CN103521531A - 针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 - Google Patents
针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 Download PDFInfo
- Publication number
- CN103521531A CN103521531A CN201310546825.9A CN201310546825A CN103521531A CN 103521531 A CN103521531 A CN 103521531A CN 201310546825 A CN201310546825 A CN 201310546825A CN 103521531 A CN103521531 A CN 103521531A
- Authority
- CN
- China
- Prior art keywords
- fault diagnosis
- vibration
- speed
- rolling mill
- control module
- 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.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,涉及轧机的传感信号和计算机自动控制工程领域,主要由轧机信号采集单元,计算机诊断控制单元,轧机振动抑制执行单元和离线模型调整单元组成。主要发明特点是:根据轧机第三倍频程颤振的原理和特点,将采集到的信号引入到计算机诊断控制单元,整理分析后由振动控制模块产生振动抑制信号输出到振动抑制执行单元,从而使轧机在板材张力松弛装置和主传动速度两个方面进行调整来降低轧机的振动的能量,进而消除轧机所发生的自激振动,同时将采集、控制数据流传输到离线模型调整单元的计算机,由专家系统进行离线的故障诊断分析,对故障诊断、控制算法进行改善。
Description
技术领域
本发明涉及轧机的传感信号和计算机自动控制工程领域,主要涉及一种针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统。
背景技术
钢材在国民经济发展中占有重要地位。在工业生产、交通运输、国防、航空航天等重大领域钢材有着广泛的应用。 随着现代化工业的发展,各行各业对钢铁产品特别是冷(热)轧薄带钢的需求量不断增加,同时对其质量要求也越来越高,随着我国汽车制造业和高档家电业等行业的蓬勃发展,这一要求将显着更加迫切。因此提高轧制速度和产品质量被认为是钢铁行业将来发展的重要方向之一。研究轧机垂直振动产生的原因及其对板带厚度精度的影响,对提高钢材的生产质量有重大意义。对提高轧机设备的生产率、提高设备的维护管理水平也具有很好的指导作用。
第一类轧机垂直振动的频率范围在 150~350Hz,又称为第三倍频程颤振,主振型是两工作辊反向运动,会造成明显的带钢厚度差等缺陷,严重时甚至造成断带等事故,其基本机理一般是自激振动,以突发性为特征,在很短的时间内积聚大量的能量使振幅发散,此时降速可以使振动迅速得到抑制,其结果是造成明显的带材厚度波动,严重时可达到目标厚度的 30%~50%,造成废品、断带并危及设备安全。造成轧机第三倍频程振动的因素很多,根据各因素对振动的影响程度不同将其分为三类:(1)较轻影响因素(0.5 次方),如压下量、轧辊直径等;(2)一般影响因素(1 次方),如入口厚度、间隙和松动、带钢变形抗力、机架间距等;(3)强烈影响因素(2 次方),如轧制速度、带宽、轧辊偏心等。
因此,随着轧机向着高速化、智能化的发展,为了避免出现设备的故障,降低人工成本,快速找到故障所在,建立起轧机各部分的状态警示联系,迫切需要发明一种针对高速冷轧机第三倍频程的故障诊断及反馈系统。
发明内容
本发明目的是降低第三倍频程颤振对轧制产品质量的影响,提供一种针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统。
本发明提供的针对高速轧机第三倍频程的故障诊断及反馈系统,包括轧机信号采集单元,计算机诊断控制单元,轧机振动抑制执行单元、离线模型调整单元和高速冷轧机。
轧机信号采集单元,包括板厚测量仪、板型仪、振动传感器、张力传感器、轧机转速传感器以及动态信号采集仪;
计算机诊断控制单元,包含信号输入模块、故障诊断分析模块、振动控制模块、信号输出模块;其中,故障诊断分析模块使用了遗传神经网络算法,以采集的转速参数、振动参数和张力参数为输入量,对比实际测得的板形、板厚,诊断分析高速冷轧机的第三倍频出现下的轧制参数组合;当出现三倍振频时,对振动控制模块实时发出指令进行抑制;所述振动控制模块由张力松弛控制以及主传动速度控制构成。
轧机振动抑制执行单元,由TDC控制器、PLC控制器、板材张力松弛装置(张力辊)和主传动速度给定装置构成。
