0 引言
设备诊断技术的目的是保证可靠、高效地发挥设备应有的功能。即(1)保证设备无故障，工作可靠;(2)保证设备物尽其用，使设备发挥其最大效益;(3)保证设备在将有故障或已有故障时，能及时诊断并进行维修，使重要设备能按设备状态维修(预知维修)，改革目前按时维修的体制。
热连轧精轧主传动系统是攀枝花新钢钒股份有限公司热轧板厂主轧线的关键设备。Fl至F2精轧机主传动系统为“电机一减速箱一人字齿轮座一(上、下)轧辊”驱动方式。F3至F6精轧机的主传动系统为“电机一人字齿轮座一(上、下)轧辊”驱动方式。主传动系统的改造使轧机及主传动系统的性能得到较大改善，但传动系统的稳定性仍不够高，这客观上制约了轧机生产能力的发挥和产品质量的提高。因此，我们建立了一套有效的热连轧主传动设备状态监测与故障诊断系统，实时监测设备运行状态和设备故障特征，提高设备的管理水平和产品质量，同时为合理调整精轧工艺参数提供科学依据。
1 系统构成
系统拓扑结构见图1，整个系统分为三层：数据采集层、现场监测层和管理监测层。这种拓扑结构有效地解决了热连轧现有基础自动化系统网络与本系统的接口问题。
数据采集层由RS485接口网络和工业以太网构成。其中RS485接口网络由ADAM4015和ADAM4017智能数据采集模块组成，主要完成现场温度类信号采集。工业以太网接口网络由网络采集卡、工业交换机、服务器和客户端组成，主要完成对现场人字齿轮座振动信号的采集[1]。采用Socket技术完成该监测系统与热连轧现有基础自动化系统(美国Ge Fanuc公司90/70 PLC)通信，主要实现精轧主传动电流、电压、速度以及轧制力矩、轧制压力等参数的采集。
现场监测层主要由LED显示控制站、LED1～6组成，它们之间由工业以太网连接。
管理监测层主要由数据库服务器、HMI1～5组成。它们之间由工业以太网连接。
系统主要进行振动信号和温度信号的采集和存储，并进行故障特征数据的分析以及故障在线监测。
2 数据采集和存储
2.1 数据采集
系统监测的信号有两类：振动信号和温度信号。
2.1.1 振动信号
(1)轴向窜动信号
采用电涡流传感器，分别在人字齿轮座上轴垂直于轴的端面和下轴垂直于齿轮的端面各安装一个，每机架共两个测点。
信号通过前置处理采集站予以程控放大、滤波后变为直流和交流两种信号。直流信号表示轴向窜动，直观反映了转子间隙的大小;交流信号表示轴向振动，反映了转子振动幅度。通过采集这两种信号完成间隙监测和振动幅度监测。
轴向窜动反映轴向平均间隙，表示轴的轴向运动的平均位置，变化慢，轴向窜动与轴向平均推力、齿轮轴向平均磨损量、轴承轴向平均磨损量等因素有关。
轴向振动是以轴向平均位置为基准，轴在平均位置产生的、快速的轴向往复运动，变化快，轴向振动与轴向推力的瞬间变化、齿轮和轴承轴向磨损量的不均匀变化、齿轮和轴承运动的不平稳性、系统动态特性(如固有频率)及随机干扰等因素有关。
(2)径向跳动信号
采用电涡流传感器，在人字齿轮座上轴两端和下轴两端，在垂直于轴心线的方向上各安装一个，每机架共有四个测点，直流分量表示径向跳动，交流分量表示径向振动。
径向跳动反映径向平均间隙，表示轴的径向运动的平均位置，变化慢，径向跳动与齿轮和轴承的径向平均磨损(变形)量、齿轮和轴承啮合的径向平均变化等因素有关。
径向振动以径向平均位置为基准，轴在该平均位置产生快速径向往复运动，变化快，径向振动与齿轮和轴承的局部缺陷(点蚀、局部磨损、断齿、裂纹、局部变形等)、齿轮和轴承运动的不平稳性以及系统动态特性(如固有频率)等因素有关。
振动信号进行交、直流分离后，其交流分量包含丰富的振动频率信息，属于快变信号，使用采样频率更高的数据采集设备采集。其主要工作是将交流分量转换成计算机处理所需要的数字信号，实现信号就地数字化，然后通过工业交换机送到数据采集站;其直流分量属于缓变模拟量信号，其数据采集通过16 b A/D CDCS-8(一种密封内置微处理器)数据采集模块完成。
2.1.2 温度信号
采用Pt 100温度传感器进行温度信号的检测，温度测量范围0～200℃ ，测量精度0.1℃ 。检测信号传送到专用温度采集模块中进行信号转换和数据发送。
2.2 数据存储
该系统将不同的数据分类存储。
(1)测量数据：振动测点的振动交流分量保存最近24 h的原始采样数据，振动直流分量、温度保存最近一个月的原始测量数据。
(2)特征数据：始终保存最近60 d自动运行时分析计算的特征值数据。
(3)报警数据：当系统发生报警或存在故障征兆时，长久保存报警前60 min和报警后60 min的原始数据。
当F1或F2之一停止运转时，表明精轧机组处于停止状态，该监测系统将停止数据存储，仅提供可视信号，以节约存储空间。
3 故障监测及诊断
3.1 故障特征数据分析
热连轧厂精轧机械振动故障的特征数据在时域上主要反映波形曲线特征的振动峰值/峰峰值、平均值、均方根值(有效值)、歪度、峭度和波形因子等。在频域上主要反映频率统计特征的中心频率、均方频率、均方根频率和频率方差等，以及反映故障特征频率的轴频及其倍频、齿轮齿合频率及其倍频、轴频与齿轮齿合频率的各次谐波以及滚动轴承的通过频率[2] 等。
图2是F1人字齿轮座上轴输入端(Z1)轴向窜动检测点的幅值谱图，其幅值谱除中心频率比例高外，还有一定成分的倍频，但是，倍频值较低。根据振动理论，说明该设备运行状态基本正常。
3.2 故障在线监测和诊断
在线监测诊断软件包，采用中断处理方式和多线程技术，实现数据采集、数据保存、数据处理、波形显示、数据库管理、在线智能故障诊断、轴承状态监测和故障诊断、劣化趋势显示、报警管理等多任务实时在线任务，下面介绍其中几个主要任务。
(1)在线智能故障诊断。针对设备出现的常见故障，根据采集的数据进行智能推理，通过计算确定当前各常见故障发生的可能性程度，以百分比表示，并实时显示。
图3为F3人字齿轮座下轴输出端(Z2)轴向窜动监测点的时域波形图和智能诊断图谱。扭转振动、齿轮故障两项指标，虽在正常范围，但明显较其它机架大，表明F3运行状态不太好，有待下次检修进一步检查、确认和处理。
(2)数据库管理。以Oracal数据库平台为基础建立系统数据库，供工程师进行运行状态、事故原因分析等。
(3)轴承状态监测和故障诊断。根据生产现场设备运营管理经验，通过振动分析对滚动轴承进行状态监测和故障诊断。
在生产状态监测中发现，滚动轴承正常运行的特点是在其使用过程中表现出很强的规律性，且重复性很好。正常优质轴承在开始使用时，振动和噪声均比较小。运行一段时间后，振动和噪声仍维持较低水平，频谱非常单一，仅出现一、二倍频，进入稳定工作期。继续运行后进入使用后期，轴承振动和噪声开始增大，有时出现异音，但振动速度增大较缓慢，此时，如果轴承峭度值突然上升到一定数值，说明轴承表现为初期故障。这时，就要求对该轴承进行严密监测，密切注意其变化。随后，轴承峭度值又开始快速下降，并接近正常值。随着运行时间的进一步增加，振动速度和噪声开始显著增大，当振动速度超过振动标准时(如IS02372标准)，其轴承峭度值再次快速增大且大大超过正常值(可用峭度相对标准)时，表明轴承已进入晚期故障阶段，需及时检修设备，更换滚动轴承。
轴承表现出晚期故障特征到出现严重故障(一般为轴承损坏如抱轴、烧伤、沙架散裂、滚道、珠粒磨损等)时间大都不超过一周，设备容量越大，转速越快，其间隔时间越短。因此，在实际滚动轴承故障诊断中，一旦发现晚期故障特征，应果断判断轴承存在故障，尽快安排检修。
(4)报警管理。当测点振动幅值超标、振动趋势超标、窄带报警超标等达到一定门限时，分别以背景颜色显示、提示显示、指示灯亮、报警器声响等方式报警。
4 结论
轧钢设备的振动原因复杂多变，为了稳定和提高系统的科学性、实用性、可靠性，该系统在数据采集、信号分析、故障诊断和报警方面，进行了一定创新。通过轴承振动交流和直流分量的分析，可以掌握设备振动和冲击情况，通过齿轮和轴承振动综合分析，可以区分齿轮和轴承故障。该系统自2007年8月投入使用以来，根据监测分析的波形，有效监测了设备的运行状态，进而确定如何调整工艺参数，已成为热轧设备运行维护、设备故障诊断和工艺改进的日常工具，提高了热连轧厂现代化管理水平和经济效益。
参考文献
[1]唐亮.计算机网络原理与应用教程[M].北京：冶金工业出版社，2002.
[2]张正松.旋转机械振动监测及故障诊断[M].北京：机械工业出版社， 1991.
