備診斷系統(tǒng)已經成為關鍵設備運行的必要軟件之一，特別是目前智能專家故障診斷技術已經運用得相當成熟。最為成熟的鋼鐵冶煉機械設備故障診斷技術應用在大型的旋轉型機械中，目前已經在此領域內發(fā)展出20多種故障診斷系統(tǒng)以及數據監(jiān)測體系。設備故障診斷技術是多個學科的綜合體，需要很多學科共同交叉形成新的學科，為我國鋼鐵冶煉工業(yè)的蓬勃發(fā)展做出了很大的貢獻。
2鋼鐵冶煉機械設備故障診斷相關理論研究
第一，以系統(tǒng)數學模型為基礎的鋼鐵冶煉機械設備故障診斷方法。此方法主要以建立數學模型為基礎，將當前的鋼鐵冶煉作為基本理念，運用多種先進的Luenberger觀測器、等價空間方程、Kalman濾波器、參數模型估計手段進行鋼鐵冶煉機械設備的故障診斷與分析工作。其工作時需要與整個控制系統(tǒng)相結合，最終可以形成設備運行監(jiān)控、系統(tǒng)修復及重構的故障診斷流程。但是此方法對于數學模型的精確度要求極高，由于數學模型建立時邊界條件的局限性，會忽略一些較為重要的要素。
第二，以輸出信號處理為基礎的鋼鐵冶煉機械設備故障診斷方法。利用小波分析等信號處理手段將鋼鐵冶煉機械設備運行期間特定的信息進行處理，對信號的特點進行科學分析，提取異常信號，及時采取措施進行診斷與故障處理。例如速度傳感器收集的是速度信號，溫度傳感器收集的是溫度信號，將此信號進行實時監(jiān)測，一旦發(fā)現溫度信號異常，則表示該設備已經出現故障�，F階段運用比較廣泛的信號處理方法還包括譜分析方法、時間序列特征提取方法、自適應信號處理方法等。這些信號處理方法不會依靠某一數學模型，適應能力較好。通常情況下鋼鐵冶煉機械設備故障診斷會運用到小波變換、時間序列特征提取等手段進行處理。
第三，以人工智能為基礎的鋼鐵冶煉機械設備故障診斷方法。隨著數學建模與信號處理方法的不斷發(fā)展，人工智能診斷成為設備故障診斷中的主流，獲得了顯著效果。人工智能診斷的優(yōu)勢在于不需要針對復雜的設備運行體系建立復雜的數學模型，設定復雜的體系。其理論主要運用了人工神經網絡預測、模糊數學理論，是解決較為復雜的大型機械設備的首選檢測方法。此類智能診斷方法包括了專家智能診斷系統(tǒng)、模糊邏輯智能診斷系統(tǒng)、神經網絡預測診斷系統(tǒng)、故障管理診斷系統(tǒng)等。第四，其他鋼鐵冶煉機械設備故障診斷方法。目前，除了主流的鋼鐵冶煉機械設備故障診斷以外，還發(fā)展了眾多有特色的故障診斷方式，比如設備運行模式診斷識別方法、灰色關聯系統(tǒng)診斷識別方法等。與此同時，隨著各個方法的不斷發(fā)展，也發(fā)明了多種方法相互耦合的混合型診斷方法。
3鋼鐵冶煉機械設備故障診斷技術分析
應用于鋼鐵冶煉過程中的機械設備有很多種，大多都是不同的傳動設備以及液壓設備，例如輸送裝置、檢測裝置、液壓設備、傳動設備等。機械設備的性能好壞直接影響著鋼鐵冶煉過程的效率和質量。因此，在冶煉過程中要定期對這些設備進行檢測、及時地維修保養(yǎng)，確保它們的工作性能，這是鋼鐵冶煉過程能否順利進行的前提。鋼鐵冶煉的環(huán)境特殊，工作環(huán)境比較惡劣，涉及到的機械設備眾多，設備故障診斷系統(tǒng)的建立是必要的，其工作原理主要是根據機械設備的振動特點來進行，同時收集溫度、壓力、轉速等各種參數的詳細數據，通過這些詳細的數據能夠清楚分析出機械設備的工作運行狀況以及可能會發(fā)生的故障破壞，能夠及時地做出相應的處理對策。具體來講，此設備故障診斷系統(tǒng)的中心是計算機系統(tǒng)，分為獨立的采集模塊、檢測模塊以及數據處理模塊，主要過程有：
�。�1）通過傳感器將機械設備的工作情況信號反饋到計算機系統(tǒng)，包括機械振動情況、工作溫度情況以及設備壓力情況等；
�。�2）提取特征信號。不同的傳感器采集到的是不同的信號數據，對應地將信息傳遞到主機系統(tǒng)，例如速度傳感器收集的是速度信號，溫度傳感器收集的是溫度信號；
�。�3）信號處理過程。傳感器所收集到的信號要進行相應的提取處理；
