SCI论文（www.lunwensci.com）:
摘要：设备安全、可靠、高效地运行与企业的发展息息相关，冶金行业设备种类繁多，且多数属于负载较高的大型设备，运行环境也比较复杂，所以设备的磨损率较高，轴承磨损、齿轮磨损和联轴器不对等故障极易发生，如果处理不及时，极有可能引发意外事故。特别是近几年冶金行业的高速发展，导致设备也趋向于高速化和自动化，传统的设备管理手段已经无法应对现有设备的运行状况，所以冶金行业为了提高设备管理能力，逐步在设备管理中引入在线振动检测技术。因此，如何将振动检测与传统设备管理手段有效的相结合，避免“过维修”和“欠维修”，最终实现预防性维修是设备管理人员重要课题。
关键词：冶金行业；振动检测；设备管理
针对旋转设备状态检测与故障诊断有很多方法，主要有：振动、温度、噪声、压力、应变以及电流等，通过设备状态检测技术能够及时有效地评估设备状态，尽早预测故障，从而提高设备运行的可靠性和安全性。其中，振动检测技术以其准确率高、诊断方便快捷以及便于在线检测等诸多优点而受到人们普遍关注，在机械设备故障诊断技术体系中居主导地位，逐步地被广泛应用。据相关统计约60%-70%的机械故障都可以通过振动反映出来。因此，通过建立基于在线振动检测技术的设备管理体制是可以有效地监控设备状态提高设备管理水平的。
1背景介绍
1.1传统的设备维护模式
传统的设备维护模式是点检员通过每天对设备进行巡回检查的方式，基于五感及技能评价设备运行状态，该方式的确在一定程度上对产线的稳定顺行起到了重要作用，但由于这种方式主要是依赖于点检员主观判断，因此存在很大的弊端，例如：不同点检员点检结果差异较大、点检及时性差、无法确定点检标准、无法进行设备劣化分析及点检结果无可追溯性等问题。除此之外，早期故障通过传统方式是很难发现的，也无法准确的判定设备存在的隐患以及异常设备的故障部位，最终使得早期故障逐步劣化成严重事故，给企业造成了经济损失。
1.2设备维修模式
冶金行业设备种类繁多，使用的多为大型、高负荷设备。设备磨损大，长时间运转极易出现齿轮磨损、轴承磨损等问题，如处理不及时，极易引发突发事故，甚至引发次生事故。以前的维修方式主要是事后维修和定期维修，事后维修主要是指设备发生事故后再进行维修，这种维修方式不能及时预防早期故障，从而出现较大的突发事故，不仅会造成经济损失甚至会引发较大的安全事故甚至导致人身伤亡；后者定期检修主要是靠人工预测设备状态和劣化周期，制定检修周期，这种方式错误率较高，不仅会导致设备检修不及时而引发突发事故，还会导致设备“过修”使得维修费用增加，设备“过修”也会加速设备磨损老化，影响设备生产运行的精确度。
1.3冶金企业加快智能制造的迫切需求
为实现冶金行业智能制造的目标，设备的自动化程度和智能化程度也在不断提高，打造智能工厂和无人工厂的说法，近年来也被多家大型钢企提出。因此对设备管理的要求就更高了。
2冶金行业实施在线振动检测技术的目的
2.1实现质量控制
通过振动检测技术可以对设备采购、安装以及检修过程进行检测，通过对新安装及检修后的设备进行振动检测，将检测数据对比国标及设备之前的振动趋势进行质量验收，确保设备运行达标，对设备进行量化管理，做到依法验收，最大限度地增强设备质量管理，从而为企业带来经济效益。
2.2科学的设备维保模式
