1 诊断旋转机械故障的理论基础分析
在旋转机械当中，转子是非常重要的部件，如果旋转机械设备出现故障，转子往往会呈现一定的异常特征，比如说会产生异常震动或者异常噪音。振动的信号往往能够将机械故障的信息反映出来，因此可以通过震动监测设备来监测转子的震动信号、时域信号、频率和幅值等相关信息，采集具体数据，综合性地对这些数据进行分析、研究，以了解振动的趋势，分析研究旋转机械设备，可能存在的隐患，防止旋转机械设备产生更为严重的故障，控制故障造成的损失。在实际应用过程中，需要引入人工智能技术，这样可以快速地依照给出信息进行判断，短时间内对数据信息进行处理。人工智能故障诊断的核心在于将内外因素对系统导致的不利影响消除，使其处于稳定的状态。该技术在应用的过程中，可以通过各种算法使旋转机械系统的可靠性提升，保证整个系统的安全、稳定运行。
2 旋转机械故障诊断技术在炼钢设备的应用
2.1 状态监测
设备状态监测是旋转机械设备故障检测过程中非常重要的一种方式，在对炼钢设备进行状态监测时需要综合化地对各种监测技术进行应用，比如说定期监测、巡回监测以及在线监测等，通过状态监测可以快速了解设备的具体状态，收集相关信息，将机械设备运行的状态准确的反映出来，接着通过数据采集以及状态信号的分析，可以进一步了解旋转机械在运行过程中的具体状态。在当前科学技术快速发展的情况下，旋转机械主要通过采集设备和传感器来完成数据采集工作[1]。
2.2 信号处理和提取故障特征
在故障诊断方面如何进行信号处理，并且在复杂的数据信息当中提取故障特征是非常关键的。由于旋转机械设备具有非常复杂的结构，通过传感器获取的信息量较大，虽然能够将部分部件的震动情况准确地反映出来，但是这些信息是非常复杂紊乱的，在后续数据处理过程中很难快速甄别出有价值的信息，因此相关人员在数据信息处理过程中需要使用科学的方法对数据信号进行处理，获取较为客观、准确的故障特征数据。
2.3 故障识别方法
当前在对旋转机械故障进行排查和诊断的过程中，需要依照相关的标准和规律对各个环节进行优化。在人工智能技术快速发展的时代，需要逐步引入人工智能技术，加强旋转机械故障诊断技术的信息化智能化，通过计算机技术快速实现无人化监测[2]。
3 旋转机械故障的智能诊断技术
3.1 专家系统
专家系统主要通过人工智能模拟专家的思维方式来对故障进行处理，不需要专家亲临现场进行思考的条件下，解决一些复杂的问题。专家系统是源于20世纪60年代，主要通过人机接口、推理机构、知识库三个部分组成，是一种基于知识表达并通过产生式规则发挥作用的系统。该系统能够合乎人的心理逻辑，因此在实际应用中易于被人接受，将其应用于机械设备的故障检测相结合，可以大幅度提升检测效率。该系统拥有专家和运行运用知识解题的推理能力是故障解决的重要帮手。随着当前信息技术快速发展，该技术也逐步成熟。目前该系统还是集中使用在解决旋转机械故障方面，在故障诊断中具有不可替代的重要作用。
3.2 诊断试验
在旋转机械故障检测过程中，计算机技术是非常重要的，综合化的对计算机技术进行应用可以快速对旋转机械存在的故障问题进行诊断，高效、智能地对故障原因进行分析，并且采取针对性的策略进行处理，通过各诊断实例就可以发现。使用智能化旋转机械故障诊断技术可以快速推动各项工作的有效展开[3]。
3.3 样本构造
通过对旋转机械相关故障进行总结分析，常见的故障主要包含了油膜不稳定、转轴破裂、转子磨损等，因此相关人员需要以此为基础构建相应的故障模型。神经网络是一种常见的故障类型，诊断技术其具有较强的诊断、计算、学习能力，在具体操作的过程中可以快速判断机械故障类型，同时可以构造相应的故障样本，然而当前规模较大的旋转机械设备建模较为困难，主要是由于其内部结构较为复杂，在实践中一方面需要注意微小的故障信号为基础进行智能化分析。当前已有的故障研究模型相对较少，技术人员在对故障分析时不能忽视一些微小的故障隐患，另外在故障集成诊断过程中，需要引入各种智能化的方法，以便综合化地对故障进行分析，充分发挥各智能方法的优点，这样才能推动旋转机械故障诊断技术的有效发展。
4 案例分析
某钢厂使用6000伏高压电机驱动耦合器。该耦合器可以带动风机叶轮转动运行，其中电机的额定功率为2850千瓦，额定转速为每分钟2970转。在炼钢工艺顶吹氧的过程中，该风机长时间处于高速状态，而其他时候往往处于低速状态[4]。
图1 煤气风机
4.1 分析测量振动值
在日常测量时主要测量电机的振动值，在测点1时振动幅度相对较大，采集的数据发现振动幅度往往能够达到297.68微米，在测点2时振动，幅度相对较为正常，小于70微米，通过对测量结果进行分析可以发现该电机在运行过程中震动扶持相对较大数据，并不正常。对其原因进行分析，主要是由于转子不平衡或者不对称，以采集的数据为经基础，可以获取较为规律的时域波形图。在初步对震动扶持进行诊断后，可以发现该电机的后端可能有一定的异常。如果仅仅通过人为测量这种异常的检测数据并不明显，通过深入调查分析发现该电机在最高转速达到每分钟2970转，振动采样值为每秒403.6毫米，大大超过标准的每秒5.5毫米。
4.2 分析诊断
通过对电机振动的相关数据分析研究，可以发现部分数据采样值较大，震动时域波形没有规律，通过对频谱进行分析可以发现振动幅值的波动较大，主要在0.1倍频和0.15倍频间，综合化地对数据处理后总结发现可能是由于电机主轴损伤或者轴承内圈出现松动，在电机停止运行后打开后盖检查，发现主要是因为轴承内圈出现断裂而造成故障，导致电器出现异常震动的问题[5]。
结束语
总而言之，在炼钢设备当中，旋转机械应用非常广泛，需要综合化地对旋转机械进行故障诊断，以此来保证炼钢设备的稳定运行，使炼钢企业的生产效率提升。通过智能化、自动化的检测技术可以快速诊断分析旋转机械设备，推动旋转机械设备故障诊断技术的发展。
参考文献
[1] 白华， 向忠辉， 彭长福. 旋转机械故障诊断技术在炼钢设备上的应用[J]. 机械工程师， 2015(1):112-113.
[2] 郝伟， 张瑞林. 神经网络聚类方法在旋转机械故障诊断中的应用研究[C]// 机械设备故障诊断学术会议. 2016.
[3] 钱强. 振动监测技术在旋转机械故障诊断中的应用[C]// 冶金设备智能化在役再制造及维修大数据分析交流会论文集. 山东金属学会 江苏金属学会 山西金属学会， 2016.
[4] 张炜. 旋转机械故障诊断技术在炼钢设备中的应用[J]. 石油石化物资采购, 2019(35):112-113.
[5] 张在新, 康素坤, 张新. 浅析振动分析技术在旋转机械设备故障诊断中的应用[J]. 硅谷, 2009(10):143-143.