�。�4）將提取到的信號進行故障處理，通過數據分析對設備當前的工作情況和工作狀態(tài)進行分析，及時做出相應的處理和決策。
4鋼鐵冶煉行業(yè)對于常見設備的故障處理措施
對于鋼鐵冶煉過程中常見的設備故障，大多都是通過設備的振動異常判斷處理的，一旦設備出現了異常振動，往往是設備發(fā)生機械故障的提示。這是必須要引起大家重視的現象，盡快組織相關人員對其進行檢測檢查，發(fā)現問題并且及時將隱患消除，防患于未然，才能保證機械設備的正常運轉，否則一旦發(fā)生故障，不僅會影響到生產工藝，而且還會給鋼鐵冶煉過程帶來不可估量的損失，更嚴重的還有可能帶來人身傷害。依據機械設備發(fā)生故障的不同零部件，本節(jié)主要分析了常見故障的處理方法：
第一，轉子不平衡的故障處理分析。轉子在轉動過程中，其上面的每個質點都會產生離心力，在不平衡的情況下，離心力是無法相互抵消的，從而導致離心力的不平衡，通常情況下，轉子不平衡是通過頻譜圖來顯示的。對于新設備來講，要綜合考慮不同的因素：假如出現異常振動的是剛性轉子，那么要明確其轉速最大值是多少，進行轉速的對比，之后得出具體的結論。區(qū)分出相位，才能真正了解設備發(fā)生異常振動的原因，并對不同的原因做出不同的分析和解決。相位和頻率保持一致，可以判定是基礎共振，如果各個質點的離心振幅是有差速的，那么其原因就是由于轉子的不平衡導致的。
第二，齒輪的故障處理分析。一般情況下采用頻域診斷和時域診斷兩種方法來對齒輪所出現的各種故障進行診斷。齒輪的工作狀態(tài)決定了其齒面之間的轉動力隨著齒輪的轉動在不斷變化，很明顯其剛度也是在不斷變化的。不管齒輪是否處于正常的工作情況，其振動總是不能避免的，表現在譜圖上就是會出現邊頻帶。頻譜圖和波形圖都能夠反映出設備的振動，所以在時域中也能對其進行分析，不過需要振動加速度等數據信息，最重要的是減少其他噪音的干擾。
第三，滾動軸承的故障處理分析。在正常工作過程中，軸承所產生的振動對其本身都會有所傷害，不同的部位發(fā)生損壞，發(fā)出的振動聲音是不同的，對此可以通過不同的振動聲音判斷出現損傷的部位，載荷不同，部位不同，測量出來的數據肯定不同，并且能為之后的測量提供良好的信息前提基礎。當前主要采用的測量軸承是否出現故障主要有兩種途徑：
�。�1）脈沖信號接收法，此種方法主要是依據軸承出現腐蝕或者壓痕的情況下所產生的脈沖信號進行分析。軸承表面的腐蝕或者裂痕等缺陷會使得脈沖信號產生不同的發(fā)射頻率，在短時間內可以通過計算獲得。不過由于其脈沖頻率較低，很多時候依靠聽覺就可以進行初步判斷；
�。�2）諧振信號接收法。此種方法主要是依據零件本身的固有頻率。任何零件都有其固有的振動頻率，運轉過程中的軸承也不例外，同樣這些頻率都可以經由儀器進行檢測。軸承的缺陷會導致運轉中的振動沖擊，并且引起其他零件的振動。反映到傳感器上，被濾波器所接收，強振動信號可以更好地反映出軸承所出現的故障，給大家一個很好的警示。
5結語
上述內容是關于鋼鐵冶煉過程中相關設備經常出現的故障分析以及相應的故障診斷、處理技術，通過目前的診斷技術，可以很好地對運行中的機械設備進行實時監(jiān)測和故障診斷，能夠實現故障預警，從而盡快組織相關人員對所發(fā)生的設備故障進行維修，防止不必要的經濟損失，降低安全生產事故的發(fā)生。科學技術在不斷進步，設備診斷技術也在不斷前進，鋼鐵冶煉行業(yè)也應該及時引進更前沿的技術來推動行業(yè)的發(fā)展。
【鋼鐵冶煉機械設備故障診斷研究論文】相關文章：
淺談汽車故障診斷方法的研究論文07-02
冶金機械設備安裝故障診斷方法論文07-04
人工智能電網故障診斷技術研究論文06-23
機械故障診斷論文07-04
制漿造紙機械設備的安裝研究論文07-03
基于人工智能技術的配電網故障診斷研究論文07-03
鋼鐵行業(yè)企業(yè)核心競爭力培育研究論文07-03
試分析汽車ABS系統(tǒng)的結構與故障診斷論文07-03
汽車發(fā)動機故障診斷方法分析的論文07-02