姜 波

（馬鞍山鋼鐵股份有限公司，安徽馬鞍山 243000）

1 概述

傳統(tǒng)設(shè)備管理通常依賴于定期巡檢和維護，無法實時獲取設(shè)備的運行數(shù)據(jù)。缺乏實時監(jiān)測和數(shù)據(jù)分析能力導(dǎo)致無法第一時間發(fā)現(xiàn)潛在問題，增加了設(shè)備故障和停機的風險。

定期維修是按照到期必修的要求進行的，忽略了設(shè)備制造質(zhì)量的差異以及設(shè)備的實際運行條件和狀態(tài)，可能造成設(shè)備的過度維修或維修不足。過度維修可能導(dǎo)致新的隱患，在過度維修過程中，由于維修者技術(shù)不佳、工藝不良或管理不善，頻繁的拆裝會導(dǎo)致新的隱患。

采用智能運維技術(shù)，可以將維修管理從預(yù)防性維修轉(zhuǎn)變?yōu)轭A(yù)知性維修，運用在線檢測手段及時發(fā)現(xiàn)隱藏的故障信息，并做出正確的維修決策，這已成為國內(nèi)外設(shè)備管理發(fā)展趨勢。

2 智能運維技術(shù)

2.1 智能運維技術(shù)的基本概念

智能運維是一種利用人工智能和數(shù)據(jù)分析來提升設(shè)備維護效率和可靠性的技術(shù)。傳統(tǒng)的設(shè)備維護通常是要依靠人工判斷來處理各種故障和異常情況，而智能運維則通過自動化和智能化的手段來實現(xiàn)設(shè)備維護策略的優(yōu)化和效率提升。

智能運維技術(shù)是通過實時監(jiān)控和數(shù)據(jù)分析來預(yù)測和診斷故障，提前采取措施防止故障的發(fā)生或減少故障帶來的影響。同時，智能運維還可以利用機器學習和深度學習等技術(shù)，對大量的設(shè)備狀態(tài)數(shù)據(jù)進行分析和挖掘，從中發(fā)現(xiàn)潛在的問題和優(yōu)化空間，提供更好的決策支持和運維策略。智能運維的優(yōu)勢在于提高了設(shè)備維護效率和可靠性，降低了維護成本和風險，能夠?qū)崟r監(jiān)控和分析運行狀態(tài)，及時發(fā)現(xiàn)和響應(yīng)問題，縮短故障處理時間，提高系統(tǒng)的穩(wěn)定性和可靠性。

2.2 智能運維技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀

設(shè)備智能運維技術(shù)大體有三個發(fā)展階段。

初級輔助運維。從人力運維向智能運維過渡的初始階段，也是多數(shù)制造企業(yè)所處的階段。此時的企業(yè)逐漸建立起監(jiān)控工具，通過流程可溯源、規(guī)范化記錄、工具輔助告警等，改變原有的全盤依賴人工經(jīng)驗、事后維護的被動性。但該階段依然缺乏對數(shù)據(jù)的充分利用，離散化的工具難以進一步提高工作效率。

數(shù)據(jù)融合運維。該階段最明顯的標志之一，就是預(yù)知性維護。企業(yè)以平臺形式對產(chǎn)線和設(shè)備進行可視、可控的集中管理。在這個階段中，以故障分類、模式識別、智能化專家系統(tǒng)及其計算（故障樹計算、神經(jīng)網(wǎng)絡(luò)計算）等為基礎(chǔ)，使企業(yè)獲得的信息更透明、更準確、更及時。

完全智能運維。這個階段以優(yōu)化控制、經(jīng)濟運行、壽命管理、系統(tǒng)工程等為內(nèi)容，以設(shè)備全過程經(jīng)濟管理為技術(shù)目標，也是最理想的運維狀態(tài)，系統(tǒng)可對數(shù)據(jù)進行自主分析，自動做出決策，并自動執(zhí)行。

