CN102513364A - 分离四辊轧机中上、下支承辊偏心信号的方法 - Google Patents

分离四辊轧机中上、下支承辊偏心信号的方法 Download PDF

Info

Publication number
CN102513364A
CN102513364A CN2012100009153A CN201210000915A CN102513364A CN 102513364 A CN102513364 A CN 102513364A CN 2012100009153 A CN2012100009153 A CN 2012100009153A CN 201210000915 A CN201210000915 A CN 201210000915A CN 102513364 A CN102513364 A CN 102513364A
Authority
CN
China
Prior art keywords
signal
roll
frequency
eccentric
backing roll
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.)
Pending
Application number
CN2012100009153A
Other languages
English (en)
Inventor
王哲英
王可
马明旭
王哲锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN2012100009153A priority Critical patent/CN102513364A/zh
Publication of CN102513364A publication Critical patent/CN102513364A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明提供一种分离四辊轧机中上、下支承辊偏心信号的方法，所述方法的具体步骤如下：a、首先利用数据采集系统检测并采集轧机的轧制力信号；b、将采集的轧制力信号先后经过伪点剔除处理、信号抗混低通滤波处理、平滑趋势处理和周期加权平均处理；c然后对采集轧制力偏差信号进行频谱分析；d采用最小二乘法提取的上、下支承辊信号频率所对应的幅值与相角；e根据最小二乘法确定上、下轧辊偏心信号的数学模型，从而计算压下补偿系数，从而抑制轧辊偏心通过轧机机架对轧件的影响，减弱支承辊对轧件出口厚度的影响。本方法适用于频率相近的其它信号的分析，以及其他工程应用中如旋转机械故障诊断，仪器仪表信号的分析，传感器信号的分析。

Description

分离四辊轧机中上、下支承辊偏心信号的方法
技术领域
本发明涉及一种板带材轧制生产中，针对四辊轧机提出了一种有效地分离上、下支承辊偏心信号的方法，用程序模型分析并建立轧辊偏心模型，从而抑制轧辊偏心通过轧机机架对轧件的所造成的影响，减弱支承辊影响轧件出口厚度，为轧辊偏心的高精度的诊断和控制提供技术支持。
背景技术
在板带材生产中，其成品的厚度信号中一般会存在一些周期性的厚度波动信号。这种厚度波动的原因是多方面的，主要包括轧辊偏心因素（材质不均、形状分布不均匀、机械装配不对中、受力不均匀等等）、水印因素（加热炉内等间距导轨在钢坯表面造成的低温段）、轧辊的热膨胀、轧辊的磨损等等。目前，轧辊偏心因素已经成为制约获得高精度板材的主要障碍。
轧辊偏心由于它导致轧件厚度周期性变化，而且该周期性变化的信号与其它一些非周期性的、随机性的厚度变化信号（如头尾温差所造成的头尾厚差信号、轧辊转速变化使油膜轴承的油膜厚度发生变化而形成的厚差信号、活套张力的突变而造成的台阶性厚差信号等等）混合在一起，所以很难用传统的方法进行分析，因此成为厚度控制领域的一大难题。这样研究轧辊偏心的控制算法和轧辊偏心的计算机控制系统成为迫切地需要。
在实际轧钢生产中，支承辊的轧辊偏心同工作辊的轧辊偏心问题相比，其对空载辊缝和出口厚度的影响要更为显著得多，进而影响板形的平直度，因此实际轧辊偏心问题主要来源于支承辊偏心的影响。对于实际生产中的四辊轧机而言，由于上、下支承辊轧辊偏心信号频率较为接近，属于频率相近的信号的提取与分离问题，若采用传统的正弦信号谐波频谱估计方法-----快速傅里叶变换方法，分析和提取频率相近的信号却存在很大误差。
发明内容
发明目的：本发明提供一种分离四辊轧机中上、下支承辊偏心信号的方法，其目的是解决以往的方法分析和提取频率相近的信号时存在很大误差的问题。
技术方案：本发明是通过以下技术方案来实现的：
一种分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：所述方法的具体步骤如下：
a、首先利用数据采集系统检测并采集轧机的轧制力信号；
b、将采集的轧制力信号先后经过伪点剔除处理、信号抗混低通滤波处理、平滑趋势处理和周期加权平均处理；
 c然后对采集轧制力偏差信号进行频谱分析，确定是由几个主要的正弦波组成，将采集的信号进行快速傅里叶变换，可得各频率下的幅频图和相频图，然后根据实际计算的上支承辊的频率、下支承辊频率以及频谱分析各主要正弦波的频率，通过对比分析，当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，这样用正弦函数把支承辊偏心信号所造成周期波动的信号重构出来；当主要正弦波的频率与上、下支承辊频率相差较大时，可从水印、轧辊转速变化使油膜轴承的油膜厚度发生变化而形成的周期波动信号、头尾温差所造成的头尾波动信号及活套张力的突变而造成的台阶性波动信号加以分析；
d当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，然后采用最小二乘法提取的上、下支承辊信号频率所对应的幅值与相角，这样可以确定了上、下支承辊的偏心信号的数学模型；
e根据最小二乘法确定上、下轧辊偏心信号的数学模型，确定轧辊偏心的补偿模型，然后送入厚控AGC模型中，从而计算压下补偿系数，从而抑制轧辊偏心通过轧机机架对轧件的影响，减弱支承辊对轧件出口厚度的影响。
所述最小二乘法的具体过程如下：
假设偏心信号有如下形式：
Figure 2012100009153100002DEST_PATH_IMAGE001
                         （1）
假设上式中的L和k都等于1，偏心信号便可取作如下的形式：        
Figure 508462DEST_PATH_IMAGE002
  （2）
设， 
Figure 2012100009153100002DEST_PATH_IMAGE003
 ，  
Figure 8714DEST_PATH_IMAGE004
，  
Figure 2012100009153100002DEST_PATH_IMAGE005
，  
Figure 491647DEST_PATH_IMAGE006
，
待估计的参数成为x1，x2，x3，x4，各次的观测值为bi（i=1，2…m），可得出Ax=b的线性方程组：
Figure 2012100009153100002DEST_PATH_IMAGE007
 
Figure 495376DEST_PATH_IMAGE008
  
Figure 2012100009153100002DEST_PATH_IMAGE009
  
Figure 671142DEST_PATH_IMAGE010
 
Figure DEST_PATH_IMAGE011
=
Figure 658690DEST_PATH_IMAGE012
         （3）
因m远远大于4，可以用最小二乘法来估计上式中的x值，它就是通过使
Figure DEST_PATH_IMAGE013
              (m>4)    （4）
达到最小值时所获得的最小二乘法估计，然后进一步得到A1，A2，φ1，φ2估计值：
Figure 945314DEST_PATH_IMAGE014
 
