CN102441579B - 热连轧轧机运行状态的在线监测方法 - Google Patents

Abstract

本发明涉及热连轧轧机，具体涉及一种热连轧轧机的状态监测方法。一种热连轧轧机运行状态的在线监测方法，它还包括：步骤一，利用振动传感器采集监测点信号；所述采集点设在减速机轴承座、电机轴承座、AGC油缸、牌坊顶部；步骤二，采集热轧PLC过程量信息，通过OPC方式实现工艺过程信号与轧机机械状态量信号的同步采集，并分析计算的获得相应的指标：滚动轴承的信号，滑动轴承故障信号，AGC油缸相应同步性信号，和牌坊开裂或动态刚度信号；步骤三，利用步骤二获得的指标，当信号异常时，提供报警信息，指导操作和设备管理人员采取应对措施。本发明采用分类指标监视热连轧轧机运行状态的劣化趋势，支撑生产线的正常生产。

Description

热连轧轧机运行状态的在线监测方法

技术领域

本发明涉及热连轧轧机，具体涉及一种热连轧轧机的监测方法。

背景技术

热轧生产线是冶金企业重要的成品生产厂，其当前的机械设备状态检测主要有三种形式：其一是设备维护的点检和技术人员依据个人的经验进行的状态判定，即所谓常规诊断，其二是利用随设备一起引进的的设备在线状态诊断系统提供的分析信息进行判定，即在线诊断；其三是结合上述一和二中的信息，在明确问题点后，利用离线检测仪器，对设备特征量进行记录和分析，即离线精密诊断。三类设备状态管理有着共同的立足点，那就是“设备状态数据采集和分析判断技术”，即应该通过采集哪些设备特征参数，何时采集，以及使用怎样的分析和判断方法，实现对设备状态准确把握的目标。

由于热轧设备的变速、变载、变工况的工作特点，轧机咬钢和抛钢产生的冲击造成设备振动数据很大，轧机的主传动电机、减速机、AGC油缸、牌坊等的设备状态好坏直接影响到热轧生产线的运行效率和产品质量。

为了监控轧机从热连轧制过程的稳定性，将轧机设备状态、工艺、电气控制过程量信号等集成到在线系统中，便于热轧设备状态综合管理以及异常分析诊断。

轧机关键设备包括主传动的电机、轧机减速箱齿轮、AGC油缸(分别位于轧机的传动侧和操作侧)、轧机牌坊等的状态好坏直接影响到轧制稳定性，这些设备一旦出现故障有可能造成停机事故，因此需对这些设备增加在线监测点，监视其振动的变化趋势，当运行趋势发生变化时能对设备可能存在的故障进行预警，并能进行分析诊断。

发明内容

本发明旨在解决上述问题，提供热连轧轧机运行状态的在线监测方法。本发明采用分类指标监视热连轧轧机运行状态的劣化趋势，支撑生产线的正常生产。

一种热连轧轧机运行状态的在线监测方法，它包括：

步骤一，利用振动传感器采集监测点信号；所述采集点设在减速机轴承座、电机轴承座、AGC油缸、牌坊顶部；

步骤二，采集热轧PLC过程量信息，通过OPC方式实现工艺过程信号与轧机机械状态量信号的同步采集，并分析计算的获得相应的指标：

滚动轴承的信号，

滑动轴承故障信号，

AGC油缸相应同步性信号，和

牌坊开裂或动态刚度信号；

步骤三，利用步骤二获得的指标，当信号异常时，提供报警信息，指导操作和设备管理人员采取应对措施。

所述的热连轧轧机运行状态的在线监测方法，所述步骤二中，滚动轴承的信号以轴承特征频率附近的频带作为监测对象，将特征频率处的振动峰值与选定频带内的频谱加权值进行运算。设轴承故障因子为：轴承内圈故障因子B₁、轴承外圈故障因子B₂、轴承滚动体故障因子B₃、轴承保持架故障因子B₄：

B₁＝(A_fi+1/A_fi+U_fi+1/U_fi)/4(5)

B₂＝(A_fO+1/A_fO+U_fO+1/U_fO)/4(6)

B₃＝(A_fp+1/A_fp+U_fp+1/U_fp)/4(7)

B₄＝(A_fh+1/A_fh+U_fh+1/U_fh)/4(8)

