CN109894476B - 一种冷轧硅钢生产线液压设备故障诊断方法和装置 - Google Patents
一种冷轧硅钢生产线液压设备故障诊断方法和装置 Download PDFInfo
- Publication number
- CN109894476B CN109894476B CN201910150020.XA CN201910150020A CN109894476B CN 109894476 B CN109894476 B CN 109894476B CN 201910150020 A CN201910150020 A CN 201910150020A CN 109894476 B CN109894476 B CN 109894476B
- Authority
- CN
- China
- Prior art keywords
- hydraulic equipment
- rule base
- fault diagnosis
- obtaining
- diagnosis rule
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 45
- 229910000976 Electrical steel Inorganic materials 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000005097 cold rolling Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 57
- 238000012544 monitoring process Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005554 pickling Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种冷轧硅钢生产线液压设备故障诊断装置，通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。解决了现有技术中冷轧液压系统检测条件有限，故障分析困难的技术问题。达到了精准定位系统中的故障元器件，通过历史数据实现对系统的自适应诊断，同时采用软测量确定故障的类型并分析原因的技术效果。
Description
技术领域
本发明涉及轧钢生产与诊断技术领域，尤其涉及一种冷轧硅钢生产线液压设备故障诊断方法和装置。
背景技术
冷轧硅钢生产线的液压系统大量运用了机械、电子、自动控制等新技术，在提高液压系统工作性能的同时使其复杂程度也大大的提高，并且在冷轧生产过程中，液压系统在线监测工艺的不断变化也使得液压设备的复杂程度进一步提高，而液压系统的正常运行将直接影响生产线的正常生产。然而液压系统的故障与失效，又具有隐蔽性、交错性、随机性等特点，现场的检测条件也很有限，难以直接观测，故障分析困难，一旦液压系统突然发生故障将会造成重大的经济损失，所以对于液压系统的运行状态监测和故障诊断显得尤为重要。本发明的实施，对硅钢无取向中低牌号生产轧机设备稳定运行有支撑作用。
但本发明申请人在实现本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：
现有技术中冷轧液压系统检测条件有限，故障分析困难。
发明内容
本发明实施例提供了一种冷轧硅钢生产线液压设备故障诊断方法和装置，解决了现有技术中冷轧液压系统检测条件有限，故障分析困难的技术问题。
鉴于上述问题，提出了本申请实施例以便提供一种冷轧硅钢生产线液压设备故障诊断方法和装置。
第一方面，本发明提供了一种冷轧硅钢生产线液压设备故障诊断方法，所述方法包括：通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。
进一步的，所述根据所述检测数据，获得第一预定阈值，包括：对所述检测数据进行整理，过滤噪音干扰信息，获得有效检测数据；以所述有效检测数据的最值确定所述第一预定阈值。
进一步的，所述根据所述故障诊断规则库，确定所述液压设备的故障信息之后，包括：获得所述液压设备监测点位信号；对所述监测点位信号进行预处理，获得有效监测点位信号；对所述有效监测点位信号进行微分计算，获得当前液压设备状态参量的变化速率；获得第二预定阈值；判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，根据所述故障诊断规则库，确定所述液压设备的故障信息。
进一步的，所述方法还包括：获得待加工产品的工艺参数；判断所述待加工产品的工艺参数是否在所述故障诊断规则库中；如果所述待加工产品的工艺参数不在所述故障诊断规则库中，将所述待加工产品的工艺参数存储至所述故障诊断规则库中。