2.3 智能運維技術(shù)在冶金行業(yè)中的應(yīng)用前景

智能運維技術(shù)可以利用傳感器和監(jiān)測系統(tǒng)對冶金設(shè)備進行實時監(jiān)測，收集各種關(guān)鍵參數(shù)和數(shù)據(jù)指標，如溫度、壓力、振動等。借助先進的數(shù)據(jù)分析和機器學習算法，可以預(yù)測潛在的故障和異常情況。通過及時發(fā)現(xiàn)和警示，可以防止設(shè)備故障和非計劃停機時間的增加，從而提高生產(chǎn)效率。

智能運維技術(shù)還可以幫助優(yōu)化設(shè)備的維護計劃和策略。傳統(tǒng)的預(yù)防性維護通常是基于時間或使用壽命來安排的，往往效率較低。而智能運維技術(shù)可以根據(jù)實時設(shè)備狀態(tài)和運行數(shù)據(jù)，準確確定設(shè)備的維護時機和方式，避免不必要的維護和停機。

智能運維技術(shù)可以通過對設(shè)備的數(shù)據(jù)分析，實現(xiàn)冶金生產(chǎn)過程中的資源優(yōu)化和能耗管理。通過實時監(jiān)測和分析設(shè)備的運行數(shù)據(jù)，可以識別出能源消耗較高的設(shè)備，提供節(jié)能改進建議，優(yōu)化能源使用效率，降低生產(chǎn)成本。

智能運維技術(shù)可以實現(xiàn)對冶金設(shè)備的遠程監(jiān)控和維護，減少人員在現(xiàn)場的工作量和風險。通過遠程傳感器和監(jiān)控系統(tǒng)，運維人員可以隨時監(jiān)測和控制設(shè)備的運行狀態(tài)，并進行遠程故障診斷和維修，提高運維效率和響應(yīng)速度。［1］

3 基于智能運維技術(shù)的冶金設(shè)備狀態(tài)監(jiān)測應(yīng)用研究

3.1 數(shù)據(jù)采集與處理

選擇適合具體設(shè)備的傳感器進行數(shù)據(jù)采集，如溫度、壓力、振動、電流等傳感器。確定數(shù)據(jù)采集的頻率，根據(jù)設(shè)備的運行情況和數(shù)據(jù)變化速度來決定采集頻率。

對底層數(shù)據(jù)進行清洗、過濾和標準化，去除異常數(shù)據(jù)和噪音，保證數(shù)據(jù)的質(zhì)量和一致性。對采集到的數(shù)據(jù)進行分類匯總和格式轉(zhuǎn)換，以適應(yīng)后續(xù)的數(shù)據(jù)分析需求。

采用合適的通信協(xié)議和技術(shù)，將底層設(shè)備采集到的實時數(shù)據(jù)傳輸至上層的數(shù)據(jù)處理和分析系統(tǒng)，以實現(xiàn)實時監(jiān)測和預(yù)測。選擇合適的數(shù)據(jù)存儲方案，用于存儲采集到的底層設(shè)備數(shù)據(jù)。

建立設(shè)備數(shù)據(jù)的管理體系，包括數(shù)據(jù)分類、命名規(guī)范、數(shù)據(jù)權(quán)限控制等，以確保數(shù)據(jù)的安全和可追溯性。

3.2 設(shè)備狀態(tài)評估與故障預(yù)警

從采集到的數(shù)據(jù)中提取有代表性的特征，用于描述設(shè)備的運行狀態(tài)和特征，通過特征工程的方法進行降維或特征選擇，以減少計算復(fù)雜性。

基于歷史數(shù)據(jù)和監(jiān)測數(shù)據(jù)建立設(shè)備狀態(tài)評估模型，使用建立的狀態(tài)評估模型對設(shè)備實時數(shù)據(jù)進行預(yù)測和分析，判斷設(shè)備是否存在異常。當模型預(yù)測或檢測到設(shè)備狀態(tài)異?；蚬收巷L險時，生成故障預(yù)警信號或事件，及時通知相關(guān)人員進行處理。

根據(jù)故障預(yù)警信號或事件，對設(shè)備進行維修和優(yōu)化，減少故障的影響和停機時間。通過持續(xù)的監(jiān)測和狀態(tài)評估，進一步優(yōu)化設(shè)備維護計劃和運行策略，提高設(shè)備的可靠性和生產(chǎn)效率。

3.3 不同場景下的智能算法

3.3.1 閾值分析

在冶金設(shè)備狀態(tài)監(jiān)測中，閾值分析是非常重要的一步，可以幫助我們確定設(shè)備狀態(tài)的正常范圍并根據(jù)預(yù)設(shè)的閾值來判斷是否存在異常情況。根據(jù)設(shè)備的特性和運行要求，設(shè)定適當?shù)拈撝?。閾值可以是固定的，也可以基于歷史數(shù)據(jù)或標準進行設(shè)置。將采集到的數(shù)據(jù)與設(shè)定的閾值進行比較，判斷是否存在異常情況。持續(xù)監(jiān)測設(shè)備狀態(tài)，可以根據(jù)實際情況調(diào)整閾值，提高監(jiān)測的準確性和敏感性。設(shè)備狀態(tài)監(jiān)測閾值的設(shè)置應(yīng)根據(jù)具體的設(shè)備和工藝特點進行優(yōu)化，并結(jié)合運維經(jīng)驗和相關(guān)標準進行判斷。

3.3.2 趨勢分析

在冶金設(shè)備狀態(tài)監(jiān)測中，趨勢分析也是一種重要的方法，用于了解設(shè)備狀態(tài)的演變，幫助預(yù)測潛在的故障。使用合適的統(tǒng)計或數(shù)學方法來分析數(shù)據(jù)的趨勢，常見的方法包括回歸分析、時間序列分析、平滑方法等。利用趨勢分析的結(jié)果，預(yù)測設(shè)備狀態(tài)的未來發(fā)展趨勢，將趨勢分析的結(jié)果與設(shè)備故障模式進行比對，幫助進行故障診斷和分析，準確定位設(shè)備問題，制定相應(yīng)的設(shè)備維護策略。設(shè)備狀態(tài)監(jiān)測趨勢分析應(yīng)綜合考慮設(shè)備的特性、歷史數(shù)據(jù)和運行環(huán)境等因素。

3.3.3 模型分析

以下介紹3 種對通用旋轉(zhuǎn)設(shè)備的模型診斷方法。

3.3.3.1 時域波形分析法

時域波形分析是一種對旋轉(zhuǎn)機械振動信號進行分析和評估的方法，通過對振動信號的振幅大小、形狀和變化特性進行觀察和分析，以反映機械狀態(tài)和故障特征。時域波形分析可以直接從振動信號的時間歷程中提取特征量，用于狀態(tài)監(jiān)測與故障診斷。［2］

常用的時域分析特征包括：

（1）均值：振動信號的均值可以給出整體振動水平的信息，可以反映信號的偏離程度。

（2）標準差：振動信號的標準差反映了振動信號的波動或振動幅度，較大的標準差表示振動信號的波動范圍較大。

（3）峰峰值：振動信號的峰峰值是振動信號波形的最大幅值與最小幅值之間的差值，可以反映振動信號的總體振幅變化。

（4）峰值：振動信號的峰值表示信號波形中的最大幅值，可以反映振動信號的最大振幅。

（5）均方根值：振動信號的均方根值是信號幅值的有效值，可以反映振動信號的能量大小。

時域波形分析還可以通過計算峭度、偏度等參數(shù)來進一步分析振動信號的波形特征。這些特征值可以通過建立的波形與機械設(shè)備運行狀態(tài)之間的對應(yīng)關(guān)系進行比較和分析，從而實現(xiàn)轉(zhuǎn)子的狀態(tài)監(jiān)測和故障診斷。

3.3.3.2 頻域分析法

頻域分析是對振動信號在頻率上的特征進行分析的方法。通過將振動信號在頻率和振幅之間的關(guān)系進行可視化，可以提供更詳細和準確的信息，對于診斷旋轉(zhuǎn)機械的故障非常有用。［2］

常見的頻域分析方法包括：

（1）傅里葉變換：將時域信號轉(zhuǎn)換為頻域信號，得到信號的頻譜圖，提供了信號中各個頻率成分的幅值和相位信息。

（2）快速傅里葉變換：是傅里葉變換的一種快速計算算法，可以對大量的離散樣本進行頻譜計算，得到高分辨率的頻率譜圖。

（3）小波變換：小波變換是一種具有時頻局部特性的頻域分析方法，可以將信號分解成一系列不同尺度的頻帶，進而提供信號在不同頻率區(qū)域上的時域和頻域特征。

（4）小波包變換：小波包變換是小波變換的一種擴展形式，進一步將信號分解成更多的頻帶，提供更詳細的頻域信息。

（5）基于經(jīng)驗?zāi)B(tài)分解（EMD）的頻域分析：EMD 是一種數(shù)據(jù)驅(qū)動的時頻分解方法，將信號分解成一系列固有模態(tài)函數(shù)（IMF），通過對IMF 的頻譜分析，可以提取振動信號中的頻率特征。

以上頻域分析方法可以通過計算振動信號的頻譜圖，對信號的頻率成分進行分析。通過分析不同頻段的信號特征，可以識別和解釋可能存在的故障特征。頻域分析方法的選擇取決于振動信號的性質(zhì)、故障模式和分辨率要求等。

3.3.3.3 基于神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)機械故障診斷方法

根據(jù)時域或頻域選取合適的特征參數(shù)。根據(jù)故障機理，當故障發(fā)生時，相關(guān)特征參數(shù)會發(fā)生較大變化。通過神經(jīng)網(wǎng)絡(luò)模塊，采用多層的BP網(wǎng)絡(luò)結(jié)構(gòu)，利用訓(xùn)練樣本對網(wǎng)絡(luò)進行訓(xùn)練。在MATLAB 工具中，可以使用神經(jīng)網(wǎng)絡(luò)實現(xiàn)旋轉(zhuǎn)機械的故障診斷。

使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進行故障診斷。將新的振動數(shù)據(jù)輸入到網(wǎng)絡(luò)中，觀察網(wǎng)絡(luò)的輸出結(jié)果。如果網(wǎng)絡(luò)輸出與期望結(jié)果相符，則說明網(wǎng)絡(luò)能夠正確地實現(xiàn)故障診斷。如果輸入數(shù)據(jù)在一定范圍內(nèi)偏離樣本知識，網(wǎng)絡(luò)的輸出結(jié)果仍然接近樣本，則說明網(wǎng)絡(luò)在故障診斷方面具有一定的可靠性，實施時需根據(jù)具體情況做適當調(diào)整和改進。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試過程可能需要經(jīng)過多輪迭代和調(diào)優(yōu)，以達到更好的診斷效果和準確性。［3］

3.4 案例研究與結(jié)果分析

3.4.1 高爐風口智能運維系統(tǒng)

2022年12月11日，某鋼廠高爐33#直吹管部位燒穿噴焰，因風口送風支管發(fā)生大面積倒灌，高爐休風14 h 更換34 支直吹管和2 個風口小套，直接經(jīng)濟損失56 萬元。2023 年2 月建立了高爐風口智能巡檢系統(tǒng)集成方案，是基于紅外熱成像技術(shù)、視覺技術(shù)和大數(shù)據(jù)技術(shù)研發(fā)的人工智能產(chǎn)品。通過巡檢機器人系統(tǒng)，可定期或按需對高爐直吹管、風口、槍包及相關(guān)位置的高溫區(qū)域進行自動巡檢。基于紅外熱成像技術(shù)、數(shù)據(jù)采集技術(shù)和計算機數(shù)據(jù)處理技術(shù)，利用設(shè)備外表溫度變化與設(shè)備內(nèi)部狀況的相關(guān)性，通過智能分析軟件對設(shè)備表面溫度數(shù)據(jù)進行實時分析和處理，當發(fā)現(xiàn)異常情況時，系統(tǒng)立即自動發(fā)出報警。

3.4.2 智能運維系統(tǒng)構(gòu)成

該系統(tǒng)主要由四舵輪驅(qū)動機器人本體、中繼站、數(shù)據(jù)通訊設(shè)備、數(shù)據(jù)處理主機、顯示器、交換機、控制主機柜及配套附件等組成，系統(tǒng)構(gòu)成示意圖見圖1。機器人包含紅外熱成像儀、圖像采集模塊、光源模塊、煤氣檢測模塊、聲音采集模塊、數(shù)據(jù)存儲模塊、自動充電裝置和位置傳感器等。中繼站包含數(shù)據(jù)存儲設(shè)備、自動充電設(shè)備、配電單元和數(shù)據(jù)通訊設(shè)備等。

圖1 系統(tǒng)構(gòu)成示意圖

高爐直吹管溫度自動檢測系統(tǒng)示意圖見圖2。

圖2 高爐直吹管溫度自動檢測系統(tǒng)

智能機器人按照預(yù)設(shè)軌跡對高爐直吹管風口進行自動巡檢，及時掌握風口平臺直吹管溫度變化趨勢、檢測煤氣泄漏及直吹管燒穿產(chǎn)生的巨大噪音，避免重大惡性事故的發(fā)生。

3.4.3 智能運維系統(tǒng)成效

2023年7月24日智能運維系統(tǒng)發(fā)現(xiàn)高爐34#風口直吹管前端發(fā)紅，系統(tǒng)報警信息圖見圖3。17：24直吹管溫度為326 ℃，高溫報警，操作人員收到報警后，采取臨時措施，適當控風控氧防止事態(tài)擴大，停煤槍，爐體架設(shè)水管，外部打水冷卻后相應(yīng)位置紅外測溫180～190 °C，爐內(nèi)參數(shù)逐步恢復(fù)正常。停煤拔煤槍后發(fā)現(xiàn)34#煤槍距槍頭800 mm 處有裂縫，經(jīng)分析煤槍質(zhì)量不佳。

圖3 系統(tǒng)報警信息

4 結(jié)論

通過對基于智能運維技術(shù)的冶金設(shè)備狀態(tài)監(jiān)測應(yīng)用的研究，可以看出智能運維技術(shù)在冶金行業(yè)中有廣闊應(yīng)用前景。智能運維技術(shù)可以實現(xiàn)對冶金設(shè)備狀態(tài)的準確監(jiān)測和故障預(yù)警，從而提高生產(chǎn)效率和設(shè)備可靠性。

智能運維技術(shù)在冶金行業(yè)中的推廣存在一些困難。首先，冶金生產(chǎn)工藝較為復(fù)雜，存在多種物理過程，因此設(shè)備監(jiān)測系統(tǒng)需要具有可適應(yīng)性和穩(wěn)定性。其次，大規(guī)模的數(shù)據(jù)處理和分析需要高效的計算能力和可靠的數(shù)據(jù)存儲系統(tǒng)。此外，智能運維技術(shù)的建設(shè)投資較高，對人員技術(shù)水平要求較高。

未來，可以進一步探索更先進的傳感器技術(shù)和數(shù)據(jù)采集方法，提高數(shù)據(jù)的準確性和可靠性，還可以研究開發(fā)更高效的數(shù)據(jù)分析和機器學習算法，以提高設(shè)備故障的預(yù)測準確度，并優(yōu)化維護計劃和策略。