CN106552824B - 基于信号自相关性的轧机辊系故障自动判断方法及系统 - Google Patents

Abstract

本发明公开了一种基于信号自相关性的轧机辊系故障自动判断方法及系统，该方法包括以下步骤：步骤1，采集待监测机架的振动信号、电机转速信号、辊径信息；步骤2，根据轧机减速箱的减速比和辊径信息，计算各轧辊与电机之间的速比关系，以及各轧辊的转速和旋转周期；步骤3，对振动信号进行处理，得到处理信号，并将处理信号按旋转周期进行时移，得到时移信号；步骤4，计算处理信号和时移信号之间的自相关系数，并根据自相关系数与参考相关值的比较，判断对应的轧辊是否存在故障。本发明实现了轧机辊系故障的自动判断并能确定对应的机架号和轧辊类型，消除了人工诊断时对个人经验和技术水平的依赖性。

Description

基于信号自相关性的轧机辊系故障自动判断方法及系统

技术领域

本发明涉及轧机辊系故障诊断系统及方法，更具体地说，涉及一种基于信号自相关性的轧机辊系故障自动判断方法及系统。

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带钢表面振动纹，严重时引起带钢的厚度变化甚至造成带钢断带等事故，对生产的连续性以及其他方面带来严重的不利影响。

轧机的辊系故障是造成轧机异常振动的主要原因之一，因此现场人员在发现轧机振动时(多数时候振动已经较剧烈)，所采取的主要解决措施便是换辊。由于缺乏对辊系故障的有效监测诊断机制，多数情况下主要依靠操作人员的经验判断来指导换辊。

目前，通过在轧机牌坊上安装振动传感器，可以实现对轧机振动情况的实时在线监控，除对轧机共振有较好的监测效果，对轧机的辊系状态也能起到一定的监测作用。通过对所监测到的振动信号进行观察分析，通常可以找出存在故障的辊系，但仍主要依赖于操作工对振动信号的人工观测分析，尚缺乏一种可以对辊系故障进行自动判断的方法。

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，目前暂无一种可以对轧机辊系故障的自动判断方法，对轧机辊系故障的判断主要通过人工观测来进行，判断结果通常比较依赖于个人的经验技术水平，且通常难以第一时间发现辊系故障，因此，有必要开发一种能够实现轧机辊系故障的自动判断方法，不但能及时对辊系故障进行报警提示，还能给出存在故障的机架号及轧辊类型信息。

发明内容

本发明的目的在于提供一种基于信号自相关性的轧机辊系故障自动判断方法，通过对轧机振动信号和轧辊旋转周期之间的相关性分析，实现轧机辊系故障的自动判断。

为实现上述目的，本发明采用如下技术方案：

一种基于信号自相关性的轧机辊系故障自动判断方法，包括以下步骤：步骤1，采集待监测机架的振动信号、电机转速信号、辊径信息；步骤2，根据轧机减速箱的减速比和辊径信息，计算各轧辊与电机之间的速比关系，以及各轧辊的转速和旋转周期；步骤3，对振动信号进行处理，得到处理信号，并将处理信号按旋转周期进行时移，得到时移信号；步骤4，计算处理信号和时移信号之间的自相关系数，并根据自相关系数与参考相关值的比较，判断对应的轧辊是否存在故障。

根据本发明的一实施例，还包括步骤：步骤5，对轧机辊系进行持续监测，反复执行步骤1至4，若连续多次判断存在故障，则发出警报，否则忽略故障。

根据本发明的一实施例，对振动信号的处理方法为：对振动信号进行平方，再进行低通滤波处理。

根据本发明的一实施例，步骤4进一步包括：若自相关系数超过参考相关值，则认为处理信号与时移信号之间高度相关，并判断对应的轧辊存在故障。

为实现上述目的，本发明还采用如下技术方案：

一种基于信号自相关性的轧机辊系故障自动判断系统，包括：振动传感器、转速传感器、参数端口、处理单元。振动传感器采集待监测机架的振动信号，转速传感器采集电机转速信号，参数端口采集辊径信息。处理单元接收振动信号、电机转速信号和辊径信息，根据轧机减速箱的减速比和辊径信息，计算各轧辊与电机之间的速比关系，以及各轧辊的转速和旋转周期；再对振动信号进行处理，得到处理信号，并将处理信号按旋转周期进行时移，得到时移信号；最后计算处理信号和时移信号之间的自相关系数，并根据自相关系数与参考相关值的比较，判断对应的轧辊是否存在故障。

根据本发明的一实施例，处理单元对轧机辊系进行持续监测，若连续多次判断存在故障，则发出警报，否则忽略故障。

根据本发明的一实施例，处理单元对振动信号进行平方，再进行低通滤波处理。

根据本发明的一实施例，若自相关系数超过参考相关值，则认为处理信号与时移信号之间高度相关，并判断对应的轧辊存在故障。

在上述技术方案中，本发明的基于信号自相关性的轧机辊系故障自动判断系统及方法实现了轧机辊系故障的自动判断并能确定对应的机架号和轧辊类型，消除了人工诊断时对个人经验和技术水平的依赖性，可以实现对轧辊运行状态的在线持续监测，在辊系存在异常时及时给出报警，避免因轧机辊系故障而造成重大生产事故，还可以实现对轧辊运行状态的在线持续监测，可以基于轧辊运行状态监测结果，合理的确定换辊时间，充分发挥轧辊使用寿命。

附图说明

图1为本发明方法的流程图。

图2为本发明实施例一中某轧机三机架连续五秒的振动波形图。

图3为本发明实施例一中振动信号经过各处理步骤前后的波形对比图。

图4为本发明实施例一中振动特征信号经过不同时长时移后的波形对比图。

图5为本发明实施例二中某轧机某机架连续五秒的振动波形图。

图6为本发明实施例二中振动信号经过各处理步骤前后的波形对比图。

具体实施方式

下面结合附图和实施例进一步说明本发明的技术方案。

本发明公开一种基于信号自相关性的轧机辊系故障自动判断系统及对应的方法。本发明的系统主要包括振动传感器、转速传感器、参数端口、处理单元。其中，振动传感器采集待监测机架的振动信号，转速传感器采集电机转速信号，参数端口采集辊径信息，而处理单元则接收来自上述3个信息采集设备的振动信号、电机转速信号和辊径信息。

参见图1，本发明对应的方法包括以下步骤：

S1：通过在轧机机架的牌坊上安装振动传感器来采集该机架的振动信号X_i(t)，通过从现场轧机控制系统获取该机架主电机的转速信息或通过设置在该机架主电机上的脉冲编码器来采集电机的转速信息v_i(t)(单位：rpm)，通过从现场轧机控制系统的参数端口获取该机架的辊径信息或在轧机换辊时人工录入辊径信息D_ij(单位：mm)，其中i为对应的机架号，j为对应的轧辊类型。

S2：通过查阅轧机机械设计图纸，可以得知主电机和主传动辊之间的速比关系n_i，而根据辊面速度相等原理，其他轧辊的转速与主传动辊的速比关系为其直径的反比，从而，各轧辊的转速可按下公式计算：

其中，D_i0为主传动辊的直径，即直接受主电机驱动轧辊的直径，单位为mm；

V_ij为第_i机架上第j号轧辊的的转速，单位为rpm；

根据转速可以算出各轧辊的旋转周期T_ij(单位：s)：

S3：将所采集到的振动幅值信号X_i(t)进行平方处理，即：

Y_i(t)＝(X_i(t))²

其中Y_i(t)为振动幅值的功率曲线；

随后对Y_i(t)进行低通滤波处理得到X′_i(t)，即处理信号，其截止频率一般略低于轧机的一阶共振频率(多数轧机的一阶共振频率处于30～50Hz之间)即可，从而既能消除因冲击而引起的后续波形共振，又能尽量保持其冲击波形特征。

进一步地，将处理信号按旋转周期进行时移，还能得到时移信号X′_i(t+T_ij)。

S4：分别计算信号X′_i(t)与按不同轧辊旋转周期进行时移后的信号X′_i(t+T_ij)(即时移信号)之间的自相关系数R_ij,其计算公式如下：

若某一轧辊旋转周期为τ，假定其存在故障，则其造成的振动波形将是按照周期τ重复的，即X′_i(t)与X′_i(t+τ)的波形是近似一致的，因此两者之间的相关系数也会接近于1，而对于其他轧辊的旋转周期，其周期的叠加会导致X′_i(t)与X′_i(t+T_ij)的相位关系不匹配，导致相关系数较低。由此可根据自相关系数R_ij判断振动波形特征与轧辊旋转周期的是否匹配。

以参考相关值R作为相关程度的判断依据，若某类型轧辊的自相关系数R_ij>R，则认为振动波形特征与该类型轧辊旋转周期相匹配，初步判断为该类型轧辊存在故障，否则认为无故障。

参考相关值R的大小设定，会影响到故障判断的灵敏度和准确度，应根据实际情况进行适当调整，一般情况下可以将该值设在0.5～0.9之间。

S5：对辊系状态进行持续的监测，记录每一次的轧辊故障判断结果，若该机架的某类型轧辊连续被判断为存在故障，则认为结果具有重复性，同时发出辊系故障报警提示，否则忽略，继续进行下一轮的分析判断；

其中，报警提示是指发出存在故障的机架及轧辊类型信息。

下面通过2个实施例来对本发明方法做进一步说明：

实施例1

已知，对某六辊五连轧机的三机架振动进行监测，振动传感器所采集的振动波形数据如图2所示，所采集的振动信号采样频率为3072Hz，该时刻下该轧机的主电机转速v₃为355rpm，参考相关值R设定为0.7，齿轮箱减速比n₃为0.77，使用工作辊传动，其工作辊直径d₃₁约为460.6mm，中间辊直径d₃₂约为528.6mm，支撑辊直径d₃₃约为1382.6mm，因上下辊直径差异不大，此处仅按照轧辊类型进行区分，辊径信息为同一辊型的上下辊直径均值。

根据电机转速、齿轮箱减速比及辊径信息，计算出各类型轧辊的旋转周期如下：

对所采集的振动波形分别进行平方处理、低通滤波处理。其中滤波器采用的为汉明窗函数，截止频率设定为30Hz。处理前后的波形图如图3所示。

对处理完成后的波形X′₃分别按照不同的轧辊周期进行时移，得到新的波形X′₃(T₃₁)、X′₃(T₃₂)、X′₃(T₃₃)，如图4所示。

由于时移造成部分时间点上的数据空缺，因此各波形均以时间范围在T33～5s之间的数据参与计算，由于是离散信号，其计算公式如下所示：

其中，X_[i]，Y_[i]为参与相关计算的两个信号；

n为离散信号序列长度；

r为X_[i]与Y_[i]之间的相关系数。

根据相关系数的计算公式，可以算出各辊型的旋转周期与该振动波形特征之间的相关系数R₃₁＝0.0827，R₃₂＝0.0957，R₃₃＝0.9292。

可知R₃₃的值远大于R₃₁与R₃₂，且超过了参考相关值R(R＝0.8)。

由此初步判断该轧辊的三机架支撑辊存在故障。

连续采集轧机的振动数据和转速等信息，对新数据重新轧辊故障判断。

具体处理过程如上所示，计算出的相关系数为R₃₁＝0.0625，R₃₂＝0.0861，R₃₃＝0.9361。

可见，判断结果的准确性得到的重复检验，认为三机架的支撑辊存在故障，对辊系故障进行报警提示，同时发出存在故障的机架号及轧辊类型信息。

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。

实施例2

已知，对正常运行状态下的某六辊七连轧机的六机架振动进行监测，所采集到的信号为图5所示，这也是多数时候情况下所采集到的振动信息，信号类似于噪声，无任何特征信息，下面使用本发明方法对该信号进行分析判断，再次验证本发明方法的准确性。

具体计算过程可参照实施例1，图6为其经过平方处理、滤波处理前后的波形对比图，对其处理完成后，其依然为一个随机波形，对其分别按照不同轧辊周期进行时移后计算相关系数，得到：

R₃₁＝0.0063，R₃₂＝0.0556，R₃₃＝0.0226。

各轧辊旋转周期与振动信号的相关程度均小于0.3，为弱相关，这一判断结果和实际情况相符合。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (8)

1.一种基于信号自相关性的轧机辊系故障自动判断方法，其特征在于，包括以下步骤：

步骤1，采集待监测机架的振动信号、电机转速信号、辊径信息；

步骤2，根据轧机减速箱的减速比和辊径信息，计算各轧辊与电机之间的速比关系，以及各轧辊的转速和旋转周期；

步骤3，对所述振动信号进行处理，得到处理信号，并将所述处理信号按所述旋转周期进行时移，得到时移信号；

步骤4，计算所述处理信号和时移信号之间的自相关系数，并根据所述自相关系数与参考相关值的比较，判断对应的轧辊是否存在故障。

2.如权利要求1所述的基于信号自相关性的轧机辊系故障自动判断方法，其特征在于，还包括步骤：

步骤5，对轧机辊系进行持续监测，反复执行步骤1至4，若连续多次判断存在故障，则发出警报，否则忽略故障。

3.如权利要求1所述的基于信号自相关性的轧机辊系故障自动判断方法，其特征在于，对振动信号的处理方法为：

对所述振动信号进行平方，再进行低通滤波处理。

4.如权利要求1所述的基于信号自相关性的轧机辊系故障自动判断方法，其特征在于，步骤4进一步包括：

若自相关系数超过参考相关值，则认为处理信号与时移信号之间高度相关，并判断对应的轧辊存在故障。

5.一种基于信号自相关性的轧机辊系故障自动判断系统，其特征在于，包括：

振动传感器、转速传感器、参数端口、处理单元；

所述振动传感器采集待监测机架的振动信号，所述转速传感器采集电机转速信号，所述参数端口采集辊径信息；

所述处理单元接收所述振动信号、电机转速信号和辊径信息，根据轧机减速箱的减速比和辊径信息，计算各轧辊与电机之间的速比关系，以及各轧辊的转速和旋转周期；再对所述振动信号进行处理，得到处理信号，并将所述处理信号按所述旋转周期进行时移，得到时移信号；最后计算所述处理信号和时移信号之间的自相关系数，并根据所述自相关系数与参考相关值的比较，判断对应的轧辊是否存在故障。

6.如权利要求5所述的基于信号自相关性的轧机辊系故障自动判断系统，其特征在于：

处理单元对轧机辊系进行持续监测，若连续多次判断存在故障，则发出警报，否则忽略故障。

7.如权利要求5所述的基于信号自相关性的轧机辊系故障自动判断系统，其特征在于：

处理单元对所述振动信号进行平方，再进行低通滤波处理。

8.如权利要求5所述的基于信号自相关性的轧机辊系故障自动判断系统，其特征在于：

若自相关系数超过参考相关值，则认为处理信号与时移信号之间高度相关，并判断对应的轧辊存在故障。