冶金工業裝備智慧運維平臺

所屬學院：機械工程學院

合作方式：?整體轉讓 ?技術許可 ?作價入股 ?合作開發 ?其它_____

成果簡介：

冶金生產流程具有大型化、復雜化、生產工藝自動化、連續化等特點，其關鍵裝備服役狀態與產品質量、生產效率、成本能耗、安全生產等密切相關。冶金關鍵裝備存在機電液多因素耦合、載荷時變、溫度高、結構復雜、控制精度要求苛刻等特點，對冶金關鍵裝備服役狀態的監檢測技術和故障預警分析方法提出了更高要求。

本項目運用無線傳感器網絡、信號分析與處理、人工智能與機器學習、大數據分析等先進技術方法，針對冶金行業開發設備狀態監測系統和智能故障診斷模型，為開展預知維修，提供決策支持數據。項目的研究內容對鋼鐵企業提升關鍵裝備的服役質量，實現設備的科學管理，對鋼鐵企業提質增效、節能減排，實現鋼鐵生產過程的智能制造、綠色制造，保障企業安全穩定運行，具有重要意義。

成熟程度及推廣應用情況：

目前處于何種研發階段：?研發?小試?中試?小批量生產?產業化；樣機：?有?無其他：?如選擇“其他”，請說明：。

推廣應用情況：

1. 2018年工信部智能制造新模式應用項目，首鋼遷鋼一冷軋智能工廠設備監測與診斷系統。監測范圍包括：冷軋硅鋼酸軋線，連退1-4號產線，共計237臺關鍵設備，新增振動、溫度等405個監測點，液壓、電氣等各類監測量1200多個，通過機器學習方法實現設備故障的智能診斷，為預知維修提供決策支持；建立了涵蓋機械、液壓、電氣等多類設備主題數據庫，結合工藝過程參數，實現對設備服役狀態和功能精度的綜合大數據分析。

2. 2019年工信部智能制造新模式應用項目，鞍鋼股份鲅魚圈鋼鐵分公司厚板部設備狀態管控平臺。監測范圍包括：加熱爐、軋機機組、熱矯機、預矯機、剪切機等關鍵設備，新增振動、位移100個監測點，540個高壓柜溫度監測點，20個扭矩監測點、84個電機絕緣監測點、51個溫濕度監測點，43個壓力流量監測點、7個液位監測點，液壓、電氣等各類監測量243個。通過機器學習方法實現設備故障的智能診斷，為預知維修提供決策支持；建立了涵蓋機械、液壓、電氣等多類設備主題數據庫，結合工藝過程參數，實現對設備服役狀態和功能精度的綜合大數據分析。

技術優勢：

基于無線智能傳感器網絡的設備狀態遠程監測技術。

基于現代信號處理方法的設備早期故障特征提取方法。

基于機器學習的設備狀態趨勢預測與智能診斷方法。

市場分析：

鋼鐵企業為技術轉移重點行業，也可以應用有色金屬、石油、化工、煤炭等行業。

經濟效益分析：

經濟社會效益：通過降低設備故障率、減少設備停機時間、提高生產效率和產品質量，年均累計經濟效益5000萬以上。

成果亮點：

1. 成果來源：

成果來源于國家工信部鞍鋼鲅魚圈5500厚板智能制造專項和首鋼遷鋼一冷軋智能制造專項項目。

2. 技術先進性：屬于國內先進，先進技術如下：

①利用無線傳感器網絡技術解決了高溫、高濕、移動、旋轉、強電磁干擾、大區域分布等冶金復雜工業環境下的設備狀態監測難點；

②利用數學形態學、重構相空間流形分析等現代信號處理方法，解決了強噪聲強背景干擾下的早期故障特征提取問題；

③利用深度學習等智能算法，解決了非線性、非平穩、多因素耦合條件下的設備狀態趨勢評價與智能故障診斷的問題。

團隊簡介：

陽建宏，教授，博導，現任北京科技大學機械工程學院機電系副主任，長期從事激光誘導擊穿光譜的相關科研工作，入選北京市高等學校青年英才計劃，2018獲全國冶金先進青年科技工作者。

成果相關照片：

聯系方式：

北京科大科技園

010-62333830,62335841,62335665,62333626