轧制过程中张力控制系统的远程监测及诊断研究
|
摘要
张力控制系统是整条轧机生产线对轧件的张力进行控制的重要系统，而张力的变化情况往往是影响到整条轧钢生产线能否正常地工作的重要因素。因此，为了预防重大故障或事故的发生，为了保证生产的顺利进行，对其进行状态监测及故障诊断是十分必要的，而且，对于有效提高企业的生产管理水平，保证产品的质量等具有重要的意义。
本文首先通过对轧机生产线的张力控制机理进行了分析，在现场调研的基础上，总结出有关的故障及其相应的相关信号特征表现。接着，依据现场信号的实际情况，提出了提取信号状态特征的方法，由此进行信号的状态识别；在此基础上，采用了基于模糊综合评判的诊断推理方法对本课题的张力控制系统故障进行了诊断，实践证明，该诊断方法的优点在于无需故障的实际案例，通过专家的有关经验就能轻易确定推理系统的雏形，对于诊断系统的初始建立是行之有效的方法。
另外，基于对国内外关于设备远程监测及诊断技术的研究及发展现状的分析，从中可以看到，应用现代远程技术对设备进行的监测和诊断具有明确的实际应用价值。本文结合现场的实际情况及用户的需求，通过应用最新的ASP．NET技术和SQL Server数据库技术开发实现了一套B／S模式的远程监测及故障诊断智能系统，该系统能通过不断的运行积累经验，逐步满足用户对张力控制系统监测诊断的需求；而且，文中介绍了该诊断系统的架构、功能模块、信息结构等并通过实例介绍了系统的整个运行过程。
最后，对本文所做的研究工作进行了总结，并针对整个诊断系统的目前情况，对将来更深入的研究进行了展望，指出了需要进一步完善和改进的地方。
The tension control system which is used for controlling the tension of rough steel is the important system in the whole rolling mill product line, and the variety of tension is the important factor that can affect whether the running process is normal or not. So it is necessary to monitor the product state and diagnose faults in order to prevent the grave faults or accidents from happening and ensure the successful running of the process, further more, it has significant benefit on increasing the enterprise management level and ensuring the quality of products.
This paper will firstly sum up the faults and its related signal symptoms through the analysis of the tension control principle of the line and the research on the spot. Secondly, according to the fact, it brings forward the method that abstract the signals' state characteristic value which is used for recognizing the signals' state. On this base, the paper has adopted the fuzzy judging method to diagnose the faults of this tension control system, and the practice has indicated that the efficient
of the diagnosis method is that it doesn't need any factual fault cases and it can easily build the
rudiment of the reasoning system by gaining some expert experiences, so it is the workable way at the beginning of setting up the diagnosis system.
In addiction, we can know that applying the modern long-distance technique to monitor and diagnose has clear actual application worth on the base of the analysis of the development state of the remote monitoring and diagnosis techniques for equipments around the world. Because of the spot facts and the needs of users, so this paper introduces that applying the new ASP.NET and SQL Server database techniques to develop a B/S mode remote-monitoring and faults-diagnosis intelligent system, and it will accumulate experiences along with the continuous running, so it will gradually meet the users' needs of monitoring and diagnosis of the tension control system. Moreover, the paper has introduced the system structure, the function modules, the information structure and so on of the whole diagnosis system, and presented the whole running process of the system by an instance.
At last, the research is summarized, and the paper has prospected for the future further research and pointed out the things which need to be improved and perfected in the system.
