一种基于振动信号诊断轧机辊系故障的方法

摘要

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T

说明书

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系统对 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 的专家系统，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G_i(v)设定、各机架 减速齿轮箱减速比n_i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X_i(t)、各机架电机转速信号v_i(t)、各机架辊径 信息D_ij的采集，其中，D_ij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F_i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，即计算该范围 内振动波形中最大值X′_i(max)和最小值X′_i(min)之间的差，F_i＝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G_i(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T_j

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T_a，即

$T_a=\frac{60}{\overline{v_i}{n}_i}$

其中，为电机转速，单位：rpm；

n_i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：

$v^{\prime }=\frac{\pi D_a}{T_a}=\frac{\pi D_b}{T_b}$

即，$T_b=\frac{T_a{D}_b}{D_a}$

其中，v′为辊面速度，单位：mm/s；

D_a、D_b分别为工作辊、其他类型轧辊的直径，单位：mm；

T_a、T_b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T_j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T_j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G_i(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G_i(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G_i(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系统中采集得到， 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G_i(v)、各机架传动 比n_i。

b)采集各机架垂直方向的振动信号X_i(t)、电机转速信号v_i(t)、各机架 辊径信息D_ij。

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，F_i＝X′_i(max)-X′_i(min)。

e)比较F_i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T_a，即

$T_a=\frac{60}{\overline{v_i}{n}_i}$

其中，为电机转速，单位：rpm；

n_i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：

$v^{\prime }=\frac{\pi D_a}{T_a}=\frac{\pi D_b}{T_b}$

即，$T_b=\frac{T_a{D}_b}{D_a}$

其中，v′为辊面速度，单位：mm/s；

D_a、D_b分别为工作辊、其他类型轧辊的直径，单位：mm；

T_a、T_b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T_j，若 存在某一轧辊转动周期T_j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T_j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。