基于工业互联网平台的轧机液压AGC系统大数据分析及预测性维护的理论及关键技术研究

Hydraulic automatic gauge control (AGC) system is a core control system to guarantee the accuracy of the plate thickness of rolling mill. It not only produces a lot of process control data in the operation process, but also collects a huge amount of condition monitoring data. For a long time, these data are restricted by storage space, data transmission and other factors, so they haven't been used effectively. The birth of industrial Internet provides a new platform for mining these big data and provides a new way for the predictive maintenance of the hydraulic AGC system of rolling mill. This project combines the industrial Internet platform with the hydraulic AGC system. Build the CPS system architecture of hydraulic AGC system. Design big data cloud storage and data layout patterns on cloud platform. Develop big data management algorithm, general analysis algorithm and a special analysis algorithm which is combined with the physical mechanism of the hydraulic AGC system of rolling mill. Develop a digital twin virtual simulation system for visualization of big data analytics, and create a test bed experimental platform for the predictive maintenance of mill hydraulic AGC systems to validate the theory. The results of this research can not only for mining the rolling mill hydraulic AGC system of big data to provide key technology and lay a theoretical foundation for predictive maintenance, but also provide an example for " Internet+hydraulic" in our country. In addition, the research project will plays an important role in the transformation and upgrading of China's steel industry and intelligent manufacturing.

轧机液压AGC系统是轧机板厚控制的核心系统，它在运行过程中不仅产生大量的过程控制数据，而且还采集了海量的状态监测数据，这些数据长期受限于存储空间和数据传输等因素一直难以有效利用。工业互联网的诞生为挖掘这些大数据提供了新平台，为轧机液压AGC系统预测性维护提供了新途径。本项目将工业互联网平台与液压AGC系统相结合，构建液压AGC系统的CPS系统架构，在工业云平台上设计大数据云存储和数据管理布局模式，开发大数据管理算法和通用分析算法与轧机液压AGC系统物理机理相融合的专用分析算法，构建轧机液压AGC系统数字孪生体实现大数据可视化分析，并创建轧机液压AGC系统的预测性维护的测试床试验平台对理论进行验证。本研究成果不仅可以为挖掘轧机液压AGC系统的大数据提供关键技术，为设备预测性维护奠定理论基础，而且还可以为我国“互联网+液压”提供范例。此外，该项目对推动我国钢铁业转型升级和智能制造具有重要作用。

轧机液压AGC系统是轧机板厚控制的核心系统，它在运行过程中不仅产生大量的过程控制数据，而且还采集了海量的状态监测数据，这些数据长期受限于存储空间和数据传输速率等因素一直难以得到有效利用。本项目将工业互联网平台与液压AGC系统相结合，在液压AGC系统的信息物理系统(CPS)架构、大数据云存储和数据管理布局模式、轧机液压AGC系统大数据专用分析算法、轧机垂振抑制、轧机液压AGC系统数字孪生体、轧机液压AGC系统的预测性维护及测试床试验平台研发等方面进行了系统深入的研究。.在轧机液压AGC系统的CPS模型架构建模及层级配置研究方面，根据CPS理论，构建了基于工业互联网平台的液压系统状态监测与故障诊断系统的功能实现架构，开发了基于云平台的轴向柱塞泵实时故障诊断系统；在基于工业互联网平台的大数据云存储架构与数据管理布局研究方面，开发了智能故障诊断算法与边缘计算算法，并实现了恒压变量泵智能故障诊断算法的云边协同，研究了基于云平台的数据上云与云平台数据存储方法；在轧机液压AGC系统的大数据分析算法研究方面，研究了振动信号处理和特征提取算法，基于声纹特征、递归定量分析等理论开发了液压泵智能故障诊断算法、液压泵性能退化评估算法、剩余使用寿命预测算法等；在数字孪生体的建模技术研究方面，利用AMESim和ADAMS软件建立了调门油动机的数字孪生体并基于试验台验证了所建立数字孪生体的正确性；针对液压AGC系统状态监测与故障诊断理论方法验证问题，创成了一套能够模拟电液伺服系统多种故障的试验台及其测控系统。针对考虑液压压下系统的轧机垂振问题，提出了轧机垂振主动抑制闭环控制思路，设计了在线振动控制策略，分析了轧机垂振系统的稳定性，并验证了主动抑制控制策略的有效性，对轧机在线振动抑制技术提供了一种实施方案。.该项目在液压AGC系统大数据专用算法研究、轧机垂振抑制控制策略、故障特征提取算法、智能故障诊断算法、健康状态评估理论、剩余寿命预测方法、数字孪生体建模、大数据可视化分析以及故障模拟实验装置研制等方面均取得了一系列新成果、新技术和新理论，具有重要的工程实用价值。.在该项目的资助下，共发表学术论文36篇，其中SCI检索18篇，EI检索6篇，出版专著1部，申请或授权发明专利2项，获得省部级科技进步二等奖2项、三等奖1项。