设备经过长时间运行积累了大量数据，通过数据分析得出设备运行正常时的振动参数，结合国家和国际标准作为设备运行评价依据，对于振动超标的设备，结合数据分析判定该设备存在的状态“早期故障、中期故障、晚期故障”，根据设备状态进行检修计划的制定，对于早期隐患故障可排除隐患后继续运行，对于不需要及时检修但可继续运行的设备可采取措施延缓劣化并加强监测等待合适时机进行检修，例如：延长至环保停车，从而减少检修次数。因此准确的判定振动过大的原因、故障部位、故障程度尤为重要，并且振动检测技术作为检修后验收的标准之一。除此之外，现场点检人员可根据振动检测分析结果制定相应的日常点检计划，对异常可运行的设备加强点检力度，相应的对于无问题的设备可减少点检频次。
2.3实现安全生产
冶金产线运行工况复杂危险源多，由于小的设备隐患引发大的安全事故不胜枚举，通过振动检测技术可及时发现早期故障隐患并采取措施及时处理，从而可在很大程度上减少突发性事故的发生几率。
2.4实现节能降耗
冶金行业设备中也包含了较多的水泵机组用于供水，当机组振动较大时往往也会消耗较多的能量，例如设备联轴器的不对中情况就会导致振动加大，不仅会增加能耗，也会导致轴承产生非正常磨损，从而造成填料密封的过度消耗。
3在线振动检测技术概述
冶金行业设备在运行过程中或大或小都会存在振动现象。设备的振动现象不仅会影响其运行精度，而且还会加速设备的磨损；而随着磨损的不断加剧，机械设备的振动将更加剧烈，长此以往形成恶性循环，直至设备发生严重故障甚至损坏。振动的加剧往往是伴随着设备部件工作状态异常、甚至是失效而发生的一种物理现象。据资料显示有百分之六十以上的机械故障都可以通过振动反映出来。在不停机和解体的情况下，只需要通过对机械振动信号的测量和分析，就可对其劣化程度和故障性质有所了解。如今，振动的理论已相当成熟，方法更加简单易行。
随着现代机械装备的大型化和高功率方向的发展，使得设备振动问题越来越受到人们重视。
当设备发生故障时，在故障点的振动参数的峰值和有效值就会产生明显的变化，或者出现新的振动分量。设备发生故障的主要特征是伴有异常的振动和噪声，采集的振动信号从频谱和时域曲线反映了设备的故障信息。利用振动检测技术可及时发现和识别这些异常振动现象，通过对振动特征及发展趋势进行分析，及时发现振动原因从而采取措施进行控制或减少振动，避免发生重大事故。
振动检测技术的任务就是对振动信号进行特性参数提取，并依据特征参数进行设备正常与否的分析。
振动检测技术在现代科技条件下不断进步，振动领域逐步应用了智能诊断和远程检测技术，具有越来越复杂的诊断检测系统、不断扩展的功能和更高的精度。
在线振动检测就是将传感器固定安装在设备上通过线缆将数据传输至数据采集模块，数据采集模块对数据进行简单处理后通过网络传输至可进行数据分析处理的上位机。振动检测技术中较为常用的是时域分析法和频谱分析法，振动分析师可根据时域和频谱两种分析方法判定设备异常情况。
4在线振动检测技术的应用
若要诊断机械故障，就必须获得旋转机械的故障信息，如果设备出现故障，就会造成设备的异常振动，这种异常的变化就会通过分析振动信号而被发现。同时，要根据振动的异常变化来推断故障原因，还应对设备结构、运行特性等进行详细了解。
4.1设备故障诊断的方法简介
研究表明，振动信号中含有丰富的故障信息，通过对其进行时域、频谱的综合分析，确定数据中的主要振动分量得出故障原因。不同故障频谱中的频率成分以及幅值大小都不相同，这是设备故障信息的主要来源，在振动检测技术中，许多故障都会在振动信号中有所体现，如不平衡、不对中、油膜涡动、热弯曲、轴承磨损以及齿轮磨损等。一般来说这些故障产生后，振动信号中就会产生或升高其特有的频率成分，如轴系不对中产生后频谱中就会出现轴的2倍转频且相比1倍转频更高。冶金行业设备种类繁多，各设备运行情况和环境均不相同，因此，在进行设备故障检测及分析时需要根据设备制定相应的现场数据采集和分析方案。
首先，是采集数据的时机，此时须了解设备运行情况，根据运行情况寻找检测时机，像风机类设备多数属于平稳负载和转速，这类设备就可以在任何时间采集数据进行故障检测，但是像轧机类设备，尤其是热轧类设备数据断续轧制且运行时存在转速变化，这就需要在平稳轧制过程中，也就是在咬钢及抛钢前2到3秒左右轧制平稳后采集数据进行检测，此时，如果是离线检测，自然可以由现场振动分析人员进行临时把握，若是在线采集必须将检测系统与自动化相结合，通过工艺参数的变化来触发数据采集，例如扭矩的变化，这样采集的方式才更加精准。
其次，是了解设备结构，根据设备结构制定现场数据采集的点位布置、硬件的选择、采集及分析参数。
(1)检测位置的选择。
一般来说测点位置选择振源传输距离最近及刚度最强的位置；根据受力选择测点方向，安装之前预估设备可能产生的故障类型，在最小成本的原则下选择可包含所有预估故障的测点位置及数量。除此之外，测点的安装不可影响检修及其他设备维护方式。
(2)硬件的选择。
由于设备结构和运行情况的不同，引发的故障频率成分就不同，因此设备的采集频宽和能分辨的最小频率成分要包含设备所有的故障频率，首先，通过设备结构及运行转速计算相应的故障频率成分，一般来说，轴承保持架的故障频率成分最低，为转频的0.43~0.47倍，传感器和采集模块能测到的最小频率要低于保持架的频率成分。普遍应用情况来看加速度传感器在冶金行业应用最为广泛，效果也最好，因此应选择10000Hz频宽以上的加速度传感器，这样可以涵盖所有的故障频率成分及设备的固有频率。
(3)采集及分析参数的设备。
参数设定不是越大越好，而是要因地制宜，根据所需要采集的数据和设备情况来制定，在检测及分析一台设备时我们所需三个频谱数据：加速度频谱、速度频谱及解调频谱，加速度频谱是为分析中低频处的齿轮故障及在高频处分析轴承早期故障，速度频谱是为分析齿轮、扇叶、转子等故障，解调频谱是为分析轴承的中早期故障，因此加速度频谱应设定的频宽较大，可根据硬件能力设定；速度频谱可设定在最大故障频率成分的3倍以上；解调频谱须设定在轴承内圈故障的3倍以上就基本满足检测条件。
最后，是故障的分析，通过频谱中故障的特征频率、幅值的劣化趋势结合现场设备运行情况，综合判定故障点及故障程度。4.2案例分析
冷轧厂酸轧产线4号轧机减速机自2020年7月份开始系统显示高速轴电机侧轴承加速度频谱存在调制频率，经分析调制频率为该处轴承外圈故障频率成分，振动分析人员判断该处轴承存在早期轴承外圈磨损，现场点检检查设备无异常状态，之后振动分析人员持续关注系统中该设备劣化趋势并建议现场岗位点检人员加强对该设备的点检力度。之后系统数据显示该轴承存在缓慢的劣化趋势，至此现场检查该设备仍无异常状态，直至2021年2月份系统数据显示该轴承速度频谱中偶尔会出现外圈故障频率且该设备所有测点均因此轴承报警，由此报告中提升了该设备报警等级并建议现场检查，冷轧厂根据报告决定更换该处轴承，更换轴承后系统中该故障报警消除，更换下的轴承外圈存在明显的划痕且滚动体已无亮面。
5冶金行业振动检测技术难点分析及解决方案
5.1冶金行业振动检测技术难点分析
近年来，在线振动检测技术得到了飞速发展，在石油、电力等领域得到了广泛的应用，但在冶金行业的应用却难以达到预期的效果，这主要是与冶金行业设备运行工况复杂多变的特点有关。像轧钢产线分为热轧产线和冷轧产线，热轧产线有粗轧、除磷、卷箱、精轧、卷曲等，冷轧产线设备有开卷、张力辊、活套和轧机等，这些设备都是产线中的关键设备，其故障也相对较多，例如轴承磨损、齿轮磨损、基础松动以及轴不对中等，并且有很多复杂未知的频率成分出现，这些情况都为冶金行业的设备故障诊断增加了难度，以下是冶金设备进行状态监测的主要难点：