进一步的，所述获得故障诊断规则库，包括：将不同元件的正常阈值与故障情况阈值进行存储，获得元件级诊断规则库；将各个液压站之间的动作时序和动作逻辑进行归纳与存储，获得系统级诊断规则库；在冷轧过程中的工艺参数和工艺之间的逻辑关系进行归纳与存储，获得工艺级诊断规则库；根据所述元件级诊断规则库、所述系统级诊断规则库和所述工艺级诊断规则库，获得所述故障诊断规则库。
第二方面，本发明提供了一种冷轧硅钢生产线液压设备故障诊断装置，所述装置包括：
第一获得单元，所述第一获得单元通过液压设备检测服务器获得设备检测数据；
第二获得单元，所述第二获得单元根据所述检测数据，获得第一预定阈值；
第三获得单元，所述第三获得单元获得当前液压设备状态参量；
第一判断单元，所述第一判断单元判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；
第四获得单元，如果所述当前液压设备状态参量不在所述第一预定阈值之内，所述第四获得单元获得故障诊断规则库；
第一处理单元，所述第一处理单元根据所述故障诊断规则库，确定所述液压设备的故障信息。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元对所述检测数据进行整理，过滤噪音干扰信息，获得有效检测数据；
第二处理单元，所述第二处理单元以所述有效检测数据的最值确定所述第一预定阈值。
优选的，所述装置还包括：
第六获得单元，所述第六获得单元获得所述液压设备监测点位信号；
第七获得单元，对所述监测点位信号进行预处理，所述第七获得单元获得有效监测点位信号；
第八获得单元，对所述有效监测点位信号进行微分计算，所述第八获得单元获得当前液压设备状态参量的变化速率；
第九获得单元，所述第九获得单元获得第二预定阈值；
第二判断单元，所述第二判断单元判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；
第三处理单元，如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，所述第三处理单元根据所述故障诊断规则库，确定所述液压设备的故障信息。
优选的，所述装置还包括：
第十获得单元，所述第十获得单元获得待加工产品的工艺参数；
第三判断单元，所述第三判断单元判断所述待加工产品的工艺参数是否在所述故障诊断规则库中；
第四处理单元，如果所述待加工产品的工艺参数不在所述故障诊断规则库中，所述第四处理单元将所述待加工产品的工艺参数存储至所述故障诊断规则库中。
优选的，所述装置还包括：
第十一获得单元，将不同元件的正常阈值与故障情况阈值进行存储，所述第十一获得单元获得元件级诊断规则库；
第十二获得单元，将各个液压站之间的动作时序和动作逻辑进行归纳与存储，所述第十二获得单元获得系统级诊断规则库；
第十三获得单元，在冷轧过程中的工艺参数和工艺之间的逻辑关系进行归纳与存储，所述第十三获得单元获得工艺级诊断规则库；
第十四获得单元，根据所述元件级诊断规则库、所述系统级诊断规则库和所述工艺级诊断规则库，所述第十四获得单元获得所述故障诊断规则库。
第三方面，本发明提供了一种冷轧硅钢生产线液压设备故障诊断装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明提供的一种冷轧硅钢生产线液压设备故障诊断装置，通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。解决了现有技术中冷轧液压系统检测条件有限，故障分析困难的技术问题。达到了精准定位系统中的故障元器件，通过历史数据实现对系统的自适应诊断，同时采用软测量确定故障的类型并分析原因的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种冷轧硅钢生产线液压设备故障诊断方法的流程示意图；
图2为本发明实施例中一种冷轧硅钢生产线液压设备故障诊断装置的结构示意图；
图3为本发明实施例中一种冷轧硅钢生产线液压设备故障诊断装置的结构示意图；
图4为本发明实施例一种冷轧硅钢生产线液压设备故障诊断装置中液压缸软测量方式流程图；
图5为本发明实施例一种冷轧硅钢生产线液压设备故障诊断装置中冷轧硅钢生产线液压设备故障诊断规则库示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一判断单元14，第四获得单元15，第一处理单元16，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本发明实施例提供了一种冷轧硅钢生产线液压设备故障诊断方法和装置，用于解决现有技术中冷轧液压系统检测条件有限，故障分析困难的技术问题。
本发明提供的技术方案总体思路如下：
通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。达到了精准定位系统中的故障元器件，通过历史数据实现对系统的自适应诊断，同时采用软测量确定故障的类型并分析原因的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种冷轧硅钢生产线液压设备故障诊断方法的流程示意图。如图1所示，本发明实施例提供了一种冷轧硅钢生产线液压设备故障诊断方法，所述方法包括：
步骤110：通过液压设备检测服务器获得设备检测数据。
具体而言，数据采集装置采集冷轧硅钢生产线液压系统各监测点的传感器信号，系统将监测获得的动态数据经无线信号调理和收发模块以无线方式发送到AP节点，以TCP/IP方式传送至监测服务器，将所得到的数据通过内部以太网存入数据库中。用户可以同时使用安装在不同计算机的多个客户端软件对监测服务器的检测数据、分析结果等进行远程访问，从而实现对液压系统远程在线监测的目的。
步骤120：根据所述检测数据，获得第一预定阈值。
具体而言，采集服务器将读取实时历史数据库中的原始液压数据。对于所检测部位具有相同工艺下的反映液压系统各部位状态参量信号的历史数据进行整理，以正常范围内的最值作为报警阈值，在发生故障前进行报警提示。
步骤130：获得当前液压设备状态参量。
具体而言，对采集到冷轧硅钢液压系统监测点位的信号，进行处理，消除噪声和干扰，然后进行微分计算，得到当前液压系统状态参量的变化速率。
步骤140：判断所述当前液压设备状态参量是否处于所述第一预定阈值之内。
具体而言，冷轧硅钢生产线液压系统在生产过程中，系统能够根据历史数据的分析所确定的不同的生产工艺下的故障报警阈值，并与当前液压系统状态参量进行比对，判断是否处于报警阈值范围之内，从而能够实现更加准确的实现系统在线监测和诊断。
步骤150：如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库。
具体而言，当液压系统某检测点的液压设备状态参量偏离此范围时，获得故障诊断规则库。规则库主要分为三大类：元件级诊断规则库、系统级诊断规则库和工艺级诊断规则库。元件级规则库主要分为：液压泵故障诊断规则、油箱故障诊断规则、蓄能器故障诊断规则、液压缸故障诊断规则等；系统级诊断规则库主要分为：酸轧主液压站、酸轧辅助液压站、酸轧入口液压站、连退入口液压站等；工艺级诊断规则库主要分为：厚度控制、板形控制等。
步骤160：根据所述故障诊断规则库，确定所述液压设备的故障信息。
具体而言，在故障诊断过程中，诊断的依据主要来源于规则库，规则库在初始时，根据专家的一些经验人工定制一些规则存入规则库中，以便有初步诊断，后续系统会根据不同的元件、不同的系统和不同的工艺进行自动丰富和完善规则库。根据所述故障诊断规则库，将确定出所述液压设备的故障信息。
进一步的，所述根据所述检测数据，获得第一预定阈值，包括：对所述检测数据进行整理，过滤噪音干扰信息，获得有效检测数据；以所述有效检测数据的最值确定所述第一预定阈值。
具体而言，系统对于所检测部位具有相同工艺下的反映液压系统各部位状态参量信号的历史数据进行整理，滤除混杂的噪声和干扰，去掉报警时信息，以正常范围内的最值作为报警阈值。
进一步的，所述根据所述故障诊断规则库，确定所述液压设备的故障信息之后，包括：获得所述液压设备监测点位信号；对所述监测点位信号进行预处理，获得有效监测点位信号；对所述有效监测点位信号进行微分计算，获得当前液压设备状态参量的变化速率；获得第二预定阈值；判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，根据所述故障诊断规则库，确定所述液压设备的故障信息。
具体而言，数据库存储了每个关键设备的测点信息、对各类采集系统所获取的设备状态数据进行清洗、转换、时空匹配、预处理、统计、分析、综合、归纳和诊断等操作后形成数据集。系统对采集到冷轧硅钢液压系统监测点位的信号，进行处理，消除噪声和干扰，然后进行微分计算，得到当前液压系统状态参量的变化速率，以液压缸的位移信号为例，在不需要安装速度传感器的条件下，通过读取时历史数据库的液压缸位移原始数据，对其消除干扰和噪声后进行微分计算，得到液压缸当前速度，通过软测量的方式实现对速度的自适应诊断，进而判断液压系统流量的信息。当液压系统某检测点的状态参量偏离阈值范围时，通过故障诊断规则库，对整个系统的各设备状态参量及其变化速率进行统计，并整体嵌套分析，逐个排除，最终准确的确定故障部位及其故障原因，并以图文形式实时显示在客户端界面上。
进一步的，所述方法还包括：获得待加工产品的工艺参数；判断所述待加工产品的工艺参数是否在所述故障诊断规则库中；如果所述待加工产品的工艺参数不在所述故障诊断规则库中，将所述待加工产品的工艺参数存储至所述故障诊断规则库中。
具体而言，在冷轧硅钢生产线生产过程中，其轧制的产品型号多种多样，每种型号涉及的工艺有厚度控制、板形控制等。当某个产品准备加工时，在线监测和故障诊断系统会根据产品工艺去数据库中寻找该产品工艺的参数(如，冷轧过程中两个压下缸的时差)，若数据库中存在该参数，系统会根据该参数对加工过程监测和诊断，若数据库中不存在该参数时，系统会自动统计和存储该产品型号的工艺参数，逐渐丰富数据库的工艺的参数，进而为以后的诊断提供依据。除此之外，该工艺参数也可人为进行添加。
进一步的，所述获得故障诊断规则库，包括：将不同元件的正常阈值与故障情况阈值进行存储，获得元件级诊断规则库；将各个液压站之间的动作时序和动作逻辑进行归纳与存储，获得系统级诊断规则库；在冷轧过程中的工艺参数和工艺之间的逻辑关系进行归纳与存储，获得工艺级诊断规则库；根据所述元件级诊断规则库、所述系统级诊断规则库和所述工艺级诊断规则库，获得所述故障诊断规则库。
具体而言，元件级知识的积累主要是把液压泵、油箱、蓄能器等不同元件的正常阈值与故障情况阈值进行存储，作为以后精确判断故障的依据。系统级知识的积累主要把各个液压站之间的动作时序和动作逻辑进行归纳与存储，进而实现系统各元件之间形成关系网。工艺级知识的积累主要是把在冷轧过程中的工艺参数(例如：轧制不同厚度钢板时，液压缸的压力，液压缸到达指定位置时所需要的时间、液压缸的位移等)和工艺之间的逻辑关系存入规则库中。
实施例二
基于与前述实施例中一种冷轧硅钢生产线液压设备故障诊断方法同样的发明构思，本发明还提供一种冷轧硅钢生产线液压设备故障诊断装置，如图2所示，所述装置包括：
第一获得单元11，所述第一获得单元11通过液压设备检测服务器获得设备检测数据；
第二获得单元12，所述第二获得单元12根据所述检测数据，获得第一预定阈值；
第三获得单元13，所述第三获得单元13获得当前液压设备状态参量；
第一判断单元14，所述第一判断单元14判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；
第四获得单元15，如果所述当前液压设备状态参量不在所述第一预定阈值之内，所述第四获得单元15获得故障诊断规则库；
第一处理单元16，所述第一处理单元16根据所述故障诊断规则库，确定所述液压设备的故障信息。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元对所述检测数据进行整理，过滤噪音干扰信息，获得有效检测数据；
第二处理单元，所述第二处理单元以所述有效检测数据的最值确定所述第一预定阈值。
优选的，所述装置还包括：
第六获得单元，所述第六获得单元获得所述液压设备监测点位信号；
第七获得单元，对所述监测点位信号进行预处理，所述第七获得单元获得有效监测点位信号；
第八获得单元，对所述有效监测点位信号进行微分计算，所述第八获得单元获得当前液压设备状态参量的变化速率；
第九获得单元，所述第九获得单元获得第二预定阈值；
第二判断单元，所述第二判断单元判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；
第三处理单元，如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，所述第三处理单元根据所述故障诊断规则库，确定所述液压设备的故障信息。
优选的，所述装置还包括：
第十获得单元，所述第十获得单元获得待加工产品的工艺参数；
第三判断单元，所述第三判断单元判断所述待加工产品的工艺参数是否在所述故障诊断规则库中；
第四处理单元，如果所述待加工产品的工艺参数不在所述故障诊断规则库中，所述第四处理单元将所述待加工产品的工艺参数存储至所述故障诊断规则库中。
优选的，所述装置还包括：
第十一获得单元，将不同元件的正常阈值与故障情况阈值进行存储，所述第十一获得单元获得元件级诊断规则库；
第十二获得单元，将各个液压站之间的动作时序和动作逻辑进行归纳与存储，所述第十二获得单元获得系统级诊断规则库；
第十三获得单元，在冷轧过程中的工艺参数和工艺之间的逻辑关系进行归纳与存储，所述第十三获得单元获得工艺级诊断规则库；
第十四获得单元，根据所述元件级诊断规则库、所述系统级诊断规则库和所述工艺级诊断规则库，所述第十四获得单元获得所述故障诊断规则库。
前述图1实施例一中的一种冷轧硅钢生产线液压设备故障诊断方法的各种变化方式和具体实例同样适用于本实施例中的一种冷轧硅钢生产线液压设备故障诊断装置，通过前述实施例中对一种冷轧硅钢生产线液压设备故障诊断方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种冷轧硅钢生产线液压设备故障诊断装置的实施方法，所以为了说明书的简洁，在此不再详述。
实施例三
基于与前述实施例中一种冷轧硅钢生产线液压设备故障诊断方法同样的发明构思，本发明还提供一种冷轧硅钢生产线液压设备故障诊断装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种冷轧硅钢生产线液压设备故障诊断方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明提供的一种冷轧硅钢生产线液压设备故障诊断装置，通过液压设备检测服务器获得设备检测数据；根据所述检测数据，获得第一预定阈值；获得当前液压设备状态参量；判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；根据所述故障诊断规则库，确定所述液压设备的故障信息。解决了现有技术中冷轧液压系统检测条件有限，故障分析困难的技术问题。达到了精准定位系统中的故障元器件，通过历史数据实现对系统的自适应诊断，同时采用软测量确定故障的类型并分析原因的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种冷轧硅钢生产线液压设备故障诊断方法，其特征在于，所述方法包括：
通过液压设备检测服务器获得设备检测数据；
根据所述检测数据，获得第一预定阈值；
获得当前液压设备状态参量；
判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；
如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；
根据所述故障诊断规则库，确定所述液压设备的故障信息；
其中，所述根据所述故障诊断规则库，确定所述液压设备的故障信息之后，包括：
获得所述液压设备监测点位信号；
对所述监测点位信号进行预处理，获得有效监测点位信号；
对所述有效监测点位信号进行微分计算，获得当前液压设备状态参量的变化速率；
获得第二预定阈值；
判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；
如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，根据所述故障诊断规则库，确定所述液压设备的故障信息。
2.如权利要求1所述的方法，其特征在于，所述根据所述检测数据，获得第一预定阈值，包括：
对所述检测数据进行整理，过滤噪音干扰信息，获得有效检测数据；
以所述有效检测数据的最值确定所述第一预定阈值。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得待加工产品的工艺参数；
判断所述待加工产品的工艺参数是否在所述故障诊断规则库中；
如果所述待加工产品的工艺参数不在所述故障诊断规则库中，将所述待加工产品的工艺参数存储至所述故障诊断规则库中。
4.如权利要求1所述的方法，其特征在于，所述获得故障诊断规则库，包括：
将不同元件的正常阈值与故障情况阈值进行存储，获得元件级诊断规则库；
将各个液压站之间的动作时序和动作逻辑进行归纳与存储，获得系统级诊断规则库；
在冷轧过程中的工艺参数和工艺之间的逻辑关系进行归纳与存储，获得工艺级诊断规则库；
根据所述元件级诊断规则库、所述系统级诊断规则库和所述工艺级诊断规则库，获得所述故障诊断规则库。
5.一种冷轧硅钢生产线液压设备故障诊断装置，其特征在于，所述装置包括：
第一获得单元，所述第一获得单元通过液压设备检测服务器获得设备检测数据；
第二获得单元，所述第二获得单元根据所述检测数据，获得第一预定阈值；
第三获得单元，所述第三获得单元获得当前液压设备状态参量；
第一判断单元，所述第一判断单元判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；
第四获得单元，如果所述当前液压设备状态参量不在所述第一预定阈值之内，所述第四获得单元获得故障诊断规则库；
第一处理单元，所述第一处理单元根据所述故障诊断规则库，确定所述液压设备的故障信息；
第六获得单元，所述第六获得单元获得所述液压设备监测点位信号；
第七获得单元，对所述监测点位信号进行预处理，所述第七获得单元获得有效监测点位信号；
第八获得单元，对所述有效监测点位信号进行微分计算，所述第八获得单元获得当前液压设备状态参量的变化速率；
第九获得单元，所述第九获得单元获得第二预定阈值；
第二判断单元，所述第二判断单元判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；
第三处理单元，如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，所述第三处理单元根据所述故障诊断规则库，确定所述液压设备的故障信息。
6.一种冷轧硅钢生产线液压设备故障诊断装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
通过液压设备检测服务器获得设备检测数据；
根据所述检测数据，获得第一预定阈值；
获得当前液压设备状态参量；
判断所述当前液压设备状态参量是否处于所述第一预定阈值之内；
如果所述当前液压设备状态参量不在所述第一预定阈值之内，获得故障诊断规则库；
根据所述故障诊断规则库，确定所述液压设备的故障信息；
其中，所述根据所述故障诊断规则库，确定所述液压设备的故障信息之后，包括：
获得所述液压设备监测点位信号；
对所述监测点位信号进行预处理，获得有效监测点位信号；
对所述有效监测点位信号进行微分计算，获得当前液压设备状态参量的变化速率；
获得第二预定阈值；
判断所述当前液压设备状态参量的变化速率是否在所述第二预定阈值之内；
如果所述当前液压设备状态参量的变化速率不在所述第二预定阈值之内，根据所述故障诊断规则库，确定所述液压设备的故障信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910150020.XA CN109894476B (zh) | 2019-02-28 | 2019-02-28 | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910150020.XA CN109894476B (zh) | 2019-02-28 | 2019-02-28 | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109894476A CN109894476A (zh) | 2019-06-18 |
| CN109894476B true CN109894476B (zh) | 2020-06-26 |
Family
ID=66945945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910150020.XA Active CN109894476B (zh) | 2019-02-28 | 2019-02-28 | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109894476B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113049281B (zh) * | 2021-03-10 | 2024-07-05 | 北京昊鹏智能技术有限公司 | 故障检测方法和装置 |
| CN114236314A (zh) * | 2021-12-17 | 2022-03-25 | 瀚云科技有限公司 | 一种故障检测方法、装置、设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6127110A (ja) * | 1984-07-17 | 1986-02-06 | Kawasaki Steel Corp | 油圧圧下式圧延機における故障診断方法 |
| JPH03257603A (ja) * | 1990-03-08 | 1991-11-18 | Nippon Steel Corp | 制御系のオンライン診断装置 |
| CN102637019A (zh) * | 2011-02-10 | 2012-08-15 | 武汉科技大学 | 一种工业生产过程智能集成故障诊断方法及装置 |
| JP2016050785A (ja) * | 2014-08-29 | 2016-04-11 | Ｊｆｅスチール株式会社 | 油圧圧下サーボ弁の故障診断方法および装置 |
| CN107291997A (zh) * | 2017-05-31 | 2017-10-24 | 南京航空航天大学 | 一种冷轧液压agc系统故障诊断策略设计方法 |
| 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 |
-
2019
- 2019-02-28 CN CN201910150020.XA patent/CN109894476B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6127110A (ja) * | 1984-07-17 | 1986-02-06 | Kawasaki Steel Corp | 油圧圧下式圧延機における故障診断方法 |
| JPH03257603A (ja) * | 1990-03-08 | 1991-11-18 | Nippon Steel Corp | 制御系のオンライン診断装置 |
| CN102637019A (zh) * | 2011-02-10 | 2012-08-15 | 武汉科技大学 | 一种工业生产过程智能集成故障诊断方法及装置 |
| JP2016050785A (ja) * | 2014-08-29 | 2016-04-11 | Ｊｆｅスチール株式会社 | 油圧圧下サーボ弁の故障診断方法および装置 |
| 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 |
| CN107291997A (zh) * | 2017-05-31 | 2017-10-24 | 南京航空航天大学 | 一种冷轧液压agc系统故障诊断策略设计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 2800轧机液压系统在线监测与故障诊断;朱学彪;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20051215;B022-121 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109894476A (zh) | 2019-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113077172A (zh) | 一种设备状态趋势分析及故障诊断方法 | |
