周金雷

摘　要：隨著社會工業化的發展，鋼鐵行業得到了迅猛發展，冶煉機械設備得到了大量應用。與此同時，鋼鐵冶煉機械在使用的過程很容易產生故障問題，影響了生產的正常運行。文章從鋼鐵冶煉機械設備故障診斷技術入手，探討了其具體的處理對策，以期進一步促進鋼鐵行業發展。

關鍵詞：鋼鐵冶煉；機械設備；故障診斷；故障處理

冶煉機械設備作為鋼鐵行業生產中一個重要的組成部分，其直接關乎鋼鐵冶煉生產的質量和效率。特別隨著全面深化改革的開展，為了實現現代化建設，增加企業的經營效益，就必須要加快鋼鐵行業向節能減排和效率化方向發展。但是這均需要以冶煉機械設備的質量為保證，所以對于其故障診斷技術和處理對策進行探究具有重要意義。

1　鋼鐵冶煉機械設備故障診斷方法分析

1.1 基于系統數學模型的故障診斷法

該種故障診斷法主要是以數學模型為診斷計算基礎，充分結合鋼鐵冶煉的相關理論和原理，采用Kalman濾波器、Luenberger觀測器、參數模型估計技術以及等價空間方程等多種先進工藝來開展的故障診斷分析工作。在該種故障診斷法應用的過程中，其需要結合整個控制系統來進行操作，以便形成一個集合系統修復、運行監控以及故障診斷為一體的流程。但是該種診斷法對數學模型構建的精確度具有較高要求，否則會對實際的診斷結果精確度產生不利影響。

1.2 基于信號處理的故障診斷法

顧名思義，該種故障處理法就是通過處理和分析冶煉機械設備在運行過程中所產生的特定信號信息，以便對其具體的特點以及異常信號等進行合理判斷，從而得出故障的具體類型。比如，在鋼鐵冶煉機械中，其溫度和速度傳感器分別負責接收溫度信號和速度信號，而通過對相應的溫度信號和速度信號進行實時監測和分析，可以及時發現該設備是否存在故障問題。目前，自適應信號處理法、時間序列特征提取法以及譜分析法等均是常用的故障信號診斷法。而與數學模型法相比，該種故障診斷法具有很強的適應能力，并且不會依賴于建立數學模型。

1.3 基于人工智能的故障診斷法

隨著智能化和自動化技術的發展，基于人工智能的故障診斷法逐漸成為鋼鐵冶煉機械設備的故障診斷方法，并取得了顯著成效。該種故障診斷法既不需要構建設備運行的數學模型，也不需要設定復雜體系，并且實際的診斷精度和效率也比較高，是當前一種主流故障診斷法，具體是運用模糊數學理論、人工神經網絡預測等基本理論，尤其適用于大型機械設備的故障檢測中。此外，該種故障診斷法主要是由模糊邏輯智能診斷系統、故障管理診斷系統、神經網絡預測診斷系統和專家智能診斷系統等所共同構成。鑒于當前人工智能是重要的科研領域，所以該種故障檢測法在現階段及未來的一段時間內均可以得到廣泛推廣和普及。

1.4 其他故障診斷法

除了上述幾種常用的冶煉機械設備故障診斷法之外，還存在一些富有特色的故障診斷法，具體主要包括灰色關聯系統診斷法、設備運行模式診斷法等。此外，隨著科學技術的發展和推廣，也出現了多種故障診斷法的耦合方法。

2　鋼鐵冶煉機械設備故障處理對策分析

2.1 轉子不平衡故障處理對策

在機械設備運行的過程中，轉子轉動質量直接關乎機械系統運行性能。而轉子不平衡故障具體表現在轉子旋轉的頻譜圖上存在幅值變化，此時如果初步啟動機械設備，相應的振動不平衡問題可以從以下幾個方面來著手：其一，如果剛性轉子出現振動問題，那么需要考慮轉子轉速是否已經達到了臨界值，此時需要測量轉子的轉動速率，并對比標準轉速來進行確定；其二，要區分振動是否是由基礎共振所引起的，具體需要借助相位分析來進行確定。如果此時的頻率和相位保持一致，那么就是基礎共振引發的不平衡問題。而當不同旋轉方向上各點的振幅存在相位差速，或者高速和低速狀態下的轉子轉速比較相近，那么就很可能是由于不平衡問題所引發的；其三，轉子是否存在不對中問題，這也是常見的轉子故障，具體表現在兩個方面，即：角度不對中和平行不對中。其中的角度不對中問題主要表現在兩側軸向的振動相位差維持在180°，并且徑向振動方向保持一致，會引發多倍頻振動或者同頻振動。而平行不對中則主要表現為兩側軸承徑向振動則維持在180°。

2.2 齒輪故障處理對策

齒輪是鋼鐵冶煉機械設備中的重要結構，其直接關乎著機械運轉性能。但是在運行的過程中，相應的齒輪均需要承受振動影響，具體表現在譜圖上面出現邊頻帶，所以波形圖或者頻譜圖二者均可以在一定程度上反映齒輪振動的情況，但是在采用時域處理法而言，需要對振動加速度等條件進行確定，并要盡量減少其他噪聲的干擾。目前，?對鋼鐵冶煉機械設備齒輪故障的處理對策而言，