CN114247759A - 一种热轧精轧机振动缺陷的识别与预警方法 - Google Patents
一种热轧精轧机振动缺陷的识别与预警方法 Download PDFInfo
- Publication number
- CN114247759A CN114247759A CN202011006957.9A CN202011006957A CN114247759A CN 114247759 A CN114247759 A CN 114247759A CN 202011006957 A CN202011006957 A CN 202011006957A CN 114247759 A CN114247759 A CN 114247759A
- Authority
- CN
- China
- Prior art keywords
- vibration
- early warning
- rolling
- trend
- finishing mill
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005098 hot rolling Methods 0.000 title claims abstract description 34
- 238000005096 rolling process Methods 0.000 claims abstract description 121
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 69
- 239000010959 steel Substances 0.000 claims abstract description 69
- 230000005856 abnormality Effects 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 40
- 238000005259 measurement Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 17
- 230000000630 rising effect Effects 0.000 claims description 17
- 238000004886 process control Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
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
- B21B38/008—Monitoring or detecting vibration, chatter or chatter marks
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种热轧精轧机振动缺陷的识别与预警方法，用于实现热轧精轧机振动缺陷的识别，所述振动缺陷的识别通过轧机振动指数与振动缺陷预警的比较判定得出，当轧机振动指数大于振动缺陷预警时，判定为存在振动缺陷，输出预警信号；否则判定为无振动异常。其中，所述轧机振动指数根据从一卷带钢的轧制力中析出的波动因素确定；所述振动缺陷预警包括第一预警：单块钢预警与第二预警：趋势预警；本发明的一种热轧精轧机振动缺陷的识别与预警方法，可实现基于当前卷带钢的轧辊偏心的振动缺陷识别以及根据振动指数趋势变化的振动缺陷识别，建立对下一卷带钢或后续带钢的调制机制。
Description
技术领域
本发明属于带钢轧制领域，具体涉及一种热轧精轧机振动缺陷的识别与预警方法。
背景技术
热轧带钢生产过程中，精轧机产生振动是普遍存在的问题，当轧机振动程度较轻时会造成轧辊表面振痕，影响表带钢面质量，增加产品缺陷发生率；当振动程度严重时会影响生产稳定性，造成废钢事故的发生。当轧机振动情况发生时，需要降低产生振动机架的轧制负荷，或者降低轧制速度，避免振动程度的恶化，但这会影响生产产能的发挥。因此，精轧机的振动问题对产品质量、生产的稳定连续运行等方面具有严重不利的影响。
目前，对轧机振动的判断主要有两种方法，一是依靠操作人员通过听到的声音是否异常来进行判别；二是在轧机上安装专门的振动传感检测仪器进行检测(见图1)。热轧带钢生产是一个高温高噪声的生产过程，通过声音进行判定，会受到现场噪声的干扰，而且受到人的主观经验影响，容易出现错误判断情况。通过仪器检测需要安装专业的振动传感检测器，传感器可实现高灵敏度检测，但也容易受到强烈的噪声干扰，给振动故障特征的有效识别和准确提取带来很大困难，而且传感器检测需要庞大数据的存储，无法支撑长时间的在线检测，同时增加生产成本。