| CN109000940B (zh) | 一种机车车辆异常轴温诊断方法及系统 | |
| EP1242923B1 (en) | A process for the monitoring and diagnostics of data from a remote asset | |
| CN111441864A (zh) | 发动机健康诊断方法及发动机诊断系统 | |
| CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
| CN109894476B (zh) | 一种冷轧硅钢生产线液压设备故障诊断方法和装置 | |
| CN108181105A (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
| CN103616187A (zh) | 一种基于多维度信息融合的故障诊断方法 | |
| CN110469496B (zh) | 一种水泵智能预警方法及系统 | |
| CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
| CN110570013B (zh) | 一种单站位在线波周期数据的预测诊断方法 | |
| CN109507992B (zh) | 一种机车制动系统部件的故障预测方法、装置及设备 | |
| CN117270514B (zh) | 基于工业物联网的生产过程全流程故障检测方法 | |
| CN113408068A (zh) | 一种随机森林分类的机泵故障诊断方法及装置 | |
| CN111157245B (zh) | 一种轨道交通走行部轴承的监管方法及系统 | |
| CN110502590A (zh) | 基于格兰杰因果关系校验构建工业装备故障关系的方法 | |
| CN111221706A (zh) | 一种cpu使用率预测方法、系统、介质及设备 | |
| CN114117682B (zh) | 齿轮箱的故障识别方法、装置、设备及存储介质 | |
| RU2687848C1 (ru) | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN116448219B (zh) | 油位异常检测方法、装置、设备及计算机可读存储介质 | |
| CN110598680A (zh) | 一种机械设备健康状态评估方法、系统和可读存储介质 | |
| CN112228042B (zh) | 一种基于云边协同计算的抽油机井工况相似性判别方法 | |
| CN116127297A (zh) | 机电设备故障诊断方法和系统 | |
| CN113865879B (zh) | 一种汽车检测的引导系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231007 Address after: No. 025 Zhao'an Street, Qian'an Economic Development Zone, Tangshan City, Hebei Province, 064400 Patentee after: SHOUGANG ZHIXIN QIAN'AN ELECTROMAGNETIC MATERIALS Co.,Ltd. Address before: 100040 Shijingshan Road, Shijingshan District, Beijing Patentee before: BEIJING SHOUGANG Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 064400 No. 025 Zhao'an Street, Qian'an Economic Development Zone, Tangshan City, Hebei Province Patentee after: Shougang Zhixin Electromagnetic Materials (Qian'an) Co.,Ltd. Country or region after: China Address before: No. 025 Zhao'an Street, Qian'an Economic Development Zone, Tangshan City, Hebei Province, 064400 Patentee before: SHOUGANG ZHIXIN QIAN'AN ELECTROMAGNETIC MATERIALS Co.,Ltd. Country or region before: China |