研究背景：钢铁生产系统的复杂性及轧制过程的高温、重载高压、轧制速度快特点的决定了其故障发生率较高，而生产中一个小的故障也有可能造成大的经济损失，甚至威胁到现场工作人员的生命安全。 管理技术难点：钢铁企业拥有大量设备和机械，对这些设备进行实时监测、预测性维护是一项巨大挑战。难点在于如何有效地收集、分析和利用大量的设备数据，以预测设备故障，以避免生产中断和设备损坏。如何快速准确地诊断设备的复杂故障，并采取有效的预防措施，是一个技术难点。 成果先进性： 1）低速重载工况分解实现低速重载多工况设备的有效监测，提前发现轴承故障、异常间隙故障数起事故，解决轧机类设备的监测空白； 2）扭矩实时连续数据实现扭矩疲劳基础数据积累，同时针对不同批次规格的板批轧钢进行工艺优化，大幅降低了设备的疲劳程度，延长了设备寿命。 创新性： 1)重载低速设备智能预警和智能诊断模型算法； 2）采集网关采用双无线架构、双处理架构、内置边缘智能算法； 3）工况分离，信号重构算法实现； 4）大转矩无线扭矩监测，实时连续采集，实时通讯，可连续运行30天 5）基于故障机理诊断模型和AI诊断模型双模型故障诊断算法； 可推广性： 设备智能运维技术不局限于特定行业，而是适用于各种类型的设备，包括制造业、能源行业、交通运输、医疗保健等；兼容各种不同类型的数据源，包括传感器数据、设备监控数据、生产数据等；主流平台普遍具有良好的可配置性和可扩展性，能够适应不同数据源的需求，为企业提供灵活的解决方案。 经济社会效益： 实施设备智能运维系统可以帮助企业降低设备运维成本，提高生产效率，延长设备使用寿命与提高设备综合使用效率，提升产品质量，节能减排。 推动行业进步： 设备智能运维系统作为现代制造业的重要支撑系统，促进产业数字化、智能化和网络化转型，推动传统产业向智能制造、智能服务方向发展，提升产业整体竞争力，实现产业升级和可持续发展。