本文首先通过对轧机生产线的张力控制机理进行了分析，在现场调研的基础上，总结出有关的故障及其相应的相关信号特征表现。接着，依据现场信号的实际情况，提出了提取信号状态特征的方法，由此进行信号的状态识别；在此基础上，采用了基于模糊综合评判的诊断推理方法对本课题的张力控制系统故障进行了诊断，实践证明，该诊断方法的优点在于无需故障的实际案例，通过专家的有关经验就能轻易确定推理系统的雏形，对于诊断系统的初始建立是行之有效的方法。
另外，基于对国内外关于设备远程监测及诊断技术的研究及发展现状的分析，从中可以看到，应用现代远程技术对设备进行的监测和诊断具有明确的实际应用价值。本文结合现场的实际情况及用户的需求，通过应用最新的ASP．NET技术和SQL Server数据库技术开发实现了一套B／S模式的远程监测及故障诊断智能系统，该系统能通过不断的运行积累经验，逐步满足用户对张力控制系统监测诊断的需求；而且，文中介绍了该诊断系统的架构、功能模块、信息结构等并通过实例介绍了系统的整个运行过程。
最后，对本文所做的研究工作进行了总结，并针对整个诊断系统的目前情况，对将来更深入的研究进行了展望，指出了需要进一步完善和改进的地方。
The tension control system which is used for controlling the tension of rough steel is the important system in the whole rolling mill product line, and the variety of tension is the important factor that can affect whether the running process is normal or not. So it is necessary to monitor the product state and diagnose faults in order to prevent the grave faults or accidents from happening and ensure the successful running of the process, further more, it has significant benefit on increasing the enterprise management level and ensuring the quality of products.
This paper will firstly sum up the faults and its related signal symptoms through the analysis of the tension control principle of the line and the research on the spot. Secondly, according to the fact, it brings forward the method that abstract the signals' state characteristic value which is used for recognizing the signals' state. On this base, the paper has adopted the fuzzy judging method to diagnose the faults of this tension control system, and the practice has indicated that the efficient
of the diagnosis method is that it doesn't need any factual fault cases and it can easily build the
rudiment of the reasoning system by gaining some expert experiences, so it is the workable way at the beginning of setting up the diagnosis system.
In addiction, we can know that applying the modern long-distance technique to monitor and diagnose has clear actual application worth on the base of the analysis of the development state of the remote monitoring and diagnosis techniques for equipments around the world. Because of the spot facts and the needs of users, so this paper introduces that applying the new ASP.NET and SQL Server database techniques to develop a B/S mode remote-monitoring and faults-diagnosis intelligent system, and it will accumulate experiences along with the continuous running, so it will gradually meet the users' needs of monitoring and diagnosis of the tension control system. Moreover, the paper has introduced the system structure, the function modules, the information structure and so on of the whole diagnosis system, and presented the whole running process of the system by an instance.
At last, the research is summarized, and the paper has prospected for the future further research and pointed out the things which need to be improved and perfected in the system.
引文
[1] 滕召旗，轧机液压故障智能诊断系统的研究与开发，广东工业大学硕士论文 2002
[2] 赵翔 李著信 萧德云，故障诊断技术的研究现状与发展趋势，《机床与液压》2002．No．4
[3] 黄志坚，轧机液压故障诊断与监测研究，北京航空航天大学博士论文 2002
[4] 张天宏，民航发动机远程故障诊断技术研究，南京航空航天大学博士论文 2000
[5] 栾曙光 高立新 陶荣伟，设备远程诊断技术初探，《武钢技术》2003年41卷第1期
[6] 刘斌 严其玉，面向基层的远程故障诊断技术发展，《中国修船》2002年第3期
[7] 杨光，杨拥民等，基于B／S模型的设备远程诊断系统的研究，《测控技术》2001年第20卷第6期
[8] 陈忠 郑时雄，基于Internet的远程监测及故障诊断技术，《机电一体化》2001年第4期
[9] 魏彬彬，基于Internet的机电设备故障诊断与专家系统，武汉理工大学硕士论文 2002
[10] 金阳，轧机试验台在线监测与故障诊断系统软件开发，武汉科技大学硕士论文 2001
[11] Jiang D.C, Xu M. Way of evaluating the performance of the condition monitoring and fault diagnostic systems for steam turbines. The proceeding of the international Conference on plant engineering Guangzhou 1997: 331～336
[12] Lai Qiyuan, Song Yaoli. Investigation on fault diagnosis in hydraulic system. The proceeding of the international Conference on plant engineering Guangzhou 1997: 337～340
[13] 张晓彤 徐金梧等，基于Internet的设备远程诊断系统实现技术研究，《冶金设备》2001年2月第1期
[14] 佟德纯 姚宝恒，设备远程监测诊断技术，《设备综台诊断技术讲座》第十四讲
[15] 丁修堃，轧制过程自动化，冶金工业出版社 1986年
[16] 孙一康等，带钢热连轧数学模型基础，冶金工业出版社 1979年
[17] 崔铭成 王于南，高速线材轧机的张力控制(一)(二)，轧钢 1996
[18] 丁贤林，案例推理在活套系统故障诊断中的应用，广东工业大学硕士论文 2003
[19] 孙平，F3轧机活套张力控制故障分析，珠钢内部材料
[20] 轧机自动化技术，珠钢内部培训材料 第四章
[21] 轧机培训教材(最终修订)，珠钢内部培训材料
[22] 魏志刚，热连轧机的微张力控制系统设计与分析
[23] 穆学仁 张敬民，连轧生产粗中轧机组的微张力控制，轧钢 1999
[24] 邢志鹏，液压设备故障诊断的分形方法研究，广东工业大学硕士论文 2003
[25] 候祥林 虞钢，分形模糊神经网络诊断方法研究和应用，东北大学学报(自然科学版)，2002年2月第23卷第2期
[26] 吴勉 邵惠鹤，小波—分形—多ART2神经网络在汽车发动机故障识别中的应用，机械设计与制造 2002第6期
[27] Packard N H, Crutchiefield J P, Farmer J D, et al. Geometry from a time series[J]. Phys Rev Lett, 1980, 45(6): 712-716
[28] Takens F, Mane. Detecting strange attractors in fluid turbulence[A]. In: Rand D A, Young L S, Eds. Dynamical Systems and Turbulence[C]. Vol. 898 of Lecture Notes in Mathematics, Berlin: Springer, 1986, 366
[29] 谢继深，彩色与分形理论在大型轧钢系统中的应用，广东工业大学机电液研究所内部资料 2001年11月
[30] 周东华 叶银忠，现代故障诊断与容错控制，清华大学出版社 2000
[31] Toshiro Terano,Kiyoji Asai,Michio Sugeno. Fuzzy systems theory and its applications, Academic Press, Inc. 1987
[32] Abraham Kandel. Fuzzy techniques in pattern recognition, John Wiley & Sons, 1982
[33] H.J. Zimmermann. Fuzzy set theory and its applications, Kluwer Academic Publishers, 1985
[34] 王道平 张义忠，故障智能诊断系统的理论与方法，冶金工业出版社 2001
[35] 虞和济等，设备故障诊断工程，冶金工业出版社
[36] 褚蕾蕾 周梦等，计算智能的数学基础，科学出版社，2002
[37] 徐济仁 陈家松，故障智能诊断系统在通信设备检修中的应用，电子工程，2002年第4期
[38] 付磊，ASENET编程实作教程，北京希望电子出版社 2002
[39] Jonothan Ortiz etc. ASP.NET Web Developer's Guide, Syngress Publishing, Inc.
[40] Why ASP.NET; http://www.asp.net/whitepaper/whyaspnet.aspx? tabindex=0& tabid=1
[41] Software Components as Application Building Blocks, http://www.chinagrid.com 1998.2 version 1.1
[42] 赵光宇 舒勤，信号分析与处理，机械工业出版社 2001
[43] 蔡德辉 毛宁 程树林等，基于Web的设备运行管理系统的多层B／S结构的实现，现代计算机，2004
[44] 徐茂林，概率论与数理统计，辽宁民族出版社，1996
[2] 赵翔 李著信 萧德云，故障诊断技术的研究现状与发展趋势，《机床与液压》2002．No．4
[3] 黄志坚，轧机液压故障诊断与监测研究，北京航空航天大学博士论文 2002
[4] 张天宏，民航发动机远程故障诊断技术研究，南京航空航天大学博士论文 2000
[5] 栾曙光 高立新 陶荣伟，设备远程诊断技术初探，《武钢技术》2003年41卷第1期
[6] 刘斌 严其玉，面向基层的远程故障诊断技术发展，《中国修船》2002年第3期
[7] 杨光，杨拥民等，基于B／S模型的设备远程诊断系统的研究，《测控技术》2001年第20卷第6期
[8] 陈忠 郑时雄，基于Internet的远程监测及故障诊断技术，《机电一体化》2001年第4期
[9] 魏彬彬，基于Internet的机电设备故障诊断与专家系统，武汉理工大学硕士论文 2002
[10] 金阳，轧机试验台在线监测与故障诊断系统软件开发，武汉科技大学硕士论文 2001
[11] Jiang D.C, Xu M. Way of evaluating the performance of the condition monitoring and fault diagnostic systems for steam turbines. The proceeding of the international Conference on plant engineering Guangzhou 1997: 331～336
[12] Lai Qiyuan, Song Yaoli. Investigation on fault diagnosis in hydraulic system. The proceeding of the international Conference on plant engineering Guangzhou 1997: 337～340
[13] 张晓彤 徐金梧等，基于Internet的设备远程诊断系统实现技术研究，《冶金设备》2001年2月第1期
[14] 佟德纯 姚宝恒，设备远程监测诊断技术，《设备综台诊断技术讲座》第十四讲
[15] 丁修堃，轧制过程自动化，冶金工业出版社 1986年
[16] 孙一康等，带钢热连轧数学模型基础，冶金工业出版社 1979年
[17] 崔铭成 王于南，高速线材轧机的张力控制(一)(二)，轧钢 1996
[18] 丁贤林，案例推理在活套系统故障诊断中的应用，广东工业大学硕士论文 2003
[19] 孙平，F3轧机活套张力控制故障分析，珠钢内部材料
[20] 轧机自动化技术，珠钢内部培训材料 第四章
[21] 轧机培训教材(最终修订)，珠钢内部培训材料
[22] 魏志刚，热连轧机的微张力控制系统设计与分析
[23] 穆学仁 张敬民，连轧生产粗中轧机组的微张力控制，轧钢 1999
[24] 邢志鹏，液压设备故障诊断的分形方法研究，广东工业大学硕士论文 2003
[25] 候祥林 虞钢，分形模糊神经网络诊断方法研究和应用，东北大学学报(自然科学版)，2002年2月第23卷第2期
[26] 吴勉 邵惠鹤，小波—分形—多ART2神经网络在汽车发动机故障识别中的应用，机械设计与制造 2002第6期
[27] Packard N H, Crutchiefield J P, Farmer J D, et al. Geometry from a time series[J]. Phys Rev Lett, 1980, 45(6): 712-716
[28] Takens F, Mane. Detecting strange attractors in fluid turbulence[A]. In: Rand D A, Young L S, Eds. Dynamical Systems and Turbulence[C]. Vol. 898 of Lecture Notes in Mathematics, Berlin: Springer, 1986, 366
[29] 谢继深，彩色与分形理论在大型轧钢系统中的应用，广东工业大学机电液研究所内部资料 2001年11月
[30] 周东华 叶银忠，现代故障诊断与容错控制，清华大学出版社 2000
[31] Toshiro Terano,Kiyoji Asai,Michio Sugeno. Fuzzy systems theory and its applications, Academic Press, Inc. 1987
[32] Abraham Kandel. Fuzzy techniques in pattern recognition, John Wiley & Sons, 1982
[33] H.J. Zimmermann. Fuzzy set theory and its applications, Kluwer Academic Publishers, 1985
[34] 王道平 张义忠，故障智能诊断系统的理论与方法，冶金工业出版社 2001
[35] 虞和济等，设备故障诊断工程，冶金工业出版社
[36] 褚蕾蕾 周梦等，计算智能的数学基础，科学出版社，2002
[37] 徐济仁 陈家松，故障智能诊断系统在通信设备检修中的应用，电子工程，2002年第4期
[38] 付磊，ASENET编程实作教程，北京希望电子出版社 2002
[39] Jonothan Ortiz etc. ASP.NET Web Developer's Guide, Syngress Publishing, Inc.
[40] Why ASP.NET; http://www.asp.net/whitepaper/whyaspnet.aspx? tabindex=0& tabid=1
[41] Software Components as Application Building Blocks, http://www.chinagrid.com 1998.2 version 1.1
[42] 赵光宇 舒勤，信号分析与处理，机械工业出版社 2001
[43] 蔡德辉 毛宁 程树林等，基于Web的设备运行管理系统的多层B／S结构的实现，现代计算机，2004
[44] 徐茂林，概率论与数理统计，辽宁民族出版社，1996