冶金轧钢设备维修与故障排除技术研究

李 啸

（承德钢铁集团有限公司，河北 承德 067000）

工业技术与企业的发展越来越迅速，冶金行业对冶金轧钢设备的检测与安全管理越来越重要。冶金轧钢设备的安全管理与维护是保证冶金行业稳定运行的基础[1]。在工业冶炼过程中，冶金轧钢设备受外力作用或在自然环境的影响下，会产生磨损与损耗，导致设备的使用性能与安全性能降低[2]。冶金轧钢设备的损耗主要受使用时间与使用强度影响，及时地对设备进行检测与维修，能够减小设备的损耗，提高冶金轧钢设备的使用寿命[3]。冶金轧钢设备的维修方式主要有两种，预防维修与故障后维修[4]。预防维修指在设备发出故障信号前，以检查为主要工作内容，依据以往设备损耗规律，定期对设备进行排查[5]。监测冶金轧钢设备的振动信号变化与故障监控统计量的变化，制定设备预防维修方案，预防故障的发生[6]。故障后维修通常指在机械设备出现损坏无法继续使用，根据设备的故障特点，专业维修人员对其设备进行有针对性的维修，消除设备故障带来的安全隐患[7]。冶金轧钢设备出现故障的原因有很多，无法逐一排查，只能通过相应的措施减少故障的发生。设备故障排查技术是指在不拆卸设备的情况下，利用相关的仪器工具，检测计算出设备异常情况的参数，与正常工况下的参数进行对比分析。通过排查出的设备故障，制定相应的设备维修管理措施，及时维护设备的安全运行。

1 冶金轧钢设备维修与故障排除技术

随着工业技术与企业的日益发展，冶金轧钢设备的安全问题不可忽视。本文提出了基于KICA的冶金轧钢设备维修与故障排除技术，具体流程如图1所示。

图1 基于KICA的冶金轧钢设备维修与故障排除流程图

通过核函数映射的方式将监测的故障数据映射到特征空间，计算出设备故障监控统计量；对数据进行预处理，再得出最优核判别向量；为设备故障数据建立最优核判别向量库，对设备发生的故障类型进行判别，最终采取相应的故障维修措施维修故障设备。

1.1 基于KICA计算故障监控统计量

传统的冶金轧钢设备维修与故障排除技术不能及时地对设备故障进行排除处理，对故障排除的准确率较低。因此，提出了基于KICA的设备维修与故障排查技术。KICA的原理是把监测到的故障数据以非线性的方式映射到一定的特征空间中，再利用ICA方法提取冶金轧钢设备的独立元件。将正常工况的设备测量数据X=[x1,...,xN]T，应用于非线性函数中，得到其中，φ为原始空间X到特征空间的映射，L为核函数。利用KICA方法采集I2、 、SPE建立设备故障监控统计量，以第次采样进行分析，三个故障监控统计量为：

其中，I2表示故障监控系统性变化；表示故障监控非系统性变化；SPE表示监控一般性故障引起的非系统性变化；表示故障主导独立成分幅值； 表示故障次要独立成分幅值。由于故障监控中的独立成分是依据非高斯分布的，所以在研究中通过核密度计算确定三个故障监控统计量的控制限。核密度的计算公式为：

其中，为设备故障监控系统中概率密度函数；h为设备故障平滑程度；k(u;h)为故障监控核函数。获取到冶金轧钢设备故障的三个监控统计量I2、、SPE的值后，按照相同的方法计算正常工况下的三个监控统计量值。

1.2 对比监控统计量排除设备故障

根据上述计算得出设备故障监控统计量，将其计算得出的故障监控统计量与正常工况下的监控统计量进行对比分析。由于环境因素以及各个冶金轧钢设备间的相互作用，对得到的监控统计量数值可能存在影响，因此，为了使对比监控统计量更加准确，需要对设备监控数据进行预处理。根据小波包去噪的方法首先对设备中的信号进行处理，具体流程如图2所示。

图2 小波包去噪预处理流程

基于小波包方法，对信号进行降噪处理，将得到的监控统计量数据进行转化，转化成以低频信息为主的计量数据，划分为较多层次的数据，再对高频信号部分继续分解，使之转化为能够适应相应频带的信号信息。对设备监控统计量数据预处理结束后，与正常工况下的监控统计量数据进行对比，最终达到冶金轧钢设备的故障排除目标。

1.3 改进KICA的类间距维修设备故障

基于上述，通过KICA计算得出故障监控统计量，将得出的设备故障监控统计量与正常工况下的监控统计量进行对比，完成设备中的故障排除。通过改进KICA的类间距，最终完成故障设备的维修工作。KICA的类间距离存在很大差异，导致故障发生的频率升高，保持设备的离散度不变，将KICA的类间距进行加权处理。建立最优核判别向量库Y，Y包含所有的设备故障类别，其表达式为：

其中，αopti表示设备故障类的最优核判别向量； 表示共有M类故障，通过计算可以判断设备发生故障的类别，根据Y的值确定设备发生故障的类型为第几类故障。

根据故障的类型采取相应的故障维修措施，常见的设备故障维修手段是诊断轴承与齿轮的表现形式。利用设备监测技术对冶金轧钢设备进行监测诊断，避免设备出现故障时停止运行，影响企业的正常运作。定期维修主要依据设备轴承与齿轮失效的规律，明确设备发生故障的周期性，进而制定周期性的维修方案。加强日常对设备的养护，定期对冶金轧钢设备进行维修保养，在设备运行过程中，采取相关的保护设备措施，也是减少冶金轧钢设备出现故障的关键环节。

2 实验分析

2.1 实验准备

本文实验选用3种类型故障的冶金轧钢设备：类型1粗轧机控制回路故障、类型2精轧机第四机架故障、类型3精轧机第二、三机架冷却阀故障。每一种故障类型，选取两组数据，选用100个已知故障工况下的实测数据，故障采样间隔为10ms。基于KICA计算故障监控统计量，根据公式（1）、（2）、（3）计算出设备故障监控统计量，将故障监控统计量与正常工况下的监控统计量进行对比，进行冶金轧钢设备的故障排除；最后将采样数据与故障数据的最优核的判别向量相比较，当二者的相似度越接近于1，则采样数据越接近故障数据，可以判定出故障的类型，通过改进KICA类间距对设备故障进行定向维修。

2.2 结果分析

基于上述实验准备，计算出本文提出的冶金轧钢设备的维修与故障排除方法的故障排除准确率，将本文方法与传统方法的故障排除准确率结果，绘制成表1。

表1 两种方法故障排除准确率（%）

由表1可知，对于三种设备故障的排除准确率，本文提出的基于KICA的冶金轧钢设备维修与故障排除方法较传统方法相比，对于故障的排除准确率较高，平均提高了14.23%，因此，改进类间距的KICA冶金轧钢设备维修与故障排除方法可以有效提高故障排除与维修的准确性。

3 结语

本文对冶金轧钢设备的维修与故障排除技术进行了研究分析，提出了基于KICA的冶金轧钢设备维修与故障排除方法。此方法较传统方法相比，对设备故障的类型判定的更加精准，故障排除的结果更加准确。基于KICA计算故障的监控统计量，与正常工况下的监控统计量进行对比，排除设备运行的故障；最终改进KICA的类间距实现故障设备的维修，对于设备故障排除准确率较高，能够促进冶金轧钢设备的安全运行。