CN108994090A - 一种轧机压下系统故障的诊断方法 - Google Patents
一种轧机压下系统故障的诊断方法 Download PDFInfo
- Publication number
- CN108994090A CN108994090A CN201810741898.6A CN201810741898A CN108994090A CN 108994090 A CN108994090 A CN 108994090A CN 201810741898 A CN201810741898 A CN 201810741898A CN 108994090 A CN108994090 A CN 108994090A
- Authority
- CN
- China
- Prior art keywords
- failure
- pressure
- press down
- roll
- rolling mill
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B33/00—Safety devices not otherwise provided for; Breaker blocks; Devices for freeing jammed rolls for handling cobbles; Overload safety devices
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Presses (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种轧机压下系统故障的诊断方法,包括如下步骤:包括如下步骤:(1)将压下系统故障分为三类,分别为压下堵转、压下偏摆和压下反弹;(2)分别总结导致所述三类故障产生的多种因素;(3)分别对压下系统正常工作状态和三类故障状态的参数进行量化,生成量化信息;(4)对压下系统的运行状态进行实时监控,生成参数值曲线,将实时参数值与量化信息进行比对,根据曲线变化趋势发现故障征兆,并判断导致故障的因素。通过该方法可以及时发现压下系统的故障,并精准判断故障原因,避免重大设备事故的发生。同时,通过大量的量化指标,使故障诊断标准化、简单化,减少定期拆检工作。保证轧机的工作稳定性。
Description
技术领域
本发明涉及一种轧机压下系统的故障诊断方法。
背景技术
压下系统作为中板粗、精轧机的核心部件,在使用过程中会出现压下平面轴承损坏、压下缸偏摆超标、压下反弹、压下电机堵转等影响轧制生产的故障。故障的原因不同且复杂,难以通过点检发现。产生故障后影响非常大,造成的故障停时时间长。
目前,并未有一种针对压下系统几大类故障在其刚刚产生异常时就被技术人员及时诊断出来的相关技术。无法做到及早发现故障苗头,从而提早进行解决,避免出现重大设备事故。
发明内容
发明目的:为了克服现有技术的缺陷,本发明公开了一种轧机压下系统故障的诊断方法,该方法能够快速发现故障并判断故障产生的原因。
技术方案:一种轧机压下系统故障的诊断方法,包括如下步骤:
(1)将压下系统故障分为三类,分别为压下堵转、压下偏摆和压下反弹;
(2)分别总结导致所述三类故障产生的多种因素;
(3)分别对压下系统正常工作状态和三类故障状态的参数进行量化,生成量化信息;
(4)对压下系统的运行状态进行实时监控,生成参数值曲线,将实时参数值与量化信息进行比对,根据曲线变化趋势发现故障征兆,并判断导致故障的因素。
其中,所述步骤(3)中量化的参数包括压下电机的电流值、轧制力、辊缝实际值、工作辊平衡压力、支撑辊平衡压力、压下丝杆温度、铜螺母温度、平面轴承温度、压下顶帽传感器位移、压下磨损量以及分别位于操作侧和传动侧的两个AGC液压缸的偏摆值。
具体的,所述量化信息中,所述压下堵转故障包括压下电机下压过程中电流值持续超过785A五秒以上导致压下电机保护跳电、压下电机上抬过程中电流低于-90A并持续两个小时以上。所述压下偏摆故障包括位于一侧的AGC液压缸的对角传感器的偏摆值超过4mm时压下缸卸油、位于两侧的两个AGC液压缸的偏摆值超过6mm时压下缸卸油。所述压下反弹故障包括当压下磨损量>3.5mm时,压下丝杆螺母自锁能力减弱造成轧制过程中板型无法控制,其中,压下磨损量=压下顶帽传感器位移-辊缝实际值。
有益效果:本发明通过将压下系统故障归为压下堵转、压下偏摆和压下反弹三大类。统计总结出导致三类故障产生的各种因素,并利用大数据对正常工作状态和三类故障的异常状态的参数进行量化。实施监控运行状态,并根据参数值曲线变化趋势发现故障征兆,实现对故障的快速精密诊断。通过该方法可以及时发现压下系统的故障,并精准判断故障原因,避免重大设备事故的发生。同时,通过大量的量化指标,使故障诊断标准化、简单化,减少定期拆检工作。保证轧机的工作稳定性。
具体实施方式
下面,结合实施例对本发明做进一步详细说明。
一种轧机压下系统故障的诊断方法,该方法具体包括下述步骤:
(1)将压下系统故障分为三类,分别为压下堵转、压下偏摆和压下反弹;
(2)根据故障统计数据,分别总结导致所述三类故障产生的因素;
而具体的,导致压下堵转产生的因素包括:因操作不当产生的带载压下问题、轧辊平衡系列超标准范围、压下丝杆磨损量超标、稀有润滑系统压力超标和工作辊定位销断裂或者移位;
导致压下偏摆产生的因素包括:上支撑辊瓦座上表面与液压缸表面有异物、上支承辊瓦座与牌坊滑板之间间隙大、上支撑辊瓦座油膜轴承故障、压下缸位移传感器故障;
导致压下反弹产生的因素包括:压下电机咬钢时带电反转、压下机构不能产生自锁、上工作辊抬升速度低于压下电机抬升速度中的一个或多个。
(3)分别对压下系统正常工作状态和三类故障状态的参数进行量化,生成量化信息;
本实施例运用PDA大数据进行量化,具体量化的参数包括压下电机的电流值、轧制力、辊缝实际值、工作辊平衡压力、支撑辊平衡压力、压下丝杆温度、铜螺母温度、平面轴承温度、压下顶帽传感器位移、压下磨损量以及分别位于操作侧和传动侧的两个AGC液压缸的偏摆值。
而进一步的,量化信息中,轧机正常运行时,压下电机下压时的运行电流在0~785A波动,压下电机上抬时运行的电流在-90~0A波动;而当出现压下电机下压过程中电流值持续超过785A五秒以上导致压下电机保护跳电、或者压下电机上抬过程中电流值低于-90A且持续时间在2小时以上,即为压下堵转故障;
当位于操作侧或者传统侧的AGC液压缸的对角传感器反馈的偏摆值超过4mm时压下缸卸油、或者分别位于操作侧和传动侧的两个AGC液压缸偏摆值超过6mm时压下缸泄油,即为压下偏摆故障;
根据压下顶帽传感器位移、辊缝实际值和压下磨损量的关系,确定压下磨损量,即压下磨损量=压下顶帽传感器位移-辊缝实际值;当压下磨损量大于3.5mm时,压下丝杆螺母自锁能力减弱,造成轧制过程中板型无法控制,即为压下反弹故障;
(4)对压下系统的运行状态进行实时监控,生成参数值曲线,将实时参数值与量化信息进行比对,根据曲线变化趋势发现故障征兆,并判断导致故障的因素。
当出现压下堵转故障征兆时,若轧制力和辊缝实际值同步变化,则故障的因素为带载压下,属于操作不当导致;
若工作辊平衡压力或者支撑辊平衡压力超出合理范围,则导致故障的因素为轧辊平衡系列超标准范围,具体的工作辊平衡压力合理范围在13.5~14.5Mpa,支撑辊平衡压力合理范围在14.5~15.5Mpa,超出这一范围生产过程产生异常时可直接判断故障原因;
若压下丝杆温度、铜螺母温度、平面轴承温度中至少一个超出室温温度60℃,则导致故障的因素为压下丝杆磨损量超标或者稀油润滑系统压力超标;如果稀有润滑压力在0.23Mpa以上时,重点检查稀有润滑系统各管路;
若辊缝实际值为90~100mm时,则导致故障的因素为工作辊定位销断裂或者移位。
当出现压下偏摆故障征兆时,导致故障的因素为上支撑辊瓦座上表面与液压缸表面有异物、上支承辊瓦座与牌坊滑板之间间隙大、上支撑辊瓦座油膜轴承故障、压下缸位移传感器故障中的一个或多个。
当出现压下反弹故障征兆时,导致故障的因素为压下电机咬钢时带电反转、润滑油剂量选择不当、蓄能器工作异常中的一个或多个。
其中,压下电机咬钢时带电反转的判断依据是,在咬钢前拆掉压下电机电源,在咬钢过程中观察是否发生反转,如反转即为压下电机咬钢时带电反转,会导致压下反弹;季节不同时,润滑油量剂的选择不当,使丝杆与螺母出现一定的磨损使自锁能力有所下降甚至不能产生自锁,会导致压下反弹;蓄能器工作异常时不能提供稳定的流量,流量不足使得上工作辊和支撑辊抬升速度变慢,上支撑辊抬升速度低于压下电机上抬速度,是螺纹上表面产生间隙,破坏原有的自锁能力,导致压下反弹。
在中、厚板轧机压下系统中运用本发明的故障诊断方法,实现了在各类故障发生前提前预判和诊断,避免重大设备事故,有效减少了故障停时损失。
Claims (8)
1.一种轧机压下系统故障的诊断方法,其特征在于,包括如下步骤:
(1)将压下系统故障分为三类,分别为压下堵转、压下偏摆和压下反弹;
(2)分别总结导致所述三类故障产生的多种因素;
(3)分别对压下系统正常工作状态和三类故障状态的参数进行量化,生成量化信息;
(4)对压下系统的运行状态进行实时监控,生成参数值曲线,将实时参数值与量化信息进行比对,根据曲线变化趋势发现故障征兆,并判断导致故障的因素。
2.根据权利要求1所述的轧机压下系统故障的诊断方法,其特征在于,所述步骤(3)中量化的参数包括压下电机的电流值、轧制力、辊缝实际值、工作辊平衡压力、支撑辊平衡压力、压下丝杆温度、铜螺母温度、平面轴承温度、压下顶帽传感器位移、压下磨损量以及分别位于操作侧和传动侧的两个AGC液压缸的偏摆值。
3.根据权利要求2所述的轧机压下系统故障的诊断方法,其特征在于,所述量化信息中,所述压下堵转故障包括压下电机下压过程中电流值持续超过785A五秒以上导致压下电机保护跳电、压下电机上抬过程中电流低于-90A并持续两个小时以上。
4.根据权利要求2所述的轧机压下系统故障的诊断方法,其特征在于,所述量化信息中,所述压下偏摆故障包括位于一侧的AGC液压缸的对角传感器的偏摆值超过4mm时压下缸卸油、位于两侧的两个AGC液压缸的偏摆值超过6mm时压下缸卸油。
