[发明专利]轧机振痕振动信号的故障特征提取方法及识别方法

说明书

技术领域

本发明涉及一种轧机振痕振动信号的故障特征提取方法及识别方法，尤其涉及一种基于二阶循环自相关函数的轧机振痕振动信号的故障特征提取方法以及一种基于功率谱信息熵的轧机振痕振动信号的故障识别方法。

背景技术

轧机的振动及振痕振动的在线控制一直是一个世界范围内的技术难题，世界上大多数钢铁公司的轧机或多或少都存在着轧机振动问题。轧机的振动问题，不仅使轧机的机械性能和精度受到严重影响，而且强烈的轧机振动会严重影响产品的表面质量，给企业带来巨大经济损失。为了研究不锈钢带钢产生振痕产生的原因，监测和控制二十辊轧机的振痕振动，进一步提高产品的合格率，有必要在轧机振动测试和振动数据分析的基础上，通过对轧机正常和异常运行振动特征的对比分析，提取轧机振痕振动的有效监测方法，识别轧机振痕振动时的信号特征，从而获取判断轧机是否产生振痕的依据，最终建立一套在线监测二十辊轧机振动与振痕特征识别系统。

世界各国的专家和研究人员都致力于振痕的研究，试图合理的解释振痕产生的可能原因及减少振痕的措施。Paton D L，Chritchley等研究人员针对加拿大Dofasco两套冷连轧机的垂直振动现象进行现场测试与理论分析后认为，轧制过程中张力的波动会诱发轧机的自激振动。日本学者Yarita I提出，工作辊和轧件间润滑不良也是造成轧机的振动重要原因。John J.GasParic针对轧件表面的振纹现象，认为振动的激励可能源于轧辊在磨床上加工时在表面上形成的振痕，当该振痕的波长与振动波长接近时，可能激发轧机的振动。进一步的，Roberts在研究美国某钢铁公司带钢表面明暗相间的振纹时发现，在特定的轧制速度下，当工作辊和支撑辊表面振纹的数目都是整数时，轧件表面更容易形成振纹，该速度为容易引发振纹的“诱导速度”。他还认为振纹的产生是由工作辊和支承辊之间的冲击造成的。Nessler等人通过有限元法研究了辊系弯曲振动特性，认为振纹的产生与上下支承辊的直径差有关，避开“诱导速度”能有效防止振动。

轧机振痕与振动研究已经持续40余年，大多数研究都集中在轧机振痕产生的机理和振动控制方面，关于轧机振痕振动监测的研究很少，事实上关于轧机振动监测其实是一个很重要和热门的课题。目前，通过监测轧机振动信号，识别其振动信号特征，从而判断监测轧机是否正常工作是最有效地途径。然而，轧机在轧制过程中存在着不可避免的速度波动情况，导致测取的振动信号为非平稳随机信号，同时也很可能带来频率调制现象，从而掩盖了轧机振痕振动的信号信息。而现有的大多数解调方法如包络解调，平方解调，绝对值解调主要针对平稳随机的幅值调制信号。

故亟需一种针对轧机振动信号的频率解调算法，揭示轧机振痕振动的故障特征信息；同时也需要提出针对轧机振痕振动的监测方法，及其振动信号特征的有效识别方法，以便为判断轧机在正常生产过程中是否产生振痕提供依据，从而增强轧机系统的产能发挥，提高轧机的生产效率。

发明内容

本发明旨在解决现有技术中存在的技术问题，创新地提出了一种轧机振痕振动信号的故障特征提取方法，采用基于二阶循环自相关函数的解调方法，可以有效地对非平稳的振痕振动信号进行频率解调，并且对解调后的二阶循环自相关函数进行时域切片，完整地保留了振痕振动信号的调制信息，由此提高了振痕振动信号故障特征提取的准确度。

本发明还提出了一种轧机振痕振动信号的故障识别方法，采用功率谱信息熵的形式来识别轧机是否存在故障，无需考虑轧机速度波动的影响，识别方法简单且准确度高。

为了实现本发明的上述目的，本发明提供了一种轧机振痕振动信号的故障特征提取方法，其特征在于由以下步骤组成：

A1、采集轧机的振痕振动信号，并且对该振痕振动信号进行频谱分析，确定该振痕振动信号的共振峰频带；

A2、对该共振峰频带下的振痕振动信号进行带通滤波，滤除将会影响下一步中解调分析过程的频率成分；

A3、采用基于二阶循环自相关的解调方法对带通滤波后的振痕振动信号进行解调分析，获得二阶循环自相关函数；

A4、对该二阶循环自相关函数进行时域切片，获得时域切片信号，从而提取出该振痕振动信号的故障特征信息。

所述步骤A4中在对该二阶循环自相关函数进行时域切片的过程中：当切片频率为低频时，该时域切片信号为以载波频率f_z为调制中心，以调制频率f_n及其倍频成分为调制边频带的调制波形；当切片频率为高频时，该时域切片信号为频谱为调制频率f_n的调制波形。