张 毅

（承德钢铁集团有限公司，河北 承德 067000）

西门子变频器能够以较低的能耗进行各项工业操作，因此其在炼铁领域受到极大的关注。这种变频器之所以能够快速变频，是因为其内部构造中具备无极调速的能力，能够在发动机工作的过程中在另一个频道实现同时频率转换[1]。但是这种同时性的频率转换极易发生故障，因此想要安全高效地使用这种西门子变频器，就需要同时掌握其故障诊断以及维修方法。我国已经有了很多基于此类的研究，大多数都是基于收集故障信息并对其进行归类分析，以此诊断与维修西门子变频器。但是这些方法通常在数据处理过程中精度不足，导致其在诊断时准确阈值偏低，无法实现维修工作。因此本文对炼铁系统中西门子变频器的常见故障诊断及维修方法进行优化设计。

1 炼铁系统中西门子变频器故障诊断方法设计

1.1 收集故障信号

想要拥有更准确的诊断结果，就需要在设备故障数据的采集过程中实现更高的精准度。收集数据需要由西门子变频数据采集装置的支持，将收集到的数据根据单元依次排查，然后以样本的相似度指标确定故障信息。故障信息的相似度指标需要计算欧式距离：

式中，d表示欧式距离的长度单位，一般而言，d的数值越大，则欧式距离越短，d的数值越小，则欧式距离越长；n表示该类故障数据的个数；i表示故障数据的排列顺序；ix表示样本相似度在x轴上的指标，iy表示样本相似度在y轴上的指标。在此基础上需要同时计算西门子变频器故障单元的基础数值，并按照机器学习的方法将故障振幅判定为无监督聚类、有监督聚类以及半监督聚类，并依照内部指标衡量计算公式得到西门子变频器发生故障时的运行振幅，完善故障数据的功能完整性[2]。此时可以k假定表示某一项数据相对于故障信息之间的相似性，则可以通过公式（2）是实现二者之间的关系判定。

式中，k表示二者之间的距离指标，m表示疑似故障数据的信号，n表示已经确定的故障数据信号。当k小于1时，则该判定的信号为故障信号，若k大于等于1，则该信号为非故障信号。通过这种方法能够实现对于故障信号的收集。

1.2 离散型故障信号特征提取

特征提取的主要目的是将原始数据转换成能够被机器识别的数据，通常需要在故障信号收集完成之后再进行。将基于傅立叶变换的原始信号在时域与频域之间相互转换，能够得到更精准、更便捷的信号转换方法[3]。设离散型传递函数的表达式为X，则有公式（3）。

式中，X表示离散型故障信号的传递函数；Ο表示该函数的复杂度定义；n表示离散型故障信号在计算过程中的映射个数[3]。通过公式（3）获得离散型故障信号的映射关系之后，就可以直接将信号转换为机器信号如图1所示。

图1 信号转换流程

如图1所示，将每一个故障信号依次通过以上方法转换为能够被机器识别的数据信号，就可以实现该类离散型故障信号的特征提取。

1.3 诊断数据上传定位

将以上已经转换为及其信号的数据全部上传值设备电压以故障电流单位中，设置各个电流与电压节点，明确信号的传输路径，并时刻更新故障信号的实时状态[4]。假设设备上传数据的信号振幅表达式为Y则可以得到公式（4）：

式中，d表示数据从开始节点到上传结束节点之间的距离；i表示上传故障数据的个数；zij表示坐标系中原始信号的投影数目；iω表示上传后机器信号与原始信号之间的间距；a表示信号样本的重构型间距。经过以上信号的上传之后，能够得到故障信号的滤波转换定律，将自动化的架构添加进西门子变频其故障信号上传机制中，能够更好地实现信号故障诊断工作[5]。故障数据的上传是整个故障诊断的重要步骤，在利用该段经历转换原始数据的过程中，经过时域、频域的特征提取，能够得到包括均值、重心在内的各项变换指标。并通过故障特征的复杂度计算，反映出该段故障数据的信号处理能力。最后再通过神经网络算法得到变频信号定位偏移角度的计算公式（5）。

式中，Hi表示西门子变频器故障信号诊断结果定位偏移的角度；α表示故障信号的上传字节数；β表示故障数据的模糊指数；ia和ib分别表示西门子变频器故障信号导向的x轴与y轴位置参数。将公式（5）输入计算机中，就能够自动得到常见的故障名称及维修策略，并得到故障节点的位置。

2 炼铁系统中西门子变频器常见故障维修

以上文中得到的西门子变频器故障诊断方法作为维修依据，可以通过软硬件之间的端机数据连接接口进行数据传输如图2所示。

图2 故障维修数据接口

在故障维修中，接收数据的信号需要通过变频器的识别，并通过I/O智能化验证，才能开始进入适配阶段。在观察指示灯时，结合指示灯的红、黄颜色，判断故障部位以及故障种类[6]。然后根据维修手册中的内容按照规定方法进行故障节点的验证，以避免故障诊断失误的情况出现。如果该节点确实发生故障，则可以及时根据维修方法进行故障维修。