5.根据权利要求2所述的轧机压下系统故障的诊断方法,其特征在于,所述量化信息中,压下磨损量=压下顶帽传感器位移-辊缝实际值;所述压下反弹故障包括当压下磨损量>3.5mm时,压下丝杆螺母自锁能力减弱造成轧制过程中板型无法控制。
6.根据权利要求3所述的轧机压下系统故障的诊断方法,其特征在于,当出现压下堵转故障征兆时,所述步骤(4)中,若轧制力和辊缝实际值同步变化,则故障的因素为带载压下,属于操作不当导致;若工作辊平衡压力或者支撑辊平衡压力超出合理范围,则导致故障的因素为轧辊平衡系列超标准范围;若压下丝杆温度、铜螺母温度、平面轴承温度中至少一个超出室温温度60℃,则导致故障的因素为压下丝杆磨损量超标或者稀油润滑系统压力超标;若辊缝实际值为90~100mm时,则导致故障的因素为工作辊定位销断裂或者移位。
7.根据权利要求4所述的轧机压下系统故障的诊断方法,其特征在于,当出现压下偏摆故障征兆时,所述步骤(4)中,导致故障的因素为上支撑辊瓦座上表面与液压缸表面有异物、上支承辊瓦座与牌坊滑板之间间隙大、上支撑辊瓦座油膜轴承故障、压下缸位移传感器故障中的一个或多个。
8.根据权利要求5所述的轧机压下系统故障的诊断方法,其特征在于,当出现压下反弹故障征兆时,所述步骤(4)中,导致故障的因素为压下电机咬钢时带电反转、润滑油剂量选择不当、蓄能器工作异常中的一个或多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810741898.6A CN108994090B (zh) | 2018-07-06 | 2018-07-06 | 一种轧机压下系统故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810741898.6A CN108994090B (zh) | 2018-07-06 | 2018-07-06 | 一种轧机压下系统故障的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108994090A true CN108994090A (zh) | 2018-12-14 |
CN108994090B CN108994090B (zh) | 2020-03-27 |
Family
ID=64599315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810741898.6A Active CN108994090B (zh) | 2018-07-06 | 2018-07-06 | 一种轧机压下系统故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108994090B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111530943A (zh) * | 2020-05-22 | 2020-08-14 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN113399474A (zh) * | 2021-05-26 | 2021-09-17 | 舞阳钢铁有限责任公司 | 一种轧机轧辊的主连接轴故障快速预判方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657602A (zh) * | 2015-02-02 | 2015-05-27 | 北京科技大学 | 一种热连轧生产过程中带钢厚度预测方法及系统 |
CN105929812A (zh) * | 2016-04-18 | 2016-09-07 | 北京科技大学 | 带钢热连轧质量的故障诊断方法及装置 |
CN108126987A (zh) * | 2017-05-04 | 2018-06-08 | 汉威广园(广州)机械设备有限公司 | 一种高速线材轧机远程在线监测和智能诊断系统及方法 |
-
2018
- 2018-07-06 CN CN201810741898.6A patent/CN108994090B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657602A (zh) * | 2015-02-02 | 2015-05-27 | 北京科技大学 | 一种热连轧生产过程中带钢厚度预测方法及系统 |
CN105929812A (zh) * | 2016-04-18 | 2016-09-07 | 北京科技大学 | 带钢热连轧质量的故障诊断方法及装置 |
CN108126987A (zh) * | 2017-05-04 | 2018-06-08 | 汉威广园(广州)机械设备有限公司 | 一种高速线材轧机远程在线监测和智能诊断系统及方法 |
Non-Patent Citations (6)
Title |