热轧产线目前一般是发现问题后才安装振动传感检测器，收集一段短时间数据进行问题的分析与改进，无法实现振动问题的长期实时检测与预警。而热轧精轧机产生的振动问题与生产品种和设备状态有关，需要进行长期的在线监测，才能及时发现问题，减少对产品质量和生产稳定的影响。因此，如何方便且及时的实现振动检测并准确预警是需要解决的关键问题。
申请号为：201710142524.8的发明申请，公开了“一种轧机振动监测及振动纹缺陷判别的方法”，用于在实现振动及时报警的同时，实现振动纹缺陷的准确判定，通过检测器配合基础自动化控制机完成，在所述的基础自动化控制机中设置有数据处理单元、数据存储单元、数据比较单元及输出单元。
申请号为：201710957276.2的发明申请，公开了“一种轧机振动工况划分的聚类方法”，包括如下步骤：1)构建历史状态数据的聚类样本；2)对聚类样本进行滤波，获取特征信号；3)对聚类样本的特征信号进行无量纲化处理；4)确定基于局部线性嵌入的多流行局部几何结构信息度量和多流形相似度度量；5)对样本空间进行降维处理；6)确定最优化聚类中心；7)采用最近邻分类器对所述降维处理后的数据集进行分类，对轧机系统的振动工况进行划分。
发明内容
为解决以上问题，本发明提供了一种热轧精轧机振动缺陷的识别与预警方法，其技术方案具体如下：
一种热轧精轧机振动缺陷的识别与预警方法，用于实现热轧精轧机振动缺陷的识别，其特征在于：
所述振动缺陷的识别通过轧机振动指数与振动缺陷预警的比较判定得出，
当轧机振动指数大于振动缺陷预警时，判定为存在振动缺陷，输出预警信号；否则判定为无振动异常。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述轧机振动指数根据从一卷带钢的轧制力中析出的波动因素确定。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
按照设定的测量周期建立对当前卷带钢各个时刻各机架的轧制力检测，并将检测值经由基础自动化控制机录入过程控制机的数据库；
过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数；根据确定的轧机振动指数建立根据当前卷带钢轧制振动情况调制下一卷带钢或后续带钢的基准。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述振动缺陷预警包括第一预警与第二预警；
所述第一预警为单块钢预警；
所述第二预警为趋势预警。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述单块钢预警通过轧机振动指数与单块钢预警阈值的比较得出，
当轧机振动指数大于单块钢预警阈值时，判定为存在振动缺陷，输出第一预警信号；否则判定为无振动异常。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势预警由两个判定因子构成，其中第一判定因子为：趋势上升判定、第二判定因子为：趋势阈值判定；
所述趋势阈值判定以趋势上升判定为先决条件。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势上升判定具体为：当设定数目的连续钢块的轧机振动指数保持上升趋势，则判定为符合趋势上升；否则不符合趋势上升判定。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的趋势阈值判定具体为：当符合趋势上升中的最后一块钢块的轧机振动指数大于趋势阈值时，则根据趋势阈值判定输出第二预警信号，否则判定为无振动异常。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述轧机振动指数具体为：
其中，
Indexj：轧机振动指数；
High_Pij：高通滤波后轧制力波动值；
n：数据High_Pij的个数。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述测量周期满足：测量间隔时间小于等于50ms且大于等于20ms。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的单块钢预警阈值具体为：
其中，
ej：第j机架支承辊偏心允许的最大值，单位：mm；
Koj：第j机架的刚度系数，单位：KN/mm；
Kmj：第j机架的塑性系数，单位：KN/mm。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势阈值具体为：
G_Tj＝a×Gj
其中，
a：为趋势预警阀值系数，取值范围为：0.33～0.68。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的“过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数”，具体为：
对录入的检测值进行无效轧制力检测数据的剔除，而后对剔除无效轧制力检测数据后的轧制力数据进行高通滤波，得到滤波后数据，根据滤波后数据确定轧机振动指数。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述滤波通过三阶巴特沃斯滤波器完成，所述滤波器的截止频率范围为：0.04～0.10。
根据本发明的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的无效轧制力检测数据的剔除，具体为：
将轧制力实测数据Pij头部N个数据和尾部N个数据删除，其中N按照如下公式计算：
N＝500/T
其中，
T：设定的测量周期，单位：ms。
本发明的一种热轧精轧机振动缺陷的识别与预警方法，方便及时的实现热轧精轧机振动缺陷识别，并实现长期在线监测与预警。其创新点在于：
1)提供一种基于高频轧制力检测数据，通过高通滤波方法进行热轧精轧机振动指数计算的方法。
2)提供一种基于轧辊偏心的单块钢振动缺陷预警方法。
3)提供一种基于多块钢振动指数变化趋势的振动缺陷预警方法。
其利用生产厂现有的检测设备及检测数据，不增加检测设备，可方便实现长期在线振动问题的识别，可及时预警发现问题，在不增加成本的情况下提高热轧精轧机组的生产稳定性。
具体为：本发明的一种热轧精轧机振动缺陷的识别与预警方法，用于测量振动大小程度，识别出对生产顺行和产品质量造成影响的振动缺陷，并可在振动缺陷发生前进行预测报警。首先从基础自动化计算机获取一卷带钢的高频轧制力检测数据，进行无效数据剔除后，使用高通滤波方法获得轧机振动相关数据，计算出轧机振动指数，轧机振动指数的大小代表轧机振动的程度，实现精轧机振动的测量。通过比较轧机振动指数与预警阀值，可剔除轧辊偏心对振动缺陷识别的影响，实现轧机振动缺陷的识别。对于轧机振动缓慢恶化直至振动缺陷发生的问题，通过振动指数趋势变化的识别方法，实现轧机振动缺陷的提前报警。通过上述形成剔除轧辊偏心影响后的、具有预警性质的更准确的振动缺陷数据，供操作和技术人员进行使用，减少振动缺陷事故的发生。
综述，本发明的一种热轧精轧机振动缺陷的识别与预警方法，可实现基于当前卷带钢的轧辊偏心的振动缺陷识别以及根据振动指数趋势变化的振动缺陷识别，建立对下一卷带钢或后续带钢的调制机制。
附图说明
图1为本发明实施例中的振动缺陷识别流程示意图；
图2为本发明实施例中的振动趋势预警示意图；
图3为本发明实施例中的F3机架轧制力实测数据示意图；
图4为本发明实施例中的高通滤波后输出结果示意图。
具体实施方式
下面，根据说明书附图和具体实施方式对本发明的一种热轧精轧机振动缺陷的识别与预警方法作进一步具体说明。
一种热轧精轧机振动缺陷的识别与预警方法，用于实现热轧精轧机振动缺陷的识别，
所述振动缺陷的识别通过轧机振动指数与振动缺陷预警的比较判定得出，
当轧机振动指数大于振动缺陷预警时，判定为存在振动缺陷，输出预警信号；否则判定为无振动异常。
其中，
所述轧机振动指数根据从一卷带钢的轧制力中析出的波动因素确定。
其中，
按照设定的测量周期建立对当前卷带钢各个时刻各机架的轧制力检测，并将检测值经由基础自动化控制机录入过程控制机的数据库；
过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数；根据确定的轧机振动指数建立根据当前卷带钢轧制振动情况调制下一卷带钢或后续带钢的基准。
其中，
所述振动缺陷预警包括第一预警与第二预警；
所述第一预警为单块钢预警；
所述第二预警为趋势预警。
其中，
所述单块钢预警通过轧机振动指数与单块钢预警阈值的比较得出，
当轧机振动指数大于单块钢预警阈值时，判定为存在振动缺陷，输出第一预警信号；否则判定为无振动异常。
其中，
所述趋势预警由两个判定因子构成，其中第一判定因子为：趋势上升判定、第二判定因子为：趋势阈值判定；
所述趋势阈值判定以趋势上升判定为先决条件。
其中，
所述趋势上升判定具体为：当设定数目的连续钢块的轧机振动指数保持上升趋势，则判定为符合趋势上升；否则不符合趋势上升判定。
其中，
所述的趋势阈值判定具体为：当符合趋势上升中的最后一块钢块的轧机振动指数大于趋势阈值时，则根据趋势阈值判定输出第二预警信号，否则判定为无振动异常。
其中，
所述轧机振动指数具体为：
其中，
Indexj：轧机振动指数；
High_Pij：高通滤波后轧制力波动值；
n：数据High_Pij的个数。
其中，
所述测量周期满足：测量间隔时间小于等于50ms且大于等于20ms。
其中，
所述的单块钢预警阈值具体为：
其中，
ej：第j机架支承辊偏心允许的最大值，单位：mm；
Koj：第j机架的刚度系数，单位：KN/mm；
Kmj：第j机架的塑性系数，单位：KN/mm。
其中，
所述趋势阈值具体为：
G_Tj＝a×Gj
其中，
a：为趋势预警阀值系数，取值范围为：0.33～0.68。
其中，
所述的“过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数”，具体为：
对录入的检测值进行无效轧制力检测数据的剔除，而后对剔除无效轧制力检测数据后的轧制力数据进行高通滤波，得到滤波后数据，根据滤波后数据确定轧机振动指数。
其中，
所述滤波通过三阶巴特沃斯滤波器完成，所述滤波器的截止频率范围为：0.04～0.10。
其中，
所述的无效轧制力检测数据的剔除，具体为：
将轧制力实测数据Pij头部N个数据和尾部N个数据删除，其中N按照如下公式计算：
N＝500/T
其中，
T：设定的测量周期，单位：ms。
实施例
本实施例中的实施步骤如图2所示，具体如下：
1)发明步骤1的实际轧制力检测数据获取是指：当一块带钢开始轧制，从基础自动化计算机获取每个机架各个时刻测量的轧制力实测数据Pij(单位KN)。其中i代表检测点数，j代表机架号，测量周期T(单位ms)即测量数据的间隔时间要求小于等于50ms且大于等于20ms。
2)发明步骤2无效轧制力检测数据的剔除是指：将轧制力实测数据Pij头部N个数据和尾部N个数据删除，其中N按照公式(1)计算：
N＝500/T (1)
3)发明步骤3轧制力数据高通滤波处理是指：对步骤2处理后剩余的轧制力实测数据Pij进行高通滤波，滤波后的数据为High_Pij。滤波器使用巴特沃斯滤波器，滤波器的阶数为3，归一化截止频率是与测量周期T相关参数，取值范围为0.04～0.10。
4)发明步骤4轧机振动指数计算是指：按照公式(2)和(3)计算轧机振动指数Indexj。
式中n为数据High_Pij的个数。
5)发明步骤5单块钢振动预警判断是指：判断轧机振动指数Indexj是否大于单块钢预警阀值Gj，如果大于则预警。
ej为第j机架支承辊偏心允许的最大值(单位mm)。
Koj为第j机架的刚度系数(单位KN/mm)。
Kmj为第j机架的塑性系数(单位KN/mm)。
6)发明步骤6振动趋势预警判断是指：当趋势上升、超过趋势阀值两个条件同时满足时候判断为趋势预警(如图3所示)。
趋势上升条件是指：当连续6块钢的轧机振动指数保持上升趋势；
超过趋势阀值条件是指：第6块钢的轧机振动指数大于趋势阀值G_Tj。
G_Tj＝a×Gj (5)
a为趋势预警阀值系数，取值范围0.33～0.68。
发明步骤7输出预警信号类别是指：将发明步骤5和6获得的振动缺陷预警判断结果输出给操作和技术人员，以便对下一卷带钢采取针对性的临时干预与处理措施。
下面以在某热连轧产线精轧F3机架振动缺陷的识别与预警实施例来进一步说明上述方法。
实施例生产带钢规格为厚度4.31mm，宽度1582mm。
1)从基础自动化计算机获取F3机架实施例带钢从生产开始到生产结束时刻测量的轧制力实测数据(单位KN)，测量周期50ms，一共获取585个数据。数据如图3所示。
2)按照公式(1)计算N值，结果为10，则分别将头部10个数据和尾部10个轧制力实测数据删除，删除后剩余565个数据。
N＝500/50＝10
3)对步骤2处理后剩余的565个轧制力实测数据进行高通滤波，滤波后的数据结果如图4所示。
4)按照公式(2)和(3)计算轧机振动指数Index3，计算结果为38.6。
5)按照公式(4)计算单块钢单块钢预警阀值G3，计算结果为35.02。
振动预警判断：轧机振动指数Index3大于单块钢预警阀值G3，符合单块钢预警条件。
6)由于触发单块钢预警，则输出单块预警信号给操作人员，操作人员采取降低负荷方式进行及时处理。
本发明的一种热轧精轧机振动缺陷的识别与预警方法，用于测量振动大小程度，识别出对生产顺行和产品质量造成影响的振动缺陷，并可在振动缺陷发生前进行预测报警。首先从基础自动化计算机获取一卷带钢的高频轧制力检测数据，进行无效数据剔除后，使用高通滤波方法获得轧机振动相关数据，计算出轧机振动指数，轧机振动指数的大小代表轧机振动的程度，实现精轧机振动的测量。通过比较轧机振动指数与预警阀值，可剔除轧辊偏心对振动缺陷识别的影响，实现轧机振动缺陷的识别。对于轧机振动缓慢恶化直至振动缺陷发生的问题，通过振动指数趋势变化的识别方法，实现轧机振动缺陷的提前报警。通过上述形成剔除轧辊偏心影响后的、具有预警性质的更准确的振动缺陷数据，供操作和技术人员进行使用，减少振动缺陷事故的发生。
综述，本发明的一种热轧精轧机振动缺陷的识别与预警方法，可实现基于当前卷带钢的轧辊偏心的振动缺陷识别以及根据振动指数趋势变化的振动缺陷识别，建立对下一卷带钢或后续带钢的调制机制。
Claims (15)
