[发明专利]轧机设备状态在线监测与诊断系统及监测诊断方法

说明书

本发明提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，轧机设备状态在线监测与诊断系统包括：数据解析模块，伺服阀差值分析模块，电气传感器振荡分析模块，旋转部件振动信号分析模块，信息综合处理模块,故障报警模块，监控视图模块，通道管理模块，标准管理模块，以及故障反馈模块。本发明使得系统中的大量加密生产数据文件被解析出来，大幅度节省数据存储空间，有利于故障数据的追溯和基于大数据的深入分析；通过伺服阀、电气传感器、关键旋转部件的不同信号特征提取和分析，可以多维度地在线监测与诊断轧机设备状态；通过轧机设备状态在线监测与诊断系统，实现了轧制稳定性和产品质量指标控制精度的提升。

技术领域

本发明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。

背景技术

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，对轧机设备状态进行在线监控、有效评估与智能分析显得尤为必要，对影响轧机设备状态的众多因素进行统一管理，从而提高轧制稳定性和产品质量指标。

文献检索查到相关专利：2014年03月05日公开的申请号为CN201310701841.0的发明专利《一种低速重载机械的早期故障检测系统》，提出了一种低速重载机械的早期故障检测系统，采用压振传感器和超低频锁相环，提取早期故障微弱冲击信号。2016年11月23日公开的申请号为CN201610502764.X的发明专利《一种动设备状态监测及故障诊断安全系统》，提出一种动设备状态监测及故障诊断安全系统，通过数据传输装置和数据采集装置实现对动设备的远程监控。

但是，上述专利只涉及到机械设备振动信号的监测及故障诊断，针对设备电气信号的状态监测及故障诊断，尤其是对轧机设备状态的在线监测与诊断，几乎没有相关的专利涉及到。

发明内容

本发明的目的在于提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，以解决上述问题。实现轧制稳定性和产品质量指标控制精度的提升。

本发明采用了如下技术方案：

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，