其中A_fi，U_fi分别为振动频谱上轴承内圈f_i处的振动幅值和选定频带内振动值的加权平均。A_fo，U_fO分别为外圈特征频率f_o处的振动幅值和选定频带内振动值的加权平均；A_fp，U_fp为振动频谱图上滚动体特征频率f_p处的振动幅值和选定频带内振动值的加权平均；f_Ah，U_fh为振动频谱图上保持架频率f_h处的振动幅值和选定频带内振动值的加权平均。

所述的热连轧轧机运行状态的在线监测方法，所述步骤二滑动轴承故障信号是提取轴承座获取的原始振动信号，经振动频谱分析FFT变换成转速倍频为1-9倍频处的振动幅值分量A_i(f)，通过反算叠加后重构成的滑动轴承故障信号，滑动轴承故障系数J算法如式(9)：

$J=\left[\underset{i=5}{\overset{9}{\mathrm{\Σ}}}{A}_i\left(f\right)\right]/\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{A}_i\left(f\right)---\left(9\right)$

i＝1，2，----，9。

所述的热连轧轧机运行状态的在线监测方法，油缸的频率响应采用频谱分析方法，设传动侧(DS侧)和操作侧(OS侧)的频谱最大谱峰频率分别为f_DS和f_OS，两侧油缸同步性好时，f_DS和f_OS相差很小；当f_DS和f_OS征相差较大时表示AGC油缸动作出现不一致，时域信号上显示两个油缸振动波形的周期相差较大。

AGC油缸响应同步性故障因子U采用f_OS和f_OS处对应的振动幅值A_OS，频率f_DS和f_DS处对应的振动幅值A_DS按公式(10)进行计算，评价两个AGC油缸频谱的波形指标差异。

U＝abs(A_DS*f_DS-A_OS*f_OS)/(A_OS*f_OS)(10)

其中abs(A_DS*f_DS-A_OS*f_OS)表示对A_DS*f_DS-A_OS*f_OS的计算结果取绝对值。

所述的热连轧轧机运行状态的在线监测方法，所述步骤二中牌坊开裂的信号采用比值判断法，选取牌坊投入运行时的振动基础数据或者轧制同一种规格品种钢时的历史振动幅值C₀作为基准，在线监测系统检测到的总振动值为C₁

牌坊开裂或刚度故障系数W为：

W＝C₁/Co(11)

所述的热连轧轧机运行状态的在线监测方法，所述的步骤三的指标和报警条件包括：设定轴承零部件故障因子的报警值B_sk(k＝1，2，3，4)，各特征频率处的轴承故障因子B_k(k＝1，2，3，4)，当B_k＞B_sk时，在线监测系统预报轴承异常；滑动轴承故障系数J，当J＞40％时在线系统报警；AGC油缸响应同步性故障系数U，当U＞20％时在线系统报警；和牌坊开裂或刚度故障当W＞150％时报警。

本发明提出了热连轧试验轧机运行状态的在线监测解决方案，采用振动加速度传感器实现轧机振动的信号采集，通过信号重构获得轧机设备状态的特征参数，实现轧机本体运行状态的在线监测；

实现了热连轧轧机状态与工艺量PLC的勾联，满足设备状态与工艺过程参数的对应和同步采集，成功应用于在线监测系统；

提出了利用分类指标技术把握热连轧轧机的状态劣化趋势的方法，当分类监测指标异常时，在线系统提供报警信息，指导相关人员采取应对措施。

附图说明

下面结合附图和实施方式对本发明作进一步的详细说明：

图1为本发明热连轧设备运行状态在线监测信号流向示意图；

图2为本发明热连轧轧机在线监测数据流示意图。

具体实施方式

本发明提出了热连轧轧机运行状态的在线监测解决方案，采用振动加速度传感器实现轧机减速机、电机、AGC油缸以及轧机牌坊等关键设备的振动信号采集，通过信号重构获得轧机设备状态的特征参数，同时同步采集轧机PLC的过程数据，实现轧机状态的在线监测；图1是热连轧轧机在线监测的信号流向示意图。

滚动轴承的信号提取及故障监视

滚动轴承的中、前期故障由于冲击信号能量低，常常被淹没在背景噪声中。现场实测故障信号研究表明，从振动包络频谱图中，可以看到轴承外环的故障频率，但是除了轴承的故障频率外，同样存在很多其它故障频率，最高谱线不是轴承故障频率，也不能下轴承问题是主要振源的结论。

选取轴承特征频率附近的频带作为监测对象，将特征频率处的振动峰值与选定频带内的频谱加权值进行运算。设轴承故障因子为：轴承内圈故障因子B₁、轴承外圈故障因子B₂、轴承滚动体故障因子B₃、轴承保持架故障因子B₄。

