中国经济周刊-经济网讯 烧结是现代钢厂生产中的重要环节。为了能让铁矿石充分反应尽可能多地炼出钢铁,入厂后要进行粉碎筛选,而粉碎后的矿粉不容易装炉冶炼,因此需要烧结成块状、球状。烧结生产的过程就是把铁矿粉烧结成块状或球状,便于高炉炼铁。
烧结过程中需要用到抽风系统进行强制抽风产生负压。整个抽风系统的核心是主抽风机,它直接影响烧结机的产量、质量和能耗,是烧结生产的“心脏”。主要作用是通过烟道进行抽风,产生负压,使烧结料中的固体燃料点火并充分燃烧,为烧结提供能量,同时将烧结过程中产生的各种气体通过烟道,经过电除尘器净化后由烟囱排出。
作为烧结过程中的重要设备,主抽风机的日常维护和安全生产尤为重要。主抽风机作为典型的旋转机械,对振动的监测是设备运转状态监测的重要组成部分。其中驱动轴与轴承是旋转机械的核心部件。主抽风机能否可靠地工作主要取决于驱动轴及轴承的运转是否良好。
大量数据表明,旋转机械的大多数振动故障与驱动轴及轴承直接有关。比如由质量不平衡、转轴的弯曲或热变形、轴线不对中等原因引起的振动,都是与轴及轴承直接相关的振动故障。
因此可以通过对主抽风机振动状态的监测获得更多有关故障的信息,从而有效的诊断出机械是否发生故障。
目前钢厂对主抽风机的日常监测还是以人工为主,定期巡检,故障推测主要依靠肉眼观察和经验判断。因此内部的一些损伤、故障等很难进行精准定位。钢厂是安全生产的重点单位,每年由于各种安全隐患造成的大型事故时有发生。因此钢厂的智能化监测势在必行。
西人马旋转机械类智能监测系统
西人马基于自己的“端-边-管-云-用”一体化解决方案针对钢厂的特殊环境和需求,提出旋转机械类智能监测系统,以“技防”代替“人防”,有效解决了诸如烧结机主抽风机监测维护的安全问题。
这套系统涵盖了感知端、采集端、服务器、云端和用户端。
首先是感知端的传感器测量系统,在主抽风机内部安装多个传感器,包括各种传感器及其内置的专用测量电路(如电荷放大),将旋转机械的振动、转速、位移、温度和滑油品质等信号变换为具有归一化灵敏度的电压信号。例如在电机中安装加速度传感器和温度传感器,监测电机的振动速度值以及温度变化;在驱动轴安装电涡流传感器,监测转速和轴位移变化;在风机的轴承中安装滑油传感器,通过监测滑油中的铁屑流量监测轴承的磨损程度。
西人马传感器部署图
其次是数据采集与分析系统,将原始信号进行放大、滤波后经A/D转换成为数字信号,从而为设备状态监测、故障诊断等提供数据支持。
西人马边缘计算模组
然后是中控服务器,接收由数据采集器预处理之后的敏感数据信息,通过运行专业软件进一步处理和分析被测结构的信息,根据不同算法判断出设备运行情况,如出现异常将及时反馈至设备维保人员。
接下来是云端数据中心,主要用来接收各个子系统上传的工况数据,建立设备状态故障数据库,指导本地工控机进行故障诊断。
西人马现代化数据密集型应用使能平台-塔斯云
最后是手机APP,利用APP连接到云端数据中心,可实现多人远程实时在线监测主抽风机的运行参数和工作状况。
西人马的这套系统通过监测轴温、轴转速、轴的轴向/径向/竖向振动、风机的滑油品质,可对轴质量不平衡、转轴的弯曲或热变形、轴线不对中、油膜涡动及振荡、润滑油中断、推力轴承损坏、轴裂纹或叶片断裂、径向轴承磨损、部件脱落、动静部件接触、不均匀气隙、轴向窜动、轴温过高、转速异常、滑油铁屑流量过高等故障进监测。
除了在烧结机主抽风机中的应用,这套系统还能应用在水泵机组的监控当中。通过监测轴温、轴位移、水泵前/后轴、电机前轴轴向和径向振动、电机的输入电压和输出电流,系统可对轴质量不平衡、转轴的弯曲或热变形、轴线不对中、油膜涡动及振荡、润滑油中断、推力轴承损坏、轴裂纹或叶片断裂、径向轴承磨损、部件脱落、动静部件接触、不均匀气隙、轴向窜动、轴温过高、电机功耗异常等故障进行监测。
西人马旋转机械类智能监测系统-低压水泵机组监控
西人马旋转机械类智能监测系统-高压水泵机组监控
目前系统已经在多个客户现场实现了成功安装并正常运转,进行24小时全天候智能监管,实现故障早期预警,提前制定维修决策并做好维修准备,减少停机损失和多次维修带来的费用。通过精确定位故障,提高维修效率、减少维修损失。另外,基于传感器端边缘计算以及云端大数据统计与分析,为故障模式判定与管理过程优化提供量化决策依据,实现真正意义上的智慧机组。
西人马“端-边-管-云-用”一体化解决方案
西人马是一家依托于IDM(芯片设计与制造和封测)模式的芯片公司。众所周知,当前我国芯片因为种种原因有着大量国产化替代的机会,西人马除了关注存量市场外,更关注增量市场。
西人马拥有MEMS芯片及其ASIC设计能力,西人马芯片制造和先进封测中心有着完整的芯片流片、先进感知封装、材料生产以及可靠性测试等一系列能力。本着建立生态和给客户提供交钥匙服务的态度,西人马打通了边缘计算端、以及基于感知芯片和场景应用的云(塔斯云),这种垂直整合可以为客户提供一站式智能化解决方案服务,因此更加容易构建生态。
为了创建自己的芯片生态,西人马为客户提供从感知层的芯片、传感器,到边缘计算和云的解决方案,并以解决客户痛点为驱动。这些解决方案更加关注如何利用芯片驱动IoT、AI、大数据等的落地,因此西人马打造了“端-边-管-云-用”一体化解决方案,为民用航空、能源、医疗、交通及工业领域提供服务。
西人马“端-边-管-云-用”一体化解决方案
目前,西人马“端-边-管-云-用”一体化解决方案已在多个行业成功应用,上文中提到的西人马旋转机械类智能监测系统只是这套方案在钢铁行业中的一个应用,西人马还提出了钢包红外测温解决方案、高压开关柜无线测温方案和AR智能监控系统解决方案,以解决钢包温度和高压开关柜温度的智能化监测,并进行AR智能监测,实现钢铁企业生产的全周期智能管理。
在国家大力提倡产业互联网的重大机遇面前,西人马提出“端-边-管-云-用”一体化解决方案,该方案利用西人马的芯片、传感器、边缘计算和塔斯云,不断开发新的应用场景,赋能各个传统行业,推动经济社会的数字化转型。
钢铁行业推动智能制造势在必行
近两年来,钢铁行业在供给侧改革持续推进、去产能和防范“地条钢”死灰复燃、严防已化解的过剩产能复产以及取暖季限产不搞“一刀切”等因素的影响下,整体市场呈现震荡运行格局。
2019年,受国内需求拉动,钢铁产量增长较快。而价格方面整体呈现回落趋势,且下跌幅度较大。2019年以来,国内钢材价格长期低于上年同期。从中国钢材价格指数(CSPI)走势看,2019年平均108点,同比下降6.8点,降幅达5.9%。
CSPI中国钢材价格指数变化,数据来源:中国钢铁工业协会
受钢材价格回落和原材料价格上涨的影响,钢铁企业经济效益自2019年以来大幅下滑。2019年全年,中国钢铁工业协会会员钢铁企业实现销售收入42663.1亿元,同比增长10.1%,实现利润1889.9亿元,同比下降30.9%;平均销售利润率仅为4.4%,同比下降2.6个百分点。
会员钢铁企业销售利润率,数据来源:中国钢铁工业协会
经济效益的不断下降促使钢铁企业进行生产改革,由之前资源和人员密集型的传统生产模式逐渐转向智能化生产。
作为工业互联网的底层技术,芯片及传感器在智能制造方面起着至关重要的作用。以芯片为基础的“端-边-管-云-用”是钢铁行业智能化道路上的关键钥匙。
2020年中央经济工作会议将强化国家战略科技力量置于八大任务之首。会议同时提出实施好关键核心技术攻关工程,尽快解决一批“卡脖子”问题,在产业优势领域精耕细作,搞出更多独门绝技。
芯片产业是被国外严重“卡脖子”的产业,芯片产业的技术突破关系着众多传统产业的智能化革新之路。以钢铁产业为代表的传统工业,智能制造势在必行。如果坚守传统生产方式,必将在未来被科技淘汰、被效益抛弃,被时代遗忘。
“我消灭你,与你无关。”《三体》里阐述的宇宙定律,在现今这个快速发展的时代同样适用。“时代抛弃你时,连一声再见都不会说”道尽了这个科技高速发展时代下残酷的生存规律。
当智能化成为时代主流,如果传统产业再不升级和变革,等待自己的只有溃不成军的命运。
毕竟,“时代淘汰你,与你无关。”(张炎)
转载请超链接注明:头条资讯 » 这项工业互联网的底层技术或将成为钢铁智能化的关键钥匙
免责声明 :非本网注明原创的信息,皆为程序自动获取互联网,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责;如此页面有侵犯到您的权益,请给站长发送邮件,并提供相关证明(版权证明、身份证正反面、侵权链接),站长将在收到邮件24小时内删除。