基于DBN和EEMD方法的精轧测温传感器故障诊断与分类
2021-05-26李太全孟红记胡振伟
自动化与仪表 2021年5期
李太全,孟红记,胡振伟
(1.邯钢集团公司 邯宝炼钢厂 邯郸056015;2.东北大学 信息科学与工程学院,沈阳110819)
轧钢过程各测温点的温度准确性直接影响整个轧钢生产线的工艺流程控制与最终的产品质量。一方面,准确的轧制温度是准确分配和确定各架轧机的轧制压力和厚度等工艺参数的前提条件;另一方面,轧制产线上各工序温度的准确测量,可以保证产品如强度和延展性等性能的要求[1-2]。在轧制过程中,测温传感器处在高温高湿的复杂恶劣环境中,发生诸如漂移、精度下降、固定偏差等故障常常难以发觉,给生产和产品质量带来经济损失。
目前传感器故障诊断分为信号处理法、解析模型法和智能诊断法3 种类型[3]。基于信号的处理方法是基于线性系统开展研究,通过提取与故障相关的频域或时域特征进行故障诊断;基于解析模型的方法需要根据建立的故障诊断对象的数学模型,获取残差信号分析研究故障诊断;基于知识的智能故障诊断方法不需要具体的解析和模型,可实现逼近复杂的非线性函数。轧钢生产过程的工艺复杂,被测对象为钢产品,由于钢种、尺寸规格(长、宽、厚)、环境参数等不同,很难建立准确的数学模型,测量信号存在较强的非线性。
精轧工序是轧制产线上的重要工序,本文以轧制过程精轧工序的轧后测温传感器为例,采用深度信念网络(DBN),集合经验模态分解(EEMD)的信号分析技术,开展精轧后测温传感器故障诊断与分类的研究。……
登录APP查看全文
