冷弯C型钢成型设备故障分类及分析解决方法

冷弯成型过程是一个复杂的变形过程，通过将钢带输送到具有特定成型功能的轧机中，利用轧机中的多对轧辊对金属板带进行连续作用，使其沿着直线的、纵向的、平行的弯曲线逐渐变形，较后成为所需断面形状的型材。冷弯中梁轧制过程中的3个道次，每个道次中的轧辊都有自己特定的成型任务，型材在经过这些道次时发生较大的形变。整个轧制过程都是由各道次的变形和道次间的较小变形或不变形构成的。轧辊是冷弯成型过程的核心部件，轧辊能否正常工作直接影响到型钢产品的产量、质量、轧机成产能力、产品成本和消耗等等。从总体上说。冷弯成型设备的绝大多数故障都与轧辊有直接关系。

1冷弯成型设备故障分类及研究方向

冷弯成型设备是使带钢变成所需形状的重要工具，但是山于带钢很重及外部条件工作环境恶劣，这就使得设备的消耗量很大，设备就很容易发生故障。我们所研究的冷弯成型设备故障主要包括冷弯成型设备中机架故障和轧辊故障。这些故障都有一个共同点，即一种故障征兆可能导致多种故障连续发生，几种故障征兆也可能造成同一故障。因此，检查设备故障时较好不要将机组进行分 解开来，而且一般故障发展比较缓慢，需要长期观察设备状况。这些特点加大了冷弯成型设备运行状态监测及故障诊断的难度。

冷弯成型设备故障诊断的目的是冷弯成型设备在其使用期内，能够在特定的生产条件下的运行，从而整个系统的工作效率。冷弯成型设备故障诊断就是采用的方法或工具采集设备运行状态中的各项信息，并对这些信息进行分析与处理，以此来识别设备是否处于正常工作状态。从另一个角度看，冷弯成型设备故障诊断就是采用的方法识别设备的运行状态。具体来说，对冷弯成型设备故障进行诊断的过程应包括以下五个步骤：

(1)信号检测。根据冷弯成型设备的工作环境及设备功能特性，选择适当的传感器或其他检测手段测取能够反映设备运行状态的信号。对特征信号的选取，除考虑其经济性，一般选取包含信息数量较多、敏感度较高的信号为状态信号。

(2)特征提取。就是在采集的众多信号中提取与设备故障有关的特征信号。根据振动理论、信号分析与处理方法、控制论等，对特征信号加以处理，提取能够直接用于判断设备状态的有用信息(征兆)。

(3)故障机理研究。根据特征(征兆)，采用合适的状态识别方法，并结合其他方面的诊断信息，对设备的运行状态进行识别。的征兆信息是对系统状态进行正确诊断的前提。

(4)故障诊断。根据提取的征兆信息，对设备状态做出进一步分析，并对其发展趋势进行预测。当冷弯成型设备发生故障时，我们需要详细分析的内容包括故障的类型、性质、部位、产生原因及发展趋势。

(5)决策干预。以设备的故障诊断结果为依据，做出调整、维修或继续监视等决策，并对其工作经常进行干预，以冷弯成型设备、发挥其作用。

2冷弯成型设备故障模型分析

目前，在冷弯成型设备故障诊断方法的研究中，基于规则的诊断模型、基于案例的诊断模型、基于模糊逻辑的诊断模型和基于人工神经网络的诊断模型是研究较多的四种模型：

基于规则的诊断模型。规则推理技术是冷弯成型设备故障诊段研究中普遍采用的基本方法，它将内专家故障诊断的经验知识用规则的形式进行表示，其规则为IF条件、THEN结论。

其中，条件表示故障征兆的逻辑组合，结论表示潜在故障的集合，从而建立起征兆和故障的对应关系。故障诊断专家系统就是通过这些规则来模仿人类的思维过程的。

基于案例的诊断模型。案例推理是通过修订相似问题的成功结果来求解新的问题的方法。案例库模拟人的大脑存储了过去一些相关案例，这些案例按照的规则组织在一起。当新问题出现时，根据问题的特征和症状从案例库中检索出与该问题较相似的案例，然后对该案例的结果进行修订并作为新问题的诊断结果。

基于模糊逻辑的诊断模型。模糊推理技术是通过模糊综合理论、可能性分布理论和模糊逻辑的知识处理一些不确定性问题，对人类认识和思维过程中固有的模糊性进行一种模拟和反映。模糊推理系统的实质是一种基于规则的系统，其核心是"；IF-THEN规则组成的知识库，只是每个规则都是用隶书函数或模糊集合的形式表达知识。

基于人工神经网络的诊断模型。人工神经网络是由大量神经节点相互交织成的一个复杂网络，是一种可以抽象反映人脑结构和功能的数学模型。人工神经网络的故障诊断可以看成是模式识别。它是利用神经网络将测量到的过程参量从测量空间影射到故障空间，以此实现故障诊断。

3冷弯成型设备故障诊断模型存在的问题及解决方法

基于规则的诊断模型。

这种诊断方法虽然具有经验知识易于表示、推理过程易于理解且诊断速度较快等优点，但是对于一些大型复杂机械设备的故障诊断，该方法还存在一些局限性。如知识获取困难、推理脆弱、知识库维护困难、自学习能力差等。该方法对设备系统的依赖较强，每一种新设备都需要重新定制一组规则。故障诊断之前，积累足够的经验知识，否则在有新情况出现时无法对其进行诊断。

基于案例推理的诊断模型。

这种方法的解决了规则推理的瓶颈问题，其突出特点就是知识易于获取、自学习能力。建立一个的知识量丰富的案例库是构建基于案例推理诊断系统的关键问题，但是由于实际生产中的诊断案例数量有限，在进行推理时很容易漏掉较优解或者找不到较佳匹配，造成漏诊或者误诊。诊断案例间组织方式和索引机制的建立就传统的案例诊断方法难以实现，在对新修订案例进行一致性检验时很难对诊断结果加以解释。

基于模糊逻辑的诊断模型。

这种故障诊断方法是选用合适的隶属函数和模糊关系矩阵来研究故障和征兆之间的模糊关系，从而判断设备的运行状态。该方法在用于故障诊断时可自行运行，结果明确直观，可实现实时故障诊断。但是该方法的缺点是故障特征值选取困难，当关系矩阵中存在未知量时无法构造出合适的隶属函数。

基于人工神经网络的诊断模型。

神经网络具有容错性好、自学习、联想记忆和模糊匹配等信息处理能力而广泛应用于多故障、多过程、多突发性故障的大型复杂设备的故障监测与诊断中。但该技术也存在一些局限性，如忽视了专家的经验知识、知识的利用和表达单一、无法解释推理过程、网络权值含义不明等等。因此将神经网络和专家系统或模糊数学等相结合，发挥其的优点。