Figure DEST_PATH_IMAGE015
    
Figure 662604DEST_PATH_IMAGE016
 
Figure DEST_PATH_IMAGE017
     （5）
信号的伪点剔除处理采用探测插值法，探测数据点是否在样本方差关系内，如果是就不是伪点，否则即为伪点，然后插值方法替换该伪点；
信号低通滤波处理是将被处理信号的频带限制在采样频率所允许的最高频率范围内，通过设计窗函数程序、滤波器设计子程序及输入输出子程序，就可得到滤波后的输出序列，从而实现原信号的滤波和去噪；
平滑趋势处理就是用k阶多项式拟合数据，使得误差平方和最小，来拟合信号趋势函数，进而达到消除趋势的方法；
周期加权平均处理是首先设法在对应的一个周期中切断信号，把它们中任意两个相关结果与第三个相关结果进行相关处理，所得结果再与第四个进行相关，如果继续下去就可得到多道相关结果，再把这些信号相加平均，经过这种处理后得到的信号就是周期加权平均化处理后的信号，它可获得相当一个周期的标准信号，从而使信号的周期性更加明显。
优点及效果：本发明提供一种分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：所述方法的具体步骤如下：
a、首先利用数据采集系统检测并采集轧机的轧制力信号；
b、将采集的轧制力信号先后经过伪点剔除处理、信号抗混低通滤波处理、平滑趋势处理和周期加权平均处理； 
c然后对采集轧制力偏差信号进行频谱分析，确定是由几个主要的正弦波组成，将采集的信号进行快速傅里叶变换，可得各频率下的幅频图和相频图，然后根据实际计算的上支承辊的频率、下支承辊频率以及频谱分析各主要正弦波的频率，通过对比分析，当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，这样用正弦函数把支承辊偏心信号所造成周期波动的信号重构出来；当主要正弦波的频率与上、下支承辊频率相差较大时，可从其它因素（如水印）加以分析；
d当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，然后采用最小二乘法提取的上、下支承辊信号频率所对应的幅值与相角，这样可以确定了上、下支承辊的偏心信号的数学模型；
e根据最小二乘法确定上、下轧辊偏心信号的数学模型，确定轧辊偏心的补偿模型，然后送入厚控AGC模型中，从而计算压下补偿系数，从而抑制轧辊偏心通过轧机机架对轧件的影响，减弱支承辊影响轧件出口厚度。
本发明采用最小二乘法在观测矩阵的基础上，利用2范数最小的终止准则，通过求解线性方程组，辨识频率相近正弦信号组成的特征参数。该方法的特点是基于观测数据的矩阵分析方法，该方法计算稳定性好，频谱分辨能力高，而且可以有效地消除观测矩阵的噪声扰动，改善估计性能。
本发明先采用快速傅立叶变换（FFT）确定是由几个主要的正弦波组成，然后再用最小二乘法估计（LS）各正弦波信号的参数，这样确定的偏心模型就比较精确。具体方法与原理如下：
在采样的持续时间T（在T区间内作N次等分）正好是偏心信号周期的整数倍时，应用快速傅立叶变换能够得出比较准确计算结果，根据此结果重构出的偏心模型也比较接近实际情况，因此偏心补偿的效果比较好。但是在采样的持续时间T（在T区间内作N次等分）不是偏心信号周期的整数倍，或者偏心信号是由两个频率很相近的正弦信号组成时，应用快速傅立叶变换得出的计算结果有时就不太准确，根据此结果重构出的偏心模型与实际情况有一定的差距。这时可先用快速傅立叶变换（FFT）确定是由几个主要的正弦波组成，然后再用LS法估计各正弦波信号的参数，这样确定的偏心模型就比较精确。
设用FFT方法分析两个偏心的信号，需要长达T的时间，用LS法估计待估计参量，仅用较短的时间就可以把两个频率相近的偏心信号分析、估算出来，实际上仅用大约T的1/10的时间就可以得到比较准确的结果，这对于偏心的实时动态补偿是十分有利的。
利用本方法不仅可以确定支承辊造成轧辊偏心的数学模型，而且也适用于频率相近的其它信号的分析，以及其他工程应用中如旋转机械故障诊断，仪器仪表信号的分析，传感器信号的分析。在这类问题中如果忽视了频率相近正弦信号的分离与提取这个问题，不仅会对研究对象状态误分析、误预报，而且会对以后控制系统的设计与开发造成很大误差，甚至使整个控制系统失灵。
本发明与已有技术相比，具有如下优点：
1，传统轧制设备的轧辊偏心控制方法，需要安装测出支承辊旋转角度的角度检测器，这样更换轧辊时，角度检测其器必须被卸下，这样支承辊更换时间就增加了，推迟了轧制时间，妨碍了产品生产。本方法解决了上述问题，从数据采集系统采集轧制力，进而从轧制力的变动中提取轧辊偏心信号，比传统的简易电路来估计支承辊的偏心信号参数要简单、方便和可靠。
2 ，本方法采用偏心信号的预处理方法，增强了轧辊偏心成分，减弱或消除干扰信号，为进一步分析轧辊偏心信号做准备。
3， 本方法采用频谱分析与最小二乘法相结合的方法，确立频率相近信号的数学模型，从而确定轧辊偏心的数学模型。
4，本方法分析结果可靠，效率高，适合于分析各类频率相近的信号。利用本方法不仅可以确定支承辊造成轧辊偏心的数学模型，而且也适用于频率相近的其它信号的分析，以及其他工程应用中如旋转机械故障诊断，仪器仪表信号的分析，传感器信号的分析，分析结果可靠，效率高。
附图说明：
图1为轧机AGC控制系统示意框图；
图2 AGC系统与轧辊偏心滤波框图；
图3为带偏心滤波和补偿的厚度控制模型框图。
具体实施方式：下面结合附图对本发明做进一步的说明：
 如图1所示，本发明提供一种分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：所述方法的具体步骤如下：
a、首先利用数据采集系统软件检测并采集轧机的轧制力信号，如图1所示，通过压力传感器采集轧制力信号，该数据采集系统由读入模块、写入模块、数据模块、控制模块和建立输出文件模块等五个部分组成。写入模块用于写入人机界面或写入数据文件，控制模块用于数据采集开关控制或参量控制等；读入模块连接写入模块，写入模块连接数据模块，数据模块连接控制模块，控制模块连接建立输出文件模块；通过该系统能够同时检测轧机的轧制力、轧辊转数、辊缝、出口厚差、出口宽差、入口温度、出口温度等参数，用于优化分析，改进原有模型，提高模型精度。
b、现场采集到的轧制力信号往往混有其它频率成分的信号，同时也可能存在由于记录信号过程中严重的噪声干扰、信号丢失、传感器失灵等原因造成的虚假数据信号。因此偏心信号的预处理要经过伪点剔除处理、信号抗混低通滤波处理、平滑趋势处理和周期加权平均处理，如图2为AGC系统与轧辊偏心信号的滤波示意框图。偏心信号预处理的目的是增强偏心成分，减弱或消除干扰信号，为下一步的频谱分析做准备。具体的处理方法过程为：其中信号的伪点剔除处理采用探测插值法，探测数据点是否在样本方差关系内，如果是就不是伪点，否则即为伪点，然后插值方法替换该伪点。信号低通滤波处理是将被处理信号的频带限制在采样频率所允许的最高频率范围内，通过设计窗函数程序、滤波器设计子程序及输入输出子程序，就可得到滤波后的输出序列，从而实现原信号的滤波和去噪。