B₁＝(A_fi+1/A_fi+U_fi+1/U_fi)/4(5)

B₂＝(A_fO+1/A_fO+U_fO+1/U_fO)/4(6)

B₃＝(A_fp+1/A_fp+U_fp+1/U_fp)/4(7)

B₄＝(A_fh+1/A_fh+U_fh+1/U_fh)/4(8)

其中A_fi，U_fi分别为振动频谱上轴承内圈f_i处的振动幅值和选定频带内振动值的加权平均。A_fo，U_fO分别为外圈特征频率f_o处的振动幅值和选定频带内振动值的加权平均；A_fp，U_fp为振动频谱图上滚动体特征频率f_p处的振动幅值和选定频带内振动值的加权平均；A_fh，U_fh为振动频谱图上保持架频率f_h处的振动幅值和选定频带内振动值的加权平均。

设定轴承零部件故障因子的报警值B_sk(k＝1，2，3，4)，监视各特征频率处的轴承故障因子B_k(k＝1，2，3，4)。当B_k＞B_sk时，在线监测系统预报轴承异常。

滑动轴承故障信号提取

对于轴承座获取的原始振动信号，经振动频谱分析FFT变换成转速频率(1倍频)，2倍转速频率(2倍频)，3倍转速频率(3倍频)和4倍转速频率(4倍频)、5倍转速频率(5倍频)、6倍转速频率(6倍频)、7倍转速频率(7倍频)、8倍转速频率(4倍频)和9倍转速频率(9倍频)处的振动幅值分量A_i(f)(i＝1，2，----，9)，通过反算叠加后重构成的滑动轴承故障信号，滑动轴承故障系数J算法如式(9)：

$J=\left[\underset{i=5}{\overset{9}{\mathrm{\Σ}}}{A}_i\left(f\right)\right]/\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{A}_i\left(f\right)---\left(9\right)$

监测滑动轴承故障系数J，当J＞40％时在线系统报警。AGC油缸响应同步性故障

AGC油缸上均布置有振动传感器，分析两个AGC油缸的频率响应采用频谱分析方法，设传动侧(DS侧)和操作侧(OS侧)的频谱最大谱峰频率分别为f_DS和f_OS，两侧油缸同步性好时，f_DS和f_OS相差很小；当f_DS和f_OS征相差较大时表示AGC油缸动作出现不一致，时域信号上显示两个油缸振动波形的周期相差较大。

AGC油缸响应同步性故障因子U采用f_OS和f_OS处对应的振动幅值A_OS，频率f_DS和f_DS处对应的振动幅值A_DS按公式(10)进行计算，评价两个AGC油缸频谱的波形指标差异。

U＝abs(A_DS*f_DS-A_OS*f_OS)/(A_OS*f_OS)(10)

其中abs(A_DS*f_DS-A_OS*f_OS)表示对A_DS*f_DS-A_OS*f_OS的计算结果取绝对值。

监测AGC油缸响应同步性故障系数U，当U＞20％时在线系统报警。

牌坊开裂或动态刚度故障

牌坊开裂的监测采用比值判断法，选取牌坊投入运行时的振动基础数据或者轧制同一种规格品种钢时的历史振动幅值C₀作为基准，在线监测系统检测到的振动值为C₁。

牌坊开裂或刚度故障系数W为：

W＝C₁/Co(11)

当W＞150％时报警。

PLC工艺过程参数监测

工艺过程信号来自基础自动化或PLC，如速度、电流、负荷、轧制力等，通过OPC方式实现工艺过程信号与轧机机械状态量信号的同步采集，其数据流示意图如图2所示。

以纠偏夹送辊速度反馈和给定为例，说明在线监测该类参数的方法。

在线系统取得纠偏夹送辊速度反馈值和给定值，通过计算得出反馈与给定的差值，当差值大于一个上限或者小于一个下限值时，可以认为纠偏夹送辊速度异常，在线系统提示操作人员注意纠偏夹送辊速度偏差超限，应进行调整。

提出了利用分类指标监视热轧轧机状态劣化趋势的方法，当分类指标异常时，在线系统提供报警信息，指导操作和设备管理人员采取应对措施。

热连轧轧机在线监测分类指标如下：

●滚动轴承故障监视指标：轴承零部件故障因子B_k(k＝1，2，3，4)；

●电机滑动轴承故障系数J：监测重构信号的5倍频至9倍频处振动信号频谱图上的振动幅值和1倍频至4倍频处振动信号频谱图上的振动幅值的比值；

●AGC油缸响应同步性故障因子U：U＞20％时在线系统报警；

●牌坊开裂或动态刚度故障系数W：W与牌坊投入运行时的振动基础数据或者轧制同一种规格品种钢时的历史振动幅值基准作对比判定。

Claims (5)

1.一种热连轧轧机运行状态的在线监测方法，其特征在于，它包括：

步骤一，利用振动传感器采集监测点信号；监测点设在减速机轴承座、电机轴承座、AGC油缸和牌坊顶部；

步骤二，采集热轧PLC过程量信息，通过OPC方式实现工艺过程信号与轧机机械状态量信号的同步采集，并分析计算的获得相应的指标：

滚动轴承的信号，

滑动轴承故障信号，所述滑动轴承故障信号是提取轴承座获取的原始振动信号，经振动频谱分析FFT变换成转速倍频为1-9倍频处的振动幅值分量A_i(f)，通过反算叠加后重构成的滑动轴承故障信号，滑动轴承故障系数J算法如式(9)：

i＝1，2，----，9；

AGC油缸相应同步性信号，和

牌坊开裂或动态刚度信号；

步骤三，利用步骤二获得的指标，当信号异常时，提供报警信息，指导操作和设备管理人员采取应对措施。

2.根据权利要求1所述的热连轧轧机运行状态的在线监测方法，其特征在于，所述步骤二中，滚动轴承的信号以轴承特征频率附近的频带作为监测对象，将特征频率处的振动峰值与选定频带内的频谱加权值进行运算；设轴承故障因子为：轴承内圈故障因子B₁、轴承外圈故障因子B₂、轴承滚动体故障因子B₃、轴承保持架故障因子B₄：

B₁＝(A_fi+1/A_fi+U_fi+1/U_fi)/4(5)

B₂＝(A_f0+1/A_f0+U_f0+1/U_f0)/4(6)

B₃＝(A_fp+1/A_fp+U_fp+1/U_fp)/4(7)

B₄＝(A_fh+1/A_fh+U_fh+1/U_fh)/4(8)

其中A_fi，U_fi分别为振动频谱上轴承内圈f_i处的振动幅值和选定频带内振动值的加权平均；A_fo，U_f0分别为外圈特征频率f_o处的振动幅值和选定频带内振动值的加权平均；A_fp，U_fp分别为振动频谱图上滚动体特征频率f_p处的振动幅值和选定频带内振动值的加权平均；A_fh，U_fh分别为振动频谱图上保持架频率f_h处的振动幅值和选定频带内振动值的加权平均。

3.根据权利要求1所述的热连轧轧机运行状态的在线监测方法，其特征在于，AGC油缸的频率响应采用频谱分析方法，设传动侧和操作侧的频谱最大谱峰频率分别为f_DS和f_OS，两侧AGC油缸同步性好时，f_DS和f_OS相差很小；当f_DS和f_OS征相差较大时表示AGC油缸动作出现不一致，时域信号上显示两个AGC油缸振动波形的周期相差较大；

AGC油缸响应同步性故障因子U采用f_OS和f_OS处对应的振动幅值A_OS，频率f_DS和f_DS处对应的振动幅值A_DS按公式(10)进行计算，评价两个AGC油缸频谱的波形指标差异：

U＝abs(A_DS*f_DS-A_OS*f_OS)/(A_OS*f_OS)(10)

其中abs(A_DS*f_DS-A_OS*f_OS)表示对A_DS*f_DS-A_OS*f_OS的计算结果取绝对值。

4.根据权利要求1所述的热连轧轧机运行状态的在线监测方法，其特征在于，所述步骤二中牌坊开裂的信号采用比值判断法，选取牌坊投入运行时的振动基础数据或者轧制同一种规格品种钢时的历史振动幅值C₀作为基准，在线监测系统检测到的总振动值为C₁，

牌坊开裂或刚度故障系数W为：

W＝C₁/Co(11)。

5.根据权利要求1所述的热连轧轧机运行状态的在线监测方法，其特征在于，所述的步骤三的指标和报警条件包括：设定轴承零部件故障因子的报警值B_sk(k＝1，2，3，4)，各特征频率处的轴承故障因子B_k(k＝1，2，3，4)，当B_k＞B_sk时，在线监测系统预报轴承异常；滑动轴承故障系数J，当J＞40％时在线系统报警；AGC油缸响应同步性故障因子U，当U＞20％时在线系统报警；和牌坊开裂或刚度故障系数W，当W＞150％时在线报警。