(1)由于生产工艺的原因，冶金设备往往会产生很大的瞬间撞击力，从而使振动频率超过传感器量程，造成频谱数据中产生很高的极低频率的幅值，因此造成误报。如咬钢抛钢过程中，热轧轧机瞬间冲击就较大；还有由于钢带质量的原因，冷轧的切边剪和碎边剪在工作过程中也会产生一种瞬间的撞击力，并且会产生许多混淆真实故障频率的复杂频率成分，造成分析困难。
(2)由于冶金设备运行变速变载荷的特性很难对设备的劣化趋势进行准确的分析，并且也很难定出设备准确的预报警值，这样就会产生漏报和误报现象，没有准确的报警值就失去了状态监测的意义。状态监测系统对冷轧轧机进行振动分析时检测到此时的电流和转速信号。
(3)冶金行业设备密集，这就会在状态监测时产生很多干扰，相邻之间的设备也会通过基础传播振动。
(4)振动分析人员与现场人员缺少沟通，存在振动分析人员不了解现场设备实际运行工况以及现场人员无法有效的利用分析报告的情况。
5.2解决方案
为解决上述问题，需逐步改进检测系统来适应冶金行业振动检测及分析的功能需求，检测系统的功能需全面满足在线振动检测及分析需求，除常规振动检测及分析功能外，也需要结合设备管理功能。系统具备连续采集功能，且可根据受测设备更改采集模式，不同数采模块有统一的时间标准。系统与自动化系统连接，匹配自动化信息，各种数据应按工况，也就是转速、电流、扭矩以及产品种类进行标识、存储、报警；查看数据时可以按照转速、电流、扭矩以及产品种类进行筛选。报警值应至少包括预警和报警，并采用动态阈值，系统可以上传、下载以及预览分析报告，同时可修改设备维护信息。
除此之外，振动检测及分析工作与其他设备维护工作不同，属于综合性较强的工作，不能独立存在，工作类似“设备医生”，并且所需知识面较宽。应在以下几个方面加以增进。
(1)人才培养方面：振动分析人员除具备应有的振动理论知识外，还需具备现场设备工艺、设备结构、设备点检及设备检修等维护方面的知识。
(2)日常工作方面：在日常的检测及分析工作中需加入“会诊”一项工作，因为振动分析过程不能单纯依赖理论知识，现场情况千变万化不会完全匹配理论，所以应将工作中遇到的难点和经典案例汇总后共同探讨分析得出结论，这样有利于分析的准确性，也利于人员的提高，也因此应针对每台套设备建立档案库，包含振动分析数据、点检情况及维保检修情况，便于后续的分析。
(3)与现场的结合：应建立现场点检人员、维保检修人员与振动分析人员三方有效的沟通机制，这样即可加强振动分析人员对现场情况的了解从而增强分析的准确性，也可以使现场人员根据分析报告针对早期故障采取措施延缓设备劣化趋势。遇到异常设备也可以综合多方面情况在合理的时间内进行检修，例如发现异常设备时经过三方讨论后认为加强监控后可继续运行，就可以将该设备的检修时间安排在后续的必要停车时间，这样就避免了由于单纯该设备检修停车从而影响生产的情况。在检修计划的制定上应合理的结合振动分析报告，逐渐转变维修方式。
6结论与展望
综上所述，企业应当建立一套能够满足冶金行业全面设备状态监测和管理的信息化系统，搭建包含振动的设备状态基础数据和设备管理业务数据平台，以此能够帮助企业更加全面的提高设备趋势分析、设备精密诊断分析能力，从而建立和逐步改进预测性维修模式，并将其作为企业日常运营和管理的一部分。信息化系统将作为设备信息的大数据管理平台，通过运用“大数据”进行综合梳理分析，从而找到准确而有效解决问题的方案，让设备管理变得快捷、精准、高效。除此之外，系统将作为公司各级领导、振动分析师、现场点检员、检修人员及其他技术人员的设备信息全面交互平台。
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/48198.html