平滑趋势处理就是采用最常用而且精度又高的消除趋势项的方法，即用k阶多项式拟合数据，使得误差平方和最小，来拟合信号趋势函数，进而达到消除趋势的方法。周期加权平均处理是使原本近似周期变化的信号或周期性不明显的信号经该算法处理成周期性更明显的信号，以进一步增强频谱分析的效果。即首先设法在对应的一个周期中切断信号，把它们中任意两个相关结果与第三个相关结果进行相关处理，所得结果再与第四个进行相关，如果继续下去就可得到多道相关结果，再把这些信号相加平均，经过这种处理后得到的信号就是周期加权平均化处理后的信号。它可获得相当一个周期的标准信号，从而使信号的周期性更加明显。这里的相关指的是自相关函数，它是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。 它能用来很好地消除随机干扰，因此信号经多次周期加权平均处理后，信号的周期性更加明显，对下一步的频谱分析有着很重要的作用。
c对采集轧制力偏差信号进行频谱分析，确定是由几个主要的正弦波组成。采集的信号进行快速傅里叶变换，可得各频率下的幅频图和相频图。然后根据实际计算的上支承辊的频率，下支承辊频率，以及频谱分析各主要正弦波的频率，通过对比分析，当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，这样用正弦函数把支承辊偏心信号所造成周期波动的信号重构出来。当主要正弦波的频率与上、下支承辊频率相差较大时，可从其它因素（如水印）加以分析，除了水印因素，也可能有一些如轧辊转速变化使油膜轴承的油膜厚度发生变化而形成的周期波动信号，头尾温差所造成的头尾波动信号，活套张力的突变而造成的台阶性波动信号等因素。
d偏心主要是由两个支承辊偏心造成的，而且由于两个支承辊的直径不同，两个正弦信号的频率非常接近。用快速傅里叶方法得到的偏心的幅值、相角与实际值差别很大，而用最小二乘法估计法与实际值很接近。因此本方法用采集的轧制力信号去除工作辊所造成周期波动的信号成分，然后采用最小二乘法(LS)提取的上、下支承辊信号频率所对应的幅值与相角，这样可以确定了上、下支承辊的偏心信号的数学模型。
e根据最小二乘法确定上、下轧辊偏心信号的数学模型，确定轧辊偏心的补偿模型，然后送入厚控AGC模型中，从而计算压下补偿系数，从而抑制轧辊偏心通过轧机机架对轧件的影响，减弱支承辊影响轧件出口厚度，为轧辊偏心的高精度的诊断与控制提供技术支持。如图3为带偏心滤波和补偿的厚度控制模型图。
所述最小二乘法的具体过程如下：
假设偏心信号有如下形式：
Figure 9271DEST_PATH_IMAGE001
                         （1）
FFT方法不能在短时间内分辨出两个频率相近的偏心，但依据它的计算结果，可以确定关于每一个偏心的谐波分量的个数和与之相应的频率，并参照实际间接测得的上下支承辊的角速度，便可确定此偏心信号的构成和待估计参量，然后用LS法对这些参量进行估算，求出这些偏心信号。
    简单来说，假设上式中的L和k都等于1，偏心信号便可取作如下的形式：          （2）
设， 
Figure 980955DEST_PATH_IMAGE003
 ，  
Figure 756013DEST_PATH_IMAGE004
，  
Figure 414528DEST_PATH_IMAGE005
，  ，
待估计的参数成为x1，x2，x3，x4，各次的观测值为bi（i=1，2…m），可得出Ax=b的线性方程组：
Figure 942778DEST_PATH_IMAGE007
     
