轧机设备状态在线监测与诊断系统及监测诊断方法技术方案
【技术实现步骤摘要】
轧机设备状态在线监测与诊断系统及监测诊断方法
本专利技术涉及一种轧机设备状态在线监测与诊断系统及监测诊断方法，属于监测系统领域。
技术介绍
轧机是冶金企业的关键设备，每年都因突发的重大设备事故和“维修过剩”造成巨大经济损失。轧钢过程设备生产线长、工作环境恶劣(高温、噪声、潮湿、多尘、强电磁场)，设备早期故障信号隐含在强噪声背景之中，具有高度的非线性、强耦合的特点，导致轧机的高速回转件故障机理复杂，早期故障识别异常困难，如何实现轧机设备状态的在线监测与诊断，避免突发的重大设备事故及“维修过剩”造成的巨额维修经费，成为冶金企业亟待解决的难题。传统的轧机设备状态监测一般是针对旋转部件(轴承或齿轮箱等)的振动信号进行分析，提取故障特征，实现早期故障识别。这样就导致了轧机设备状态监测的局限性，无法全面反映轧机设备状态对轧制产品质量精度与轧制稳定性的影响。实际上，影响轧制稳定性的因素众多，涉及生产工艺、控制、设备精度状态、模型、轧辊、工艺通道、仪表等多方面。由于这些因素横跨众多专业、数据分散，且需要不同专业的技术人员进行人工分析和监测，难以做到有效预防和监控。因此，对轧机设备...
【技术保护点】
一种轧机设备状态在线监测与诊断系统，其特征在于，包括：数据解析模块，自动将加密的生产数据文件，按照指定的通道、采样频率等方式解析成常规的txt数据文件，伺服阀差值分析模块，根据已解析的伺服阀实时给定值和实时反馈值，计算出给定值和反馈值的实时差值，采用控制图方法计算出单块钢的控制上下限作为异常上下限，并结合工艺要求设置故障上下限，绘制伺服阀差值控制图，并提取出相应的异常信息和故障信息，电气传感器振荡分析模块，具有分别采集电机电流、力矩和速度三类传感器，分别根据已解析的电机电流、力矩、速度数据，采用短时傅里叶变换方法计算出频率随时间变化的时频曲线，再结合控制图和工艺要求的频率故...
【技术特征摘要】
1.一种轧机设备状态在线监测与诊断系统，其特征在于，包括：数据解析模块，自动将加密的生产数据文件，按照指定的通道、采样频率等方式解析成常规的txt数据文件，伺服阀差值分析模块，根据已解析的伺服阀实时给定值和实时反馈值，计算出给定值和反馈值的实时差值，采用控制图方法计算出单块钢的控制上下限作为异常上下限，并结合工艺要求设置故障上下限，绘制伺服阀差值控制图，并提取出相应的异常信息和故障信息，电气传感器振荡分析模块，具有分别采集电机电流、力矩和速度三类传感器，分别根据已解析的电机电流、力矩、速度数据，采用短时傅里叶变换方法计算出频率随时间变化的时频曲线，再结合控制图和工艺要求的频率故障上下限，提取出相应的异常信息和故障信息，旋转部件振动信号分析模块，首先计算并判断数据的均值和均方根值是否超出给定阈值；然后再将超出阈值的数据通过稀疏分解算法，提取出数据中的稀疏成分，得到振动数据的稀疏表示，信息综合处理模块,根据伺服阀差值分析模块提取的异常和故障信息、电气传感器振荡分析模块提取的异常和故障信息、旋转部件振动信号分析模块提取的稀疏表示信息，收集大量故障案例样本数据，通过支持向量机算法训练出多特征数据的故障分类器，故障报警模块，根据提取的故障信息和判断出的故障类型，生成故障报警完整信息，监控视图模块，故障报警模块生成的故障报警完整信息分别通过系统状态指示灯和数据列表形式展示在各分厂电脑终端。通道管理模块，对轧线L1控制系统中与轧制稳定性和产品质量指标相关的数据通道进行管理，包括通道编号、通道名称、通道所属设备区域、通道所属产线区域的管理,标准管理模块，每项与轧制稳定性和产品质量指标相关的数据均会根据工艺要求设置故障标准上下限，通过该模块的授权后，可对标准上下限进行配置和修改，故障反馈模块，由操作员手动录入故障排除的基本信息，包括故障排除时间、故障排除方法、故障影响因素、故障排除状态。2.如权利要求1所述的轧机设备状态在线监测与诊断系统，其特征在于，还包括：报表报送模块，将故障信息和反馈处理结果发送至管理服务器，定期向上一级汇报状态信息。3.如权利要求2所述的轧机设备状态在线监测与诊断系统，其特征在于：其中，所述报表报送模块包含预定周期内的异常发生率、故障发生率、异常排除率、故障排除率、故障信息列表，其中故障信息列表包含故障发生时间、故障位置、处理结果、负责人。4.如权利要求1所述的轧机设备状态在线监测与诊断系统，其特征在于：其中，所述报警完整信息包...
【专利技术属性】
技术研发人员：严保康，李维刚，赵云涛，马建军，
申请(专利权)人：科大集智数据科技武汉有限公司，武汉科技大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。