1.一种热轧精轧机振动缺陷的识别与预警方法，用于实现热轧精轧机振动缺陷的识别，其特征在于：
所述振动缺陷的识别通过轧机振动指数与振动缺陷预警的比较判定得出，
当轧机振动指数大于振动缺陷预警时，判定为存在振动缺陷，输出预警信号；否则判定为无振动异常。
2.根据权利要求1所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述轧机振动指数根据从一卷带钢的轧制力中析出的波动因素确定。
3.根据权利要求2所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
按照设定的测量周期建立对当前卷带钢各个时刻各机架的轧制力检测，并将检测值经由基础自动化控制机录入过程控制机的数据库；
过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数；根据确定的轧机振动指数建立根据当前卷带钢轧制振动情况调制下一卷带钢或后续带钢的基准。
4.根据权利要求1所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述振动缺陷预警包括第一预警与第二预警；
所述第一预警为单块钢预警；
所述第二预警为趋势预警。
5.根据权利要求4所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述单块钢预警通过轧机振动指数与单块钢预警阈值的比较得出，
当轧机振动指数大于单块钢预警阈值时，判定为存在振动缺陷，输出第一预警信号；否则判定为无振动异常。
6.根据权利要求4所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势预警由两个判定因子构成，其中第一判定因子为：趋势上升判定、第二判定因子为：趋势阈值判定；
所述趋势阈值判定以趋势上升判定为先决条件。
7.根据权利要求6所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势上升判定具体为：当设定数目的连续钢块的轧机振动指数保持上升趋势，则判定为符合趋势上升；否则不符合趋势上升判定。
8.根据权利要求6所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的趋势阈值判定具体为：当符合趋势上升中的最后一块钢块的轧机振动指数大于趋势阈值时，则根据趋势阈值判定输出第二预警信号，否则判定为无振动异常。
9.根据权利要求2所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述轧机振动指数具体为：
其中，
Indexj：轧机振动指数；
High_Pij：高通滤波后轧制力波动值；
n：数据High_Pij的个数。
10.根据权利要求3所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述测量周期满足：测量间隔时间小于等于50ms且大于等于20ms。
11.根据权利要求5所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的单块钢预警阈值具体为：
其中，
ej：第j机架支承辊偏心允许的最大值，单位：mm；
Koj：第j机架的刚度系数，单位：KN/mm；
Kmj：第j机架的塑性系数，单位：KN/mm。
12.根据权利要求6或8所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述趋势阈值具体为：
G_Tj＝a×Gj
其中，
a：为趋势预警阀值系数，取值范围为：0.33～0.68。
13.根据权利要求3所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的“过程控制机根据录入的检测值、析出波动因素影响因子，并根据波动因素影响因子确定轧机振动指数”，具体为：
对录入的检测值进行无效轧制力检测数据的剔除，而后对剔除无效轧制力检测数据后的轧制力数据进行高通滤波，得到滤波后数据，根据滤波后数据确定轧机振动指数。
14.根据权利要求13所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述滤波通过三阶巴特沃斯滤波器完成，所述滤波器的截止频率范围为：0.04～0.10。
15.根据权利要求13所述的一种热轧精轧机振动缺陷的识别与预警方法，其特征在于：
所述的无效轧制力检测数据的剔除，具体为：
将轧制力实测数据Pij头部N个数据和尾部N个数据删除，其中N按照如下公式计算：
N＝500/T
其中，
T：设定的测量周期，单位：ms。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011006957.9A CN114247759B (zh) | 2020-09-23 | 2020-09-23 | 一种热轧精轧机振动缺陷的识别与预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011006957.9A CN114247759B (zh) | 2020-09-23 | 2020-09-23 | 一种热轧精轧机振动缺陷的识别与预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114247759A true CN114247759A (zh) | 2022-03-29 |
| CN114247759B CN114247759B (zh) | 2024-05-14 |
Family
ID=80789794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011006957.9A Active CN114247759B (zh) | 2020-09-23 | 2020-09-23 | 一种热轧精轧机振动缺陷的识别与预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114247759B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08132110A (ja) * | 1994-11-11 | 1996-05-28 | Sumitomo Metal Ind Ltd | 圧延機のチャタリング検出装置 |
| CN1126115A (zh) * | 1994-07-08 | 1996-07-10 | 石川岛播磨重工业株式会社 | 兼用辊位移与辊弯曲的轧制方法与轧机及用于此的轧辊 |
| WO1996027454A1 (en) * | 1995-03-07 | 1996-09-12 | Davy Mckee (Poole) Limited | Rolling mill vibration control |
| JPH1177119A (ja) * | 1997-09-11 | 1999-03-23 | Nippon Steel Corp | 圧延ロールの研削方法及び研削装置 |
| CN102632079A (zh) * | 2012-04-27 | 2012-08-15 | 杭州电子科技大学 | 采用惯性飞轮抑制高速轧机颤振的装置 |
| CN202667270U (zh) * | 2012-04-17 | 2013-01-16 | 攀钢集团攀枝花钢钒有限公司 | 平整机组激光测速延伸率震荡控制装置 |
| CN103180063A (zh) * | 2010-10-08 | 2013-06-26 | 丹尼尔和科菲森梅克尼齐有限公司 | 用于轧机的具有第一和第二无源液压元件的振动阻尼系统 |
| CN103191926A (zh) * | 2013-03-30 | 2013-07-10 | 马钢(集团)控股有限公司 | 一种防止冷连轧轧钢机轧辊轴承烧伤卡死的工艺方法 |
| CN104275351A (zh) * | 2013-07-10 | 2015-01-14 | 上海宝钢工业技术服务有限公司 | 高速线材精轧机振动状态在线监测方法 |
| JP2017018989A (ja) * | 2015-07-13 | 2017-01-26 | Ｊｆｅスチール株式会社 | 熱間仕上圧延におけるレベリング設定方法および装置 |
| 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 |
| DE102016202366A1 (de) * | 2016-02-16 | 2017-08-17 | Sms Group Gmbh | Vorrichtung zum Unterdrücken von Ratterschwingungen in einer Walzstraße |
| CN207126992U (zh) * | 2017-08-24 | 2018-03-23 | 重庆钢铁(集团)有限责任公司 | 金属管表面缺陷检测系统 |
| JP2018118312A (ja) * | 2017-01-25 | 2018-08-02 | Ｊｆｅスチール株式会社 | チャタマーク防止方法及びチャタマーク防止装置 |
| CN108393358A (zh) * | 2018-05-11 | 2018-08-14 | 中国重型机械研究院股份公司 | 一种六辊冷轧机工作辊正负弯辊平滑过渡系统 |
| CN108568455A (zh) * | 2017-03-10 | 2018-09-25 | 宝山钢铁股份有限公司 | 一种轧机振动监测及振动纹缺陷判别的方法 |
| US20180361446A1 (en) * | 2017-06-15 | 2018-12-20 | Butech, Inc. | Closed loop roller leveler with oscillating laser sensors |
| CN110842031A (zh) * | 2018-07-24 | 2020-02-28 | 宝山钢铁股份有限公司 | 一种抑制冷连轧机组振动的乳化液流量优化方法 |
| CN211247757U (zh) * | 2019-12-13 | 2020-08-14 | 扬州欣欣重工机械有限公司 | 一种防震动钢材加工轧辊 |
-
2020
- 2020-09-23 CN CN202011006957.9A patent/CN114247759B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1126115A (zh) * | 1994-07-08 | 1996-07-10 | 石川岛播磨重工业株式会社 | 兼用辊位移与辊弯曲的轧制方法与轧机及用于此的轧辊 |
| JPH08132110A (ja) * | 1994-11-11 | 1996-05-28 | Sumitomo Metal Ind Ltd | 圧延機のチャタリング検出装置 |
| WO1996027454A1 (en) * | 1995-03-07 | 1996-09-12 | Davy Mckee (Poole) Limited | Rolling mill vibration control |
| JPH1177119A (ja) * | 1997-09-11 | 1999-03-23 | Nippon Steel Corp | 圧延ロールの研削方法及び研削装置 |
| CN103180063A (zh) * | 2010-10-08 | 2013-06-26 | 丹尼尔和科菲森梅克尼齐有限公司 | 用于轧机的具有第一和第二无源液压元件的振动阻尼系统 |
| CN202667270U (zh) * | 2012-04-17 | 2013-01-16 | 攀钢集团攀枝花钢钒有限公司 | 平整机组激光测速延伸率震荡控制装置 |
| CN102632079A (zh) * | 2012-04-27 | 2012-08-15 | 杭州电子科技大学 | 采用惯性飞轮抑制高速轧机颤振的装置 |
| CN103191926A (zh) * | 2013-03-30 | 2013-07-10 | 马钢(集团)控股有限公司 | 一种防止冷连轧轧钢机轧辊轴承烧伤卡死的工艺方法 |
| CN104275351A (zh) * | 2013-07-10 | 2015-01-14 | 上海宝钢工业技术服务有限公司 | 高速线材精轧机振动状态在线监测方法 |
| JP2017018989A (ja) * | 2015-07-13 | 2017-01-26 | Ｊｆｅスチール株式会社 | 熱間仕上圧延におけるレベリング設定方法および装置 |
| DE102016202366A1 (de) * | 2016-02-16 | 2017-08-17 | Sms Group Gmbh | Vorrichtung zum Unterdrücken von Ratterschwingungen in einer Walzstraße |
| 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 |
| JP2018118312A (ja) * | 2017-01-25 | 2018-08-02 | Ｊｆｅスチール株式会社 | チャタマーク防止方法及びチャタマーク防止装置 |
| CN108568455A (zh) * | 2017-03-10 | 2018-09-25 | 宝山钢铁股份有限公司 | 一种轧机振动监测及振动纹缺陷判别的方法 |
| US20180361446A1 (en) * | 2017-06-15 | 2018-12-20 | Butech, Inc. | Closed loop roller leveler with oscillating laser sensors |
| CN207126992U (zh) * | 2017-08-24 | 2018-03-23 | 重庆钢铁(集团)有限责任公司 | 金属管表面缺陷检测系统 |
| CN108393358A (zh) * | 2018-05-11 | 2018-08-14 | 中国重型机械研究院股份公司 | 一种六辊冷轧机工作辊正负弯辊平滑过渡系统 |
| CN110842031A (zh) * | 2018-07-24 | 2020-02-28 | 宝山钢铁股份有限公司 | 一种抑制冷连轧机组振动的乳化液流量优化方法 |
| CN211247757U (zh) * | 2019-12-13 | 2020-08-14 | 扬州欣欣重工机械有限公司 | 一种防震动钢材加工轧辊 |
Non-Patent Citations (4)
| Title |
|---|
| 侯福祥;张杰;曹建国;史小路;: "带钢冷轧机振动问题的研究进展及评述", 钢铁研究学报, no. 10, pages 6 - 10 * |
| 王永利;汪友国;郭树宝;: "冷轧板振动痕缺陷原因分析", 宝钢技术, vol. 1, no. 03, 15 June 2007 (2007-06-15), pages 162 - 163 * |
| 王积友等: "铝热连轧机颤振与板型不良分析与解决", 新型工业化, vol. 9, no. 6, pages 192 - 59 * |
| 陶美娟: "材料质量检测与分析技术", vol. 1, 中国质检出版社, pages: 162 - 163 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114247759B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102398307B1 (ko) | 이상 판정 지원 장치 | |
| TWI615694B (zh) | 製造設備診斷支援裝置及製造設備診斷支援方法 | |
| JP6252675B2 (ja) | 製造設備診断支援装置 | |
| CN109996615B (zh) | 轧制设备的异常诊断方法及装置 | |
| CN105834835A (zh) | 一种基于多尺度主元分析的刀具磨损在线监测方法 | |
| JP5487681B2 (ja) | 鋼帯圧延機診断装置及び診断方法 | |
| JP6365526B2 (ja) | 小径ロールのベアリング劣化検出方法及びベアリング劣化検出装置 | |
| CN108568455A (zh) | 一种轧机振动监测及振动纹缺陷判别的方法 | |
| US20110106289A1 (en) | Method for monitoring an industrial plant | |
| CN110653271B (zh) | 热轧带钢卷取夹送辊的辊面质量自动评级装置和评级方法 | |
| CN112739468B (zh) | 辊状态监视装置 | |
| CN114523338A (zh) | 一种基于噪声分析的切削刀具磨损状态监测方法 | |
| CN114247759A (zh) | 一种热轧精轧机振动缺陷的识别与预警方法 | |
| JP6572981B2 (ja) | チャタマーク防止方法及びチャタマーク防止装置 | |
| CN112862284B (zh) | 一种热轧带钢轧机刚度的精度评价方法及系统 | |
| Alzahrani et al. | Acoustic assessment of an End Mill for Analysis of tool wear | |
| CN104457968B (zh) | 一种基于峭度时变信号轧机振痕识别方法 | |
| Haapamäki et al. | Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction. | |
| CN118403904B (zh) | 基于多维数据的轧辊异常处理方法、装置、介质和设备 | |
| CN117151516A (zh) | 一种面向宽板热处理的矫直机工艺精度评价方法 | |
| CN118341844A (zh) | 一种热轧带材中波检测装置及方法 | |
| CN118123583A (zh) | 一种铣削刀具破损状态监测装置及其监测方法 | |
| Chuang et al. | Downcoiler surface fault prediction for a hot strip steel mill | |
| KR20240073071A (ko) | 압연 롤의 적합 판정 방법, 금속대의 압연 방법 및 냉연 강판의 제조 방법 | |
| Rother | Approach for improved signal-based fault diagnosis of hot rolling mills |
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 |