高立新 

摘要：機器監測診斷技術是鋼廠智能制造的關鍵技術之一，但普遍對此認識不足，缺乏系統深入的研究，應用效果不佳，針對以上問題，本文建議：組建緊密的產學研專家工匠團隊，持續進行高質量培訓，建設好設備醫院，將機器監測診斷向治病和保健康兩個方向延伸，才能做好這件事情。通過案例，介紹了無線測振、產生式規則和精度檢測在鋼廠設備上監測診斷的應用。

關鍵詞：鋼鐵企業 智能制造  機器監測診斷

分類號：TH17

1.在人工智能時代人的重要性

鋼廠智能制造涉及到表1所示的主要內容，實現設備狀態管理¹是機器運維的基礎，預測性維修（狀態維修）是其中重要的維修方式，機器狀態監測與故障診斷技術是核心技術，該技術也可以用于機器服役質量評估等方面。

表1流程工業的現狀及智能制造的特征

最近網上有一篇彭昭寫的文章²互相轉發，文章指出以下三個主要因素致使預測性維修發展不及預期：投資回報率難以計算；思維沒有轉變，商業模式沒有轉變；基礎不扎實，數據量不足，從數據中提取有價值洞察的難度更是遠超想象。

本文認為還三個因素中內含一個核心點：對人的作用認識不足。正因為對人的作用認識不足，導致對事情的認識也不足，所以出現以上幾種情況。

對人的認識不足主要表現在：沒有充分認識到專家團隊的重要性，系統開發時不是以專家團隊的意見為主，專家團隊缺乏一個良好的工作環境，沒有將專家團隊與工匠團隊有機的結合在一起....，等等。

在人工智能時代，雖然可以通過微信、QQ、短信等方式將千千萬萬運維人員微小的智慧匯集在一起，但是以緊密合作方式組建的專家團隊至關重要，這里所說的專家不僅僅是各行各業技術方面的專家，還有管理、財務、投資和法律專家等，不僅僅是具有職稱的教授研究員和高工，也包括具有實踐經驗的工匠，這些專家融入一體的共識是預測性維修發展達到預期的保證。

對事情的認識不足表現在如下幾個方面：

沒有認識到預測性維修技術難度大。預測性維修要用到無線傳感器等，這涉及到物聯網技術；預測性維修要做分析診斷，這涉及到人工智能技術；預測性維修是為了提高產品質量，這涉及到先進制造技術。對物聯網技術、人工智能技術和先進制造技術等總體上掌握不好，就做不好預測性維修。

沒有認識到預測性維修管理難度大。許多企業不能認識到，投運了這種系統以后，必須有至少四年的運維服務，運維服務必須包含機器服役質量評估報告（例如健康報告）、診斷報告、檢修質量報告和針對疑難雜癥的專家綜合報告等，當監測點足夠多時必須給運維服務商提供現場辦公環境、并要求其參與企業運維會議、為供應商提供圖紙、生產工藝數據和所有與分析診斷有關的基礎性資料以便其完成智能診斷系統，所以，雖然投資了大量資金，但收效甚微甚至完全失敗。

   怎樣克服以上困難，取得實效，建議主要做好如下工作：

（1）產學研結合。作為專家，最好能走動于企業和科研院所，或者說，科院所的教授研究員們要深入企業解決實際問題，企業的高工和工匠們要多參加科研院所的科研課題團隊，他們應當能一起合作編寫專著，共同對企業人員和專業碩士進行培訓，共同解決企業和科研院所遇到的疑難雜癥，共同研究開發智能診斷和壽命預測等系統。現場的在線監測系統是護士系統，而在線診斷系統是醫生系統，在人工智能時代，擁有眾多專家的團隊才有可能在智能診斷方面取得領先的成果。北京的幾家同行企業和科研院所既有競爭，又有合作，關系比較融洽。

（2）持續不斷的高質量的培訓。低速重載初軋機監測診斷等技術是國內外公認的難點，生產設備的大多數負責人能認識到在線監測診斷系統的作用十分困難，只有針對這些難點和問題持續進行系統的、不同層級的、專門的實例培訓才能解決，各個企業需要在國內外頂尖專家團隊（不是2-3個人，至少是5人以上）持續指導下，培養自己的專業診斷人員。

第一是要持續進行免費和收費兩種形式的“機器狀態監測與故障診斷”培訓，第二是去企業進行高質量的專家培訓和深入班組的針對故障隱患的“刺刀見紅”式的培訓，只有發自內心想為病人治好病的醫生才是好醫生，只有發自內心想給設備治好病的專業人員才是稱職的設備醫生，所以，即使是免費培訓也必須是持續的、高質量的培訓。

（3）合作建設設備醫院。設備醫院為設備從設計、制造、運維、超期服役、循環利用、回收提供全面的服務，希望通過設備醫院這個平臺，使全世界的廠家，都能為彼此提供性價比最好的產品和服務。

（4）將機器監測診斷向兩個方向延伸。一是，不僅要看病，還要治病；二是，振動溫度監測要與提高產品質量結合起來，要為設備健康長壽保駕護航，人只有精力充沛才有好的工作質量，設備只有功能、精度、狀態完好，才能保證產品質量。

（5）機器狀態監測系統要能與生產質量系統相關聯。不僅在操作臺工人能看見設備報警（就像汽車駕駛員時刻關注眼前的各種報警），更重要的是全部的生產數據今后要能與機器狀態監測系統進行融合，這更是需要一大批具有豐富理論實踐經驗的生產設備專家來共同努力。

（6）不僅要與企業合作，還要與個人合作。現在有越來越多的自由工作者，還有許多退休的設備運維專家，這些都是實現預測性維修的重要力量。

   必須充分認識到預測性維修技術管理難度很大，這項工作必須依靠性價比較好的、由歷經失敗成功的專家團隊研發的產品/服務才能取得較好的效果，而不是以低價中標的產品/服務。

在人工智能時代，組建專家團隊是需要費用的，我們必須認識到人工智能時代的這個特點。

2. 無線測振技術、產生式規則和機器精度

    無線測振技術極大地降低了成本，產生式規則永遠是智能診斷系統的重要組成部分，只有保證了機器功能精度才可能在最低成本情況下生產出高質量產品。

（1）無線測振技術

無線測振傳感器比有線傳感器的抗干擾能力強很多，因為無線測振傳感器的數據采集部分內裝在傳感器殼體里面，輸出的是數字信號。數字信號傳輸過程中是不會變化的。有線傳感器輸出的是模擬信號，受導線長度影響比較大，信號容易失真。

為了防止各種干擾，得到良好信噪比的振動信號，無線測振傳感器設計時有如下特殊考慮：

1.無線測振傳感器采用內部電池電源供電，這樣避免了傳感器受到來自供電電源線路上面的干擾。

2.無線傳感器使用數字方式傳輸信號。所有采集的原始信號，在傳感器內部被數字化。藍牙Bluetooth通訊方式經過了多年發展，其可靠性能已經得到充分驗證。數據傳輸時候有數據校驗機制，可以確保數據被準確無誤地傳送給接收終端。

3.傳感器的內部電路與傳感器外殼完全隔離。

圖1是在高線廠的實測效果相片，可見信噪比非常好，在頻譜圖中出現25#精軋機Z1/Z2的嚙合頻率830Hz和二倍頻1660Hz，這說明該軋機有故障隱患。

圖1 無線測振傳感器在高線廠實測效果圖

無線測振傳感器還能測量垂直、水平、軸向三個方向，可以減少測振點數，更大幅度的降低成本。                                  

（2）產生式規則

 本文認為，對于眾多希望在機器智能診斷方面開展工作的企業和個人，從產生式規則開始積累知識較好，通過以下齒輪裂紋和滾動軸承嚴重損壞兩個案例說明產生式規則的應用。

規則一：如果出現齒輪嚙合頻率，如果齒輪嚙合頻率旁邊有邊頻，如果峰值趨勢圖呈上升趨勢，則軸承嚴重損壞的可能性大于70%。

規則二：如果出現齒輪嚙合頻率，如果齒輪嚙合頻率旁邊有邊頻，如果峰值趨勢圖呈波浪性狀態并且沒有上升趨勢，則齒輪有裂紋的可能性大于80%。

A. 振動頻譜圖

B. 振動峰值趨勢圖

C. 損壞零件實物

                  圖2  齒輪裂紋和滾動軸承嚴重損壞兩個案例

這條規則還需要進一步驗證和完善，但在初始的智能診斷系統中增加這種規則，專業人員易于理解，軟件人員也容易編程序，也容易區別常見普通故障和少見惡性故障，鋼鐵企業是很需要的。

（3）機器精度

振動監測可以發現機器的實際裝配精度未達到要求。從圖3中可以看到精軋機B26#錐箱傘齒輪齒輪嚙合頻率3727Hz，并有Ⅱ軸轉頻為間隔的邊頻，最高的振動幅值為6.2 m/s²，這種現象已經在這臺精軋機上存在一年多，而在其它軋機上均沒有這種情況。

圖3  26#精軋機傘齒輪齒輪嚙合頻率3727Hz

精軋B26錐箱箱體于2005年8月1日上午9點鐘左右吊起，打開箱體檢查發現，錐箱Ⅰ軸上Z1和Ⅱ軸上Z2的一對齒數為61的傘齒輪間隙為0.29mm，在正常范圍內，裝配鉗工將錐箱Ⅰ軸和Ⅱ軸的位置進行了調整，使兩個傘齒輪的嚙合狀況達到最佳，齒側間隙為0.28 mm，并8月1日晚20.30恢復生產。

圖4  精軋B26#錐箱檢修前后的三維瀑布圖    

從圖4可以看出，由于錐箱的Ⅰ軸和Ⅱ軸的位置的調整，Z1和Z2齒輪嚙合情況達到最佳狀態，嚙合頻率3727Hz處的振動幅值6.2 m/s2消失。

這意味著B26這架精軋機整體振動下降，不僅會延長軸承齒輪等零部件的壽命，對提高產品質量也起到良好的作用。

提高機器的實際裝配精度就是從0.29mm到0.28 mm這一道之差，振動監測可以通過特征頻率來發現精度不足的問題，雖然增加振動監測診斷系統會增加成本，但先進制造技術就是要以合理的成本生產出高質量的產品，能過滿足社會需求、獲得較高的利潤才是企業最終的最求。

3. 結論

（1）在人工智能時代，組建專家團隊是需要費用的，只有依靠性價比較好的、由歷經失敗成功的專家團隊研發的產品/服務才能取得預測性維修的成功。

（2）充分發揮無線測振技術和產生式規則在智能監測診斷系統中的作用，振動監測可以在機器功能精度監測方面發揮更大的作用。

參考文獻

1.現代流程企業設備狀態管理的系統策劃與實踐，張克南 陳衛東 楊大雷 萬年紅等編著，上海科學技術出版社，2007年9月第一次印刷

2.曾被認為是工業互聯網的“殺手級”應用，預測性維護為何發展不及預期？物聯智庫，彭昭，2019.3.23