CN110038908B - 热轧除鳞泵增速箱在线监测诊断方法 - Google Patents

热轧除鳞泵增速箱在线监测诊断方法 Download PDF

Info

Publication number
CN110038908B
CN110038908B CN201810041090.7A CN201810041090A CN110038908B CN 110038908 B CN110038908 B CN 110038908B CN 201810041090 A CN201810041090 A CN 201810041090A CN 110038908 B CN110038908 B CN 110038908B
Authority
CN
China
Prior art keywords
speed increasing
increasing box
vibration
signal
character string
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.)
Active
Application number
CN201810041090.7A
Other languages
English (en)
Other versions
CN110038908A (zh
Inventor
杨天峰
常建伟
蔡正国
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.)
Shanghai Jinyi Inspection Technology Co ltd
Original Assignee
Shanghai Jinyi Inspection Technology Co ltd
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 Shanghai Jinyi Inspection Technology Co ltd filed Critical Shanghai Jinyi Inspection Technology Co ltd
Priority to CN201810041090.7A priority Critical patent/CN110038908B/zh
Publication of CN110038908A publication Critical patent/CN110038908A/zh
Application granted granted Critical
Publication of CN110038908B publication Critical patent/CN110038908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
    • B21B45/04—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for de-scaling, e.g. by brushing
    • B21B45/08—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for de-scaling, e.g. by brushing hydraulically

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种热轧除鳞泵增速箱在线监测诊断方法，本方法在除鳞泵增速箱内轴承座设置用于监测轴承振动信号和温度信号的振动传感器和温度传感器，并采集振动传感器和温度传感器信号以及除鳞泵喷淋工艺信号；对采集的振动传感器信号进行频谱分析和FFT变换，得到总振值和振动幅值分量，并依据原始振动信号进行信号重构和数据清洗，计算增速箱齿轮表面啮合状态指数和齿轮表面故障系数并分别与预设报警值比较，若超过预设报警值给出报警信号；根据温度传感器采集的信号，监测增速箱内轴承各点的温度并相应给出报警信号。本发明应用多参数特征进行除鳞泵增速箱故障判断和定位，实现除鳞泵状态的在线预警，保证除鳞泵增速箱的正常运行。

Description

热轧除鳞泵增速箱在线监测诊断方法
技术领域
本发明涉及冶金机械设备在线监测与诊断技术领域，尤其涉及一种热轧除鳞泵增速箱在线监测诊断方法。
背景技术
热轧除鳞泵是热轧生产线的关键设备，也是热轧产品质量的关键工艺过程，该设备为热轧生产线上提供高压水除去热轧板表面的氧化杂质并起到除磷作用，其异常运行将直接影响轧线的产品质量。
目前对除鳞泵的管理主要依据个人的经验进行状态判定，同时也利用离线检测仪器对设备的特征量进行记录和分析，实施离线精密诊断。由于热轧设备的变速、变载、变工况的工作特点，除鳞泵不喷水时泵的回流对泵的振动影响较大，有时泵的振动值比泵开启时大5至7倍，这对在线监测系统的设备振动报警判断带来影响，难以准确评价除鳞泵设备的运行状态并进行故障诊断，且离线事后分析实效性很差。因此对除鳞泵增速箱状态实施在线监测与预警具有重要意义。
发明内容
本发明所要解决的技术问题是提供一种热轧除鳞泵增速箱在线监测诊断方法，本方法克服传统除鳞泵离线诊断的缺陷，通过除鳞泵增速箱的振动、温度数据采集并信号重构进行状态及故障诊断，实现除鳞泵状态的在线预警，保证除鳞泵增速箱的正常运行。
为解决上述技术问题，本发明热轧除鳞泵增速箱在线监测诊断方法包括如下步骤：
步骤一、在除鳞泵增速箱内轴承座设置用于监测轴承振动信号和温度信号的振动传感器和温度传感器，并采集振动传感器和温度传感器信号以及除鳞泵喷淋工艺信号；
步骤二、对由振动传感器采集的增速箱原始振动信号Yi经振动频谱分析和FFT变换分别取得总振动值P以及增速箱内齿轮的一倍啮合频率、二倍啮合频率、三倍啮合频率、四倍啮合频率和五倍啮合频率处的振动幅值分量Xi(t)，其中i取1、2、3、4和5，则增速箱齿轮表面啮合状态指数为：
Figure BDA0001549521400000021
当Ψ≥50％时，在线监测系统预报增速箱齿轮表面啮合状态不良；
步骤三、以增速箱原始振动信号Yi为依据，其中i＝1,2,┈,N，通过对原始振动信号Yi按式(2)进行数据清洗，
Yi *＝Yi-Ave(Y) (2)
式中：Ave(Y)为增速箱振动信号采样数据的均值；
对Yi *按式(3)进行信号重构,得到新的数据序列S＝{Si，i＝1,2,┈,N}，以S作为建立齿轮表面故障系数的基础；
Figure BDA0001549521400000022
式(3)中的S序列从空串开始，小于等于0为“0”，大于1为“1”，假设已经生成的数据序列为M＝{Si，i＝1,2,┈,r}，r<N；
令Q＝Sr+1，形成MQ字符串，令MQR为MQ减去最后一个字符所得的字符串，若Q属于MQR中已有的字符串，即Q能从MQR中的某个字符串复制得到，则将该字符串加在Sr后；若Q不属于MQR中已有的字符串，则采用●符号将Sr与Sr+1前后分开；如果Q＝Sr属于MQR中已有的字符串，则继续观察Q＝SrSr+1是否属于MQR中已有的字符串，如果否，则S＝{S1S2┈SrSr+1●}，即在S1S2┈SrSr+1后面加●符号表示添加；
S序列中●符号的个数C(N)表征字符串种类的变化程度，C(N)越大表示S序列变化种类越多，C(N)越小表示S序列变化种类越少；
设增速箱内齿轮表面故障系数为H，
H＝log2n×C(N)/n (4)
式中：n为S序列中Yi的个数；
当H<0.5时，在线监测系统预报齿轮表面状态正常，当0.5≤H<0.6时，在线监测系统预报齿轮表面出现轻故障，当H≥0.6时，在线监测系统预报齿轮表面出现重故障；
步骤四、根据温度传感器采集的信号，监测增速箱内轴承各点的温度T，当T大于80℃时，在线监测系统作出轻故障报警，当T大于90℃时，在线监测系统作出重故障报警。
由于本发明热轧除鳞泵增速箱在线监测诊断方法采用了上述技术方案，即本方法在除鳞泵增速箱内轴承座设置用于监测轴承振动信号和温度信号的振动传感器和温度传感器，并采集振动传感器和温度传感器信号以及除鳞泵喷淋工艺信号；对采集的振动传感器信号进行频谱分析和FFT变换，得到总振值和振动幅值分量，并依据原始振动信号进行信号重构和数据清洗，计算增速箱齿轮表面啮合状态指数和齿轮表面故障系数并分别与预设报警值比较，若超过预设报警值给出报警信号；根据温度传感器采集的信号，监测增速箱内轴承各点的温度并相应给出报警信号。本发明应用多参数特征进行除鳞泵增速箱故障判断和定位，实现除鳞泵状态的在线预警，保证除鳞泵增速箱的正常运行。
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为本发明热轧除鳞泵增速箱在线监测诊断方法的流程框图。
具体实施方式
实施例如图1所示，本发明热轧除鳞泵增速箱在线监测诊断方法包括如下步骤：
步骤一、在除鳞泵增速箱内轴承座设置用于监测轴承振动信号和温度信号的振动传感器和温度传感器，并采集振动传感器和温度传感器信号以及除鳞泵喷淋工艺信号；
步骤二、对由振动传感器采集的增速箱原始振动信号Yi经振动频谱分析和FFT变换分别取得总振动值P以及增速箱内齿轮的一倍啮合频率、二倍啮合频率、三倍啮合频率、四倍啮合频率和五倍啮合频率处的振动幅值分量Xi(t)，其中i取1、2、3、4和5，则增速箱齿轮表面啮合状态指数为：
Figure BDA0001549521400000031
当Ψ≥50％时，在线监测系统预报增速箱齿轮表面啮合状态不良；
步骤三、以增速箱原始振动信号Yi为依据，其中i＝1,2,┈,N，通过对原始振动信号Yi按式(2)进行数据清洗，
Yi *＝Yi-Ave(Y) (2)
式中：Ave(Y)为增速箱振动信号采样数据的均值；
对Yi *按式(3)进行信号重构,得到新的数据序列S＝{Si，i＝1,2,┈,N}，以S作为建立齿轮表面故障系数的基础；
Figure BDA0001549521400000041
式(3)中的S序列从空串开始，小于等于0为“0”，大于1为“1”，假设已经生成的数据序列为M＝{Si，i＝1,2,┈,r}，r<N；
令Q＝Sr+1，形成MQ字符串，令MQR为MQ减去最后一个字符所得的字符串，若Q属于MQR中已有的字符串，即Q能从MQR中的某个字符串复制得到，则将该字符串加在Sr后；若Q不属于MQR中已有的字符串，则采用●符号将Sr与Sr+1前后分开；如果Q＝Sr属于MQR中已有的字符串，则继续观察Q＝SrSr+1是否属于MQR中已有的字符串，如果否，则S＝{S1S2┈SrSr+1●}，即在S1S2┈SrSr+1后面加●符号表示添加；
S序列中●符号的个数C(N)表征字符串种类的变化程度，C(N)越大表示S序列变化种类越多，C(N)越小表示S序列变化种类越少；
设增速箱内齿轮表面故障系数为H，
H＝log2n×C(N)/n (4)
式中：n为S序列中Yi的个数；
当H<0.5时，在线监测系统预报齿轮表面状态正常，当0.5≤H<0.6时，在线监测系统预报齿轮表面出现轻故障，当H≥0.6时，在线监测系统预报齿轮表面出现重故障；
步骤四、根据温度传感器采集的信号，监测增速箱内轴承各点的温度T，当T大于80℃时，在线监测系统作出轻故障报警，当T大于90℃时，在线监测系统作出重故障报警。
本方法通过对除鳞泵增速箱的振动、温度数据进行采集，同时采集除鳞泵喷淋工艺信息，通过数据清洗对振动原始信号进行重构，实时预警增速箱的齿轮表面啮合状态和齿轮表面故障状态，形成了除鳞泵运行状态的判断标准，实现除鳞泵状态的在线预警，以保证除鳞泵增速箱的正常运行。
本方法弥补了目前热轧除鳞泵增速箱运行状态信息无法有效利用的不足，通过与除鳞泵PLC控制系统进行关联采集除鳞泵增速箱动轴承的振动信号和温度信号，通过数据清洗对原始振动信号进行重构，实时预警增速箱的齿面表面啮合状态和齿轮表面故障状态，建立了除鳞泵增速箱运行状态异常的判定标准，实现了增速箱运行状态的在线预警。同时指导操作和设备管理人员采取应对措施，避免增速箱因振动增大、温度上升造成的设备故障，支撑热轧机组的正常生产。

Claims (1)

1.一种热轧除鳞泵增速箱在线监测诊断方法，其特征在于本方法包括如下步骤：
步骤一、除鳞泵增速箱内轴承座设置用于监测轴承振动信号和温度信号的振动传感器和温度传感器，并采集振动传感器和温度传感器信号以及除鳞泵喷淋工艺信号；
步骤二、对由振动传感器采集的增速箱原始振动信号Yi经振动频谱分析和FFT变换分别取得总振动值P以及增速箱内齿轮的一倍啮合频率、二倍啮合频率、三倍啮合频率、四倍啮合频率和五倍啮合频率处的振动幅值分量Xi(t)，其中i取1、2、3、4和5，则增速箱齿轮表面啮合状态指数为：
Figure FDA0001549521390000011
当Ψ≥50％时，在线监测系统预报增速箱齿轮表面啮合状态不良；
步骤三、以增速箱原始振动信号Yi为依据，其中i＝1,2,┈,N，通过对原始振动信号Yi按式(2)进行数据清洗，
Yi *＝Yi-Ave(Y) (2)
式中：Ave(Y)为增速箱振动信号采样数据的均值；
对Yi *按式(3)进行信号重构,得到新的数据序列S＝{Si，i＝1,2,┈,N}，以S作为建立齿轮表面故障系数的基础；
Figure FDA0001549521390000012
式(3)中的S序列从空串开始，小于等于0为“0”，大于1为“1”，假设已经生成的数据序列为M＝{Si，i＝1,2,┈,r}，r<N；
令Q＝Sr+1，形成MQ字符串，令MQR为MQ减去最后一个字符所得的字符串，若Q属于MQR中已有的字符串，即Q能从MQR中的某个字符串复制得到，则将该字符串加在Sr后；若Q不属于MQR中已有的字符串，则采用●符号将Sr与Sr+1前后分开；如果Q＝Sr属于MQR中已有的字符串，则继续观察Q＝SrSr+1是否属于MQR中已有的字符串，如果否，则S＝{S1S2┈SrSr+1●}，即在S1S2┈SrSr+1后面加●符号表示添加；
S序列中●符号的个数C(N)表征字符串种类的变化程度，C(N)越大表示S序列变化种类越多，C(N)越小表示S序列变化种类越少；
设增速箱内齿轮表面故障系数为H，
H＝log2n×C(N)/n (4)
式中：n为S序列中Yi的个数；
当H<0.5时，在线监测系统预报齿轮表面状态正常，当0.5≤H<0.6时，在线监测系统预报齿轮表面出现轻故障，当H≥0.6时，在线监测系统预报齿轮表面出现重故障；
步骤四、根据温度传感器采集的信号，监测增速箱内轴承各点的温度T，当T大于80℃时，在线监测系统作出轻故障报警，当T大于90℃时，在线监测系统作出重故障报警。
CN201810041090.7A 2018-01-16 2018-01-16 热轧除鳞泵增速箱在线监测诊断方法 Active CN110038908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810041090.7A CN110038908B (zh) 2018-01-16 2018-01-16 热轧除鳞泵增速箱在线监测诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810041090.7A CN110038908B (zh) 2018-01-16 2018-01-16 热轧除鳞泵增速箱在线监测诊断方法

Publications (2)

Publication Number Publication Date
CN110038908A CN110038908A (zh) 2019-07-23
CN110038908B true CN110038908B (zh) 2022-09-16

Family

ID=67273463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810041090.7A Active CN110038908B (zh) 2018-01-16 2018-01-16 热轧除鳞泵增速箱在线监测诊断方法

Country Status (1)

Country Link
CN (1) CN110038908B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685042A (zh) * 2008-09-25 2010-03-31 上海宝钢工业检测公司 冷轧加热炉炉辊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
CN103769425A (zh) * 2012-10-26 2014-05-07 上海宝钢工业技术服务有限公司 减定径机振动状态在线监测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19903926A1 (de) * 1999-02-01 2000-08-03 Sms Demag Ag Verfahren und Anlage zum Umformen von Metallband
AT507663B1 (de) * 2009-04-09 2010-07-15 Siemens Vai Metals Tech Gmbh Verfahren und vorrichtung zum aufbereiten von warmwalzgut
CN202270744U (zh) * 2011-11-02 2012-06-13 攀钢集团攀枝花钢钒有限公司 在线监测系统及其热连轧高压水除磷泵组设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685042A (zh) * 2008-09-25 2010-03-31 上海宝钢工业检测公司 冷轧加热炉炉辊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
CN103769425A (zh) * 2012-10-26 2014-05-07 上海宝钢工业技术服务有限公司 减定径机振动状态在线监测方法

Also Published As

Publication number Publication date
CN110038908A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
Li et al. Extracting repetitive transients for rotating machinery diagnosis using multiscale clustered grey infogram
Wang et al. Support vector data description for fusion of multiple health indicators for enhancing gearbox fault diagnosis and prognosis
CN103471841B (zh) 一种旋转机械振动故障诊断方法
CN111751117A (zh) 一种特种车辆健康状态评估方法及装置
CN102441579B (zh) 热连轧轧机运行状态的在线监测方法
CN105181019A (zh) 用于旋转类机械早期故障预警分析的计算机程序产品
CN109469896B (zh) 一种基于时间序列分析工业锅炉故障的诊断方法及系统
CN113375939B (zh) 基于svd和vmd的机械件故障诊断方法
CN103616187A (zh) 一种基于多维度信息融合的故障诊断方法
CN109710955B (zh) 基于lcd—递归定量分析的滚动轴承故障诊断及健康评估方法
Guo et al. An enhanced modulation signal bispectrum analysis for bearing fault detection based on non-Gaussian noise suppression
CN113537044B (zh) 基于STFT与改进DenseNet的航空发动机故障诊断方法
CN110038908B (zh) 热轧除鳞泵增速箱在线监测诊断方法
CN116738314A (zh) 一种基于神经网络的空压机故障检测方法
CN105511454B (zh) 一种工业控制回路时变振荡行为检测方法
Baqqar et al. Data mining for gearbox condition monitoring
CN115186707A (zh) 一种简易齿轮箱故障检测方法
CN112784744B (zh) 一种具有缺失值的机械构件振动信号预处理方法
CN115283454A (zh) 基于5g三轴温振一体技术的轧机早期故障监测与诊断系统
Huo et al. A comparative study of WPD and EMD for shaft fault diagnosis
Ai et al. Application of order cepstrum and neural network to gear fault detection
CN113516023B (zh) 设备振动异常诊断方法和系统
CN113432709B (zh) 一种基于图形学的可视化机械故障诊断方法
CN110132579B (zh) 一种基于磁电式转速传感器的齿轮健康状态监测方法
CN112816213B (zh) 一种风力机传动系统的故障诊断方法

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
GR01 Patent grant
GR01 Patent grant