离线模型调整单元,是由内置专家系统的计算机构成。离线模型调整单元的计算机中装有专家系统,该专家系统由人机交互界面、知识库、推理机构成,推理机可将每次故障诊断的知识归纳整理后,输入并维护知识库;知识库存储了专家提供的知识与轧机的基本理论,通过改变、完善知识库中的知识内容来提高专家系统的性能;专家系统进行离线的故障诊断分析,并对神经网络模型的计算参数进行调整,主要是通过修正网络模型的非线性函数以提高判断三倍振频发生的准确性。
轧机信号采集单元利用高速冷轧机原有的板厚测量仪、板型仪、板材张力及轧制速度测量装置直接与计算机诊断控制单元的信号输入模块连接,振动传感器与动态信号采集仪通过信号输入线连接,动态信号采集仪再与所述的信号输入模块通过数据线连接;计算机诊断控制单元的信号输入模块和故障诊断分析模块连接,故障诊断分析模块分别和振动控制模块以及与计算机诊断控制单元之外的离线模型调整单元连接,振动控制模块和信号输出模块连接,信号输出模块再分别与轧机振动抑制执行单元中的TDC控制器和PLC控制器连接,其中TDC控制器与主传动速度给定装置相连,PLC控制器与板材张力松弛装置连接。
高速冷轧机的垂直振动信号的采集是通过磁力卡座吸在工作辊轴承套上的振动传感器和动态信号采集仪完成。
高速冷轧轧机(5)的轧制速度的范围是10~46m/s;当轧制速度在10~20m/s低范围时,启用张力松弛装置进行微调,当大于20m/s时,同时使用主传动速度给定装置和张力控制装置进行调整。
本发明的基本原理:
利用轧机原有的板厚测量仪、板型仪、板材张力及轧制速度测量装置,并在工作辊轴承套上安装振动传感器,将采集到的信号引入到计算机诊断控制单元进行整理分析,当出现三倍振频时,振动控制模块产生抑振信号输出到振动抑制执行单元,从而使轧机在板材张力和主传动速度两个方面进行调整来降低轧机振动能量,消除轧机振动,提高产品质量,提高机器寿命。同时将采集、控制数据流传输到离线模型调整单元的计算机,由专家系统进行离线的故障诊断分析,对故障诊断、控制算法进行改善。
本发明的优点和积极效果:
本发明的优点:本发明是根据轧机第三倍频程颤振产生的机理而设计的针对第三倍频程颤振一套抑振系统,从对轧机振动产生的信号源进行监测,然后通过计算机诊断控制单元(内含有针对三倍频程颤振的神经网络)对振动信号进行分析并产生轧机振动抑制信号,送到轧机振动抑制执行单元的TDC控制器和PLC控制器来分别调节轧机的主传动速度以及板材张力来降低高速冷轧机振动的能量,消除轧机所产生自激振动,从而起到抑制轧机振动的效果。
另外,还通过软件ADAMS,并结合现场实际数据对轧机的参数不同轧制速度、和张力对轧机振动的减震效果进行了模拟,如图5、6所示,在不同的轧制速度和张力作用下,可以得出减少轧制速度和张力对轧机振动的抑制有良好的效果,尤其是张力,对处于125~250Hz的第三倍振频范的振动能收到良好的抑振效果。
附图说明
图1是为本发明的结构框图。
图2为本发明的具体结构框图。
图3为本发明的框架示意图。
图4为轧机振动抑制单元程序图
图5为轧制速度不同时的模拟图。
图6为张力不同时的模拟图。
图中:轧机信号采集单元1、计算机诊断控制单元2、轧机振动抑制执行单元3、离线模型调整单元4、高速冷轧机5、轧机牌坊上下横梁6、液压压下装置7、支承辊8、中间辊9、工作辊10、板材11、振动传感器12、板型仪13、板厚测量仪14、张力传感器15、转速传感器16。
下面将结合附图详细说明本发明的具体实施方式。
具体实施方式
如图1所示,本发明提供的针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统是由轧机信号采集单元1,计算机诊断控制单元2,轧机振动抑制执行单元3、离线模型调整单元4和高速冷轧机5组成。
轧机信号采集单元(1),包括板厚测量仪(14)、板型仪(13)、振动传感器(12)、动态信号采集仪、张力传感器(15)和轧机转速传感器(16);
计算机诊断控制单元(2),包括信号输入模块、故障诊断分析模块、振动控制模块和信号输出模块;
轧机振动抑制执行单元(3),由TDC控制器、PLC控制器、板材张力松弛装置(张力辊)和主传动速度给定装置构成;
离线模型调整单元(4),由内置专家系统的计算机构成。
如图2所示,当高速冷轧机发生第三倍频程颤振时,轧机信号采集单元1将信号传入到计算机诊断控制单元2,经计算分析后产生振动抑制信号,再通过轧机振动抑制执行单元3完成对高速冷轧机5发生振动的抑制,最后由离线模型调整单元4的离线计算机对此次故障诊断进行存储并分析。
如图2所示,本发明的原理是冷轧机在高速运行过程中,特别是在轧制超薄板材或变形抗力大的板材时,轧机时常会出现剧烈的颤振现象,尤其是轧机发生第三倍频程颤振时。此时轧机信号采集单元1将厚板板型信号、轧机振动信号、轧制速度信号和板材张力信号传入到计算机诊断控制单元2。
计算机诊断控制单元中的输入模块主要是将采集的信号由电压或模拟信号转化为数字信号并传送到故障诊断分析模块,故障诊断分析模块分别对振动、张力等波动信号进行分析后传到振动控制模块,由振动控制模块产生振动抑制信号,并由信号输出模块将振动抑制信号分别传送到轧机振动抑制执行单元3的PLC和TDC,当轧制速度在10~20m/s范围内时,由PLC动作控制轧机的张力松弛装置(张力辊)对板材张力进行微调,当轧制速度在20m/s以上时,则对轧机主传动速度和张力松弛装置(张力辊)同时进行调节控制,张力松弛装置通过TDC动作控制主电动机进行调节,通过轧机的主传动速度和板材张力起到改善或甚至消除轧机所出现剧烈的第三倍频程颤振。
当轧机抑振结束后,离线模型调整单元4收集整个轧机振动调节的各种参数,其中的专家系统由人机交互界面、知识库、推理机构成,推理机可将每次故障诊断的知识归纳整理后,输入并维护知识库。为了弥补故障诊断系统的不足,对一些处理不了的第三倍频程颤振信号可产生预警信号并反馈到计算机诊断控制单元2,由人直接操作计算机产生抑制信号作用在轧机振动抑制执行单元3,对高速冷轧机5产生的振动进行控制,对抑振的效果再由计算机诊断控制单元2反馈到专家系统进行存档、学习、处理和分析。
如图3所示,轧机信号采集单元1包括板厚测量仪、板型仪、振动传感器、张力传感器和轧机转速传感器,其中高速冷轧机的垂直振动信号的采集是由通过磁力卡座吸在工作辊轴承套上的振动传感器和动态信号采集仪完成。
高速冷轧机5由轧机牌坊上下横梁6、液压压下装置7、支承辊8、中间辊9、工作辊10和板材11构成。
冷轧机在高速运行过程中,特别是在轧制超薄板材或变形抗力大的板材11时,轧机5时常发生强烈的垂直振动,常常引发轧机发生第三倍频程颤振,此时板材厚度、张力、轧制速度以及板材的整体形状发生剧烈波动;使得信号采集单元1测得的轧机垂直振动信号、板材厚度信号、轧制速度信号、板型信号以及张力信号也出现波动;然后将这些振动信号传入到计算机诊断控制单元2,经过信号输入模块、故障诊断分析模块、振动控制模块和信号输出模块获得振动抑制信号,再将振动抑制信号传送到轧机振动抑制执行单元3中的PLC控制器和TDC控制器中,再分别由PLC控制器动作控制主电动机来调节轧机主传动速度和TDC控制器动作控制轧机的张力辊来调节板材张力来参与轧机控制,从而抑制轧机出现的第三倍频程颤振,消除第三倍频程颤振对板材厚度、表面质量的影响和提高轧辊和设备的使用寿命。同时将每次在线振动抑制诊断的数据流传输到离线模型调整单元的计算机,由专家系统进行离线的故障诊断分析,并对神经网络算法进行改善。
如图4所示,高速冷轧轧机(5)的振动频率未出现三倍振频时,轧机正常运行,当出现时,将会进行轧制速度的判断,速度在10~20m/s低范围时,利用PLC控制器对张力松弛装置进行微调,当大于20m/s时,同时使用主传动速度给定装置和张力控制装置进行调整,低于10m/s属于低速运转,不会引起三倍振频。
另外本发明还通过软件ADAMS,并结合现场实际数据对轧机的参数不同轧制速度和张力对轧机振动的减震效果进行了模拟,如图5、6所示,在轧制速度由30m/s降到20m/s和张力由0.4MN/m2降到0.3 MN/m2时,可以得出减少轧制速度和张力对轧机振动的抑制有良好的效果,尤其是张力,对处于125~250Hz的第三倍振频范的振动能收到良好的抑振效果。
Claims (5)
1.一种针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,其特征在于该系统包括轧机信号采集单元(1),计算机诊断控制单元(2),轧机振动抑制执行单元(3)、离线模型调整单元(4)和高速冷轧机(5);
轧机信号采集单元(1),包括板厚测量仪(14)、板型仪(13)、振动传感器(12)、动态信号采集仪、张力传感器(15)和轧机转速传感器(16);
计算机诊断控制单元(2),包括信号输入模块、故障诊断分析模块、振动控制模块和信号输出模块;
轧机振动抑制执行单元(3),由TDC控制器、PLC控制器、板材张力松弛装置和主传动速度给定装置构成;
离线模型调整单元(4),由内置专家系统的计算机构成;
轧机信号采集单元利用高速冷轧机原有的板厚测量仪、板型仪、轧机转速传感器及张力传感器直接与计算机诊断控制单元的信号输入模块连接,振动传感器与动态信号采集仪通过信号输入线连接,动态信号采集仪再与所述的信号输入模块通过数据线连接;计算机诊断控制单元中的信号输入模块和故障诊断分析模块连接,故障诊断分析模块分别和振动控制模块以及与计算机诊断控制单元之外的离线模型调整单元(4)连接,振动控制模块和信号输出模块连接,信号输出模块再分别与轧机振动抑制执行单元中的TDC与PLC控制器连接,其中TDC控制器与主传动速度给定装置相连,PLC控制器与板材张力松弛装置连接。
2.根据权利要求书1所述的针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,其特征是高速冷轧机的垂直振动信号的采集是通过磁力卡座吸在工作辊轴承套上的振动传感器和动态信号采集仪完成。
3.根据权利要求书1所述的针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,其特征是计算机诊断控制单元中的故障诊断分析模块使用了遗传神经网络算法,以采集的转速参数、振动参数和张力参数为输入量,对比实际测得的板形、板厚,诊断分析高速冷轧机的第三倍频出现下的轧制参数组合;当出现三倍振频时,对振动控制模块实时发出指令进行抑制;所述振动控制模块由张力松弛控制以及主传动速度控制构成。
4.根据权利要求书1所述的针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,其特征是离线模型调整单元的计算机中装有专家系统,该专家系统由人机交互界面、知识库、推理机构成,推理机能够将每次故障诊断的知识归纳整理后,输入并维护知识库;知识库存储了专家提供的知识与轧机的基本理论,通过改变、完善知识库中的知识内容来提高专家系统的性能;专家系统进行离线的故障诊断分析,并对计算机诊断控制单元中的遗传神经网络算法的计算参数进行调整,主要是通过修正数学模型的非线性函数以提高判断三倍振频发生的准确性。
5. 根据权利要求书1所述的针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统,其特征是高速冷轧轧机(5)的轧制速度的范围是10~46m/s;当轧制速度在10~20m/s低范围时,使用张力松弛装置进行微调,当大于20m/s时,同时使用主传动速度给定装置和张力控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310546825.9A CN103521531B (zh) | 2013-11-07 | 2013-11-07 | 针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310546825.9A CN103521531B (zh) | 2013-11-07 | 2013-11-07 | 针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103521531A true CN103521531A (zh) | 2014-01-22 |
CN103521531B CN103521531B (zh) | 2015-06-10 |
Family
ID=49924088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310546825.9A Expired - Fee Related CN103521531B (zh) | 2013-11-07 | 2013-11-07 | 针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103521531B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106734194A (zh) * | 2017-01-03 | 2017-05-31 | 北京科技大学 | 高速薄板轧机自激振动预测与抑制的工艺方法 |
CN108126987A (zh) * | 2017-05-04 | 2018-06-08 | 汉威广园(广州)机械设备有限公司 | 一种高速线材轧机远程在线监测和智能诊断系统及方法 |
CN109269745A (zh) * | 2018-10-30 | 2019-01-25 | 湖南科技大学 | 基于托辊激振法的大型斗轮机悬臂低频振动测试方法 |
CN111085543A (zh) * | 2018-10-23 | 2020-05-01 | 宝山钢铁股份有限公司 | 一种冷连轧轧机振动监测调节方法 |
CN112191691A (zh) * | 2020-10-13 | 2021-01-08 | 邯郸钢铁集团有限责任公司 | 一种轧机震动的快速判断和处理方法 |
CN113226581A (zh) * | 2018-12-27 | 2021-08-06 | 杰富意钢铁株式会社 | 冷轧机的颤动检测方法、冷轧机的颤动检测装置、冷轧方法及冷轧机 |
CN114789200A (zh) * | 2021-10-14 | 2022-07-26 | 天津市新宇彩板有限公司 | 冷轧机组故障自诊断并记录的方法及系统 |
TWI796005B (zh) * | 2021-02-15 | 2023-03-11 | 日商杰富意鋼鐵股份有限公司 | 冷軋機的顫動檢測方法、冷軋機的顫動檢測裝置、冷軋方法、冷軋機及鋼板的製造方法 |
CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08238512A (ja) * | 1995-03-02 | 1996-09-17 | Kobe Steel Ltd | 被圧延材の振動抑制方法及び振動抑制装置 |
US5961899A (en) * | 1997-07-15 | 1999-10-05 | Lord Corporation | Vibration control apparatus and method for calender rolls and the like |
CN1319035A (zh) * | 1999-05-27 | 2001-10-24 | 川崎制铁株式会社 | 冷轧机的抖动检测方法及装置 |
CN1772405A (zh) * | 2004-11-12 | 2006-05-17 | 韦克莱奇姆公司 | 检测轧辊机架的振动的方法 |
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 |
CN102107222A (zh) * | 2009-12-24 | 2011-06-29 | 上海梅山钢铁股份有限公司 | 热轧精轧机设备状态在线振动检测装置及方法 |
CN202606511U (zh) * | 2012-04-23 | 2012-12-19 | 中冶南方工程技术有限公司 | 冷轧带钢板形前馈-反馈协同控制系统 |
-
2013
- 2013-11-07 CN CN201310546825.9A patent/CN103521531B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08238512A (ja) * | 1995-03-02 | 1996-09-17 | Kobe Steel Ltd | 被圧延材の振動抑制方法及び振動抑制装置 |
US5961899A (en) * | 1997-07-15 | 1999-10-05 | Lord Corporation | Vibration control apparatus and method for calender rolls and the like |
CN1319035A (zh) * | 1999-05-27 | 2001-10-24 | 川崎制铁株式会社 | 冷轧机的抖动检测方法及装置 |
CN1772405A (zh) * | 2004-11-12 | 2006-05-17 | 韦克莱奇姆公司 | 检测轧辊机架的振动的方法 |
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 |
CN102107222A (zh) * | 2009-12-24 | 2011-06-29 | 上海梅山钢铁股份有限公司 | 热轧精轧机设备状态在线振动检测装置及方法 |
CN202606511U (zh) * | 2012-04-23 | 2012-12-19 | 中冶南方工程技术有限公司 | 冷轧带钢板形前馈-反馈协同控制系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106734194A (zh) * | 2017-01-03 | 2017-05-31 | 北京科技大学 | 高速薄板轧机自激振动预测与抑制的工艺方法 |
CN106734194B (zh) * | 2017-01-03 | 2019-02-26 | 北京科技大学 | 高速薄板轧机自激振动预测与抑制的工艺方法 |
CN108126987B (zh) * | 2017-05-04 | 2020-07-28 | 汉威广园(广州)机械设备有限公司 | 一种高速线材轧机远程在线监测和智能诊断方法 |
CN108126987A (zh) * | 2017-05-04 | 2018-06-08 | 汉威广园(广州)机械设备有限公司 | 一种高速线材轧机远程在线监测和智能诊断系统及方法 |
CN111085543B (zh) * | 2018-10-23 | 2021-08-17 | 宝山钢铁股份有限公司 | 一种冷连轧轧机振动监测调节方法 |
CN111085543A (zh) * | 2018-10-23 | 2020-05-01 | 宝山钢铁股份有限公司 | 一种冷连轧轧机振动监测调节方法 |
CN109269745A (zh) * | 2018-10-30 | 2019-01-25 | 湖南科技大学 | 基于托辊激振法的大型斗轮机悬臂低频振动测试方法 |
CN113226581A (zh) * | 2018-12-27 | 2021-08-06 | 杰富意钢铁株式会社 | 冷轧机的颤动检测方法、冷轧机的颤动检测装置、冷轧方法及冷轧机 |
CN113226581B (zh) * | 2018-12-27 | 2023-01-17 | 杰富意钢铁株式会社 | 冷轧机的颤动检测方法、冷轧机的颤动检测装置、冷轧方法及冷轧机 |
US11779978B2 (en) | 2018-12-27 | 2023-10-10 | Jfe Steel Corporation | Chattering detection method for cold rolling mill, chattering detection device for cold rolling mill, cold rolling method, and cold rolling mill |
CN112191691A (zh) * | 2020-10-13 | 2021-01-08 | 邯郸钢铁集团有限责任公司 | 一种轧机震动的快速判断和处理方法 |
CN112191691B (zh) * | 2020-10-13 | 2022-06-14 | 邯郸钢铁集团有限责任公司 | 一种轧机震动的快速判断和处理方法 |
TWI796005B (zh) * | 2021-02-15 | 2023-03-11 | 日商杰富意鋼鐵股份有限公司 | 冷軋機的顫動檢測方法、冷軋機的顫動檢測裝置、冷軋方法、冷軋機及鋼板的製造方法 |
CN114789200A (zh) * | 2021-10-14 | 2022-07-26 | 天津市新宇彩板有限公司 | 冷轧机组故障自诊断并记录的方法及系统 |
CN114789200B (zh) * | 2021-10-14 | 2024-02-09 | 天津市新宇彩板有限公司 | 冷轧机组故障自诊断并记录的方法及系统 |
CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
CN117000781B (zh) * | 2023-10-07 | 2023-12-15 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103521531B (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103521531B (zh) | 针对高速冷轧机第三倍频程颤振的故障诊断及反馈系统 | |
CN102091972B (zh) | 一种数控机床刀具磨损监测方法 | |
CN202583837U (zh) | 一种桥梁健康监测数据采集分析装置 | |
CN107186547A (zh) | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 | |
CN102069094A (zh) | 一种基于数据挖掘的板形控制关键工艺参数优化系统 | |
CN201417174Y (zh) | 机电设备的监测系统 | |
CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
CN102172639B (zh) | 一种冷轧机工作辊弯辊超限的动态替代调节方法 | |
CN203433350U (zh) | 振动设备智能监测系统 | |
CN103969069A (zh) | 机械设备工况监测与故障诊断方法 | |
CN1951604A (zh) | 板坯连铸结晶器振动台振动检测控制方法 | |
Bai et al. | Real-time tool breakage monitoring based on dimensionless indicators under time-varying cutting conditions | |
CN108596158A (zh) | 一种基于能耗的车削表面粗糙度预测方法 | |
Jiang et al. | Time evolution of kinematic characteristics of variable-amplitude equal-thickness screen and material distribution during screening process | |
CN113198591B (zh) | 基于滚动时域估计的辊式立磨自适应预测控制系统 | |
CN117851900A (zh) | 一种基于物联网的大气环境控制系统 | |
CN108452895A (zh) | 一种球磨机节能控制方法 | |
EP2774242A1 (de) | Verfahren zum erzeugen eines eine pendelung in einem elektrischen energieversorgungsnetz angebenden signals | |
CN107983781A (zh) | 抑制轧机三倍频振动方法 | |
CN103752620B (zh) | 一种轧机扭振预测方法 | |
Huang et al. | Life prediction of CNC linear rolling guide based on DFNN performance degradation model | |
CN204159809U (zh) | 一种用于钢球冷镦成形的在线监测系统 | |
Jeng et al. | An on-line condition monitoring and diagnosis system for feed rolls in the plate mill | |
EP3972737B1 (de) | Verfahren zur überwachung einer hochdruck-walzenpresse | |
CN104308060A (zh) | 一种用于钢球冷镦成形的在线监测系统及监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150610 Termination date: 20161107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |