冶金生产流程具有大型化、复杂化、生产工艺自动化、连续化等特点，其关键装备服役状态与产品质量、生产效率、成本能耗、安全生产等密切相关。冶金关键装备存在 机电液多因素耦合、载荷时变、温度高、结构复杂、控制精度要求苛刻等特点，对冶金关键装备服役状态的监检测技术和故障预警分析方法提出了更高要求。

本项目运用无线传感器网络、信号分析与处理、人工智能与机器学习、大数据分析 等先进技术方法，针对冶金行业开发设备状态监测系统和智能故障诊断模型，为开展预知维修，提供决策支持数据。项目的研究内容对钢铁企业提升关键装备的服役质量，实现设备的科学管理，对钢铁企业提质增效、节能减排，实现钢铁生产过程的智能制造、绿色制造，保障企业安全稳定运行，具有重要意义。

推广应用情况：

已投入成本：500 万。 

1. 2018 年工信部智能制造新模式应用项目，首钢迁钢一冷轧智能工厂设备监测与诊 断系统。监测范围包括：冷轧硅钢酸轧线，连退 1-4 号产线，共计 237 台关键设备，新 增振动、温度等 405 个监测点，液压、电气等各类监测量 1200 多个，通过机器学习方法 实现设备故障的智能诊断，为预知维修提供决策支持；建立了涵盖机械、液压、电气等 多类设备主题数据库，结合工艺过程参数，实现对设备服役状态和功能精度的综合大数据分析。

2. 2019 年工信部智能制造新模式应用项目，鞍钢股份鲅鱼圈钢铁分公司厚板部设备 状态管控平台。监测范围包括：加热炉、轧机机组、热矫机、预矫机、剪切机等关键设 备，新增振动、位移 100 个监测点，540 个高压柜温度监测点，20 个扭矩监测点、84 个 电机绝缘监测点、51 个温湿度监测点，43 个压力流量监测点、7 个液位监测点，液压、 电气等各类监测量 243 个。通过机器学习方法实现设备故障的智能诊断，为预知维修提 供决策支持；建立了涵盖机械、液压、电气等多类设备主题数据库，结合工艺过程参数，实现对设备服役状态和功能精度的综合大数据分析。

期望技术转移成交价格（大概金额）：面议。

技术优势：

基于无线智能传感器网络的设备状态远程监测技术。

基于现代信号处理方法的设备早期故障特征提取方法。 基于机器学习的设备状态趋势预测与智能诊断方法。

市场分析：

钢铁企业为技术转移重点行业，也可以应用有色金属、石油、化工、煤炭等行业。

经济效益分析：

经济社会效益：通过降低设备故障率、减少设备停机时间、提高生产效率和产品质量，年均累计经济效益 5000 万以上。

成果亮点：

1.成果来源：

成果来源于国家工信部鞍钢鲅鱼圈 5500 厚板智能制造专项和首钢迁钢一冷轧智能 制造专项项目。

2.技术先进性：属于国内先进，先进技术如下：

①利用无线传感器网络技术解决了高温、高湿、移动、旋转、强电磁干扰、大区域 分布等冶金复杂工业环境下的设备状态监测难点；

②利用数学形态学、重构相空间流形分析等现代信号处理方法，解决了强噪声强背 景干扰下的早期故障特征提取问题；

③利用深度学习等智能算法，解决了非线性、非平稳、多因素耦合条件下的设状

态趋势评价与智能故障诊断的问题。