摘　要：本文以鋼包（bāo）回轉台支承軸承作為研（yán）究對象，分析了其故（gù）障（zhàng）診斷的難點，並設計了基於大數據及人工（gōng）智能分（fèn）析的鋼包回轉支承軸承故障診斷係統，係統包含數（shù）據采集層、數據存儲和管理層、數據挖掘（jué）和診斷分（fèn）析層和數據展示層等4個（gè）層次（cì），形成了從監測到維護的閉環運行，並成功應用於山東萊鋼（gāng）某鋼鐵有限公（gōng）司。
　　通過該係統的應用（yòng），提前30天準確的（de）實現了對（duì）鋼包回轉台支承軸承的故障程度和殘餘壽命的預測，為客戶準備備品、備件（jiàn）和製定維修計劃，贏得寶貴的時間，避免了由軸承損壞引起的重大非計劃停（tíng）機，為客戶帶來（lái）了1000萬（wàn）元的經濟效益。
　　冶金行業（yè）關鍵設備的正常運作是保證（zhèng）生產效益的（de）基（jī）石，關鍵設備一旦出現（xiàn）問題，這些關鍵設備一（yī）旦發生故障就有可能造成整（zhěng）個生產線停產，還會打（dǎ）亂正常的生產節（jiē）奏，並且嚴重（chóng）影響企業的正常生（shēng）產和（hé）經濟（jì）效益。
　　鋼包回轉台是連鑄機的重要關（guān）鍵設備之（zhī）一，起著連（lián）接上下兩道工序的重要作（zuò）用，通常（cháng）設置（zhì）於鋼水接收跨（kuà）與澆注跨柱（zhù）列之間^[1]。該設備具有如下特點：1）屬於大型低（dī）速重載設備；2）工作環境比較惡劣、衝擊負荷大、工作非平穩，設（shè）備工況受物料的某（mǒu）些特（tè）性（xìng）、生產（chǎn）工藝參數變化的（de）影響較大，且故障發生（shēng）率較高，維修難度大、修複（fù）時間長、修（xiū）複費用高；3）由於（yú）設備價格昂貴，一般（bān）不會儲備備（bèi）件；4）工作時間長，停機（jī）時間（jiān）短。
　　在鋼包回轉台的構（gòu）成機（jī）構中，鋼包回轉支承軸（zhóu）承是鋼包回（huí）轉台穩定、高效工作關鍵部件。為了保（bǎo）證支承軸承正常工作，工廠會要求現場工人對其進行高密度的點檢，然而由於現場環境惡劣，現場點檢（jiǎn）難度大，不僅提高（gāo）了工人的（de）勞動強度，而且可（kě）能會威脅工（gōng）人的生命安全。現階段對（duì）該軸承缺乏有效的檢測手段，並且出現（xiàn）故障隱患後，故障信號特（tè）征不明顯，很難發現（xiàn）軸承故障，有很大概率造成設備的二次損壞，造成（chéng）維修成本增加，為企業造成額外的經濟負擔。
　　因此對鋼包回轉台支承軸承進行狀態監測和故障診斷，不是保證冶金企業在連鑄環節正常生產的需要，還可以推動設備管理體製變革，也必將帶來巨大效益。狀態監測和故障診斷是減少維修工（gōng）作量和維（wéi）修時間的需要。因此，本文以鋼包回轉台主軸承的故障診斷（duàn）作為研究對象，開發了一（yī）套基於大數據及人工智能分析的在線鋼包回轉（zhuǎn）台支承（chéng）軸承的故障診斷係統。
　　1　鋼包回轉（zhuǎn）台設（shè）備運行特點以及故障（zhàng）診斷難點
　　鋼包回轉（zhuǎn）台是在轉臂上（shàng）同時承（chéng）托（tuō）兩個鋼水包，可將鋼水包迅速、平穩地（dì）進行（háng）轉跨輸送並連續澆注（zhù），實現鋼水包“滿包”與“空包”的快速更換，並（bìng）與鋼（gāng）水包、結晶器等設備結合實現鋼水澆鑄的（de）連續性（xìng），通（tōng）常設置於鋼（gāng）水接收跨（kuà）與澆注跨柱列之間，且設備（bèi）結構詳見文獻^[2]，本（běn）文就不在贅述。
　　鋼包回轉台支承軸（zhóu）承的故障（zhàng）診斷存在以（yǐ）下技術難點：
　　1）設備轉速低，軸承損傷造成的（de）衝擊能量非常低；且設備（bèi）受到外力幹擾較大，噪聲很容易覆蓋軸（zhóu）承故障特征；因此常規的軸承檢測手段不能有效發現軸承損傷特征，如（rú）時域分析、頻域分析、包絡解調譜（pǔ）等。
　　2）軸承受（shòu）力複雜，同時承受軸向力、徑向力和傾覆力矩；
　　3）設備（bèi）運行時，由於現場環境惡劣，不允許（xǔ）人（rén）員進入；且單次離線監測不能對設備的機械狀態進行（háng）有效的評價，數據量（liàng）不足夠支持（chí）對設（shè）備機械狀態的做出判斷；
　　4）不僅需（xū）要判斷設備是否存在故障，還需要預（yù）測軸承的殘餘壽命，指導維護（hù）維修方向（xiàng），發揮設備的Z大價值，為準備備品、備件（jiàn）贏得時間；
　　5）為（wéi）了保證振動分析的準確率（lǜ），診斷人員需要具（jù）備極高專業水平及豐富現場經驗，即使（shǐ）滿足上述條件，依然不能保證診斷分析的準確率。
　　2　基於大（dà）數據（jù）及人工智能（néng）分析的鋼（gāng）包回轉台支承軸承故障診斷係統設計（jì）
　　為了更好的滿足對鋼包回（huí）轉台支承軸承（chéng）進行精確的故障定（dìng）位和設備殘餘壽命的精準預測，我司設計（jì）了基（jī）於大數據及人工智能分析（xī）的（de）鋼包回轉台支承軸承故障診斷係統。係統結構圖如圖1所示（shì）。 　　基（jī）於大數據及人工智能分析的鋼（gāng）包回轉台（tái）支承軸承故（gù）障診斷係統包括以（yǐ）下4個層次：
　　層數據（jù）采集層：采集的數據包括振動、生（shēng）產工藝量、角度、轉速、運行時間等；其中，振動包（bāo）括振動加速度、振動速度和振動位移這3種數據；工藝量包括電流、電壓、鋼水液位等；角度（dù）為鋼包回轉台本體的傾斜角度；傳感器將采集的數據發（fā）送至數據采集站，數據采集站是呈上起下的關鍵設備；
　　第二層數據存儲和管理（lǐ）層：將數據采集站發送（sòng）的數據進行存儲，提供必要（yào）的I/O接口，管理數據采集層的采集數據類型；
　　第三層為數（shù）據挖掘和診斷分析層：對數據采集層（céng）采集的設備（bèi）實時數據進行預處理和分析，準確判斷設備的（de）運行狀（zhuàng）態，分為以下兩個方麵：
　　1）數據挖掘：該部（bù）分整合了18種故障診斷算法^[3]，包括振動趨（qū）勢分析、時域波形（xíng）、頻譜（pǔ）分析、長波形趨勢分析、長波形、采樣值趨勢分析（xī）、轉速、波形在（zài）處理、包絡解調、交叉相位、頻率趨勢（shì）、工藝趨勢等算法；且融合了以神經網絡和數據挖掘算法為核心的人工智（zhì）能診（zhěn）斷算法^[4-5]，不斷（duàn）挖掘數據價值和優化診斷算法；
　　2）診斷分析包括遠程在線診斷分析、專家係統和沃德雲平台等（děng）組成，並根據（jù）診斷分（fèn）析結論，提供專業的人（rén）工智能診斷分析，對設備（bèi）的運轉狀況和維修策略作出評（píng）估和改善，延長設備使用壽命（mìng），準確預測主軸承的殘餘壽命；
　　第四層為數據展示層：主要是向客戶提供診斷的應（yīng）用服務，提供手機APP、WEB客戶端和桌麵客戶端等多種應（yīng）用客戶（hù）端的服務，全方（fāng）位（wèi）將診斷結果展示給客戶，由用戶來進行診斷結果（guǒ）的確認。
　　該係統（tǒng）建立了以基於設（shè）備多（duō）個（gè）運行狀（zhuàng）態參數的大數據為基礎，以多種故障診（zhěn）斷算法、專家係（xì）統和數據挖掘算法核心的（de）人工智能故障診斷係統為平台，麵向（xiàng）客戶，以實踐作（zuò）為（wéi）檢驗算法準確性的閉環係統，不斷優化係統。
　　3　應用實踐
　　山東萊鋼（gāng）某煉鋼廠（chǎng）鋼包回轉台回轉支承（chéng）軸承（chéng）為三列滾子回轉支承軸承。旋轉半分（fèn）鍾左右停止，澆注45分鍾後，繼續旋轉，旋轉半（bàn）分鍾後再進行澆（jiāo）注，轉速1.5min/r，潤（rùn）滑油脂為二硫化（huà）鉬鋰基（jī）脂。 　　根據（jù）回轉支承軸承軸承（chéng）座（zuò）具體應用工況，將傳感器布置在圖（tú）2所（suǒ）示的相應位置，分布在（zài）回轉支承軸承四周，每組傳感（gǎn）器相隔90°進行安裝（zhuāng），安裝在軸承承受載荷的重要位置。
　　該智能係統（tǒng）在2018年2月15日進行了安（ān）裝，安裝了在線監測係統。通過持續的在線監測發現，回轉支承軸承的時域波形振動衝擊明顯，且趨勢有明顯的高幅值現象，沒有明顯的分（fèn）布規律（lǜ），分別（bié）如（rú）圖3和圖4所示，獲取相應的軸承結構（gòu）尺寸，並對軸承缺陷頻（pín）率進行比較分析，發現不能準確的捕捉到軸承的（de）故障信息。 　　在（zài）沒有規律的頻（pín）譜分析（xī）信息下，采取連續采集和監測的方法（fǎ），獲得（dé）了大量的（de）設備運轉實時運轉數據；通過（guò）對大量數據的篩選（xuǎn）和模擬計算，基於專家係統的知識庫，獲得了主軸（zhóu）承的載荷分布和變化分布模型。在一個月（yuè）的連續數據的支持（chí）下，我們應用神經網（wǎng）絡分析算法（fǎ）的自學習（xí），以及在線智能診斷算法，找到了主軸（zhóu）承的故障（zhàng）特征（zhēng）指數曲線，如下圖5所示。