Figure 116773DEST_PATH_IMAGE010
 =
Figure 439487DEST_PATH_IMAGE012
         （3）
因m远远大于4，可以用最小二乘法来估计上式中的x值，它就是通过使
Figure 830017DEST_PATH_IMAGE013
              (m>4)    （4）
达到最小值时所获得的最小二乘法估计，然后进一步得到A1，A2，φ1，φ2估计值：
Figure 907695DEST_PATH_IMAGE014
 
Figure 143504DEST_PATH_IMAGE015
    
Figure 747661DEST_PATH_IMAGE016
 
Figure 184458DEST_PATH_IMAGE017
     （5）
设用FFT方法分析两个偏心的信号，需要长达T的时间，用LS法估计待估计参量，仅用较短的时间就可以把两个频率相近的偏心信号分析、估算出来，实际上仅用大约T的1/10的时间就可以得到比较准确的结果，这对于偏心的实时动态补偿是十分有利的。

Claims (3)

1.一种分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：所述方法的具体步骤如下：
a、首先利用数据采集系统检测并采集轧机的轧制力信号；
b、将采集的轧制力信号先后经过伪点剔除处理、信号抗混低通滤波处理、平滑趋势处理和周期加权平均处理；
 c然后对采集轧制力偏差信号进行频谱分析，确定是由几个主要的正弦波组成，将采集的信号进行快速傅里叶变换，可得各频率下的幅频图和相频图，然后根据实际计算的上支承辊的频率、下支承辊频率以及频谱分析各主要正弦波的频率，通过对比分析，当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，这样用正弦函数把支承辊偏心信号所造成周期波动的信号重构出来；当主要正弦波的频率与上、下支承辊频率相差较大时，可从水印、轧辊转速变化使油膜轴承的油膜厚度发生变化而形成的周期波动信号、头尾温差所造成的头尾波动信号及活套张力的突变而造成的台阶性波动信号加以分析；
d当主要正弦波的频率与上、下支承辊频率较为接近时， 说明该架四辊轧机存在较为显著的轧辊偏心，然后采用最小二乘法提取的上、下支承辊信号频率所对应的幅值与相角，这样可以确定了上、下支承辊的偏心信号的数学模型；
e根据最小二乘法确定上、下轧辊偏心信号的数学模型，确定轧辊偏心的补偿模型，然后送入厚控AGC模型中，从而计算压下补偿系数，从而抑制轧辊偏心通过轧机机架对轧件的影响，减弱支承辊对轧件出口厚度的影响。
2.根据权利要求1所述的分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：所述最小二乘法的具体过程如下：
假设偏心信号有如下形式：
Figure 266339DEST_PATH_IMAGE001
                         （1）
假设上式中的L和k都等于1，偏心信号便可取作如下的形式：         
Figure 40260DEST_PATH_IMAGE002
  （2）
设， 
Figure 967764DEST_PATH_IMAGE003
 ，  
Figure 575463DEST_PATH_IMAGE004
，  
Figure 752367DEST_PATH_IMAGE005
，  
Figure 470924DEST_PATH_IMAGE006
，
待估计的参数成为x1，x2，x3，x4，各次的观测值为bi（i=1，2…m），可得出Ax=b的线性方程组：
Figure 518514DEST_PATH_IMAGE007
   
Figure 961314DEST_PATH_IMAGE009
  
Figure 77038DEST_PATH_IMAGE010
 
Figure 979135DEST_PATH_IMAGE011
=
Figure 522111DEST_PATH_IMAGE012
         （3）
因m远远大于4，可以用最小二乘法来估计上式中的x值，它就是通过使
Figure 876869DEST_PATH_IMAGE013
              (m>4)    （4）
达到最小值时所获得的最小二乘法估计，然后进一步得到A1，A2，φ1，φ2估计值：
Figure 327442DEST_PATH_IMAGE014
 
Figure 84046DEST_PATH_IMAGE015
    
Figure 797924DEST_PATH_IMAGE016
 
Figure 905557DEST_PATH_IMAGE017
     （5）。
3.根据权要求1所述的分离四辊轧机中上、下支承辊偏心信号的方法，其特征在于：信号的伪点剔除处理采用探测插值法，探测数据点是否在样本方差关系内，如果是就不是伪点，否则即为伪点，然后插值方法替换该伪点；
信号低通滤波处理是将被处理信号的频带限制在采样频率所允许的最高频率范围内，通过设计窗函数程序、滤波器设计子程序及输入输出子程序，就可得到滤波后的输出序列，从而实现原信号的滤波和去噪；
平滑趋势处理就是用k阶多项式拟合数据，使得误差平方和最小，来拟合信号趋势函数，进而达到消除趋势的方法；
周期加权平均处理是首先设法在对应的一个周期中切断信号，把它们中任意两个相关结果与第三个相关结果进行相关处理，所得结果再与第四个进行相关，如果继续下去就可得到多道相关结果，再把这些信号相加平均，经过这种处理后得到的信号就是周期加权平均化处理后的信号，它可获得相当一个周期的标准信号，从而使信号的周期性更加明显。
CN2012100009153A 2011-07-01 2012-01-04 分离四辊轧机中上、下支承辊偏心信号的方法 Pending CN102513364A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100009153A CN102513364A (zh) 2011-07-01 2012-01-04 分离四辊轧机中上、下支承辊偏心信号的方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201110183622 2011-07-01
CN201110183622.9 2011-07-01
CN2012100009153A CN102513364A (zh) 2011-07-01 2012-01-04 分离四辊轧机中上、下支承辊偏心信号的方法

Publications (1)

Publication Number Publication Date
CN102513364A true CN102513364A (zh) 2012-06-27

Family

ID=46284574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100009153A Pending CN102513364A (zh) 2011-07-01 2012-01-04 分离四辊轧机中上、下支承辊偏心信号的方法

Country Status (1)

Country Link
CN (1) CN102513364A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111687248A (zh) * 2020-06-17 2020-09-22 深圳市汇川技术股份有限公司 故障检测方法、装置、设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3881335A (en) * 1974-03-07 1975-05-06 Westinghouse Electric Corp Roll eccentricity correction system and method
US3934438A (en) * 1973-05-09 1976-01-27 Nippon Kokan Kabushiki Kaisha Method of long-edge shape control for tandem rolling mill
CN101203334A (zh) * 2005-06-23 2008-06-18 西门子Vai金属技术股份公司 串列式轧制设备输出端的轧制制品的厚度调节方法与装置
CN101927271A (zh) * 2010-08-23 2010-12-29 中冶南方工程技术有限公司 基于在线递推参数估计的轧辊偏心补偿方法及其设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3934438A (en) * 1973-05-09 1976-01-27 Nippon Kokan Kabushiki Kaisha Method of long-edge shape control for tandem rolling mill
US3881335A (en) * 1974-03-07 1975-05-06 Westinghouse Electric Corp Roll eccentricity correction system and method
CN101203334A (zh) * 2005-06-23 2008-06-18 西门子Vai金属技术股份公司 串列式轧制设备输出端的轧制制品的厚度调节方法与装置
CN101927271A (zh) * 2010-08-23 2010-12-29 中冶南方工程技术有限公司 基于在线递推参数估计的轧辊偏心补偿方法及其设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王哲英: "轧辊偏心滤波算法及仿真研究", 《东北大学硕士毕业论文集》 *
王哲英等: "提高轧辊偏心信号频谱分析精度的方法", 《钢铁》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111687248A (zh) * 2020-06-17 2020-09-22 深圳市汇川技术股份有限公司 故障检测方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Li et al. A novel online chatter detection method in milling process based on multiscale entropy and gradient tree boosting
CN101221066B (zh) 工程非线性振动检测方法
CN102069094B (zh) 一种基于数据挖掘的板形控制关键工艺参数优化系统
CN106441896A (zh) 滚动轴承故障模式识别及状态监测的特征向量提取方法
CN104634571A (zh) 一种基于lcd-mf的滚动轴承故障诊断方法
CN104596766B (zh) 一种轴承早期故障确定方法及装置
TW201239330A (en) Method and apparatus for judging status of mechanic system
CN105090001B (zh) 一种基于相似性分析的往复压缩机信号整周期相位校准方法
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
CN106217130A (zh) 复杂曲面加工过程中铣刀状态在线监测与预警方法
Li et al. Online chatter detection in milling process based on VMD and multiscale entropy
CN105521997B (zh) 一种基于振动信号诊断轧机辊系故障的方法
Wu et al. Envelope harmonic noise ratio based adaptive kurtogram and its application in bearing compound fault identification
Ding et al. Multiple instantaneous frequency ridge based integration strategy for bearing fault diagnosis under variable speed operations
CN102513364A (zh) 分离四辊轧机中上、下支承辊偏心信号的方法
Zhen et al. Phase-compensation-based dynamic time warping for fault diagnosis using the motor current signal
CN110849462B (zh) 一种基于稀疏特征相似性的连轧机振动信号分离方法
CN102323794B (zh) 一种热连轧工艺过程采集数据同步化方法
CN110925182B (zh) 热轧产线除鳞泵振动劣化的预警方法
Li et al. Study on a novel fault diagnosis method of rolling bearing in motor
CN105378425B (zh) 利用尺寸数据来表征表面的系统和方法
CN112952810A (zh) 一种风电暂态过程划分方法及装置
CN203030641U (zh) 一种轧机振动监测分析装置
CN112588836A (zh) 一种基于热轧带钢轧制力的轧辊偏心自动识别方法及系统
Han et al. A review of methodologies used for fault diagnosis of gearbox

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120627