[发明专利]一种铁水脱硫搅拌器的智能故障诊断方法及系统

说明书

本发明涉及一种铁水脱硫搅拌器的智能故障诊断方法及系统，属于钢厂铁水脱硫搅拌器状态监测与故障诊断领域。本发明首先在铁水脱硫搅拌器桨杆设置振动传感器，采集脱硫搅拌杆的振动数据，提取时域特征参数。然后利用PCA主成分分析方法将高维初始特征压缩到低维特征，将各个工作状态下得到低维特征参数数据作为输入放到BP网络进行训练，将待诊断数据放入训练好的BP网络，即可通过输出层结果进行故障诊断。本发明具有良好的适用性，在满足故障检测识别率的条件下同时提高了诊断速度，为铁水脱硫搅拌器的故障诊断提供了一种有效的检测方法。

技术领域

本发明涉及一种铁水脱硫搅拌器的智能故障诊断方法及系统，属于钢厂铁水脱硫搅拌器状态监测与故障诊断领域。

背景技术

KR铁水搅拌脱硫法是日本新日铁研究的一种铁水炉外脱硫技术。这种脱硫法是以一个搅拌器浸入铁水罐进行旋转搅动铁水，使铁水产生旋转，然后将适量的脱硫剂加入铁水，使之与铁水混合并充分反应，达到脱硫的目的。由于其在铁水脱硫领域的优良脱硫效果，因而在国内外钢铁企业得的广泛应用。其工艺流程为：铁水罐先送至扒渣机去除表面的高炉浮渣，在由升降小车下降搅拌器，此时升降小车夹紧，启动搅拌器使铁水罐形成铁水旋涡，通过氮气将氧化钙送入铁水罐内，在高温下与铁水充分接触反应。此方法的脱硫效率高，脱硫剂消耗少，作业时间短，金属耗损低。

铁水脱硫搅拌器是KR法脱硫装置中的重要部件，由旋转轴与搅拌叶片组成。搅拌叶片沿旋转轴周向成十字形均匀布置。旋转轴搅拌叶片由金属芯和耐火材料工作衬构成。由于搅拌器高温间歇式工作状态、以及恶劣的工作环境，导致搅拌器性能下降、甚至结构损坏。因此对搅拌器故障诊断的研究十分有意义。在实际生产中，由于KR法搅拌器随同升降小车上下移动，无法进行离线检测，所以无法获得搅拌器的电机。齿轮箱、轴承、搅拌桨等振动数据。目前炼钢厂大多未对该搅拌器进行任何监测，只是在故障后维修，当搅拌器故障后对正常生产作业产生严重影响，并导致设备损坏，提高生产成本，且存在一定的安全隐患。

传统的故障诊断方法有专家系统、BP神经网络、学习向量量化、支持向量树等诊断方法。传统方法需要繁琐的运算并依赖一定的人为理解及经验才能实现故障诊断，并且无法充分挖掘原始数据中包含的故障信息，不利于检测设备工作状态。目前，国内钢厂收集的轧机数据具有维数高，数据量大的特点。对于现在维数比较多的数据，可以对其进行降维操作。PCA的思想是将n维特征映射到k维上，生成全新的k维矩阵。实现工业数据的压缩，使用PCA获得低维度的特征样本，加快BP网络学习速度，有效提高诊断精度。

发明内容

为解决现有技术不足，本发明提供了一种铁水脱硫搅拌器的智能故障诊断方法及系统，本发明首先在铁水脱硫搅拌器桨杆设置振动传感器，采集脱硫搅拌杆的振动数据，提取时域特征参数。然后利用PCA主成分分析方法将高维初始特征压缩到低维特征，将各个工作状态下得到低维特征参数数据作为输入放到BP网络进行训练，将待诊断数据放入训练好的BP网络，即可通过输出层结果进行故障诊断。本发明具有良好的适用性，在满足故障检测识别率的条件下同时提高了诊断速度，为铁水脱硫搅拌器的故障诊断提供了一种有效的检测方法。

本发明的目的是通过下述技术方案实现的：

一种铁水脱硫搅拌器的智能故障诊断方法，包括如下步骤：

S1.样本时域特征获取：通过在铁水脱硫搅拌器桨杆上安装振动传感器，采集脱硫搅拌器在各种工作状态下(包括正常及各种典型故障)的振动信号并记录；提取振动信号的时域参数作为初始特征。

S2.PCA特征降维处理：将步骤1所述的时域参数数据作为故障诊断的特征，采用PCA降维处理，对贡献率大于指定值的主成分保留作为样本特征，并与铁水脱硫搅拌器工作状态对应；

S3.训练BP网络分类器：将生成的n维主成分数据作为特征信号输入BP网络，构建BP网络模型；

S4.故障诊断：将测试数据PCA降维处理后输入BP网络模型，进行铁水脱硫搅拌器的故障诊断。