[发明专利]一种大型轧机状态跟踪方法和系统

权利要求书

1.一种大型轧机状态跟踪方法，其特征在于，包括以下步骤：

获取轧机状态数据，并在保证数据一致性的前提下保存至数据应用服务器；所述轧机状态数据包括轧机设备运行数据、轧机工艺过程控制数据和轧机设备振动监测数据；

对分类标注后的轧机状态数据进行降维和归一化处理；然后对归一化处理后的数据进行体征提取得到特征矩阵，同时将特征矩阵中不同维度的数据生成样本集，进而通过数据挖掘技术对所述样本集进行关联性，分析得出轧机设备不同工况下的差异化状态分析模型库，并评估出最优分析模型；

将所述特征矩阵与最优分析模型进行对比，通过机器深度学习方法进行迭代优化，找出过程参数与故障之间的映射关系评估轧机设备的健康状态；

对评估后健康状态的轧机设备进行资源共享和对设备进行全寿命周期管理，形成数据资产。

2.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述设备运行数据包括工作辊轴承座滑板间隙、冷却水温度流量、轧机刚度、推床对中性、轧机两侧弯辊力、两侧辊缝值、主电机扭矩、主电机电流和轧机各监测点振动值。

3.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述工艺过程控制数据包括钢板成品钢种、厚度、长度、宽度，每道次轧制温度、轧制力、两侧轧制力差值，轧制速度和轧制时间。

4.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述设备振动监测数据包括位移峰值、速度峰值、加速度峰值、加速度包络有效值的波形图、频谱图和倍频幅值趋势图。

5.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述保证数据一致性的方法为：

首先将获取的数据保存至中转数据库服务器进行清洗和存储；

然后通过防火墙单向将数据转存到数据应用服务器；并在转存的过程中对所述轧机状态数据通过数据签名的方式保证时间完整一致性。

6.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述分类的方式为：对每个品种设定第一类别，在相同第一类别下，再设置第二类别，然后通过线性或者非线性算法对所述第二类别下的数据进行降维以及归一化处理。

7.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述评估出最优分析模型的方法为：通过交叉验证函数对轧机设备不同工况下的差异化状态分析模型库进行验证与离线评估，根据得分情况，得出最优分析模型。

8.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述将所述特征矩阵与最优分析模型进行对比，通过机器深度学习方法进行迭代优化，找出过程参数与故障之间的映射关系评估轧机设备的健康状态的过程包括：

将所述特征矩阵与最优分析模型进行对比，根据权重指标、设备重要程度对设备进行运行状态预警；

在收到状态预警之后，将预设的专家故障分析模型与所述最优分析模型融合后生成训练样本集和校验样本集，通过机器深度学习方法进行迭代优化，找出过程参数与故障之间的映射关系，得到准确的轧制每一种品种厚度钢材时动态参数变化所引起的故障集；

将进行迭代优化后的数据与故障集进行比对，以此获得轧机设备和工艺的方面的实时状态情况。

9.根据权利要求1所述的一种大型轧机状态跟踪方法，其特征在于，所述对评估后健康状态的轧机设备进行资源共享和对设备进行全寿命周期管理，形成数据资产包括：

对评估后健康状态的轧机设备信息通过显示模块显示、生成设备健康评估报表、故障诊断结果报表和告警信息推送；

对设备关联的工艺、运行等数据与振动数据特征值趋势曲线任意组态，并给出单坐标、双坐标系、多坐标系三种融合监测方案，进行实时关联特征参量的监测；

对设备进行全寿命周期管理和设备应用数据挖掘，提取设备与工艺相互影响的数据，评价设备应用质量形成数据资产。

10.一种大型轧机状态跟踪系统，其特征在于，包括获取模块、处理模块、优化模块和管理模块；

所述获取模块用于获取轧机状态数据，并在保证数据一致性的前提下保存至数据应用服务器；所述轧机状态数据包括轧机设备运行数据、轧机工艺过程控制数据和轧机设备振动监测数据；

所述处理模块用于对分类标注后的轧机状态数据进行降维和归一化处理；然后对归一化处理后的数据进行体征提取得到特征矩阵，同时将特征矩阵中不同维度的数据生成样本集，进而通过数据挖掘技术对所述样本集进行关联性，分析得出轧机设备不同工况下的差异化状态分析模型库，并评估出最优分析模型；

所述优化模块用于将所述特征矩阵与最优分析模型进行对比，通过机器深度学习方法进行迭代优化，找出过程参数与故障之间的映射关系评估轧机设备的健康状态；

所述管理模块用于对评估后健康状态的轧机设备进行资源共享和对设备进行全寿命周期管理，形成数据资产。