特約撰稿人：沃德（天津）智能技術(shù)有限公司 葉新功 蔡道勇 李玉璞 陳仕琦

本文以鋼包回轉(zhuǎn)臺(tái)支承軸承作為研究對(duì)象，分析了其故障診斷的難點(diǎn)，并設(shè)計(jì)了基于大數(shù)據(jù)及人工智能分析的鋼包回轉(zhuǎn)支承軸承故障診斷系統(tǒng)，系統(tǒng)包含數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)和管理層、數(shù)據(jù)挖掘和診斷分析層和數(shù)據(jù)展示層等4 個(gè)層次，形成了從監(jiān)測(cè)到維護(hù)的閉環(huán)運(yùn)行，并成功應(yīng)用于山東萊鋼某鋼鐵有限公司。

通過(guò)該系統(tǒng)的應(yīng)用，提前30 天準(zhǔn)確實(shí)現(xiàn)了對(duì)鋼包回轉(zhuǎn)臺(tái)支承軸承的故障程度和殘余壽命的預(yù)測(cè)，為客戶準(zhǔn)備備品、備件和制定維修計(jì)劃，贏得寶貴的時(shí)間，避免了由軸承損壞引起的重大非計(jì)劃停機(jī)事故，為客戶帶來(lái)了1000 萬(wàn)元的經(jīng)濟(jì)效益。

冶金行業(yè)關(guān)鍵設(shè)備的正常運(yùn)作是保證生產(chǎn)效益的基石，這些關(guān)鍵設(shè)備一旦發(fā)生故障就有可能造成整個(gè)生產(chǎn)線停產(chǎn)，還會(huì)打亂正常的生產(chǎn)節(jié)奏，并且對(duì)企業(yè)的經(jīng)濟(jì)效益造成影響。

鋼包回轉(zhuǎn)臺(tái)是連鑄機(jī)的重要關(guān)鍵設(shè)備之一，起著連接上下兩道工序的重要作用，通常設(shè)置于鋼水接收跨與澆注跨柱列之間。該設(shè)備具有如下特點(diǎn)：（1）屬于大型低速重載設(shè)備；（2）工作環(huán)境比較惡劣、沖擊負(fù)荷大、工作非平穩(wěn)，設(shè)備工況受物料的某些特性、生產(chǎn)工藝參數(shù)變化的影響較大，且故障發(fā)生率較高，維修難度大、修復(fù)時(shí)間長(zhǎng)、修復(fù)費(fèi)用高；（3）由于設(shè)備價(jià)格昂貴，一般不會(huì)儲(chǔ)備備件；（4）工作時(shí)間長(zhǎng)，停機(jī)時(shí)間短。

在鋼包回轉(zhuǎn)臺(tái)的構(gòu)成機(jī)構(gòu)中，鋼包回轉(zhuǎn)支承軸承是鋼包回轉(zhuǎn)臺(tái)穩(wěn)定、高效工作的關(guān)鍵部件。為了保證支承軸承正常工作，工廠會(huì)要求現(xiàn)場(chǎng)工人對(duì)其進(jìn)行高密度的點(diǎn)檢，然而由于現(xiàn)場(chǎng)環(huán)境惡劣，現(xiàn)場(chǎng)點(diǎn)檢難度大，不僅提高了工人的勞動(dòng)強(qiáng)度，而且可能會(huì)威脅工人的生命安全?，F(xiàn)階段對(duì)該軸承缺乏有效的檢測(cè)手段，并且出現(xiàn)故障隱患后，故障信號(hào)特征不明顯，很難發(fā)現(xiàn)軸承故障，很有可能造成設(shè)備的二次損壞，增加維修成本，為企業(yè)帶來(lái)額外的經(jīng)濟(jì)負(fù)擔(dān)。

因此對(duì)鋼包回轉(zhuǎn)臺(tái)支承軸承進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷，不僅是保證冶金企業(yè)在連鑄環(huán)節(jié)正常生產(chǎn)的需要，還可以推動(dòng)設(shè)備管理體制變革，也必將帶來(lái)巨大效益。狀態(tài)監(jiān)測(cè)和故障診斷是減少維修工作量和維修時(shí)間的需要。因此，本文以鋼包回轉(zhuǎn)臺(tái)主軸承的故障診斷作為研究對(duì)象，開(kāi)發(fā)了1 套基于大數(shù)據(jù)及人工智能分析的在線鋼包回轉(zhuǎn)臺(tái)支承軸承的故障診斷系統(tǒng)。

鋼包回轉(zhuǎn)臺(tái)設(shè)備運(yùn)行特點(diǎn)以及故障診斷難點(diǎn)

鋼包回轉(zhuǎn)臺(tái)是在轉(zhuǎn)臂上同時(shí)承托2 個(gè)鋼水包，可將鋼水包迅速、平穩(wěn)地進(jìn)行轉(zhuǎn)跨輸送并連續(xù)澆注，實(shí)現(xiàn)鋼水包“滿包”與“空包”的快速更換，并與鋼水包、結(jié)晶器等設(shè)備結(jié)合實(shí)現(xiàn)鋼水澆鑄的連續(xù)性，通常設(shè)置于鋼水接收跨與澆注跨柱列之間，且設(shè)備結(jié)構(gòu)詳見(jiàn)文獻(xiàn)，本文就不再贅述。

鋼包回轉(zhuǎn)臺(tái)支承軸承的故障診斷存在以下技術(shù)難點(diǎn)：

（1）設(shè)備轉(zhuǎn)速低，軸承損傷造成的沖擊能量非常低；且設(shè)備受到外力干擾較大，噪聲很容易覆蓋軸承；因此常規(guī)的軸承檢測(cè)手段不能有效發(fā)現(xiàn)軸承損傷的特征，如時(shí)域分析、頻域分析、包絡(luò)解調(diào)譜等。

（2）軸承受力復(fù)雜，同時(shí)承受軸向力、徑向力和傾覆力矩。

（3）設(shè)備運(yùn)行時(shí)，由于現(xiàn)場(chǎng)環(huán)境惡劣，不允許人員進(jìn)入；且單次離線監(jiān)測(cè)不能對(duì)設(shè)備的機(jī)械狀態(tài)進(jìn)行有效得評(píng)價(jià)，數(shù)據(jù)量不足夠支持對(duì)設(shè)備的機(jī)械狀態(tài)做出判斷。

（4）不僅需要判斷設(shè)備是否存在故障，還需要預(yù)測(cè)軸承的殘余壽命，指導(dǎo)維護(hù)維修方向，發(fā)揮設(shè)備的最大價(jià)值，為準(zhǔn)備備品、備件贏得時(shí)間。

（5）為了保證振動(dòng)分析的準(zhǔn)確率，診斷人員需要具備極高的專業(yè)水平及豐富的現(xiàn)場(chǎng)經(jīng)驗(yàn)，即使?jié)M足上述條件，依然不能保證診斷分析的準(zhǔn)確率。

基于大數(shù)據(jù)及人工智能分析的鋼包回轉(zhuǎn)臺(tái)支承軸承故障診斷系統(tǒng)設(shè)計(jì)

為了更好得滿足對(duì)鋼包回轉(zhuǎn)臺(tái)支承軸承進(jìn)行精確的故障定位和設(shè)備殘余壽命的精準(zhǔn)預(yù)測(cè)，我司設(shè)計(jì)了基于大數(shù)據(jù)及人工智能分析的鋼包回轉(zhuǎn)臺(tái)支承軸承故障診斷系統(tǒng)。系統(tǒng)結(jié)構(gòu)圖如圖1 所示。

圖1 基于大數(shù)據(jù)及人工智能分析的鋼包回轉(zhuǎn)臺(tái)支承軸承診斷系統(tǒng)

基于大數(shù)據(jù)及人工智能分析的鋼包回轉(zhuǎn)臺(tái)支承軸承故障診斷系統(tǒng)包括以下4 個(gè)層次：

（1）數(shù)據(jù)采集層：采集的數(shù)據(jù)包括振動(dòng)、生產(chǎn)工藝量、角度、轉(zhuǎn)速、運(yùn)行時(shí)間等；其中，振動(dòng)包括振動(dòng)加速度、振動(dòng)速度和振動(dòng)位移這3 種數(shù)據(jù)；工藝量包括電流、電壓、鋼水液位等；角度為鋼包回轉(zhuǎn)臺(tái)本體的傾斜角度；傳感器將采集的數(shù)據(jù)發(fā)送至數(shù)據(jù)采集站，數(shù)據(jù)采集站是呈上起下的關(guān)鍵設(shè)備。

（2）數(shù)據(jù)存儲(chǔ)和管理層：將數(shù)據(jù)采集站發(fā)送的數(shù)據(jù)進(jìn)行存儲(chǔ)，提供必要的I/O 接口，管理數(shù)據(jù)采集層的采集數(shù)據(jù)類型。

（3）數(shù)據(jù)挖掘和診斷分析層：對(duì)數(shù)據(jù)采集層采集的設(shè)備實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理和分析，準(zhǔn)確判斷設(shè)備的運(yùn)行狀態(tài)，分為以下2 個(gè)方面。

① 數(shù)據(jù)挖掘：該部分整合了18 種故障診斷算法，包括振動(dòng)趨勢(shì)分析，時(shí)域波形、頻譜分析，長(zhǎng)波形趨勢(shì)分析，長(zhǎng)波形、采樣值趨勢(shì)分析，轉(zhuǎn)速、波形在處理、包絡(luò)解調(diào)、交叉相位、頻率趨勢(shì)、工藝趨勢(shì)等算法；且融合了以神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)挖掘算法為核心的人工智能診斷算法，不斷挖掘數(shù)據(jù)價(jià)值和優(yōu)化診斷算法。

② 診斷分析由遠(yuǎn)程在線診斷分析、專家系統(tǒng)和沃德云平臺(tái)等組成，并根據(jù)診斷分析結(jié)論，提供專業(yè)的人工智能診斷分析，對(duì)設(shè)備的運(yùn)轉(zhuǎn)狀況和維修策略作出評(píng)估和改善，延長(zhǎng)設(shè)備的使用壽命，準(zhǔn)確預(yù)測(cè)主軸承的殘余壽命。

（4）數(shù)據(jù)展示層：主要是向客戶提供診斷的應(yīng)用服務(wù)，提供手機(jī)APP、WEB 客戶端和桌面客戶端等多種應(yīng)用客戶端的服務(wù)，全方位將診斷結(jié)果展示給客戶，由用戶來(lái)進(jìn)行診斷結(jié)果的確認(rèn)。

該系統(tǒng)建立了以基于設(shè)備多個(gè)運(yùn)行狀態(tài)參數(shù)的大數(shù)據(jù)為基礎(chǔ)，以多種故障診斷算法、專家系統(tǒng)和數(shù)據(jù)挖掘算法為核心的人工智能故障診斷系統(tǒng)為平臺(tái)，面向客戶，以實(shí)踐作為檢驗(yàn)算法準(zhǔn)確性的閉環(huán)系統(tǒng)，不斷優(yōu)化系統(tǒng)。

應(yīng)用實(shí)踐

山東萊鋼某煉鋼廠鋼包回轉(zhuǎn)臺(tái)回轉(zhuǎn)支承軸承為三列滾子回轉(zhuǎn)支承軸承。旋轉(zhuǎn)半分鐘左右停止，澆注45min 后，繼續(xù)旋轉(zhuǎn)，旋轉(zhuǎn)半分鐘后再進(jìn)行澆注，轉(zhuǎn)速1.5min/r，潤(rùn)滑油脂為二硫化鉬鋰基脂。

圖2 在線監(jiān)測(cè)系統(tǒng)傳感器位置

根據(jù)回轉(zhuǎn)支承軸承軸承座的具體應(yīng)用工況，將傳感器布置在圖2 所示的相應(yīng)位置，分布在回轉(zhuǎn)支承軸承四周，每組傳感器相隔90°進(jìn)行安裝，安裝在軸承承受載荷的重要位置。

該智能系統(tǒng)在2018 年2 月15 日進(jìn)行了安裝，安裝了在線監(jiān)測(cè)系統(tǒng)。通過(guò)持續(xù)地在線監(jiān)測(cè)發(fā)現(xiàn)，回轉(zhuǎn)支承軸承的時(shí)域波形振動(dòng)沖擊明顯，且趨勢(shì)有明顯得高幅值現(xiàn)象，沒(méi)有明顯的分布規(guī)律，分別如圖3 和圖4 所示，獲取相應(yīng)的軸承結(jié)構(gòu)尺寸，并對(duì)軸承缺陷頻率進(jìn)行比較分析，發(fā)現(xiàn)不能準(zhǔn)確捕捉到軸承的故障信息。

圖3 2 測(cè)點(diǎn)H 向振動(dòng)時(shí)域波形

圖4 3 測(cè)點(diǎn)A 向振動(dòng)趨勢(shì)圖

圖5 回轉(zhuǎn)支承軸承各測(cè)點(diǎn)故障特征指數(shù)曲線

在大數(shù)據(jù)分析技術(shù)的支持下，對(duì)獲得的故障特征數(shù)據(jù)進(jìn)行了分析和整理，得到了如下結(jié)論：

a. 1 和3 兩個(gè)位置沖擊信號(hào)最強(qiáng)，顯示這兩處位置損壞最為嚴(yán)重。從表1 可以看到，每個(gè)測(cè)點(diǎn)的H 向（徑向）明顯高于A 向（軸向）的強(qiáng)度，判斷與傾覆力矩有關(guān)。

b. 損壞部位以軸承1 和3 兩個(gè)部位為主，且1和3 部位的滾道出現(xiàn)嚴(yán)重磨損。

c. 軸承的殘余使用工作壽命預(yù)測(cè)不超過(guò)30 天。為了驗(yàn)證系統(tǒng)對(duì)軸承損傷部位和殘余壽命預(yù)測(cè)準(zhǔn)確性的判斷，我們做了以下兩方面的工作：

（1）軸承在線磨損狀態(tài)評(píng)估

為了驗(yàn)證對(duì)軸承損傷部位判斷的準(zhǔn)確性，采取在線油液分析的方法進(jìn)行驗(yàn)證。由于油液的取樣對(duì)檢測(cè)的結(jié)果有著非常重要的影響，如果取樣位置不好，不能真實(shí)反映實(shí)際狀況，可能會(huì)造成對(duì)回轉(zhuǎn)支承軸承的損壞程度產(chǎn)生錯(cuò)誤的判斷，起不到驗(yàn)證系統(tǒng)預(yù)測(cè)準(zhǔn)確性的目的。通過(guò)對(duì)設(shè)備結(jié)構(gòu)和受力狀態(tài)的分析，確定在 1 區(qū)的上料區(qū)側(cè)軸承最下部密封處、3 區(qū)的下料區(qū)側(cè)軸承最下部密封處、2（或者4）區(qū)域的軸承上部密封處獲取油液樣本，分析結(jié)果如圖6 所示。

圖6 1、2、3 區(qū)域油液樣本元素分析檢測(cè)結(jié)果

觀察圖6 可以得到如下結(jié)論：

① 軸承已經(jīng)嚴(yán)重?fù)p壞。

② 潤(rùn)滑脂中含有大量的磨損污染物，軸承下部泄漏的潤(rùn)滑脂中鐵含量要比正常的報(bào)警極限值高約8 倍左右。

注：元素分析的測(cè)試標(biāo)準(zhǔn)為NB/SH/T0864-2013。在線磨損監(jiān)測(cè)的結(jié)果驗(yàn)證了人工智能故障診斷系統(tǒng)對(duì)回轉(zhuǎn)支承軸承故障區(qū)域故障準(zhǔn)確性。

（2）現(xiàn)場(chǎng)拆機(jī)實(shí)物檢查

4 月7 日，回轉(zhuǎn)支承軸承卡死，不能繼續(xù)運(yùn)轉(zhuǎn)，客戶對(duì)鋼包回轉(zhuǎn)臺(tái)進(jìn)行拆解，并更換新軸承，軸承拆解照片如圖7 所示，以及更換軸承前后的振動(dòng)數(shù)據(jù)對(duì)比如圖8 所示。

圖7 回轉(zhuǎn)支承軸承的拆解照片

經(jīng)過(guò)拆解發(fā)現(xiàn)，回轉(zhuǎn)支承軸承滾動(dòng)體出現(xiàn)嚴(yán)重剝落，軸承內(nèi)圈滾道疲勞剝落嚴(yán)重；軸承1、3 兩區(qū)域剝落較2、4 區(qū)域嚴(yán)重，與系統(tǒng)預(yù)測(cè)判斷吻合，且驗(yàn)證了殘余壽命預(yù)測(cè)的準(zhǔn)確性。

4 月10 日設(shè)備在更換軸承后重新開(kāi)機(jī)運(yùn)行，通過(guò)在線監(jiān)測(cè)系統(tǒng)重新獲取軸承各測(cè)點(diǎn)的故障特征指數(shù)，其中2#位置的故障特征指數(shù)變化如圖8 所示。

圖8 更換軸承前后2#位置軸承故障特征指數(shù)

觀察圖8，更換前后，該指標(biāo)幅值變化非常明顯，更換前，幅值非常高，更換后幅值很低，從另一方面驗(yàn)證了該指標(biāo)能準(zhǔn)確判斷主軸承的損傷程度。

由于系統(tǒng)判斷的準(zhǔn)確性得到現(xiàn)場(chǎng)客戶的檢驗(yàn)和確認(rèn)，該鋼廠已經(jīng)在其他鋼包回轉(zhuǎn)臺(tái)安裝了該系統(tǒng)，監(jiān)測(cè)大包回轉(zhuǎn)設(shè)備的運(yùn)行情況，為進(jìn)行設(shè)備的預(yù)測(cè)性維護(hù)提供重要的決策數(shù)據(jù)支持。