---|
张树海等: "中厚板精轧液压AGC系统的分析与应用", 《山东冶金》 * |
李彤洲: "1780mm热连轧R2粗轧机压下装置故障分析及改进", 《内江科技》 * |
李正义等: "压下控制系统在冷轧酸轧机组的应用", 《机械工程与自动化》 * |
李焱华等: "冷轧机液压AGC系统故障诊断专家系统的知识处理方法研究", 《机械工程师》 * |
王小庆等: "安钢2800mm中板轧机压下反弹原因分析及处理办法", 《1999年晋冀鲁豫鄂蒙六省区机械工程学会学术研讨会论文集(河南分册)》 * |
陈家焱等: "液压AGC电液伺服系统在线状态监测与故障诊断系统的研究", 《液压与气动》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111530943A (zh) * | 2020-05-22 | 2020-08-14 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN111530943B (zh) * | 2020-05-22 | 2021-11-19 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN113399474A (zh) * | 2021-05-26 | 2021-09-17 | 舞阳钢铁有限责任公司 | 一种轧机轧辊的主连接轴故障快速预判方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108994090B (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108994090A (zh) | 一种轧机压下系统故障的诊断方法 | |
CN102343426B (zh) | 动态轻压下位移传感器故障在线判断与预警方法 | |
CN110701137B (zh) | 一种掘进机液压系统智能在线检测诊断装置及方法 | |
CN101879528A (zh) | 型钢轧机故障停机的控制方法 | |
CN112633614A (zh) | 一种基于特征提取的实时故障程度诊断系统及方法 | |
CN201586664U (zh) | 一种轧机弯辊控制在线切换装置 | |
CN113007040A (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
CN206257111U (zh) | 液压电控系统的压力感应装置 | |
CN102784802B (zh) | Cvc轧机十字万向轴状态监控装置及方法 | |
CN108787755B (zh) | 一种无缝钢管冷轧机进给调整装置的在线检修方法 | |
CN107790507A (zh) | 一种轧制工作辊轴向力判断方法 | |
CN206527162U (zh) | 一种轧线工作辊刷辊离线检测装置 | |
CN113751134A (zh) | 一种磨煤机的磨辊检修方法和系统 | |
CN107443177A (zh) | 一种轧辊表面纹路的处理方法 | |
CN102189399B (zh) | 热连轧精轧机窜辊油缸快速更换方法 | |
Du | Design scheme of fault diagnosis system for rollers of coal mills | |
TWI814249B (zh) | 工輥軸承之溫度監控方法 | |
Wang et al. | Study on knowledge processing of fault diagnosis for hydraulic AGC system | |
KR20110077184A (ko) | 압연 설비에서의 메인 드라이브의 이상 진단 방법 | |
CN101947553A (zh) | 宽厚板轧辊表面网纹的修磨方法 | |
WO2023222160A1 (de) | Verfahren und vorrichtung zur erfassung von messdaten einer maschine sowie reifenheizpresse aufweisend eine vorrichtung zur erfassung von messdaten | |
CN108388221A (zh) | 流程工业过程的一种多层模式监控方法 | |
CN117273383A (zh) | 一种基于重点设备监测的智能优化节能系统 | |
CN113172094A (zh) | 一种在线处理轧机弯辊系统故障的方法 | |
Gliwiński et al. | Approach to increase both operators' safety and devices' availability under operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |