高立新 

摘要：机器监测诊断技术是钢厂智能制造的关键技术之一，但普遍对此认识不足，缺乏系统深入的研究，应用效果不佳，针对以上问题，本文建议：组建紧密的产学研专家工匠团队，持续进行高质量培训，建设好设备医院，将机器监测诊断向治病和保健康两个方向延伸，才能做好这件事情。通过案例，介绍了无线测振、产生式规则和精度检测在钢厂设备上监测诊断的应用。

关键词：钢铁企业 智能制造  机器监测诊断

分类号：TH17

1.在人工智能时代人的重要性

钢厂智能制造涉及到表1所示的主要内容，实现设备状态管理¹是机器运维的基础，预测性维修（状态维修）是其中重要的维修方式，机器状态监测与故障诊断技术是核心技术，该技术也可以用于机器服役质量评估等方面。

表1流程工业的现状及智能制造的特征

最近网上有一篇彭昭写的文章²互相转发，文章指出以下三个主要因素致使预测性维修发展不及预期：投资回报率难以计算；思维没有转变，商业模式没有转变；基础不扎实，数据量不足，从数据中提取有价值洞察的难度更是远超想象。

本文认为还三个因素中内含一个核心点：对人的作用认识不足。正因为对人的作用认识不足，导致对事情的认识也不足，所以出现以上几种情况。

对人的认识不足主要表现在：没有充分认识到专家团队的重要性，系统开发时不是以专家团队的意见为主，专家团队缺乏一个良好的工作环境，没有将专家团队与工匠团队有机的结合在一起....，等等。

在人工智能时代，虽然可以通过微信、QQ、短信等方式将千千万万运维人员微小的智慧汇集在一起，但是以紧密合作方式组建的专家团队至关重要，这里所说的专家不仅仅是各行各业技术方面的专家，还有管理、财务、投资和法律专家等，不仅仅是具有职称的教授研究员和高工，也包括具有实践经验的工匠，这些专家融入一体的共识是预测性维修发展达到预期的保证。

对事情的认识不足表现在如下几个方面：

没有认识到预测性维修技术难度大。预测性维修要用到无线传感器等，这涉及到物联网技术；预测性维修要做分析诊断，这涉及到人工智能技术；预测性维修是为了提高产品质量，这涉及到先进制造技术。对物联网技术、人工智能技术和先进制造技术等总体上掌握不好，就做不好预测性维修。

没有认识到预测性维修管理难度大。许多企业不能认识到，投运了这种系统以后，必须有至少四年的运维服务，运维服务必须包含机器服役质量评估报告（例如健康报告）、诊断报告、检修质量报告和针对疑难杂症的专家综合报告等，当监测点足够多时必须给运维服务商提供现场办公环境、并要求其参与企业运维会议、为供应商提供图纸、生产工艺数据和所有与分析诊断有关的基础性资料以便其完成智能诊断系统，所以，虽然投资了大量资金，但收效甚微甚至完全失败。

   怎样克服以上困难，取得实效，建议主要做好如下工作：

（1）产学研结合。作为专家，最好能走动于企业和科研院所，或者说，科院所的教授研究员们要深入企业解决实际问题，企业的高工和工匠们要多参加科研院所的科研课题团队，他们应当能一起合作编写专著，共同对企业人员和专业硕士进行培训，共同解决企业和科研院所遇到的疑难杂症，共同研究开发智能诊断和寿命预测等系统。现场的在线监测系统是护士系统，而在线诊断系统是医生系统，在人工智能时代，拥有众多专家的团队才有可能在智能诊断方面取得领先的成果。北京的几家同行企业和科研院所既有竞争，又有合作，关系比较融洽。

（2）持续不断的高质量的培训。低速重载初轧机监测诊断等技术是国内外公认的难点，生产设备的大多数负责人能认识到在线监测诊断系统的作用十分困难，只有针对这些难点和问题持续进行系统的、不同层级的、专门的实例培训才能解决，各个企业需要在国内外顶尖专家团队（不是2-3个人，至少是5人以上）持续指导下，培养自己的专业诊断人员。

第一是要持续进行免费和收费两种形式的“机器状态监测与故障诊断”培训，第二是去企业进行高质量的专家培训和深入班组的针对故障隐患的“刺刀见红”式的培训，只有发自内心想为病人治好病的医生才是好医生，只有发自内心想给设备治好病的专业人员才是称职的设备医生，所以，即使是免费培训也必须是持续的、高质量的培训。

（3）合作建设设备医院。设备医院为设备从设计、制造、运维、超期服役、循环利用、回收提供全面的服务，希望通过设备医院这个平台，使全世界的厂家，都能为彼此提供性价比最好的产品和服务。

（4）将机器监测诊断向两个方向延伸。一是，不仅要看病，还要治病；二是，振动温度监测要与提高产品质量结合起来，要为设备健康长寿保驾护航，人只有精力充沛才有好的工作质量，设备只有功能、精度、状态完好，才能保证产品质量。

（5）机器状态监测系统要能与生产质量系统相关联。不仅在操作台工人能看见设备报警（就像汽车驾驶员时刻关注眼前的各种报警），更重要的是全部的生产数据今后要能与机器状态监测系统进行融合，这更是需要一大批具有丰富理论实践经验的生产设备专家来共同努力。

（6）不仅要与企业合作，还要与个人合作。现在有越来越多的自由工作者，还有许多退休的设备运维专家，这些都是实现预测性维修的重要力量。

   必须充分认识到预测性维修技术管理难度很大，这项工作必须依靠性价比较好的、由历经失败成功的专家团队研发的产品/服务才能取得较好的效果，而不是以低价中标的产品/服务。

在人工智能时代，组建专家团队是需要费用的，我们必须认识到人工智能时代的这个特点。

2. 无线测振技术、产生式规则和机器精度

    无线测振技术极大地降低了成本，产生式规则永远是智能诊断系统的重要组成部分，只有保证了机器功能精度才可能在最低成本情况下生产出高质量产品。

（1）无线测振技术

无线测振传感器比有线传感器的抗干扰能力强很多，因为无线测振传感器的数据采集部分内装在传感器壳体里面，输出的是数字信号。数字信号传输过程中是不会变化的。有线传感器输出的是模拟信号，受导线长度影响比较大，信号容易失真。

为了防止各种干扰，得到良好信噪比的振动信号，无线测振传感器设计时有如下特殊考虑：

1.无线测振传感器采用内部电池电源供电，这样避免了传感器受到来自供电电源线路上面的干扰。

2.无线传感器使用数字方式传输信号。所有采集的原始信号，在传感器内部被数字化。蓝牙Bluetooth通讯方式经过了多年发展，其可靠性能已经得到充分验证。数据传输时候有数据校验机制，可以确保数据被准确无误地传送给接收终端。

3.传感器的内部电路与传感器外壳完全隔离。

图1是在高线厂的实测效果相片，可见信噪比非常好，在频谱图中出现25#精轧机Z1/Z2的啮合频率830Hz和二倍频1660Hz，这说明该轧机有故障隐患。

图1 无线测振传感器在高线厂实测效果图

无线测振传感器还能测量垂直、水平、轴向三个方向，可以减少测振点数，更大幅度的降低成本。                                  

（2）产生式规则

 本文认为，对于众多希望在机器智能诊断方面开展工作的企业和个人，从产生式规则开始积累知识较好，通过以下齿轮裂纹和滚动轴承严重损坏两个案例说明产生式规则的应用。

规则一：如果出现齿轮啮合频率，如果齿轮啮合频率旁边有边频，如果峰值趋势图呈上升趋势，则轴承严重损坏的可能性大于70%。

规则二：如果出现齿轮啮合频率，如果齿轮啮合频率旁边有边频，如果峰值趋势图呈波浪性状态并且没有上升趋势，则齿轮有裂纹的可能性大于80%。

A. 振动频谱图

B. 振动峰值趋势图

C. 损坏零件实物

                  图2  齿轮裂纹和滚动轴承严重损坏两个案例

这条规则还需要进一步验证和完善，但在初始的智能诊断系统中增加这种规则，专业人员易于理解，软件人员也容易编程序，也容易区别常见普通故障和少见恶性故障，钢铁企业是很需要的。

（3）机器精度

振动监测可以发现机器的实际装配精度未达到要求。从图3中可以看到精轧机B26#锥箱伞齿轮齿轮啮合频率3727Hz，并有Ⅱ轴转频为间隔的边频，最高的振动幅值为6.2 m/s²，这种现象已经在这台精轧机上存在一年多，而在其它轧机上均没有这种情况。

图3  26#精轧机伞齿轮齿轮啮合频率3727Hz

精轧B26锥箱箱体于2005年8月1日上午9点钟左右吊起，打开箱体检查发现，锥箱Ⅰ轴上Z1和Ⅱ轴上Z2的一对齿数为61的伞齿轮间隙为0.29mm，在正常范围内，装配钳工将锥箱Ⅰ轴和Ⅱ轴的位置进行了调整，使两个伞齿轮的啮合状况达到最佳，齿侧间隙为0.28 mm，并8月1日晚20.30恢复生产。

图4  精轧B26#锥箱检修前后的三维瀑布图    

从图4可以看出，由于锥箱的Ⅰ轴和Ⅱ轴的位置的调整，Z1和Z2齿轮啮合情况达到最佳状态，啮合频率3727Hz处的振动幅值6.2 m/s2消失。

这意味着B26这架精轧机整体振动下降，不仅会延长轴承齿轮等零部件的寿命，对提高产品质量也起到良好的作用。

提高机器的实际装配精度就是从0.29mm到0.28 mm这一道之差，振动监测可以通过特征频率来发现精度不足的问题，虽然增加振动监测诊断系统会增加成本，但先进制造技术就是要以合理的成本生产出高质量的产品，能过满足社会需求、获得较高的利润才是企业最终的最求。

3. 结论

（1）在人工智能时代，组建专家团队是需要费用的，只有依靠性价比较好的、由历经失败成功的专家团队研发的产品/服务才能取得预测性维修的成功。

（2）充分发挥无线测振技术和产生式规则在智能监测诊断系统中的作用，振动监测可以在机器功能精度监测方面发挥更大的作用。

参考文献

1.现代流程企业设备状态管理的系统策划与实践，张克南 陈卫东 杨大雷 万年红等编著，上海科学技术出版社，2007年9月第一次印刷

2.曾被认为是工业互联网的“杀手级”应用，预测性维护为何发展不及预期？物联智库，彭昭，2019.3.23