<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ERA</journal-id><journal-title-group><journal-title>Engineering Research and Application</journal-title></journal-title-group><issn>2995-3154</issn><eissn>2993-2742</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ERA.2176</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>故障诊断法在轧机维护中的实践研究</title><url>https://artdesignp.com/journal/ERA/1/4/10.61369/ERA.2176</url><author>王明乙</author><pub-date pub-type="publication-year"><year>2023</year></pub-date><volume>1</volume><issue>4</issue><history><date date-type="pub"><published-time>2023-09-20</published-time></date></history><abstract>轧机在工业生产中属于重要设备，且应用频率较高，因其结构复杂，功能多样化，所以在实际使用过程中容易出现各类故障问题，影响工业生产。为此，各企业需要注重轧机的维护以及故障诊断等，合理选用故障诊断方法对轧机的运行故障进行诊断。此次论文先是对轧机故障特点及故障分类等进行了分析，随后又对故障诊断法在轧机维护中的应用展开了探讨，以期为相关人员提供参考。</abstract><keywords>故障诊断法,轧机维护</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 吕金，徐莉，隋大伟等．远程监控及故障诊断技术在大型轧机系统中的应用［J］．电气传动，2023, 53 (11): 84-89. DOI:10.19457/j.1001-2095.dqcd25178[2] 孙德全．基于多传感器融合的轧机轴承故障信号降噪及诊断［J］．山西冶金，2023, 46 (09): 50-51+54. DOI:10.16525/j.cnki.cn14-1167/tf.2023.09.019[3] 程友杰．基于ALIF+MCKD 方法的冷轧机轴承振动故障信号处理［J］．山西冶金，2023, 46 (09): 70-71+74. DOI:10.16525/j.cnki.cn14-1167/tf.2023.09.027.[4] 时培明，肖立峰，许学方等．双通道小波核- 卷积神经网络轧机设备轴承诊断方法 [J/OL]. 机械科学与技术，1-11[2023-12-26] https://doi.org/10.13433/j.cnki.1003-8728.20230168.[5] 计江， 赵琛， 王勇勤．基于VMD-MMPE 的轧机轴承滚动体与保持架故障诊断［J］．振动．测试与诊断，2023, 43 (02): 290-297+409. DOI:10.16450/j.cnki.issn.1004-6801.2023.02.012[6] 高坤，黄雁，马冰冰等．基于改进优化算法的轧机滚动轴承深度学习故障诊断方法［J］．辽宁大学学报( 自然科学版), 2023, 50 (01): 28-37. DOI:10.16197/j.cnki.lnunse.2023.01.013.[7] 张瑞成，李志文，梁卫征．板带轧机主传动系统的鲁棒故障检测与重构［J］．振动．测试与诊断，2023, 43 (01): 96-102+200. DOI:10.16450/j.cnki.issn.1004-6801.2023.01.014[8] 高坤，黄雁，马冰冰等．基于深度残差神经网络的轧机滚动轴承故障诊断方法［J］．冶金自动化，2022, 46 (05): 85-95.[9] 胡宗．炉卷轧机液压系统常见故障分析［J］．冶金与材料，2022, 42 (03): 139-140.[10] 曹志新．基于数据驱动的冷连轧机振动诊断研究［D］．华北理工大学，2022. DOI:10.27108/d.cnki.ghelu.2022.000545.[11] 周奇阳，李志勇，周为民等．轧机液压控制系统故障仿真研究［J］．冶金设备，2022, (02): 33-37.[12] 胡睿．基于互相关能比熵和BiGRU-GRU 的轧机关键零部件早期故障诊断［J］．计算机测量与控制，2022, 30 (02): 95-102. DOI:10.16526/j.cnki.11-4762/tp.2022.02.014.[13] 贾维龙，简彦成．棒材轧机减速机轴承故障诊断［J］．设备管理与维修，2022, (03): 131-132. DOI:10.16621/j.cnki.issn1001-0599.2022.02.56.[14] 周志强，徐利璞，史鸿剑等．森德威二十辊轧机液压压下故障原因分析［J］．重型机械，2022, (01): 96-100. DOI:10.13551/j.cnki.zxjxqk.2022.01.018.[15] 曾应华．基于机电液一体化工厂故障智能化诊断技术研究［J］．自动化应用，2021, (12): 43-46. DOI:10.19769/j.zdhy.2021.12.012.[16] 许华，闫瑾，唐志惠等．热轧立辊轧机主传动轴断裂故障诊断［J］．冶金设备，2021, (S1): 66-67+98.[17] 邢增金．轧机减速机双列轴承保持架故障诊断研究［J］．设备管理与维修，2021, (17): 150-152. DOI:10.16621/j.cnki.issn1001-0599.2021.09.78[18] 杨亚辉．浅谈棒材轧机减速箱的常见故障及在线监测应用［J］．装备制造技术，2021, (02): 215-219.[19] 刘洪吉．轧机减速箱轴承的电蚀故障诊断及失效分析［J］．中国设备工程，2020, (23): 166-167.[20] 艾章荣．浅谈故障诊断法在轧机维护中的运用［J］．中国新技术新产品，2020, (22): 75-77. DOI:10.13612/j.cnki.cntp.2020.22.024.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
