CN104669114A - 磨床颤振监测系统及其磨削故障信号的提取和诊断方法 - Google Patents

Abstract

本发明涉及一种磨床颤振监测系统及其磨削故障信号提取和诊断方法，其中该磨床颤振监测系统包括用来采集轧辊振动信号的第一传感器和第二传感器、用来控制各传感器的监控装置以及用来将第一、第二传感器采集到的轧辊振动信号传输给所述监控装置的数据采集装置，其中所述第一、第二传感器均设置在磨床的尾架上，且所述第一传感器的设置方向与磨床砂轮的进给方向一致，而所述第二传感器的设置方向与磨床砂轮的进行方向垂直。此外，采用包络检波方法提取磨削故障信号以及该信号的检测参数特征值，同时在磨削信号的诊断过程中考虑了多种参数特征值。本发明排除了现场出现的各种随机干扰，提高磨床颤振监测的准确性，实现了磨床颤振的高精度实时监测。

Description

磨床颤振监测系统及其磨削故障信号的提取和诊断方法

技术领域

本发明涉及磨床颤振监测领域，尤其涉及一种磨床颤振监测系统及其磨削故障信号的提取方法和诊断方法。

背景技术

轧辊磨床为金属切削机床，在轧机中主要用来磨削轧辊，主要由床身、头架、尾架、托架、纵横拖板、磨头、测量架及电气数控系统组成，分为承载系统、驱动系统、磨削系统、测量系统和控制系统五个子系统，其中工件由头架、尾架和托架支撑，并由头架驱动旋转。磨床性能的好坏直接影响着轧辊质量的好坏，而轧辊质量的好坏对轧制钢材起着至关重要的作用。磨床磨削过程中普遍存在着颤振的现象，主要是由刀具与工件之间的自激振动引起的，在轧机中颤振会诱发轧辊表面产生振纹，降低加工精度，加剧刀具磨损，产生过大噪声，甚至导致生产率的下降，并加速磨床的耗损。

目前，如何抑制磨床磨削中的颤振，保证轧辊的质量，已成为国内外研究的重要课题，其中颤振监测信号的采集和诊断尤为重要。在颤振监测信号的采集研究中，授权公告号为CN101829951B的中国发明专利《外圆磨削工件表面质量可视化实时监测方法》中通过声发射传感器采集声发射信号，利用信号的均方根建立与工件表面粗糙度关系模型，实现对磨削质量的实时监测；但该监测方法受操作环境中各类随机干扰较多，均方根反应振动能量大小，仅用均方根很难排除这些干扰，必须结合其他参数以及合理的组合方式，才能准确反映磨削后轧辊表面质量。在颤振监测信号的采集中，研究人员往往忽视了传感器布置位置的重要性，而实际上传感器布置的合适与否直接关系着所测得的信号是否真实可靠，制约着磨床颤振监测的正确性。而在颤振监测信号的诊断中，由于磨床在磨削过程以及轧辊在轧制过程中都存在着不可避免的速度波动情况，导致传感器采集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，从而掩盖了磨削颤振信号，因此如何从振动信号中提取和诊断磨削颤振信号还是一个难题。

发明内容

本发明所要解决的第一个技术问题是针对现有技术而提供一种监测精度高的磨床颤振监测系统。

本发明所要解决的第二个技术问题是提供上述磨床颤振监测系统采集的磨削故障信号的提取方法。

本发明所要解决的第三个技术问题是提供上述磨床颤振监测系统采集的磨削故障信号的诊断方法。

本发明解决第一个技术问题所采用的技术方案为：一种磨床颤振监测系统，其特征在于：包括用来采集轧辊振动信号的第一传感器和第二传感器、用来控制第一、第二传感器的监控装置以及用来将第一、第二传感器采集到的轧辊振动信号传输给所述监控装置的数据采集装置，其中所述第一、第二传感器均设置在磨床的尾架上，且所述第一传感器的设置方向与磨床砂轮的进给方向一致，而所述第二传感器的设置方向与磨床砂轮的进行方向垂直。

为使信号传输不受线路的限制，便于实现实时远程监测，所述第一传感器和第二传感器均为无线传感器。

本发明解决第二个技术问题所述采用的技术方案为：其包括以下步骤：

1）所述第一、第二传感器采集轧辊的振动信号；

2）所述数据采集装置分别获取所述第一传感器和第二传感器采集到的轧辊振动信号并发送给所述检测装置；

3）所述监控装置从数据采集装置发送的轧辊振动信号中提取由于磨削力波动而产生的故障信号。

上述步骤3)中根据磨削力表达式：

F_N=k_N{[ε_w(t)-αε_w(t-τ_w)]-[ε_g(t)-ε_g(t-τ_g)]}，采用包络检波方法从该轧辊的振动信号中提取出磨削力波动产生的故障信号，其中k_N表示接触刚度，τ_g表示砂轮的时间延迟系数，τ_w表示轧辊的时间延迟系数，ε_g表示砂轮的磨削量，ε_w表示轧辊的磨削量，α表示磨削量交叠系数。

本发明解决第三个技术问题所述采用的技术方案为：其包括以下步骤：

1）根据实际要求设置所述第一、第二传感器各监测参数特征值对应的阈值，包括红灯阈值δ(R)_ij、黄灯阈值δ(Y)_ij、严重报警阈值K₁、轻微报警阈值K₂以及预警阈值K₃，其中δ(R)_ij表示与该第i个传感器的第j个监测参数特征值对应的红灯阈值，而δ(Y)_ij表示与该第i个传感器的第j个监测参数特征值对应的黄灯阈值，δ(R)_ij、δ(Y)_ij均为大于零的任意数值且当i、j一定时δ(R)_ij＞δ(Y)_ij，K₁、K₂和K₃均为大于零的任意数，且K₁＞K₂＞K₃；

2）分别根据与所述第一传感器和第二传感器对应的故障信号，计算出各个故障信号的监测参数特征值Z_ij=[RMS值，峭度值，包络值]，其中Z_ij表示第i传感器的第j个监测参数特征值，1≤i≤2，1≤j≤3且i、j均为整数；

3）判断Z_ij≥δ(R)_ij，设置Y_ij来表示各传感器的各监测参数特征值的相对大小，根据不同结果来设置不同的Y_ij值，其中Y_ij可设置为0或1或2；

4）根据公式K=Σk_ij×Y_ij计算出K值，其中k_ij表示第i传感器的第j个监测参数特征值的权值，ki_j为区间[0，1]之间的任意数值；

5）将步骤4）中所得的K值与所述K₁、K₂、K₃进行比较：

当K≥K₁，报警灯为红灯，实现严重报警；

当K₁>K≥K₂，报警灯为橙灯，实现轻微报警；

当K₂>K≥K₃，报警灯为黄灯，实现预警报警；

否则报警灯为绿灯，表示运行正常；

6）生产报警记录。

上述步骤3）中：当Z_ij≥δ(R)i_j成立时，所述Y_ij设置为2；

当Z_ij≥δ(R)_ij不成立时，进一步判断Z_ij≥δ(Y)_ij是否成立；

当Z_ij≥δ(Y)_ij成立时，则Y_ij设置为1，否则设置为0。

与现有技术相比，本发明的优点在于：

1、本发明的磨床颤振监测系统中包括第一传感器、第二传感器、数据采集装置和检测装置，其中第一传感器的设置方向与磨床砂轮的进给方向一致，而第二传感器的设置方向与磨床砂轮的进给方向垂直，提高了第一传感器和第二传感器采集到的轧辊振动信号的真实性，为监测的高精度提供信号依据。

2、本发明采用包络检波法提取故障信号以及该故障信号的监测参数特征值，这样可更好地从轧辊振动信号中解调出磨削故障信号，为磨床颤振的监测诊断的高精度提供数据依据。

3、本发明的磨削故障信号诊断考虑了多种磨削故障信号的监测参数特征值，采用多重报警的形式，较为合适地排除了现场出现的各种随机干扰，提高了监测精度，可使人们更好地把握磨床磨削状况，从而提高轧辊质量。

附图说明

图1为本发明中磨床颤振监测系统的结构示意图；

图2为本发明中第一、第二传感器设置位置示意图；

图3为本发明中磨床颤振监测系统监测诊断流程图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1、2所示，用来磨削轧辊3的磨床包括头架1、尾架2、砂轮4等结构，其中轧辊3设置在头架1和尾架2之间，而砂轮4沿着垂直于该轧辊3的方向进给，对轧辊3进行磨削。本发明中的磨床颤振监测系统包括第一传感器7、第二传感器8、数据采集器6和监控装置5，其中：该第一传感器7和第二传感器8均布置在该尾架2上，且第一传感器7的布置方向与砂轮4的进给方向相同，而第二传感器8的布置方向与该砂轮4的进给方向垂直，这样可提高第一、第二传感器7,8采集到的轧辊振动信号的真实性；数据采集装置6分别获取第一传感器7和第二传感器7采集到的轧辊振动信号并将振动信号发送给该监控装置5；该监控装置5通过该数据采集装置6控制该第一传感器7和第二传感器8工作。上述第一传感器7和第二传感器8均为无线传感器，这样可使信号的传输不再受到线路的限制，以便实现实时远程监测。

如图3所示，上述磨床颤振监测系统运作过程中，首先由第一传感器7和第二传感器8从两个方向采集轧辊3的振动信号，然后由数据采集装置6分别获取第一传感器7和第二传感器8采集到的信号并将信号发送给监控装置5，而监控装置5从数据采集装置6发送的轧辊振动信号中提取由于磨削力波动而产生的故障信号。

磨床颤振发生的主要原因是磨削力的波动，而由于磨削力波动而产生的磨削故障信号耦合在轧辊振动信号中，因此在磨床颤振的分析过程中需要从第一传感器7和第二传感器8采集到的轧辊振动信号中提取由于磨削力波动而产生的磨削故障信号。本实施例中根据磨削力表达式F_N=k_N{[ε_w(t)-αε_w(t-τ_w)]-[ε_g(t)-ε_g(t-τ_g)]}，采用包络检波方法从轧辊₃的振动信号中提取出磨削力波动产生的故障信号，其中k_N表示接触刚度，τ_g表示砂轮4的时间延迟系数，τ_w表示轧辊3的时间延迟系数，ε_g表示砂轮4的磨削量，ε_w表示轧辊3的磨削量，α表示磨削量交叠系数。其中包络检波方法是一种基于滤波检波的振动信号处理方法，尤其对初期故障和信噪比较低的故障信号识别能力较强，本实施例中采用包络检波方法提取故障信号，可更好地将故障信号从轧辊3的振动信号中解调出来，为磨床颤振的监测诊断提供有力的数据依据。

磨削故障信号提取后，监控装置5对其进行诊断来判断磨床的磨削情况。具体诊断过程如下：第一步，根据实际要求设置第一传感器7、第二传感器8的各监测参数特征值对应的阈值，包括红灯阈值δ(R)_ij、黄灯阈值δ(Y)_ij、严重报警阈值K₁、轻微报警阈值K₂以及预警阈值K₃，其中δ(R)_ij表示与该第i个传感器的第j个监测参数特征值对应的红灯阈值，而δ(Y)_ij表示与该第i个传感器的第j个监测参数特征值对应的黄灯阈值，δ(R)_ij、δ(Y)_ij均为大于零的任意数值，且当i、j一定时δ(R)_ij＞δ(Y)_ij，K₁、K₂和K₃均为大于零的任意数，且K₁＞K₂＞K₃。第二步，根据轧辊3的振动信号的调制模型x(t)=A[1+A_wcos(2πf_wt+φ_w)]cos(2πft+φ)，采用包络检波方法计算出故障信号的监测参数特征值Z_ij=[RMS值，峭度值，包络值]。其中A表示砂轮轧辊磨削系统的振动幅值，A_w表示轧辊转频信号的幅值，f表示砂轮轧辊磨削系统的固有频率，f_w表示轧辊的转频，φ表示砂轮轧辊磨削的振动相位，φ_w表示轧辊转频信号的相位；Z_ij表示第i传感器的第j个监测参数特征值，1≤i≤2，1≤j≤3且i、j均为整数，如Z₁₂表示第一传感器7的第2个监测参数特征值，即第一传感器7的峭度值。

第三步，判断Z_ij≥δ(R)_ij，设置Y_ij来表示各传感器的各监测参数特征值的相对大小，根据不同结果来设置不同的Y_ij值，其中Y_ij可设置为0或1或2。其中，当Z_ij≥δ(R)_ij成立时，所述Y_ij设置为2；当Z_ij≥δ(R)_ij不成立时，进一步判断Z_ij≥δ(Y)_ij是否成立；当Z_ij≥δ(Y)_ij成立时，则Y_ij设置为1，否则设置为0。通过设置Y_ij值来表示各传感器的各监测参数特征值的相对大小，例如：Y₁₂=1表示第一传感器的峭度值大于黄灯阈值，但小于红灯阈值。

第四步，根据公式K=Σk_ij×Y_ij计算出K值，其中k_ij表示第i传感器的第j个监测参数特征值的权值，k_ij为区间[0，1]之间的任意数值；将所得的K值与所述严重报警阈值K₁、轻微报警阈值K₂、预警阈值K₃进行比较：当K≥K₁，报警灯为红灯，实现严重报警；当K₁>K≥K₂，报警灯为橙灯，实现轻微报警；当K₂>K≥K₃，报警灯为黄灯，实现预警报警；否则报警灯为绿灯，表示运行正常；最后，生成报警记录。

本实施例在本公司的轧辊磨床系统使用后效果良好，提高了磨削监测精度，从而有效提高了轧辊的质量。

Claims (6)

1.一种磨床颤振监测系统，其特征在于：包括用来采集轧辊振动信号的第一传感器和第二传感器、用来控制第一、第二传感器的监控装置以及用来将第一、第二传感器采集到的轧辊振动信号传输给所述监控装置的数据采集装置，其中所述第一、第二传感器均设置在磨床的尾架上，且所述第一传感器的设置方向与磨床砂轮的进给方向一致，而所述第二传感器的设置方向与磨床砂轮的进行方向垂直。

2.根据权利要求1所述的磨床颤振监测系统，其特征在于：所述第一传感器和第二传感器均为无线传感器。

3.一种如权利要求1或2所述的磨床颤振监测系统中磨削故障信号的提取方法，其特征在于包括以下步骤：

1）所述第一、第二传感器采集轧辊的振动信号；

2）所述数据采集装置分别获取所述第一传感器和第二传感器采集到的轧辊振动信号并发送给所述监控装置；

3）所述监控装置从数据采集装置发送的轧辊振动信号中提取由于磨削力波动而产生的故障信号。

4.根据权利要求3所述的磨床颤振监测系统中磨削故障信号的提取方法，其特征在于：所述步骤3)中根据磨削力表达式：

F_N=k_N{[ε_w(t)-αε_w(t-τ_w)]-[ε_g(t)-ε_g(t-τ_g)]}，采用包络检波方法从该轧辊的振动信号中提取出磨削力波动产生的故障信号，其中k_N表示接触刚度，τ_g表示砂轮的时间延迟系数，τ_w表示轧辊的时间延迟系数，ε_g表示砂轮的磨削量，ε_w表示轧辊的磨削量，α表示磨削量交叠系数。

5.一种如权利要求1或2所述的磨床颤振监测系统中磨削故障信号的诊断方法，其特征在于包括以下步骤：

1）根据实际要求设置所述第一、第二传感器的各监测参数特征值对应的阈值，包括红灯阈值δ(R)_ij、黄灯阈值δ(Y)_ij、严重报警阈值K₁、轻微报警阈值K₂以及预警阈值K₃，其中δ(R)_ij表示与该第i个传感器的第j个监测参数特征值对应的红灯阈值，而δ(Y)_ij表示与该第i个传感器的第j个监测参数特征值对应的黄灯阈值，δ(R)_ij、δ(Y)_ij均为大于零的任意数值且当i、j一定时δ(R)_ij＞δ(Y)_ij，K₁、K₂和K₃均为大于零的任意数，且K₁＞K₂＞K₃；

2）分别根据与所述第一传感器和第二传感器对应的故障信号，计算出各个故障信号的监测参数特征值Z_ij=[RMS值，峭度值，包络值]，其中Z_ij表示第i传感器的第j个监测参数特征值，1≤i≤2，1≤j≤3且i、j均为整数；

3）判断Z_ij≥δ(R)_ij，设置Y_ij来表示各传感器的各监测参数特征值的相对大小，根据不同结果来设置不同的Y_ij值，其中Y_ij可设置为0或1或2；

4）根据公式K=Σk_ij×Y_ij计算出K值，其中k_ij表示第i传感器的第j个监测参数特征值的权值，k_ij为区间[0，1]之间的任意数值；

5）将步骤4）中所得的K值与所述K₁、K₂、K₃进行比较：

当K≥K₁，报警灯为红灯，实现严重报警；

当K₁>K≥K₂，报警灯为橙灯，实现轻微报警；

当K₂>K≥K₃，报警灯为黄灯，实现预警报警；

否则报警灯为绿灯，表示运行正常；

6）生产报警记录。

6.根据权利要求5所述的诊断方法，其特征在于：所述步骤3）中：

当Z_ij≥δ(R)_ij成立时，所述Y_ij设置为2；

当Z_ij≥δ(R)_ij不成立时，进一步判断Z_ij≥δ(Y)_ij是否成立；

如果Z_ij≥δ(Y)_ij成立时，则Y_ij设置为1，否则设置为0。