基于CNN电流数据形态识别的电动机故障诊断研究
2021-07-16龚敬群黄冬明周兴泽马天雨
宝钢技术 2021年3期
龚敬群,李 杰,黄冬明,周兴泽,马天雨
(1.宝武装备智能科技有限公司,上海 201999; 2.湖南师范大学,湖南 长沙 410083;3.湖南安存科技有限公司,湖南 长沙 410003)
1 概述
热轧层流冷却工艺段包括层冷辊道和带钢层流冷却设备。层冷辊用于将带钢从精轧机运送到地下卷取机,辊子总成被夹固在主辊道框架上。层流冷却设备安装在输出辊道的上面和下面,用于冷却卷取前的带钢以控制带钢的机械性能。层冷辊道由电动机驱动辊子实现钢坯运输,1个辊子需要1台电动机带动。层冷辊电动机经常出现接地、尼龙接手脱落、润滑油劣化、不对中、不平衡、基础松动、接地故障、短路断路、轴承损坏等,故障类型多,且因电动机数量多导致故障频发。电动机故障导致的非计划停机给企业带来较大损失,为排除非计划停机损失,现场需要大量的巡检和维修人员,通过逐个电动机巡查、“五感”点检等方法排查故障电动机。人工巡查受工作人员责任心、工作经验、业务能力等因素的影响,常常效果并不理想,且人力资源浪费严重。为此,现场建立预防性的电动机批量更换制度,对于到了一定使用年限的电动机进行统一批量更换,这种做法导致大量的过度维修现象,给企业带来较大的经济损失。基于大数据分析的方法,通过电流、谐波等特征数据分析电动机运行情况,实现预测性运维,对降低非计划停机事故、提高企业经济效益具有重要意义。
国内外对电动机进行故障诊断的主要方法基于三大类:解析模型[1]、信号处理[2-3]、数据驱动[4]。……
登录APP查看全文
