CN105521997B - 一种基于振动信号诊断轧机辊系故障的方法 - Google Patents
一种基于振动信号诊断轧机辊系故障的方法 Download PDFInfo
- Publication number
- CN105521997B CN105521997B CN201410520511.6A CN201410520511A CN105521997B CN 105521997 B CN105521997 B CN 105521997B CN 201410520511 A CN201410520511 A CN 201410520511A CN 105521997 B CN105521997 B CN 105521997B
- Authority
- CN
- China
- Prior art keywords
- roll
- msub
- frame
- vibration signal
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于振动信号诊断轧机辊系故障的方法,包括:a)参数初始化,包括机架报警参考值与电机转速之间关系设定、机架减速齿轮箱减速比设定;b)信号采集,包括机架振动信号、电机转速信号、辊径信息;c)数据预处理,包括传感器电信号与实际值之间换算,振动信号偏置去除、噪声滤波等;d)振动波形峰峰值计算;e)报警判断,若振动波形峰峰值超过对应转速下的报警参考值,则认为发生异常振动;f)振动类型判定,若异常振动为周期性,记录异常振动信号的周期;g)计算轧辊转动周期Tj;h)周期比较,若异常振动信号的周期和对应机架中的某一类型轧辊转动周期相等,则认为异常振动可能由该类型轧辊引起;i)相关性确认及辊系异常判定。
Description
技术领域
本发明属于轧机辊系故障诊断领域,具体涉及一种基于振动信号诊断轧机辊系故障的方法。
背景技术
轧机振动是轧制过程中普遍存在的问题之一,给生产带来严重的问题,最突出的表现是由轧机振动引起的表面振动纹,严重时甚至引起带钢等断裂,对生产的连续性以及其他方面带来严重的不利影响。
因轧机振动发生原因较为复杂,世界各国的专家和研究人员都致力于轧机振动的研究,试图合理解释轧机振动的可能原因与提出有效的拟制振动措施,截至到目前为止,尚无特别有效的方法或措施可以从根本上解决轧机振动问题,目前为止使用最多的方法是通过一套轧机振动监测***对轧机振动情况进行监控,通过对监测到的振动信号进行数据分析,来判断轧机的振动情况,当轧机振动值超过设定值时,则进行报警,从而提醒操作人员采用相应措施避免因轧机振动而造成批量生产事故,然而目前相关研究人员在轧机振动信号上的具体分析应用方面所进行的研究却很少,更未提出过基于振动信号来实现轧机辊系故障诊断的方法。
中国专利CN103115668A公开了“轧机振痕振动信号的故障特征提取方法及识别方法”,其是基于二阶循环自相关函数的解调方法,对非平稳的振痕振动信号进行频率解调并进行时域切片,提高了振痕振动信号故障特征提取的准确度,并提出采用功率谱信息熵的形式来进行报警判断,但专利内并未提出具体故障的识别方法,更无法准确的诊断辊系故障。
中国专利CN201179527Y公开了一种连轧机带钢振动纹监测预警装置,通过对轧机振动、转速、辊径、钢卷信息等信号的采集处理,实现对振动纹现象产生的预警,但专利内并未提出振动信号在轧机故障诊断上的方法。
中国专利CN200710176052.4提出一种适用于旋转机械振动故障诊断的专家***,但并未给出振动信号在旋转机械故障上的具体诊断方法。
综上所述,目前尚缺乏有效的手段来对轧机的辊系故障进行快速诊断,因此,急需一种针对轧机辊系故障的诊断方法,不但要实现轧机辊系状态的在线监测,并能在辊系异常时及时给出报警,避免因轧机辊系异常而造成批量生产事故。
发明内容
本发明的目的在于提供一种基于振动信号诊断轧机辊系故障的方法,通过对轧机振动信号的分析处理及辊系中各轧辊的转动周期计算,实现轧机辊系故障的诊断。
为达到上述目的,本发明的技术方案是:
一种基于振动信号诊断轧机辊系故障的方法,其特征是,包括如下步骤:
a)参数初始化
包括各机架报警参考值与电机转速之间对应关系Gi(v)设定、各机架减速齿轮箱减速比ni设定,其中v为电机转速,i为机架号;
b)信号采集
包括各机架振动信号Xi(t)、各机架电机转速信号vi(t)、各机架辊径信息Dij的采集,其中,Dij表示第i号机架上的第j号轧辊的直径;
c)数据预处理
包括各传感器电信号与实际值之间的换算,振动信号的偏置去除、噪声滤波等,电机转速信号的均值求解,处理完成后得到各机架振动波形X′i(t)、各机架平均电机转速
d)振动波形峰峰值Fi计算
包括各机架处理完成后的振动波形X′i(t)峰峰值计算,即计算振动波形X′i(t)中最大值X′i(max)和最小值X′i(min)之间的差,Fi=X′i(max)-X′i(min);
e)报警判断
若振动波形峰峰值超过对应转速下的报警参考值,即则认为发生异常振动,进行振动报警;否则忽略;
其中,根据各机架平均电机转速和各机架报警参考值与电机转速之间的对应关系Gi(v)得到;
f)振动类型判定
根据报警提示,检查振动波形,观察异常振动是否为周期性,若为周期性异常振动,则记其周期为T;
g)计算对应机架辊系中各类型轧辊转动周期Tj
根据电机转速和轧机减速齿轮箱减速比计算出工作辊转速,从而计算出工作辊转动周期Ta,即
其中,为电机转速,单位:rpm;
ni为对应轧机的减速比;
又,根据辊面速度相等原理和辊径信息,可以知道辊面速度:
即,
其中,v′为辊面速度,单位:mm/s;
Da、Db分别为工作辊、其他类型轧辊的直径,单位:mm;
Ta、Tb分别为工作辊、其他类型轧辊的转动周期,单位:s;
h)周期比较
若异常振动信号周期T和对应机架中的某一类型轧辊转动周期Tj相等,则认为异常振动可能由该类型轧辊引起;
i)相关性确认及辊系异常判定
观察T与Tj在不同轧制速度下的相关性,若两者周期均与电机转速相关,且两者之间仍保持相等,则可以确认异常振动由该轧辊引起。
在本发明方法中:
所述步骤a)中的报警参考值Gi(v)是指用于轧机异常振动判断的一个设定值,考虑到随着轧机电机转速v的增大,轧机颤振幅度也会增大,因此为提高异常振动报警准确率,因此在不同转速v下,需要设定在不同的报警参考值。
报警参考值Gi(v)的数值大小确定主要是根据轧机在未发生异常振动时,其在不同速度下的最大振动加速度和最小振动加速度之差G′i(v)和转速v之间的对应关系进行确定的,同时考虑到随机噪声的影响,并保证报警准确率,通常Gi(v)=(2~3)G′i(v)。
所述步骤a)中减速比可以通过查找各个轧机的设备图纸,得到其减速比,从而可以获得工作辊的转速和电机转速之间的对应关系。
所诉步骤b)中的振动信号可以通过在轧机牌坊上设置一个加速度传感器来采集轧机的振动信号,轧机振动信号主要用于后续的振动判断。
所述步骤b)中的电机转速信号可以直接从轧机控制***中采集得到,电机转速的大小会影响报警参考值的大小。
所述步骤b)中的辊径信息在轧机停机换辊时进行记录。
所述步骤c)中的信号长度的选取应尽量短一些,尽量避免两个异常振动波形被同时统计在一个范围内,但过短的信号长度对低频振动信号的敏感度下降,通常用于分析的数据长度在0.1~0.5s之间。
所述步骤c)中的各传感器电信号与实际值之间的换算,是指传感器测量的电信号结果与实际值之间对应关系的标定,振动信号的偏置去除、噪声滤波是常规的数字信号处理方法,用于消除直流偏置分量和高频噪声,电机转速信号的均值求解是将该段长度的转速值求均值,从而获得一个平均转速,从而用于确定该段振动数据所对应的振动报警参考值;
所述步骤c)中的转速信号预处理主要是指对所采集的一定长度的速度信号进行均值求解,从而确定该段数据所对应的报警参考值。
所述步骤g)中的其他类型轧辊一般是指轧机内除工作辊之外的中间辊、支撑辊。
进一步,所述步骤g)中是以工作辊传动类型的轧机为例进行各种轧辊转动周期的计算,对于其他类型轧辊传动的轧机,也可以用类似的原理计算出各轧辊的转动周期。
本发明的有益效果是:
1.通过对各机架振动、转速信号的采集与分析,实现了轧辊运行状态的在线监测。
2.通过本发明方法对轧辊运行状态的监测,在轧辊存在异常时及时给出报警,从而避免因轧机辊系异常而造成批量生产事故。
3.通过对各机架振动、转速信号的采集与分析,给出了一种辊系故障诊断方法,从而可以快速定位异常轧辊所在的机架和轧辊类型。
4.根据本发明方法定位出异常轧辊所在的机架和轧辊类型,可以为轧机换辊提供指导。
5.因本发明方法对轧机振动信号的实时监测,通过对监测到的振动波形特性进行分析,可以做为一种轧机机械故障诊断辅助方法,用于查找辊系故障以外的其他故障原因。
附图说明
图1为本发明基于振动信号诊断轧机辊系故障方法的流程图。
图2为本发明实施例一中某轧机的电机转速为355rpm左右时连续五秒的振动波形图。
图3为本发明实施例一中某轧机的电机转速为451rpm左右时连续五秒的振动波形图。
具体实施方式
参见图1,本发明的轧机辊系故障诊断方法包括以下步骤:
a)设定各机架报警参考值和电机转速之间对应关系Gi(v)、各机架传动比ni。
b)采集各机架垂直方向的振动信号Xi(t)、电机转速信号vi(t)、各机架辊径信息Dij。
c)各机架分别取一定长度的信号,对所采集的数据进行预处理,得到处理完成后的各机架振动波形X′i(t)与转速信号
d)计算该采样周期范围内的峰峰值,即振动波形中最大值X′i(max)和最小值X′i(min)之间的差,Fi=X′i(max)-X′i(min)。
e)比较Fi与的大小,若则认为发生异常振动,进行振动报警,否则忽略。
f)根据报警提示,检查振动波形,观察异常振动是否为周期性,若为周期性异常振动,则记其周期为T。
g)根据电机转速和轧机减速齿轮箱减速比计算出工作辊转速,从而计算出工作辊转动周期Ta,即
其中,为电机转速,单位:rpm;
ni为对应轧机的减速比;
又,根据辊面速度相等原理和辊径信息,可以知道辊面速度:
即,
其中,v′为辊面速度,单位:mm/s;
Da、Db分别为工作辊、其他类型轧辊的直径,单位:mm;
Ta、Tb分别为工作辊、其他类型轧辊的转动周期,单位:s;
其他类型轧机可以根据类似原理计算出各类型轧辊的旋转周期。
h)比较异常振动信号周期T与对应机架辊系中各轧辊转动周期Tj,若存在某一轧辊转动周期Tj和异常振动信号周期T一致,则认为异常振动可能由该轧辊引起。
i)进一步观察T与Tj在不同轧制速度下的相关性,若两者周期均与电机转速相关,且两者之间的关系仍保持不变,则可以确认异常振动由该轧辊引起。
下面再举出以下实施例来做进一步说明本发明方法:
某六辊轧机的工作辊直径d1约为450mm,中间辊直径d2约为530mm,支撑辊直径d3约为1350mm,齿轮箱减速比为0.77,在生产时,轧机存在异响,通过以下步骤对轧机振动信号进行分析,成功诊断轧机辊系故障原因。
参数初始化设定,设定该机架的报警参考值为0.2g、减速比为0.77、根据传感器校正结果设定传感器灵敏度等参数。
以2048Hz的采集频率采集轧机振动信号、电机转速信号。
取0.5秒的轧机振动信号、电机转速信号进行数据预处理,电机转速为355rpm。
对处理完成的振动波形计算峰峰值F=0.31g。
峰峰值计算结果超出报警设定值,因此判定存在异常振动。
对5秒内的振动波形数据进行观察,如图2所示,发现该异常振动具有明显的周期性。
从中可以观察到异常振动周期T为0.66秒,根据电机转速和减速比,算出工作辊周期T1=60/(355×0.77)=0.22秒,中间辊周期T2=0.22×0.53/0.45=0.26秒,支撑间辊周期T3=0.22×1.35/0.45=0.66秒。
经比较发现支撑辊和异常振动的周期相等,初步判定该机架支撑辊存在异常。
电机转速升到451rpm后,异常振动周期变为0.52s,如图3,重新计算工作辊周期T1=60/(451×0.77)=0.17秒,中间辊周期T2=0.17×0.53/0.45=0.2秒,支撑辊周期T3=0.17×1.35/0.45=0.51秒,仍然和异常振动周期保持一致,因此判定支撑辊存在异常。
对该机架支撑辊进行下机检查,发现支撑辊辊面出现剥落,该方法判断准确性得到验证。
Claims (2)
1.一种基于振动信号诊断轧机辊系故障的方法,其特征是,包括如下步骤:
a)参数初始化
包括各机架报警参考值与电机转速之间对应关系Gi(v)设定、各机架减速齿轮箱减速比ni设定,其中v为电机转速,i为机架号;
b)信号采集
包括各机架振动信号Xi(t)、各机架电机转速信号vi(t)、各机架辊径信息Dij的采集,其中,Dij表示第i号机架上的第j号轧辊的直径;
c)数据预处理
包括各传感器电信号与实际值之间的换算,振动信号的偏置去除、噪声滤波,电机转速信号的均值求解,处理完成后得到各机架振动波形Xi′(t)、各机架平均电机转速
d)振动波形峰峰值Fi计算
包括各机架处理完成后的振动波形Xi′(t)峰峰值计算,即计算振动波形Xi′(t)中最大值X′i(max)和最小值X′i(min)之间的差,Fi=X′i(max)-X′i(min);
e)报警判断
若振动波形峰峰值超过对应转速下的报警参考值,即则认为发生异常振动,进行振动报警;否则忽略;
其中,根据各机架平均电机转速和各机架报警参考值与电机转速之间的对应关系Gi(v)得到;
f)振动类型判定
根据报警提示,检查振动波形,观察异常振动是否为周期性,若为周期性异常振动,则记其周期为T,单位:秒;
g)计算对应机架辊系中各类型轧辊转动周期Tj
根据电机转速和轧机减速齿轮箱减速比计算出工作辊转速,从而计算出工作辊转动周期Ta,即
<mrow>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>60</mn>
<mrow>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,vi为电机转速,单位:rpm;
ni为对应轧机的减速比;
又根据辊面速度相等原理和辊径信息,可以知道辊面速度:
<mrow>
<msup>
<mi>v</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&pi;D</mi>
<mi>a</mi>
</msub>
</mrow>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&pi;D</mi>
<mi>b</mi>
</msub>
</mrow>
<msub>
<mi>T</mi>
<mi>b</mi>
</msub>
</mfrac>
</mrow>
即
其中,v′为辊面速度,单位:mm/s;
Da、Db分别为工作辊、其他类型轧辊的直径,单位:mm;
Ta、Tb分别为工作辊、其他类型轧辊的转动周期,单位:s;
h)周期比较
若异常振动信号周期T和对应机架中的某一类型轧辊转动周期Tj相等,则认为异常振动可能由该类型轧辊引起;
i)相关性确认及辊系异常判定
观察T与Tj在不同轧制速度下的相关性,若两者周期均与电机转速相关,且两者之间仍保持相等,则可以确认异常振动由该轧辊引起。
2.如权利要求1所述的基于振动信号诊断轧机辊系故障的方法,其特征是,所述的步骤g)中是以工作辊传动类型的轧机为例进行各种轧辊转动周期计算的,对于其他类型轧辊传动的轧机,也可以采用步骤g)所述计算方法得到各轧辊的转动周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410520511.6A CN105521997B (zh) | 2014-09-30 | 2014-09-30 | 一种基于振动信号诊断轧机辊系故障的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410520511.6A CN105521997B (zh) | 2014-09-30 | 2014-09-30 | 一种基于振动信号诊断轧机辊系故障的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105521997A CN105521997A (zh) | 2016-04-27 |
CN105521997B true CN105521997B (zh) | 2018-01-26 |
Family
ID=55764718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410520511.6A Active CN105521997B (zh) | 2014-09-30 | 2014-09-30 | 一种基于振动信号诊断轧机辊系故障的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105521997B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107618922A (zh) * | 2017-07-21 | 2018-01-23 | 东莞建晖纸业有限公司 | 纸机更换辊子速度标定方法 |
CN107461342B (zh) * | 2017-08-16 | 2019-05-31 | 江苏大学 | 一种离心泵故障在线诊断方法及*** |
CN109883688B (zh) * | 2017-12-06 | 2021-12-07 | 上海金艺检测技术有限公司 | 冷轧张力辊齿轮箱输出轴系冲击振动的故障定位方法 |
CN111922095A (zh) * | 2020-07-14 | 2020-11-13 | 上海数深智能科技有限公司 | 一种冷轧机轧辊扭振故障异常的振动诊断方法 |
CN114088192A (zh) * | 2021-10-12 | 2022-02-25 | 向量传感科技(宁波)有限公司 | 振动监测保护***及方法、存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3117936B2 (ja) * | 1997-06-25 | 2000-12-18 | 株式会社ドクター製作所 | 異物付着検出機能付きドクター装置 |
TW462900B (en) * | 2000-10-11 | 2001-11-11 | China Steel Corp | Vibration diagnosis method for abnormality or malfunctions of roller of hot rolling machine for steel strip |
CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
CN201179527Y (zh) * | 2007-12-04 | 2009-01-14 | 上海宝钢工业检测公司 | 连轧机带钢振动纹监测预警装置 |
CN103115668B (zh) * | 2013-01-22 | 2016-08-17 | 重庆大学 | 轧机振痕振动信号的故障特征提取方法及识别方法 |
CN103331310A (zh) * | 2013-07-13 | 2013-10-02 | 吉林大学 | 镁合金板材轧制参数监测与故障诊断***及方法 |
-
2014
- 2014-09-30 CN CN201410520511.6A patent/CN105521997B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105521997A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105521997B (zh) | 一种基于振动信号诊断轧机辊系故障的方法 | |
CN108195587B (zh) | 一种电机滚动轴承故障诊断方法及其诊断*** | |
CN104535323B (zh) | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 | |
CN102721462B (zh) | 旋转机械启停车过程波德图/奈奎斯特图的快速计算方法 | |
CN102269655B (zh) | 一种轴承故障的诊断方法 | |
CN109506921A (zh) | 一种旋转机械故障诊断与预警方法 | |
CN203414278U (zh) | 一种水电机组振动异常状态实时检测*** | |
Cheng et al. | Envelope deformation in computed order tracking and error in order analysis | |
CN103323274A (zh) | 旋转机械状态监测与故障诊断***及方法 | |
CN102706560B (zh) | 一种风力发电机组的状态监测方法和装置 | |
CN110057581B (zh) | 基于区间型信度规则推理的旋转机械故障诊断方法 | |
CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
CN104792519A (zh) | 一种汽车变速箱nvh下线检测方法 | |
CN111006758A (zh) | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测*** | |
CN102589881A (zh) | 冶金特种车辆轮对轴承智能检测*** | |
CN103884482A (zh) | 一种基于压缩机的振动测试方法和*** | |
CN105478491B (zh) | 一种带钢振动纹缺陷位置的定位方法 | |
CN108956142A (zh) | 一种轴承故障识别方法 | |
CN116124424A (zh) | 一种船舶旋转机械轴心轨迹测试与状态评估方法及*** | |
CN105067105A (zh) | 利用旋转机械启停车瞬态信号特征的动力学参数识别方法 | |
Shi et al. | Purification and feature extraction of shaft orbits for diagnosing large rotating machinery | |
CN101504309A (zh) | 往复机械振动信号的分析方法 | |
Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds | |
CN105807716B (zh) | 再制造机床健康监测*** | |
CN103221791B (zh) | 用于监测风力涡轮机的机械传动装置中的旋转部件的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |