轧钢机械振动故障的诊断

轧钢机械振动故障的诊断

【摘要】机械振动是轧钢机械的常见故障，在轧钢机械运行中一般采用在线检测和在线诊断的系统确定轧钢机械振动故障的发生，分析轧钢机械振动故障的原因，给出轧钢机械振动故障排除的方法。本文笔者对轧钢机械振动故障进行了阐述。

【关键词】轧钢机械 振动故障 故障诊断 一、前言

轧钢机械振动故障是严重威胁轧钢机械生产和安全的故障种类，对于轧钢机械的加工性能和运行安全有着基础性影响，是轧钢机械运行管理、技术维护、安全等各项工作的重点内容，也是上述工作的实际交叉。现行的方法是在轧钢机械设备中装配检测和监控系统，通过对震动频率和幅度的监测及时发现和定位轧钢机械振动故障，并形成正确地轧钢机械振动故障判断，以便在后续轧钢机械振动故障排除中更好地指导技术工作。

二、系统基本结构

武钢第二钢轧厂振动在线监测和故障诊断系统由210多个振动传感器、10个智能数采箱、一个数据服务器、工程师站及监测分析和故障诊断软件组成，监测包括定宽压力机减速机、R2轧机减速机等在内的30多个机器。主要具有数据采集和储存、状态监测、信号分析和智能故障诊断等功能，系统基本结构如图1所示。

三、轧钢机械振动故障的判断标准

进行轧钢机械振动故障的判断工作需要有一定的判断标准，应该在轧钢机械振维护和管理工作中引入定性和定量的方法实现对轧钢机械振动故障的准确判断。当前轧钢机械振动故障判断标准一般有三个组成部分：一是故障评判标准；二是故障定量评判标准；三是故障性对评判标准，这些标准通过对轧钢机械振动故障的幅度、频率等物理参数的监控，达到对轧钢机械振动故障进行判别的做过。当前轧钢机械振动故障标准还引入了数据采集、频谱分析等手段，既提高了轧钢机械振动故障判断标准的有效性，又提升了轧钢机械振动故障判断标准的可执行性。

四、轧钢机械振动故障的特征数据

我们可以从时域角度和频域角度来分析轧钢机械的震动故障的特征数据,首先,在时域方面,特征数据主要表现为平均值、峰值、有效值、峭度、歪度以及波峰因子等等。其次,在频域方面,特征数据主要表现在两个方面,即第一,故障特征的

齿轮啮合频率及其倍频、轴频及其倍频、滚动轴承的通过频率以及轴频与齿轮啮合频率的各次谐波等;第二,频谱统计特征的均方频率、中心频率、频率方差以及均方根频率等。在对以上特征数据进行分析的时候可以参考相关的数学计算公式。总之,对于轧钢机械震动故障的诊断而言,需要重点解决的问题是通过各种降噪措施来提取有效特征数据(故障信号),并将这些特征数据与正常状态下的数据进行对比分析,进而发现故障特征数据的原因。

五、轧钢机械振动故障数据的采集

从轧钢机械振动故障诊断的需要来说,采样数据越长越好,但由于快速傅里叶变换需要的时间与采样数据长度呈指数般增加,并且极大地增加数据的存储空间,考虑到轧钢机械工作转速较低,确定每组原始采样数据长度为2048点较为合适[1],可以覆盖上述特征频率成分。数据采集由键相信号触发。键相方式分为自动键相和手工键相。对于安装有转速/键相的主轴,采用自动键相,数据采集为整周期采样方式,每转采样数据长度为2048点,可以消除数据严重失真的“旁瓣”效应,可以得到准确的轴频及其倍频成分,频率分析范围为1～1024倍轴频。对于不能安装转速/键相的设备,采用人工键相,根据设备的实际转速,通过人工设置每块振动采集板的采样频率,可以在保持数据长度不变的情况下,利用信号分析技术得到所需的故障频率,频率分析的上下限随着人工设置的采样频率改变,如每转采集256点,连续8转,采样数据长度为2048点,频率分析范围为1/8～128倍轴频;再如键相转速设为10Hz,每转采样数据长度为2048点,则分析频率范围为0～10230Hz。系统能够将采集的数据按照一定的格式存储在数据库中,包括小时数据,一天数据,一周数据,一个月数据,一年数据,变转速数据,原始比较数据,事故数据和特征数据等。其中,原始比较数据库存储设备第1次启动或检修后启动的数据,为将来设备出现异常时作为对比分析的参照基准。特征数据库存放经过处理的波形和频谱的特征数据,以便利用本系统进行故障自动诊断。

六、故障特征数据的分析处理

1、轧钢机械轴承振动特征数据分析处理。收集滚动轴承、齿轮的振动数据时,通常需要在被测量对象上面安装加速度传感器。但是信号收集效果并不是非常理想,究其原因,主要是因为减速机振动的频率范围通常相对比较宽,尤其是在轧钢机械保持在较低速度的情况下,加速度传感器很难对低频成分保持较高的敏感性,所以,通常会采用位移传感器(也称之为涡流传感器)来替代加速度传感器。1）动态检测转速。振动故障的频率就等于特征频率,但由于实际分析的故障信号具有随机性,故障特征频率可能与理论计算存在误差。为了解决这个问题,通常是取某段频率范围幅值的最大值作为特征频率的幅值。如果转速的测量误差较大,则将无法识别故障特征频率,特别是在变转速的情况下。安装涡流传感器,其一是直接作为键相同步探头,保证不同通道同时刻进行采样,频率计算准确;其二是在人工键相的情况下,经过带通滤波的轴振动波形周期性较好,根据采样频率、波形数目和主振幅的频率,可以计算出较准确的转速。2）动态监测轴承的磨损程度。磨损是轴承最常见的一种失效现象,常引起径向间隙发生变化,使涡流传感器的间隙电压发生变化。它产生的振动在加速度传感器上难以清晰分辨,通过采用涡流传感器,不间断地测量探头体与旋转轴之间的相对间隙变化,可以发现轴承因磨损

而发生的圆度变化,做到故障的早期诊断。由于某些轴表面有毛刺,系统采用了带通滤波处理。同时,由于冲击时使轴产生较大的晃度,因此,一般以空载和稳态时的平均间隙值作为诊断依据。

2、准确识别轧钢机械的实时工作状态。一般情况下,轧钢机械的工作状态主要分为三种,即稳态、冲击状态以及空载状态;但是也有部分轧钢机械只有上述三种工作状态中的两种。通常来讲,轧钢机械处于空载的工作状态时所产生的振动效应最弱,其稳态时其振动效应会增大,如果轧钢机械正在甩钢或者咬钢时,则此时的冲击振动会非常显著。通过积累轧钢机械的各种工作数据,并采集的数据进行分析对比,便可以自动判断出轧钢机械的实时工作状态。同时,还可以实现轧钢机械冲击过程中所采集的数据自动地放置于波形的中央位置,如此一来能够有效地避免常常出现的因为冲击过程中数据采集不完整而导致的频谱特征数据失去可比性的现象。

七、结束语

轧钢机械振动故障的迅速诊断和快速排除是轧钢机械管理工作和技术工作的主要目标，应该从认知轧钢机械正常运行重要性的高度看待轧钢机械振动故障判断问题，应该形成对轧钢机械振动故障判断标准的强化，全面分析轧钢机械振动故障的特征数据，形成轧钢机械振动故障判断的专家系统，进而达到提高轧钢机械振动故障准确判断和迅速排除的能力，在确保轧钢机械正常运行的基础上，实现轧钢机械振的功能和安全。

参考文献：

[1]贾艳秋,张兵,陈雪梅.滚动轴承的故障机理及诊断[J].化工装备技术,2011(4):159-161

[2]魏于评,周松喜,郭桦.不平衡量对砂轮跳动影响的研究[J].金刚石与磨料磨具工程,2011(4):166～168

[3]王俊银.浅析轧钢加热炉坯料氧化控制[J].企业技术开发,2012(Z1):120-121