CN108982135A - 热轧立辊轧机运行状态的在线监测方法 - Google Patents
热轧立辊轧机运行状态的在线监测方法 Download PDFInfo
- Publication number
- CN108982135A CN108982135A CN201710407488.3A CN201710407488A CN108982135A CN 108982135 A CN108982135 A CN 108982135A CN 201710407488 A CN201710407488 A CN 201710407488A CN 108982135 A CN108982135 A CN 108982135A
- Authority
- CN
- China
- Prior art keywords
- vibration amplitude
- data
- hot
- rolled
- operating status
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/16—Amplitude
Abstract
本发明公开了一种热轧立辊轧机运行状态的在线监测方法,轧机由包括滑动轴承和滚动轴承的电机和减速机驱动,在轴承座设置振动传感器并采集原始信号,对原始信号作频谱分析,并通过信号重构提取电机、滑动轴承、减速机齿轮和滚动轴承的振动幅值;数据预处理,对各振动幅值数据进行归一化处理,以轧机的振动幅值作为依据,设定标准样本、待检样本并计算其健康度;设定轧机运行状态健康度指标H由标准样本、待检样本计算得到,标准样本为1,待检样本为各振动幅值归一化处理数据;设定H的报警阈值,根据报警阈值在线监测系统分别预报轧机运行状态正常、轻故障或重故障。本方法采用健康度指标评介轧机运行状态的劣化趋势,支撑设备的正常、可靠运行。
Description
技术领域
本发明涉及冶金机械设备监测与诊断技术领域,尤其涉及一种热轧立辊轧机运行状态的在线监测方法。
背景技术
热轧立辊轧机是热轧生产线的关键设备,典型热轧立辊轧机的驱动主要由电机、减速机构成,其中电机采用滑动轴承,减速机采用滚动轴承安装。由于制造误差、装配不当或不适当的使用等原因,会使热轧立辊轧机的运行状态发生变化,在很多情况下电机、滑动轴承、减速机齿轮以及滑动轴承故障是导致设备运行异常的主要原因,因此对热轧立辊轧机运行状态的健康状态进行在线监测具有重要意义。
目前,对热轧立辊轧机状态的把握主要采用离线诊断,即在生产现场完成信号采集,数据处理和分析诊断工作在数据处理中心或实验室进行。由此,离线诊断得到诊断信息的及时性不能保证,导致信息滞后,无法及时准确地监测热轧立辊轧机的实时运行状态,影响设备的正常、可靠运行,存在一定的安全隐患。
发明内容
本发明所要解决的技术问题是提供一种热轧立辊轧机运行状态的在线监测方法,本方法实现热轧立辊轧机运行状态的实时监测诊断,采用健康度指标评介热轧立辊轧机运行状态的劣化趋势,指导采取应对措施,避免故障导致的设备非计划停机,支撑设备的正常、可靠运行。
为解决上述技术问题,本发明热轧立辊轧机运行状态的在线监测方法,所述热轧立辊轧机由电机和减速机驱动,电机和减速机包括滑动轴承和滚动轴承,本方法包括如下步骤:
步骤一、在滑动轴承座和滚动轴承座设置振动传感器,采集振动传感器输出的原始信号Yi,对原始信号Yi作频谱分析,并通过信号重构获得电机、滑动轴承、减速机齿轮和滚动轴承的特征信息,提取电机振动幅值Mi、滑动轴承振动幅值Ji、减速机齿轮振动幅值Gi和滚动轴承振动幅值Ri;
步骤二、数据预处理,对电机振动幅值Mi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为电机振动幅值归一化后的数据,Mmin为电机最小振动幅值,Mmax为电机最大振动幅值;
对滑动轴承振动幅值Ji数据进行归一化处理,将数据的范围限定为 [0,1],其处理过程为:
其中:为滑动轴承振动幅值归一化后的数据,Jmin为滑动轴承最小振动幅值,Jmax为滑动轴承最大振动幅值;
对减速机齿轮振动幅值Gi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为减速机齿轮振动幅值归一化后的数据,Gmin为减速机齿轮最小振动幅值,Gmax为减速机齿轮最大振动幅值;
对滚动轴承振动幅值Ri数据进行归一化处理,将数据的范围限定为 [0,1],其处理过程为:
其中:为滚动轴承振动幅值归一化后的数据,Rmin为滚动轴承最小振动幅值,Rmax为滚动轴承最大振动幅值;
步骤三、以热轧立辊轧机的振动幅值作为依据,设S为标准样本,T为待检样本,i表示样本中的特征参数,N为样本的个数,H为健康度指标并用式(5) 表示,其中,H越大说明健康程度越好,H越小说明健康程度越差;
步骤四、设定热轧立辊轧机运行状态健康度指标H由S(i)和T(i)计算得到,其中标准样本S(1)=S(2)=S(3)=S(4)=1;T(1)、T(2)、T(3)和T(4)为待检样本的四个特征参数,分别是电机振动幅值归一化处理数据滑动轴承振动幅值归一化处理数据减速机齿轮振动幅值归一化处理数据滚动轴承振动幅值归一化处理数据即
则,热轧立辊轧机运行状态健康度指标H由式(5)简化为式(6),
步骤五、设定热轧立辊轧机运行状态健康度指标H的报警阈值,当H>0.8 时,在线监测系统预报热轧立辊轧机运行状态正常,当0.5<H≤0.8时,在线监测系统预报减速机齿轮出现轻故障,当H≤0.5时,在线监测系统预报热轧立辊轧机运行状态重故障。
进一步,热轧立辊轧机在线监测系统预报运行状态正常、轻故障和重故障时,分别以绿灯、黄灯和红灯给出指示。
由于本发明热轧立辊轧机运行状态的在线监测方法采用了上述技术方案,轧机由包括滑动轴承和滚动轴承的电机和减速机驱动,在轴承座设置振动传感器并采集原始信号,对原始信号作频谱分析,并通过信号重构提取电机、滑动轴承、减速机齿轮和滚动轴承的振动幅值;数据预处理,对各振动幅值数据进行归一化处理,以轧机的振动幅值作为依据,设定标准样本、待检样本并计算其健康度;设定轧机运行状态健康度指标H由标准样本、待检样本计算得到,其中标准样本为1,待检样本为各振动幅值归一化处理的数据;设定H的报警阈值,根据报警阈值在线监测系统分别预报轧机运行状态正常、轻故障或重故障。本方法实现热轧立辊轧机运行状态的实时监测诊断,采用健康度指标评介热轧立辊轧机运行状态的劣化趋势,指导采取应对措施,避免故障导致的设备非计划停机,支撑设备的正常、可靠运行。
附图说明
下面结合附图和实施方式对本发明作进一步的详细说明:
图1为本发明热轧立辊轧机运行状态的在线监测方法的原理框图。
具体实施方式
实施例如图1所示,本发明热轧立辊轧机运行状态的在线监测方法,所述热轧立辊轧机由电机和减速机驱动,电机和减速机包括滑动轴承和滚动轴承,本方法包括如下步骤:
步骤一、在滑动轴承座和滚动轴承座设置振动传感器,采集振动传感器输出的原始信号Yi,对原始信号Yi作频谱分析,并通过信号重构获得电机、滑动轴承、减速机齿轮和滚动轴承的特征信息,提取电机振动幅值Mi、滑动轴承振动幅值Ji、减速机齿轮振动幅值Gi和滚动轴承振动幅值Ri;
步骤二、数据预处理,对电机振动幅值Mi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为电机振动幅值归一化后的数据,Mmin为电机最小振动幅值,Mmax为电机最大振动幅值;
对滑动轴承振动幅值Ji数据进行归一化处理,将数据的范围限定为 [0,1],其处理过程为:
其中:为滑动轴承振动幅值归一化后的数据,Jmin为滑动轴承最小振动幅值,Jmax为滑动轴承最大振动幅值;
对减速机齿轮振动幅值Gi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为减速机齿轮振动幅值归一化后的数据,Gmin为减速机齿轮最小振动幅值,Gmax为减速机齿轮最大振动幅值;
对滚动轴承振动幅值Ri数据进行归一化处理,将数据的范围限定为 [0,1],其处理过程为:
其中:为滚动轴承振动幅值归一化后的数据,Rmin为滚动轴承最小振动幅值,Rmax为滚动轴承最大振动幅值;
步骤三、以热轧立辊轧机的振动幅值作为依据,设S为标准样本,T为待检样本,i表示样本中的特征参数,N为样本的个数,H为健康度指标并用式(5) 表示,其中,H越大说明健康程度越好,H越小说明健康程度越差;
步骤四、设定热轧立辊轧机运行状态健康度指标H由S(i)和T(i)计算得到,其中标准样本S(1)=S(2)=S(3)=S(4)=1;T(1)、T(2)、T(3)和T(4)为待检样本的四个特征参数,分别是电机振动幅值归一化处理数据滑动轴承振动幅值归一化处理数据减速机齿轮振动幅值归一化处理数据滚动轴承振动幅值归一化处理数据即
则,热轧立辊轧机运行状态健康度指标H由式(5)简化为式(6),
步骤五、设定热轧立辊轧机运行状态健康度指标H的报警阈值,当H>0.8 时,在线监测系统预报热轧立辊轧机运行状态正常,当0.5<H≤0.8时,在线监测系统预报减速机齿轮出现轻故障,当H≤0.5时,在线监测系统预报热轧立辊轧机运行状态重故障。
优选的,热轧立辊轧机在线监测系统预报运行状态正常、轻故障和重故障时,分别以绿灯、黄灯和红灯给出指示。
本方法通过振动传感器采集热轧立辊轧机的电机、滑动轴承、减速机齿轮和滚动轴承的振动信号,并对振动信息进行信号重构以获取电机、滑动轴承、减速机齿轮及滚动轴承的振动故障特征,采用健康度指标监视热轧立辊轧机运行状态的劣化趋势,指导操作和设备管理人员采取应对措施,避免因电机、滑动轴承、减速机齿轮及滚动轴承故障导致的设备非计划停机,支撑设备的正常生产。本方法弥补了目前热轧立辊轧机运行状态在线监测信息无法有效利用的不足,在线对振动信息进行信号重构以获取热轧立辊轧机的电机、滑动轴承、减速机齿轮、滑动轴承的振动故障特征,克服了离线诊断信息滞后、无法及时准确监测热轧立辊轧机的实时运行状态的缺陷,保证了设备的正常、可靠运行。
Claims (2)
1.一种热轧立辊轧机运行状态的在线监测方法,所述热轧立辊轧机由电机和减速机驱动,电机和减速机包括滑动轴承和滚动轴承,其特征在于本方法包括如下步骤:
步骤一、在滑动轴承座和滚动轴承座设置振动传感器,采集振动传感器输出的原始信号Yi,对原始信号Yi作频谱分析,并通过信号重构获得电机、滑动轴承、减速机齿轮和滚动轴承的特征信息,提取电机振动幅值Mi、滑动轴承振动幅值Ji、减速机齿轮振动幅值Gi和滚动轴承振动幅值Ri;
步骤二、数据预处理,对电机振动幅值Mi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为电机振动幅值归一化后的数据,Mmin为电机最小振动幅值,Mmax为电机最大振动幅值;
对滑动轴承振动幅值Ji数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为滑动轴承振动幅值归一化后的数据,Jmin为滑动轴承最小振动幅值,Jmax为滑动轴承最大振动幅值;
对减速机齿轮振动幅值Gi数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为减速机齿轮振动幅值归一化后的数据,Gmin为减速机齿轮最小振动幅值,Gmax为减速机齿轮最大振动幅值;
对滚动轴承振动幅值Ri数据进行归一化处理,将数据的范围限定为[0,1],其处理过程为:
其中:为滚动轴承振动幅值归一化后的数据,Rmin为滚动轴承最小振动幅值,Rmax为滚动轴承最大振动幅值;
步骤三、以热轧立辊轧机的振动幅值作为依据,设S为标准样本,T为待检样本,i表示样本中的特征参数,N为样本的个数,H为健康度指标并用式(5)表示,其中,H越大说明健康程度越好,H越小说明健康程度越差;
步骤四、设定热轧立辊轧机运行状态健康度指标H由S(i)和T(i)计算得到,其中标准样本S(1)=S(2)=S(3)=S(4)=1;T(1)、T(2)、T(3)和T(4)为待检样本的四个特征参数,分别是电机振动幅值归一化处理数据滑动轴承振动幅值归一化处理数据减速机齿轮振动幅值归一化处理数据滚动轴承振动幅值归一化处理数据即
则,热轧立辊轧机运行状态健康度指标H由式(5)简化为式(6),
步骤五、设定热轧立辊轧机运行状态健康度指标H的报警阈值,当H>0.8时,在线监测系统预报热轧立辊轧机运行状态正常,当0.5<H≤0.8时,在线监测系统预报减速机齿轮出现轻故障,当H≤0.5时,在线监测系统预报热轧立辊轧机运行状态重故障。
2.根据权利要求1所述的热轧立辊轧机运行状态的在线监测方法,其特征在于:热轧立辊轧机在线监测系统预报运行状态正常、轻故障和重故障时,分别以绿灯、黄灯和红灯给出指示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407488.3A CN108982135A (zh) | 2017-06-02 | 2017-06-02 | 热轧立辊轧机运行状态的在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407488.3A CN108982135A (zh) | 2017-06-02 | 2017-06-02 | 热轧立辊轧机运行状态的在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108982135A true CN108982135A (zh) | 2018-12-11 |
Family
ID=64502299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710407488.3A Withdrawn CN108982135A (zh) | 2017-06-02 | 2017-06-02 | 热轧立辊轧机运行状态的在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108982135A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111530943A (zh) * | 2020-05-22 | 2020-08-14 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN111811847A (zh) * | 2020-06-08 | 2020-10-23 | 广东寰球智能科技有限公司 | 辊对辊系统的故障检测方法、系统及存储介质 |
CN113280910A (zh) * | 2021-04-27 | 2021-08-20 | 圣名科技(广州)有限责任公司 | 一种长材生产线设备实时监测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07218358A (ja) * | 1994-02-02 | 1995-08-18 | Nippon Steel Corp | 帯状体の張力分布測定方法 |
CN1547145A (zh) * | 2003-12-08 | 2004-11-17 | 西安交通大学 | 设备运行状态数据质量动态检测和保障方法 |
CN102441579A (zh) * | 2010-10-13 | 2012-05-09 | 上海宝钢工业检测公司 | 热连轧轧机运行状态的在线监测方法 |
CN103134676A (zh) * | 2011-11-30 | 2013-06-05 | 上海宝钢工业检测公司 | 齿轮箱运行状态的在线监测预警方法 |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
CN104392082A (zh) * | 2014-07-10 | 2015-03-04 | 中山火炬职业技术学院 | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 |
CN105510023A (zh) * | 2015-11-24 | 2016-04-20 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于散度指标的变工况风电行星齿轮箱故障诊断方法 |
CN106768262A (zh) * | 2016-11-11 | 2017-05-31 | 华北电力大学(保定) | 一种基于表面振动信号分析的变压器在线监测方法 |
-
2017
- 2017-06-02 CN CN201710407488.3A patent/CN108982135A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07218358A (ja) * | 1994-02-02 | 1995-08-18 | Nippon Steel Corp | 帯状体の張力分布測定方法 |
CN1547145A (zh) * | 2003-12-08 | 2004-11-17 | 西安交通大学 | 设备运行状态数据质量动态检测和保障方法 |
CN102441579A (zh) * | 2010-10-13 | 2012-05-09 | 上海宝钢工业检测公司 | 热连轧轧机运行状态的在线监测方法 |
CN103134676A (zh) * | 2011-11-30 | 2013-06-05 | 上海宝钢工业检测公司 | 齿轮箱运行状态的在线监测预警方法 |
CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
CN104392082A (zh) * | 2014-07-10 | 2015-03-04 | 中山火炬职业技术学院 | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 |
CN105510023A (zh) * | 2015-11-24 | 2016-04-20 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于散度指标的变工况风电行星齿轮箱故障诊断方法 |
CN106768262A (zh) * | 2016-11-11 | 2017-05-31 | 华北电力大学(保定) | 一种基于表面振动信号分析的变压器在线监测方法 |
Non-Patent Citations (2)
Title |
---|
ISSAM ATTOUI: "Vibration-Based Bearing Fault Diagnosis by an Integrated DWT-FFT Approach and an Adaptive Neuro-Fuzzy Inference System", 《 IEEE XPLORE》 * |
严可国: "热轧机械振动在线监测和故障诊断系统", 《冶金设备》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111530943A (zh) * | 2020-05-22 | 2020-08-14 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN111530943B (zh) * | 2020-05-22 | 2021-11-19 | 河钢股份有限公司承德分公司 | 一种精轧机在线诊断方法 |
CN111811847A (zh) * | 2020-06-08 | 2020-10-23 | 广东寰球智能科技有限公司 | 辊对辊系统的故障检测方法、系统及存储介质 |
CN113280910A (zh) * | 2021-04-27 | 2021-08-20 | 圣名科技(广州)有限责任公司 | 一种长材生产线设备实时监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104990709B (zh) | 用于检测机车轴承故障的方法 | |
CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理系统 | |
CN102033200B (zh) | 基于统计模型的交流电机在线监测和诊断方法 | |
CN108038553A (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
CN108982135A (zh) | 热轧立辊轧机运行状态的在线监测方法 | |
CN108331718A (zh) | 风电机组偏航系统在线监测机构及故障诊断系统和方法 | |
CN102441579B (zh) | 热连轧轧机运行状态的在线监测方法 | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
DE102020101008B3 (de) | Verfahren und vorrichtung zur maschinenüberwachung mit kontinuierlicher verbesserung einer vorausschauenden wartungsdatenbank | |
CN109840666B (zh) | 一种预测未来风电机组发生故障的模型构建方法及系统 | |
CN106525415A (zh) | 一种风电机组传动链健康状态评价系统及方法 | |
CN112033666A (zh) | 一种基于机理模型的减速机在线故障预测及诊断系统 | |
CN109242104A (zh) | 一种利用数据分析实时发现设备故障异常的系统 | |
DE102021212983A1 (de) | Werkzeugmaschinenmanagementverfahren, Werkzeugmaschinenmanagementsystem und Medium | |
CN106406231A (zh) | 一种基于互联网的机床主轴智能在线监测及综合诊断系统 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN102798413B (zh) | 一种铁道动态检测系统 | |
EP2778817A1 (de) | Überwachung einer ersten Ausrüstung einer ersten technischen Anlage mittels Benchmark | |
CN113280910A (zh) | 一种长材生产线设备实时监测方法及系统 | |
CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
CN109484937A (zh) | 一种矿井提升机状态检测的增强同步提取变换方法 | |
CN208431106U (zh) | 风电机组偏航系统在线监测机构 | |
CN114925867A (zh) | 一种无缝钢管生产重点设备物联网维修预测系统 | |
CN110173453A (zh) | 一种发电厂送风机状态在线评定方法 | |
CN113032915B (zh) | 一种制造装备主轴轴承健康状态评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181211 |
|
WW01 | Invention patent application withdrawn after publication |