（机械设计及理论专业论文）轧制过程中张力控制系统的远程监测及诊断研究.pdf

摘礓摘要张力控制系统是整条轧机生产线对轧件的张力进行控制的重要系统，而张力的变化情况往往是影响到整条轧钢生产线能否正常地工作的重要因素。因此，为了预防重大故障或事故的发生，为了保证生产的顺利进行，对其进行状态监测及故障诊断是十分必要的，而且，对于有效提高企业的生产管理水平，保证产品的质量等具有重要的意义。本文首先通过对轧机生产线的张力控制机理进行了分析，在现场调研的基础上，总结出有关的故障及其相应的相关信号特征表现。接着，依据现场信号的实际情况，提出了提取信号状态特征的方法，由此进行信号的状态识别：在此基础上，采用了基于模糊综合评判的诊断推理方法对本课题的张力控制系统故障进行了诊断，实践证明，该诊断方法的优点在于无需故障的实际案例，通过专家的有关经验就能轻易确定推理系统的雏形，对于诊断系统的初始建立是行之有效的方法。另外，基于对国内外关于设备远程监测及诊断技术的研究及发展现状的分析，从中可以看到，应用现代远程技术对设备进行的监测和诊断具有明确的实际应用价值。本文结合现场的实际情况及用户的需求，通过应用最新的a s p n e t技术和s q ls e r v e r 数据库技术开发实现了一套b s 模式的远程监测及故障诊断智能系统，该系统能通过不断的运行积累经验，逐步满足用户对张力控制系统监测诊断的需求；而且，文中介绍了该诊断系统的架构、功能模块、信息结构等并通过实例介绍了系统的整个运行过程。最后，对本文所做的研究工作进行了总结，并针对整个诊断系统的目前情况，对将来更深入的研究进行了展望，指出了需要进一步完善和改进的地方。关键词：张力控制远程监测故障诊断模糊综合评判b s 模式a b s t r a c tt h et e n s i o nc o n t r o ls y s t e mw h i c hi su s e df o rc o n t r o l l i n gt h et e n s i o no fr o u g hs t e e li st h ei m p o r t a n ts y s t e mi nt h ew h o l er o l l i n gm i up r o d u c tl i n e ，e n dt h ev a r i e t yo f t e n s i o ni st h ei m p o r t a n tf a c t o rt h a tc a l la f f e c tw h e t h e rt h em n n i n gp r o c e s si sn o r m a lo rn o t s oi ti sn e c e s s a r yt om o n i t o rt h ep r o d u c ts t a t ea n dd i a g n o s ef a u l t si no r d e rt op r e v e n tt h eg r a v ef a u l t so ra c c i d e n t sf r o mh a p p e n i n ga n dq = l l s l 3 1 et h es u c c e s s f u lr u n n i n go f t h ep r o c e s s ，f m 恤e rm o r e ，i th a ss i g n i f i c a n tb e n e f i to ni n c r e a s i n gt h ee n t e r p r i s em a n a g e m e n tl e v e la n de n s u r i n gt h eq u a l i t yo f p r o d u c t s t i n sp a p e rw i l lf i r s t l ys n mu pt h ef a u l t sa n di t sr e l a t e ds i g n a ls y m p t o m st h r o u g ht h ea n a l y s i so ft h et e n s i o nc o n t r o lp r i n c i p l eo f t h el i n ea n dt h er e s e a r c ho nt h es p o t s e c o n d l y , a c c o r d i n gt ot h ef h 瓯i tb r i n g sf o r w a r dt h em e t h o dt h a ta b s t r a c tt h es i g n a l s s t a t ec h a r a c t e r i s t i cv a l u ew i n c hi su s e df o rr e c o g n i z i n gt h es i g n a l s s t a t e o nt h i sb a s e ，t h ep a p e rh a sa d o p t e dt h ef u z z yj u d g i n gm e t h o dt od i a g n o s et h ef a u l t so ft h i st e n s i