旋轉機械故障診斷技術在煉鋼設備的應用

劉 鵬，馬 波

（1.山東鋼鐵股份有限公司萊蕪分公司機械動力部，山東 濟南 271104；2.山東鋼鐵股份有限公司萊蕪分公司煉鋼廠，山東 濟南 271104）

轉子系統作為煉鋼設備中的重要組成部分，不僅承擔著整個設備機體的正常運轉任務，而且運轉狀態是否良好也直接關系到煉鋼設備的產能高低。由于轉子系統運轉速度高、持續運轉時間長，導致系統各個零部件的易損率極高，進而引發各種故障，影響正常的生產作業流程。因此，需要應用故障診斷技術精準確定故障部位，以制訂科學合理的維修方案，確保煉鋼設備能夠正常運轉。

1 旋轉機械故障的產生原因

1.1 設備磨損老化

煉鋼設備長期在高溫、高壓、高塵等惡劣環境下運轉，加之持續運轉時間長，設備內部組件運行溫度過高，或者表面灰塵堆積較多，加劇轉子磨損、腐蝕速度，進而嚴重影響了設備的使用壽命，部分煉鋼設備老化速度快，導致故障頻發。

1.2 操作使用不當

由于設備操作人員未經過崗前實地培訓，在實際操作當中，違反操作規程，盲目對設備進行操控，也是造成設備故障的一個重要原因。另外，設備管理人員忽略了維護保養的重要性，保養頻率過低，不及時清理設備灰塵、不及時更換或者添加潤滑油，也縮短了設備使用壽命。

1.3 更換部件不匹配

當煉鋼設備發生故障時，由于維修人員不了解設備型號以及各項技術參數，或者憑借個人工作經驗，更換同類不同型的零部件，導致設備在運轉過程中，由于部件型號不匹配，而誘發運轉故障。另外，在設備安裝時，安裝人員為了節省時間，省略了一些關鍵步驟，比如螺絲緊固、試運轉參數等，以至于埋下重大的故障隱患。

1.4 出廠設計缺陷

一些新型的煉鋼設備在出廠之前，由于設計人員在設計各項運行參數時，沒有標準的參照依據，導致出現諸多設計缺陷，當設備投產使用后，設計參數與實際運行情況嚴重不符，而冶金企業為了提高生產效率，不斷對設備的技術參數進行優化，這就極易產生事則其反的效果，而引發旋轉機械故障[1]。

2 旋轉機械故障診斷技術類型

2.1 運轉狀態監測

旋轉機械的核心組織是提供動力能源的轉子系統，該系統在轉動時具有很強的規律性，因此，技術人員可以針對轉子系統的時時運轉狀態，對故障部位與類型進行準確判斷。但是，由于煉鋼設備的工況條件較為復雜，故障產生原因較多，僅僅依靠于目測的方法，很難快速對設備故障做出診斷。這就需要技術人員借助于震動檢測器、溫度傳感器或者噪聲傳感器等裝置，收集設備運轉狀態的各項參數，然后根據反饋信息繪制成清晰直觀的圖表，這樣一來，設備每一個運轉區間的狀態參數就能夠反映在圖表上面，通過表格數據以及圖像參數特性，能夠對設備故障做出精準判斷，進而為后續維護工作提供了重要的參考依據。

2.2 信號收集

傳感器是旋轉機械中的智能敏感系統，是煉鋼設備信號傳輸與處理的關鍵裝置，因此，及時獲取傳感器的反饋信號，是查找和判斷旋轉機械故障的一種較為實用的診斷技術。由于煉鋼設備的旋轉裝置結構較為復雜，加之受到機體震動等因素的干擾，傳感器所收集的信號具有不確定性，這就給信息分析的準確度帶來不利影響，為了提高故障診斷的精確度，技術人員可以采取多次收集傳感器信號的方法，并經過多次驗證，結合震動強度，查收出危險運行信號，以便于及時發出故障預警提示，為維修人員爭取大量時間，排隊故障隱患。

2.3 直觀識別結合計算機技術

煉鋼設備的旋轉機械在運轉時，往往遵循一定的運行規律，對于經驗豐富的技術人員來說，可以根據設備運轉時表現出來的異常狀況，直觀判斷出故障類型，確定故障部位。比如旋轉機械運轉噪聲過大，設備機體震動頻率過高，設備表面溫度過高等，都說明設備已經出現運行故障。此外，煉鋼設備智能操控終端的操作人員，也可以結合計算機技術，對設備的異常運行狀態進行遠程監控，然后根據系統的故障預警反饋信號，確定故障部位。這種智能化的故障診斷技術既節省了人力資源，降低了診斷成本，而且能夠保障正常的生產流程不受影響。

2.4 智能專家系統

目前，多數冶金企業在煉鋼設備上安裝了智能專家系統，該系統主要借助于海量數據庫中的各種專業資源，匯集了業內一些頂級專家的故障診斷成果，幾乎囊括了所有旋轉機械故障類型，是煉鋼設備當中的一種高效智能診斷技術。

智能專家系統中，針對旋轉機械的各種類型，構建了一個完整的故障模型體系，體系涵蓋了轉子磨損、轉軸破裂、油膜不穩定、轉子不對稱等多種故障類型，技術人員可以根據這些模型，將設備的故障類型與其進行匹配，如果與某一模型匹配成功，就能夠精準判斷出旋轉機械的故障類型。在數據分析與處理時，專家系統中的神經網絡發揮了重要的神經中樞的作用，該系統類似于人腦的神經中樞，具有較強的學習能力、故障診斷能力、超強的運算能力以及理性分析判斷能力，進而構造出與數據庫模型類似的故障樣本，快速識別出旋轉機械屬于哪一種故障類型。

隨著冶金行業的迅猛發展，煉鋼設備大型化趨勢已經無法逆轉，而智能專家系統在小型旋轉設備中極易構建故障模型，識別精度也相對較高，但是，在大型旋轉設備當中，智能專家系統建立故障模型的難度偏大，這主要是基于大型設備內部構造復雜，運行環境復雜，缺少較為成熟和權威的專家數據，尤其在旋轉機械已經發生的故障類型當中，大型機械故障的數據庫幾乎相關成型的數據模型。因此，技術人員在診斷旋轉機械故障時，應當結合計算機技術、遠程監控技術等智能技術，來進一步完善故障診斷技術體系。

3 旋轉機械故障診斷技術在煉鋼設備中的應用效果分析

3.1 旋轉機械故障實例

下面以某煉鋼廠的6000V高壓電機驅動耦合器為例，對旋轉機械故障診斷技術的實際應用效果進行分析闡述。該耦合器自帶的調速功能驅動風機葉輪高速運轉，在同一基座上安裝型號為JK850-2的整臺機組，該機組的額定功率為850KW，轉速為2970r/min，風速為750r/min～2970r/min，當進行爐頂吹氧工序時，風機高速運轉，其余工序均處于低速運轉狀態。

3.2 振動值測量

在測量機械振動值時，通常在電機上選取兩個測量點，經實地測量發現，第一個測量點的振動幅度大于29768μm，而第二個測量點的振動幅度則小于70μm，這就說明第一個測量點的振動幅度較大。通過對測量結果的分析，可以判斷出故障類型屬于轉子不對稱或者不平衡，因此，電機的第一個測量點極有可能存在異常狀況。但是，如果人為感知第一個測量點的振動幅度，并不能精準判定該位置存在異常，為了驗證判斷結果的準確性，可以用加速幅值與速度幅值來表示振動值大小，技術人員經過對振動值數據的分析，獲得的速度采樣值為403.6mm/s，這一數值遠遠大于5.5mm/s標準值[2]。

3.3 診斷結果分析

通過分析頻譜，能夠判定出電機的第一測量點振動幅值波動較大，能量值多集中在0.1倍頻與0.15倍頻之間，由此可以診斷出電機軸承存在一定問題，再結合振動特征與工作環境，能夠查找出產生該故障的主要原因是由于熱套配合過盈不足以及動靜件摩擦所致，使得軸承內圈發生松動。為了驗證診斷結果，當電機停止運行后，打開電機后端蓋板，發現軸承內圈已經出現嚴重的斷裂現象，才會引起電機的劇烈振動。

4 結語

旋轉機械故障診斷需要技術人員具有豐富的實際診斷經驗，同時，必須熟練掌握各種診斷技術，以便于在應對較為復雜的故障類型時，能夠快速查找出故障原因，及時排除故障隱患。煉鋼設備中的旋轉機械故障發生頻率較高，不同的故障類型對設備的損害程度也有所不同，因此，冶金企業應予以高度重視，科學選擇故障診斷技術，提前做好各項預防措施，將旋轉機械發生故障的幾率降到最低點，在確保煉鋼設備正常運轉的前提下，為冶金企業增產、提效、增收提供強大的動力保障。