[发明专利]一种轧机HGC系统伺服阀在线诊断方法

说明书

本发明提供一种轧机HGC系统伺服阀在线诊断方法，涉及液压控制技术领域，包括信号采集、信号分析、信号监测、信号诊断、异常报警提示步骤。本发明采用频率分析法，在线实时对阀状态进行分析，从而作出伺服阀是否存在缺陷和劣化程度的判断，由事后发现改为事前控制，可以将伺服阀故障处理在萌芽状态，对自动化钢铁生产具有重大意义；本发明可以寻求伺服阀作为主阀、备用阀，使已投入的伺服阀组合顺序为最优状态；本发明还可以用于轧机上支撑辊平衡系统、CVC窜辊系统、WRB弯辊系统在线诊断。

技术领域

本发明涉及液压控制技术领域，具体涉及一种轧机HGC系统伺服阀在线诊断方法。

背景技术

板材轧机是使轧件通过具有一定辊缝的轧辊从而生产出预期厚度板带材的一种金属压力加工机。在轧制过程中，板厚的尺寸精度是必须确保的最重要的质量指标，轧机HGC是轧机AGC(Automatic Gap Control)系统中的液压控制单元。AGC根据预期轧制力和机架刚度计算出预期机架变形，并用实际轧制力计算出实际变形量与计算变形量的差值，根据此差值即时进行辊缝校正。AGC已不仅是现代板带轧机板厚精度控制，更是板形控制的重要手段。在HGC中，电液伺服阀是液压系统中最复杂和关键的部件之一，它的性能和可靠性将直接影响系统的性能和可靠性。由于轧机伺服阀工况条件差，液压伺服系统振动、油液污染、阀芯磨损等原因产生的故障，就会导致轧机HGC系统不受控，轧机生产时容易轧制出厚度超差的钢板，给企业造成经济损失。

专利CN201210082699.1，提出了一种厚板轧机AGC伺服阀状态监测与故障诊断系统，包括：诊断操作模块、诊断结果显示模块、信息输入模块、历史数据分析模块和神经网络训练模块。该专利的诊断方法存在三个缺陷，一是每更换新的伺服阀都需要对新阀进行神经网络训练并加入知识库，占用非计划停机时间长，占用计算机内存空间大，操作流程繁琐；二是新的伺服阀通过神经网络训练模块产生的数据作为阀的诊断标准值，而伺服阀未在实际工况下(大压下、大轧制力、大流量等)校验，而且还被神经网络模块过滤简化，该方法产生的用于诊断的标准值不准确；三是该方法判断时间非连续性，每天只读取5个文件用于判断，每个文件还要求轧制次数不得少于10次，而实际生产单位无异常情况下均为24小时连续生产，也就要求伺服阀工作状态下实时连续性监测诊断。

发明内容

(一)解决的技术问题

本发明的主要目的是针对伺服阀在板材轧机HGC厚度控制系统中存在的上述缺点，提出了一种轧机HGC系统伺服阀在线诊断方法，采用频率分析法，在线实时对阀状态进行分析，从而作出伺服阀是否存在缺陷和劣化程度的判断，由事后发现改为事前控制，可以将伺服阀故障处理在萌芽状态，对自动化钢铁生产具有重大意义。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种轧机HGC系统伺服阀在线诊断方法，包括以下步骤：

S1、信号采集：采集伺服阀阀芯开口度的给定值X和实际反馈值Y；

S2、信号分析：分析给定信号与反馈信号的偏差值及偏差变化情况，设定正常偏差的标准范围，将偏差S超过设定标准范围为异常；

S3、信号监测：零漂超标和偏差超过设定标准范围为异常，以偏差异常出现的频率f和零漂值为监测对象；

S4、信号诊断：监测零漂值及偏差在一定周期T内出现的频率f次数，对伺服阀工作状态进行诊断；

S5、异常报警提示：根据诊断的结果，在操作室操作画面上显示异常报警信息，根据报警信息操作工和设备维护人员做对应处理措施。

进一步地，所述步骤S3零漂值采用伺服阀给定值X。

进一步地，所述步骤S3偏差S为：

进一步地，所述步骤S4零漂值X≤8％为标准范围。