o nc o n t r o ls y s t e m , a n dt h ep r a c t i c eh a si n d i c a t e dt h a tt h ee f f i c i e n to ft h ed i a 印o s i s 也地盟i st h a ti td o e s n tn e e da n yf a c t u a lf a u l tc a s e sa n di tc a ne a s i l yb u i l dt h er u d i m e n to ft h er e a s o n i n gs y s t e mb yg a i n i n gs o m ee x p e r te x p e r i e n c e s ，s oi ti st h ew o r k a b l ew a ya tt h eb e g i n n i n go f s e t t i n gu pt h ed i a g n o s i ss y s t e m i na d d i c t i o n ，w ec a l lk n o wt h a ta p p l y i n gt h em o d e ml o n g - d i s t a n c et e c h n i q u et om o n i t o ra n dd i a g n o s eh a sc l e a ra c t u a la p p l i c a t i o nw o r t ho nt h eb a s eo f t h ea n a l y s i so f t h ed e v e l o p m e n ts t a t eo ft h er e m o t em o n i t o r i n ga n dd i a g n o s i st e c h n i q u e sf o re q n i p m e n t sa r o u n dt h ew o r l d b e c a u s eo f t h es p o tf a c t sa n dt h en e e d so fu s e r s ，s ot h i sp a p e ri n t r o d u c e st h a ta p p l y i n gt h en e wa s e n e ta n ds q ls e r v e rd a t a b a s et e c h n i q u e st od e v e l o pab sm o d er e m o t e - m o n i t o r i n ga n df a u l t s - d i a g n o s i si n t e l l i g e n ts y s t e m , a n di tw i l la c c u m u l a t ee x p e r i e n c e sa l o n gw i t ht h ec o n t i n u o u sr u l m i n g ，s oi tw i l lg r a d u a l l ym e e tt h eu s e r s n e e d so fm o n i t o r i n ga n dd i a g n o s i so ft h et e n s i o nc o n t r o ls y s t e m m o r e o v e r , t h ep a p e rh a si n t r o d u c e dt h es y s t e ms t r u c t u r e 、t h ef u n c t i o nm o d u l e s 、t h ei n f o r m a t i o ns t r u c t u r ea n ds oo no f t h e 、池0 1 cd i a g n o s i ss y s t e m a n dp r e s e n t e dt h ew h o l er u n n i n gp r o c e s so ft h es y s t e mb ya ni n s t a n c e a tl a s t ，t h er e s e a r c hi ss u m m a r i z e d , a n dt h ep a p e rh a sp r o s p e c t e df o rt h ef u t u r ef u r t h e rr e s e a r c ha n dp o i n t e do u tt h et h i n g sw i n c hn e e dt ob ei m p r o v e da n dp e r f e c t e di nt h es y s t e m k e yw o r d s ：t e n s i o nc o n t r o l ；r e m o t em o n i t o r i n g ；f a u l t sd i a g n o s i s ；f u z z y j u d g i n g ；b sm o d e第一章绪论1 1引言第一章绪论机电设备对于工业生产来说是十分重要的。随着当今科学技术的发展，现代工业设备不断向光、机、电、液一体化方向高度集成，设备规模向大型化发展；尤其计算机技术及网络技术的高速发展，大大提高了机电设备的智能化程度、自动化程度和运行速度，从而有利于提高企业的生产效率，为企业带来了经济效益。但与此同时，不断加大了现代设备结构的复杂性；此外，工业生产中，设备的工作环境是十分恶劣的，由于各种因素的影响，因而也加大了设备故障的发生率、复杂性和多样性。在生产中设备一旦发生故障，则为企业带来的损失可以是十分严重的，更严重的可以威胁到人身安全。因此，为了进一步提高生产率，提高企业的竞争水平，设备运行的稳定性和可靠性日益重要。对设备进行故障诊断是进行故障分析与预防的重要举措。通过故障诊断，有助于对设备故障进行预防，有利于降低故障发生率，降低设备的维修成本，提高了设备的可靠性和安全性，延长了设备的使用寿命【”，从而保障了生产的正常进行，而且保证了产品的质量，对间接提高企业的生产率和竞争力有十分重要的意义。1 2远程监测及故障诊断的意义1 9 7 1 年，b e a d 通过发表的博士论文提出了通过系统的自组织使系统闭环稳定、通过比较观测器的输出得到系统故障信息的新思想，由此正式标志着故障诊断技术的诞生 2 1 。由于现代设备的规模和复杂性在不断增加，设备发生故障的潜在可能性和方式也在相应增加，如果不能及时地、正确地识别设备的运行状态，一旦发生故障，可能产生恶性链锁反应，轻则导致产品质量下降，重则引起生产中断，严重的甚至造成灾难性的后果 3 】。随着计算机及网络技术的广泛应用，基于各种传感器技广东_ ：i _ = 业大学工学硕士学位论立术及信息处理技术的发展，设备故障诊断技术也向前迈进了一大步，通过网络对设备工况状态进行远程监测及故障诊断成为了可能，而且得到了日益重视与发展，并成为了现代故障诊断的主要方式。基于i n t e r n e t 的设备远程监测及故障诊断更具优越性，其意义和作用更为显而易见：1 信息集中性h 。通过远程监测，便于对分散的设备的工况状态进行统一监视，有利于集中各种信息，从而方便诊断和管理，而且减少了监测设备的投资。2 诊断快速及时性。通过远程监测，能及时反映设备运行的状态，对设备故障能进行及时报警或提示，有利于故障的预防；而且有利于及时进行故障诊断，从而缩短了诊断时间，提高故障排除的效率，减少因故障引起的损失，间接上提高了生产率，提高了经济效益。3 诊断的灵活性。通过i n t e r n e t 进行网络远程诊断，方便异地工作；用户只需要通过i n t e m e t 登录到诊断服务器上，情况；对设备发生的故障进行远程诊断，现场提供及时的指导。无论何时何地都可以监视到设备运行的即使远在他方的专家，也能通过网络给4 协作诊断性。利用i n t e m e t ，可以邀请到更多专家进行多方的协助诊断，在一定程度上弥补了企业内部人力资源不足的情况，拓展了设备诊断的范围和资源【5 】。通过协助诊断能为企业提供更多的故障诊断知识及处理意见，并通过诊断系统的知识获取子程序来进一步完善系统知识库，从而有利于提高故障诊断的效率和准确性。可见，通过i n t e m e t 进行远程监测和诊断具有明显的经济效益。1 3设备远程监测及故障诊断在国内外的发展状况设备远程监测及故障诊断技术包括两大任务，首先是设备状态的远程监测，其次是对设备故障进行诊断。该技术是计算机技术、网络通信技术、信息处理技术及故障诊断等技术融合于一体的新兴技术，它的发展有赖于这些技术的成熟和发展。从6 0 年代开始，国际上已经能对一些设备进行监测诊断了，最早足应用于航空航天及军工领域，主要是对其中一些大型设备及动力系统进行般测，而当时第一章绪论只能通过一些仪器仪表来进行监视，所以多半是定期的状态监测；此外，在1 9 6 7年，在美国宇航局( n a s a ) 倡导下【3 】，美国开始着手从事诊断技术的研究，诊断技术开始兴起。而到了7 0 年代，国外的监测诊断技术迅速发展起来，美国机械工程师学会( a s m e ) 成功地将声发射( a e ) 诊断技术应用于监测锅炉压力容器；而且，j o h n sm i t c h e l 公司研究了超低温水泵和空压机的监测技术，t e d e c o 公司开发了润滑油的分析及诊断技术 3 】 1 0 肄。同时，计算机开始应用于工矿企业中，从而为机械设备的状态监测和诊断技术增添了现代化的色彩。在钢铁企业中，开始可以对轧钢机进行计算机辅助监测。而我国大概也是从1 9 7 9 年开始涉及到该方面的研究。到了8 0 年代，计算机技术、传感器技术、信息技术、数字技术以及信号处理技术的发展，进一步加强和完善了计算机的辅助监测技术，使监测水平大大提高，基于传感器信号数据的远程监测成为可能。开始推出了一批比较成熟的机械监测系统，如丹麦b & k 公司生产的机械状态监测系统、日本三菱公司的m h m系统、美国本特利公司的t s i 系统等，其中，美国开发的最早，技术也最先进，而b n c 系列产品应用最为广泛3 】【n 【1 2 l 。此外，随着理论研究的不断发展和实践的不断检验，结合现代计算机技术的应用，诊断专家系统与各种推理技术也不断趋于成熟，计算机诊断技术逐渐发展并完善起来。在美国、日本、英国、德国等许多国家都已有很多研究成果，诊断系统已开始广泛应用于汽轮机组、柴油机、核电站、火箭等机械设备。1 9 8 3 年中国设备管理协会制定了设备故障诊断技术研究和开发政策，由此掀起了我国关于设备故障诊断技术的研究热潮，目前主要把设备诊断技术应用于一些比较大型的工业企业，如石化、铁路、冶金和电力等部门( 1 3 】。由于网络技术的不断发展，1 9 8 8 年美国提出了开放式远程医疗系统的概念，它包括了远程诊断( r e m o t ed i a g n o s i s ) 、专家会诊、信息服务、在线检查和远程学习等1 4 】嘲。由于机电设备的故障监测诊断与医学诊断有着十分相似之处，通过借鉴远程医学，机电设备的远程诊断也发展起来。在1 9 9 7 年1 月，斯坦福大学和麻省理工大学合作开发了基于因特网的远程诊断示范系统，并主办了首届基于因特网技术的工业远程诊断研讨会，讨论了远程诊断系统连接开放式体系、诊断信息规程、传输协议以及对用户的合法限制等 4 h 】。引起了制造业、计算机业和仪表业【7 等各界的重视。此后，加拿大航空公广东t 业大学工学硕士学位论文司建立了一个集成远程监测诊断系统来加强飞机的可靠性和安全性，并在实际中应用 7 l 。密执安大学也在积极开展针对机械加工的远程诊断和制造系统的研究工作，并在i n t e m e t 上设立了一个站点。在我国，目前华中科技大学正在逐步完善设备诊断开放实验室的建设，北京科技大学、国防科技大学、西安交通大学、上海交通大学、哈尔滨工业大学等大学都已开始从事工业领域的远程诊断技术的开发与研究工作h 】。另外，诊断推理技术上，专家系统的研究和应用取得迅猛的发展，实现了人工智能从学科研究走向实际应用的重大突破；在其推理机制上，目前已有许多比较成熟的推理方法和技术，如模糊诊断、基于案例的推理、基于神经网络的智能推理等。然而，设备状态的远程监测与诊断技术还在不断的发展之中，相信随着高新技术的涌现，将会不断得到完善，将会不断提高企业的设备维护和管理水平，从而在一定程度上提高企业的经济效益。1 4课题的研究背景、意义及研究内容1 4 1 课题的研究背景和意义本课题来源于与广州珠江钢铁有限责任公司( 以下简称为珠钢) 合作的项目。珠钢c s p 是经过薄板坯连铸、均热、轧制和卷取后将钢水铸轧成热轧带钢卷的冶金生产线。轧机的轧制过程是带钢生产中的重要环节，然而轧制过程是十分复杂的，生产环境又是十分恶劣，由于各种因素的影响，在轧制过程中，从f l 到f 6 的各台轧机之间容易出现堆钢、卡钢或拉钢、甚至断钢的现象，平均每个月发生堆钢的次数就达二十次之多，严重影响生产的正常进行，而且每次所造成的直接经济损失可高达数万元，而张力的异常变化就是造成堆钢或拉钢的其中一个重要因素。本文就是针对着张力控制进行研究和探索，结合现代诊断推理技术( 例如模糊综合评判的推理方法) ，开发一套故障诊断智能系统，而且通过网络进行远程监测和诊断，能为有关人员提供及时的指导，以尽量避免因张力控制系统的故障而导致堆钢或严重拉钢的重大事故发生。对提高珠钢的现代化管理水平起到了一定的作用，具有实践意义。4第一章绪论1 4 2 课题的研究内容本文完成的工作和研究的主要内容有：1 张力控制方法机理分析及其常见的故障研究；2 分析信号数据的状态，确定状态特征值的提取方法；3 确定通过信号的状态特征值进行诊断张力控制系统故障的方法；4 基于b s 模式及微软最新的a s p n e t 技术，设计开发“张力控制系统的远程监测及故障诊断系统”：5 通过系统的运行实例介绍系统的运行过程及验证了有关功能；6 总结全文工作，并对以后进一步的研究工作进行了展望。广东工业大学工学硕士学位论文第二章张力控制分析及其故障分析2 1 张力及其控制分析2 1 1 引言从理论上讲，连轧过程应保持各机架的“秒流量”完全相等，若“秒流量”不等，则在机架之间的轧件产生张拉力或压缩力的作用，从而导致拉钢或堆钢事故，严重的拉钢会造成断钢，所以张力是影响连轧机机架间出现的雄钢、拉钢现象的主要因素。但实际生产中，由于各种因素的影响，完全无张力轧制是不可能的，而通常采用的办法是微张力轧制，因此采用张力控制来维持各机架间的微张力轧制( 如图2 - 1 ) ，从而能有效防止带钢堆拉现象的发生，保障整个生产线的正常进行，提高生产效率。所以张力问题一直都是连轧中的核心问题，因而张力控制的重要性则更为突出了。图2 - 1轧制过程及带钢张力控制系统的实物图( f i g2 - 1t h er o l l i n gp r o c e s sa n dt h er e a lp i c t u r eo f t h es t r a ps t e e lt e n s i o nc o n t r o ls y s t e m )2 1 2 张力的作用采用微张力轧制能防止带钢堆拉的现象发生，同时，张力在连轧过程中也发挥着十分重要的作用，主要表现在以下几个方面 1 5 1 【1 6 】：1 防止轧件跑偏。在实际生产过程中，由于各种因素的影响，轧件在轧制过程中容易发生跑偏，而且将会随着轧制过程的进行而越来越严重。为了防止跑偏，可以采用凹形辊缝6第二章张力控制分析及其故障分析或用导板夹正，但这两种方法都有一定的时滞，有一定的局限性。而当采用了微张力轧制时，轧件可以在一定的张力作用下平稳地进出辊缝。而且在控制过程中，张力反应迅速，无时滞，所以是防止轧件跑偏的有效方法。2 有利于控制带钢的扳形。板形是衡量带钢质量的重要指标，板形良好指的就是带钢的平直度好。若带钢的板形不好，如边部起浪，中部浪皱等，这主要是由于变形不均匀，使轧件中的残余鹿力超出了稳定时所允许的压应力而造成的。当采用微张力轧制时，使带钢沿宽度方向上的压应力不超过所允许的压应力，由此来保持轧件板形的平直。3 有利于降低金属轧件的变形抗力和变形功。由于张力不但能减少水平方向的压应力，而且可以减少垂直方向上的压应力，所以能减少轧制压力。正因为降低了轧制力，所以自然金属变形时所需要的功耗就小。此外，张力在轧制过程中可适当调节主电机的负荷以及带钢的厚度。可见，张力对于连轧是十分重要的，控制好张力，是正常生产的重要保证。而通过对张力产生的原理分析，我们可以找出控制或影响张力的有关因素。2 1 3 张力产生的基本原理张力的产生是因为在轧件长度方r n 上存在着速度差，使轧件不同部位处出现相对位移而产生张力。取轧件上第i 机架出口处和第i + l 机架的入口处两点来分析，如图2 2 所示：i图2 - 2 两机架连轧示意图( f i g2 - 2t h er o l l i n gc h a r to f t w or o l l i n gm i l l s )广东工业大学工学硕士学位论文取，。为两机架间距离，且当q - l ：。v 。时，则张力t 表示为：丁= 丁a e _ l 。一v 。) m( 2 1 )其中：a 为带钢的横截面积，g 为材料的弹性模数。钢的e = 2 1 x 1 0 4 k m m 2 ，v 。为第i 机架的出口速度，v l “。为第i + l 机架的入口速度。由此可见，张力主要跟带钢的速度差有关。所以控制张力主要是控制好带钢的速度。2 1 4 张力控制分析及其数学模型由于机架间的带钢速度为q 。= v i ( 1 + z )( 2 2 )埘2 鲁如w眩s ，其中，为第i 机架的前滑量，v ，为第i 机架的工作辊的线速度( 即轧制速度) ，可见，带钢速度跟轧制速度、前滑量、带钢的出入口厚度配比有直接关系( 如图2 - 3 所示) 。1 理论上，根据轧制速度的配比关系旧，有：月：二l( 2 4 )v 卜1其中胄，是第i 机架的延伸率。由此来设置各机架的轧制速度，但实际上，轧制速度v ，还受到各种干扰，其常见的干扰因素主要来自电流、轧制力矩、轧制力等；为使连续轧制正常进行，轧制速度除了遵从配比关系外，还要进行调节，所以轧制速度还跟调节因素有关：包括手动调节和自动调节。因此，第i 机架的轧制速度的调节量 1 8 应该为：= a v 氓+ v 。+ v “g c + v 正c + v d( 2 5 )其中是人工联动速度微调量，v 。是人工单动速度微调量，v 。是a g c 速度补偿量，。是活套位置闭环调节量，是下游机架的逐移量。可见，轧制速度的影响因素除了设置和人工调节等人为因素外，还有轧制力、轧制力矩、电流等系统干扰因素以及a g c 、活套等设备的自动调节因素。而热连轧第二章张力控制分析及其故障分析机组靠活套吸收因动态速变而产生的套量【”】。另外，轧制力主要受压下量、轧件材料的性质( 如硬度) 、轧件的温度等因素的影响。而反映a g c 调节的参量主要是辊缝大小。反映活套调节的参量主要是活套的角度。2 根据芬克( f i n k ) 的前滑公式：，：! ! 二! ! 型! 竺! ! 些二坠!( 2 6 )一嚏一其中，以为i 机架的中性角，d i 是i 机架的轧辊直径。可见，影响前滑主要是通过改变中性角以来起作用的，而使y 。改变的因素有很多，主要有压下量、轧件和轧辊间的摩擦系数等，此外，轧辊的规格即辊径大小、轧件出口厚度、轧件宽展都会影响前滑，而轧件出口厚度主要和辊缝大小有关。3 带钢的厚度配比主要跟带钢的入口厚度、出口厚度有关，而出e l 厚度又和辊缝有关。图2 - 3 各种影响张力的因素或参量( f i g2 - 3t h ea f f e c t i n gf a c t o r so rp a r a m e t e r s )9广东工业大学工学硕士学位论文可见，影响张力的因素有很多，而且错综复杂，但归纳起来，这些因素主要来自带钢本身的工艺情况、轧辊及其传动系统、a g c 系统和活套( l o o p e r ) 系统，所以，这四个部分共同构成了整个张力控制系统，其故障也主要来自这四方面的故障或异常。为了保证生产线的正常运作，需要在因张力而发生堆钢或拉钢这种重大故障之前，及时诊断出所存在的故障隐患即张力控制系统的故障。因此，本文研究的前提是：张力控制系统虽然发生了故障，但故障的严重程度尚未引起生产的中断。而要诊断出其故障关键就在于对上述四方面的主要信号或参量进行检测。2 2 张力控制系统的故障分析及其症状表现由于本文主要是以张力控制系统的设备故障作为研究对象，基于对上述分析，张力控制系统的设备故障主要来自活套系统，a g c 系统，轧辊及其传动系统故障以及轧件本身的异常问题，如图2 - 4 所示：图2 - 4 张力控制系统的故障树( f i g2 - 4f a u l tt r e eo f t h et e n s i o nc o n t r o ls y s t e m )1 0第二章张力控制分析及其故障分析1 活套系统：活套系统设置在精轧机组各机架之间，它使相邻机架间的带钢在一定的张力下贮存一定的活套量，作为机架间速度的缓冲环节 1 8 】。同时，它能发出角度信号，控制各机架的速度，维持带钢张力的稳定。所以活套系统在张力的控制过程中扮演着十分重要的角色。活套系统的故障是十分复杂的( 图2 4 列出了部分常见的故障) ，然而它主要是通过角度的变化来实现对张力的控制和调节的，所以当活套系统发生故障时，活套的角度信号的变化就会随之出现异常。所以活套的角度信号是反映活套系统状态的症状信号。此外，当活套系统发生故障时，轧制力信号、轧制速度信号都有异常的变化。2 a g c 系统：a g c ( h y d r a u l i c a u t o m a t i c g a u g e c o n t r 0 1 ) 系统即自动辊缝控制系统。它是用来设定辊缝并由此来控制带钢的厚度的。但若它发生故障( 即辊缝发生异常变化) 时，从上述的分析可以得知，它也会影响到张力的变化。所以有必要对其进行监测和诊断，以此来保证张力的正常。由于a g c 系统的作用主要是对辊缝的大小进行控制，所以尽管a g c 系统的故障是多么的错综复杂( 如图2 - 4 ，图中列出了部分常见故障) ，当a g c 系统发生故障时都能通过辊缝信号反映出来。所以一旦辊缝信号的变化情况超出正常范围时，a g c 系统就有可能发生故障。另外，轧制力信号、活套角度以及带钢的出口厚度偏差等信号都会有异常的变化。3 轧辊及其传动系统：轧辊是由电机等传动系统驱动的，它是用于轧制的重要工具，也是轧制生产中的主要消耗备件之一。由于它直接与轧件接触，长期受到扭转和高温的煎熬，所以容易发生磨损等故障，另一方面，轧辊及其传动系统的故障又会直接影响到轧件张力的异常变化。所以在生产中要对该系统进行监测，及时诊断故障和预防重大故障的发生。而轧辊系统的主要故障有( 如图2 - 4 所示) ：轧辊变形或偏心：主要是轧辊弯曲或轧辊偏心，从而表现为轧制力信号的周期性变化。而且也会通过活套角度信号、辊缝信号以及带钢的出口厚度偏差等广东工业大学工学硕士学位论文信号的变化反映出来。轧辊表面的磨损：由于摩擦、高温煎熬等多因素的影响，轧辊出现磨损而使沿轧辊氏度方向上部分位置的辊径缩小，所以随轧辊长度辊径大小会有变化。因此如果辊径大小的变化超出一定的范围，就可以断定轧辊受到严重磨损，由于轧辊长度方向上的辊径大小不能直接测量，而它往往影响到带钢表面的平整程度，所以该类故障主要通过出口带钢表面的平整度信号间接反映出来，此外，活套角度、轧制速度信号也会有异常的表现。0 轧辊的传动系统故障：包括主传动电机的机械故障和电气故障，而电气故障在于电流、电压的异常，电流检测器故障和电压检测器故障。当该类故障发生时，轧制速度信号、活套角度信号都会表现出异常，但这些信号的表现是不完全相同的，所以能根据信号的不同表现来判别故障及观察故障发生的状态。轧制速度检测器故障：该故障首先从轧制速度信号上表现出异常，由于该信号参与反馈控制，所以也会导致活套角度信号的异常。4 轧件本身情况：带钢是精轧机组的轧制对象。而从上述分析可见，带钢本身的工艺参量存在不符合预定范围的情况时会影响张力，而该类情况主要包括：轧制时带钢的温度不符：该情况可以通过f l 轧机入口处的带钢温度信号直接反映出来，而且轧制力，活套角度，轧制速度等信号也会有异常的表现。0 带钢表面的平整度不符：该情况直接能从f 6 轧机出口处的带钢表面平整度信号反映出来，而且轧制速度，活套角度也会表现出异常。由此可见，影响张力的故障有很多，本文所列出的只是常见的故障。这些故障通常所影响的信号或与信号的关系如图2 5 所示：第二章张力控制分析及其故障分析图2 - 5 张力控制系统的故障与症状信号的对应关系图( f w2 - 5t h ec h a r to f c o r r e s p o n d i n gr c l a t i o nb e t w e e nf a u l t sa n ds y m p t o m a t i cs i g n a l s )2 3 本章小结在轧制过程中，张力问题是影响生产和产品质量的重要因素，所以张力控制尤为重要。本章总结了张力的作用，通过分析张力产生的基本原理，从张力控制的数学模型出发，分析了影响张力的各种因素，归纳出控制及影响张力的四大方面，并对该四个方面进行了进一步的分析，总结了张力控制系统常见的故障及与之相关的各种症状信号，为系统的故障诊断奠定了基础。广东工业大学工学硕士学位论文第三章信号的特征提取3 1 现场信号数据采集系统概况由于张力控制系统位于连轧生产线上，因而轧制过程中有关设备的运行状态直接关系到整个生产线的正常运行，所以我们必须通过对测点设备的信号的获取，实现对其状态监测，及时发现异常状态，以利于处理重大故障的隐患，保证正常的生产。因此，首先要求现场具备一套较为完善的监测系统。目前，该生产线已经配有一套设备的信号数据采集和监控系统，进行状态监测和故障诊断所需要的数据都是由该系统提供的。该系统主要包括：信号的获取、数据采集器、数据储存和服务系统( 如图3 - 1 所示) 。图3 - 1 信号数据采集系统简图( f i g3 - 1s i g n a l s d a t ac o l l e c t i o ns y s t e m )1 4第三章信号的特征提取信号的获取是进行现场监测的基础，轧机生产线上的一切监测和分析都要依赖于这一层的提供，而信号的获取系统主要由各种智能型的传感器、变送器等输入系统组成，它们主要提供实时的模拟信号，这些模拟信号按频率范围主要分为四类，一类是频率较高的信号( 要求采样频率达到1 0 k h z ) ，该类信号主要是传动系统中的振动和转速信号，二类是频率较低的信号( 要求采样频率为1 k h z ) ，该类主要是液压系统中的压力、位置等信号。三类是频率更低的信号，如缓变信号、工艺参数等，采样频率只需要为1 0 h z 。四类是开关量信号，该信号按数字信号方式处理。信号数据采集器包括信号调理单元和各类信号采集板卡。信号调理单元主要对模拟信号进行处理，如滤波、隔离、放大等，然后把经过处理的信号输入信号采集板卡。而信号采集板卡依据现场测点的分布情况，分别采用不同的板卡结构。如，热轧系统中传动系统的高频振动和转速信号，测点分布相对集中，因此对传动子系统的现场数据采集卡，采用基于p cb u s 板卡结构，而液压系统信号频率较低且测点分布较为分散，但控制信号都相对集中在控制室里，所以采用基于c a nb u s 的分布式独立数据采集模块；而模拟信号以及由电气控制室中直接引出的信号都相对较为集中，采用基于p c 总线的数据采集板卡结构。而从信号采样的技术上考虑，信号采集卡依据不同的频率要求，采用不同的数据采集卡。如，为保证振动信号每通道至少1 0 k h z 的采样频宽，采用1 0 0 k h z 高性能数据采集卡，输入通道采用同步采样保持技术，从而可实现振动信号的同步采样，内置t id s p 处理单元，实时完成数字滤波、f f t 等功能。每块采集卡负责采集8 个通道的振动信号( 最高可扩充至每卡1 6 通道) ，每个数据采集器同时配置高频信号模拟量隔离卡( 置于机箱内) 【3 1 。所有数据采集器通过e t h e m e t 网与整个系统相连，连接到数据采集和存储的计算机上进行数据交换。数据储存服务系统是由配备数据采集软件的计算机和数据服务器构成。数据采集软件是采用基于p c 的数据记录和分析的p d a ( p r o c e s sd a t aa c q u i s i t i o n ) 软件，它具有多通道、多采样频率、具备触发、分段或连续记录、数据文件自动命名等特点【2 ”，它把采集得来的信号数据以数据文件的形式保存在计算机中，同时能触发i b a a n a l y z e r 数据分析软件进行数据处理，并可将数据存储到远程的数据服务器的数据库中，为远程监测、进一步的信号分析和故障诊断提供了物质基础。此外，数据储存服务系统能自动采集数据。每当轧制完卷带钢时，该系统就自广东工业大学工学硕士学位论文动触发一次，把检测到的信号数据记录在计算机并存储到s q l 数据库中。因此监测诊断站能通过网络进行远程监测。3 2 信号数据分析及其特征的提取监测诊断站的任务就是通过从数据服务器中获取信号数据来进行监测现场设备的工作状态及故障诊断的，目的是消除重大故障的隐患以保证生产过程的正常进行。而从数据服务器中获取的数据是离散的时域信号数据，单从信号的波形是难以判断设备状态的，因此，必须通过进一步的信号分析、特征的提取，才能准确地判断测点的工作状态。3 2 1 引言关于信号的分析，方法有很多，通常分为时域分析法和频域分析法两种。而使用频谱分析或采用基于f f t ( 快速傅立叶变换) 的频谱分析是最常用的特征提取方法，它提供了信号的频谱结构，虽然也是一种可取的诊断方法，在这方面已有许多研究成果了，它对于分析线性系统确实能收到很好的效果，而对于非线性系统，其频谱是宽带的连续谱，要实现根据频谱区分不同的信号是比较困难的【24 1 ，而且也难免会出现泄漏的情况，这是由于在现实中，无法对一个信号取无限个样本，必须对其进行截断，即进行时域加窗运算 4 2 】，因而在频域中发生泄漏，同时也容易引入混叠误差。由于本课题的张力控制系统的信号都是非线性的随机信号，而分形法对于分析非线性系统能收到更好的效果，基于以上考虑，因此，本系统采用信号的分形分析法来提取信号的状态特征。3 2 2 应用信号分形法去提取信号特征分形学是一门新兴的学科，将分形用于故障诊断是近年来的研究成果和发展趋势，它适用于描述非线性的、复杂的机械系统，而分形维数则定量地描述了系统的复杂度和不规则度。它是一种时域信号的分析方法，所以采用分形维数特征对机械设备系统的诊断也就是通过时域信号分析处理获得故障识别的新方法，它将克服采用频域信号识别中出现的信号泄漏和频率混叠等缺陷 2 ”。分形维数有很多，常用的有信号分形计算维数 2 6 和关联维数，它们都能1 6第三章信号的特征提取描述非线性系统信号，都是刻画信号分形特征的一个重要参数。但由于关联维数需要进行相空问的重构【2 4 】【2 7 】，而在重构过程中，对延迟时间、嵌入维数吲以及数据长度等参数的选取具有较高的要求：例如在选取延迟时间时，需要比较多种计算方法( 如伪相图法、自相关函数法、填充因子法、奇异值分量法、平均位移法等2 4 1 ) ，才能找到较准确的方法，过程比较烦琐、复杂。而且对于嵌入维数的确定，其准确度要求也较高，计算方法也较多，一般采用特征饱和法通过不断增大嵌入维数来观察关联维数是否达到饱和，并以此确定关联维数，计算量比较大。此外，有研究表明，对于数据长度的选取一般要求数据长度大于5 0 0 点才比较合适【2 4 】。由于正常信号与异常信号会有不同的特征，而信号分形计算维数同样能反映出信号的特征，能准确地描述了本系统的非线性信号或系统的不规则特性，其算法如下( 见式3 1 ) 。伽一监圣竖二型!。，。i n t。其中，d j 表示第j 信号的分维值，t 表示采样周期，x i 表示第i 个采样数值。而且，从该算法本身可以看到，信号分形计算维数的计算过程相当简单、方便和直观，其结果也比较准确，而且，有利于程序的实现，数据量要求也不是很高。基于以上考虑，因此本系统采用了信号分形计算维数，通过该方法能求出正常信号和出现各种异常信号的不同分维值，从而解释信号特性。这样，利用该方法通过将复杂的测量信号经过分维压缩( f d c ) 转化为一个简单的数，大大有利于信号特征的转化和故障识别2 9 1 ，所以可以用来作为判断信号状态的特征量，只要当前信号的分维数超出该信号的正常范围，我们就可以辨识出当前信号的异常状态。虽然信号的分形计算维数在很大程度上已反映出信号的状态特征和不规则特性，但实际上，信号的状态还与信号的大小有关，某个信号的大小可通过该信号的平均值体现出来。所以，采用信号大小的平均值e ，加上分维值d ，就可以确定该信号的状态j ，算法如下( 见式3 2 ) ：s = e ，+ d j( 3 2 )广东工业火学工学硕士学位论文1 亡e j2 i 备薯3 所以，只要求出该信号的当前状态值s ，再通过比较该信号正常状态时的范围，就可以判断该信号当前是否正常，由此可以进一步地进行故障诊断。其中，信号的正常状态范罔是通过对同一操作规程下测量得来的正常数据的状态值进行统计比较来获取的。3 3 本章小结信号分析是进行故障诊断的第一步，在很大程度上，直接影响到诊断结果的准确度。本章首先展示了整个监测诊断系统的概貌，提出进一步进行信号分析的必要，然后提出通过时域分析法，应用分形理论进行信号的分析，通过比较关联维数和信号分形计算维数后，选用了信号分形计算维数，并通过加上信号的平均值来准确评估信号的状态，提取出信号的状态特征值，为进一步的故障诊断推理提供了依据。第四章故障诊断方法及关键技术的研究第四章故障诊断方法及关键技术的研究4 1 引言从第二章的分析来看，张力控制系统是一个相当复杂的动力系统，它是通过对现场信号数据的获取来进行监测的，而故障与故障征兆信号之间表现出极其错综复杂的关系( 如图2 5 所示) ，它属于多征兆多故障的情况，即同一种故障的发生往往引起多种征兆( 即多个信号的异常表现) 。而且当多故障同时发生时，往往会耦合在一起，所以对应着同一种故障的同一种信号，其异常表现也会不一样，即信号的征兆是不明确的，征兆与故障之间也存在着不明确的对应关系。因此，应用现代智能诊断技术是十分必要的，智能诊断是人工智能( a i ) 技术在设备故障诊断领域中的应用，它是计算机技术和故障诊断技术相互结合与发展进步的结果。智能诊断的本质特点是模拟人脑的机能，有效地获取、传递、处理、再生和利用故障信息，成功地识别和预测诊断对象的状态 3 1 。常见的智能诊断技术有模糊综合评判方法、神经网络技术及基于案例的推理等专家系统方法，这几种方法对于诊断具有不确定性的复杂系统的故障都能收到较好的效果。4 2 智能诊断推理方法的研究4 2 1 人工神经网络的基本原理人工神经网络( a r t i f i c i a l n e u r a l n e t w o r k a n n ) ，或者通常简称为“神经网络”( n n ) ，是近年来发展起来的十分热门的交叉学科。它有着十分广泛的应用背景和前景 3 0 】。神经网络是一个具有高度非线性的超大规模连续时间动力系统，其主要特性是连续时间非线性动力学、网络的全局作用、大规模并行分布处理和联想学习能力。神经网络的推理是以神经元为基本的数学处理模型，它是由大量神经元( 如图4 一l 所示 30 ) 广泛互连组成的网络，反映了人脑功能的基本特性，模拟人脑的功能，通过神经元之间相互作用来进行信息的处理。广东工业大学工学硕上学位论文图4 - 1 神经元模型示意图( f 蟾4 - 1t h ec h to f t h em o d l l l eo f t h en e r v eu n i t )j ，= o 一谚( 4 1 )i = 1y f = f ( s f )( 4 2 )其中，x j ( j = 1 2 n ) 为神经元的输入信号；岛为该神经元的闽值；q ，表示从神经元j 到神经元i 的连接权值；最表示该神经元的状态。f ( o ) 是输出函数，它是某种非线性函数，它将神经元的状态s 变换成输出y t 。网络学习是神经网络的特点，学习和识别的过程反映了各种神经元联结权系数的动态演化过程，所以连接权值是需要经过大量的故障案例样本的多次训i练学习才能使其更符合实际情况。另外，神经网络本身也有学习效率低、训练速度慢、理解功能弱等【1 1 缺陷，而且在本系统中，正缺乏故障的实际案例，所以难以采用该方法进行诊断。同理，通过基于案例的推理( c b r ) 方法实现本系统的故障诊断也较为困难。4 2 2 模糊综合评判的推理方法采用基于模糊理论( f u z z yt h e o r y ) 【3 1 【3 2 】吲的模糊综合评判的推理方法对于本系统的故障诊断能收到更好的效果。由于故障的征兆往往是很模糊的表现，例如“高于上限值”，这种表现的强弱程度是很难用经典的二值或多值逻辑来描述，而不同的强弱程度往往可能对应着不同的故障；而模糊理论正