CN115099284A - 热轧轧机振动数据处理方法、系统、终端及存储介质 - Google Patents
热轧轧机振动数据处理方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN115099284A CN115099284A CN202210817504.7A CN202210817504A CN115099284A CN 115099284 A CN115099284 A CN 115099284A CN 202210817504 A CN202210817504 A CN 202210817504A CN 115099284 A CN115099284 A CN 115099284A
- Authority
- CN
- China
- Prior art keywords
- data
- peak
- vibration data
- value
- sub
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种热轧轧机振动数据处理方法、系统、终端及存储介质,方法包括:采集原始振动数据;进行数据分割,得到多个数据子块并进行索引标注,对数据子块进行峰值计算,得到数据子块峰值;进行降序排序,提取序列中前数位的数据子块峰值,对剩余的数据子块峰值进行均值计算,得到数据子块均峰值;将所提取的数个数据子块峰值分别与数据子块均峰值进行对比,得到振动数据分割界限;依据振动数据分割界限对原始振动数据进行分割。本申请通过采集热轧轧机运行全过程的原始振动数据,结合算法分析、推导得出振动数据分割界限,进而将原始振动数据分割为咬钢过程振动数据及正常轧制过程振动数据,分割过程直观、准确,分割结果可信度高。
Description
技术领域
本申请涉及一种振动数据处理方案,具体而言,为一种针对热轧加工过程的热轧轧机振动数据处理方法、系统、终端及存储介质,属于机械设备预测性维护技术领域。
背景技术
振动分析是机械设备预测性维护过程中应用广泛且较为成熟的技术,该技术通过采集机械设备运行时的振动数据,结合频谱转换等方法完成数据分析,进而有效地判断出机械设备是否存在故障。
热轧是冶金行业中较为常见的一种生产工艺,热轧工艺主要以板坯(主要为连铸坯)为主要原料,经加热后由热轧机组制成棒材、带钢等产品。热轧生产线中的热轧轧机属于重载设备,设备运行时长期处于大负载状态、承受冲击载荷。总体而言,相较于普通的、平稳运转的旋转式设备,热轧轧机中旋转部件的受力更大、受力情况更为复杂,也更容易产生各种故障。为此,越来越多的技术人员开始尝试将振动分析技术应用于热轧轧机之上。
热轧轧机的正常轧制过程如图1所示,此时热轧轧机的状态相对平稳,可以采用业内常见的幅值谱、包络谱等方法进行振动分析。而一旦出现如图2所示的热轧轧机咬钢现象,由于板坯与热轧轧机的轧辊之间存在速度差,在板坯和轧辊接触的时刻会产生很强的刚性冲击,热轧轧机会出现振幅远超正常轧制过程的振动。因此,如果将咬钢过程和正常轧制过程的振动数据放在一起进行分析,会导致计算振动时域参数时的数值比正常轧制过程的数值大很多,往往会超过标准的振动阈值、产生误报警。而如果将振动阈值调高,那么振动阈值又会超过正常轧制过程中的故障阈值,导致故障发生时出现漏报。此外,将两个过程中的数据放在一起处理还会使得在进行频谱变换时出现频率混杂的现象,加大振动分析的难度,很难判断设备的真实故障。因此,如何滤除热轧轧机咬钢过程数据、避免其对后续振动分析过程产生影响,也就成为了冶金行业设备故障诊断的一大难题。
针对上述问题,目前业内也出现了一些相关方案。例如中国专利CN202010144161.3就提出了一种基于工况信号触发的咬钢冲击数据滤除方法,该方案会读取轧机的工艺参数,通过将工艺参数与预先配置的工艺参数的判断阈值进行对比,判断出是否出现咬钢现象,再延时控制数据采集模块进行数据采集,从而实现数据过滤。这一方案虽然可行,但需要通过硬件接入热轧轧机获取工艺参数,并输入咬钢判断的工艺参数阈值。这样一来不仅增加了生产人员的工作量,而且加重了生产人员的负担,因为如果出现阈值错填、漏填,就很可能导致工况判断错误、进而使得数据过滤失败。另外,方案中所使用的振动数据采集终端需要与自动化系统进行联动,获得热轧轧机的工况数据后再通过控制进行数据采集,这样无疑提高了系统运行的复杂性和耦合程度,并且现实场景中很多的冶金工厂出于企业安全等原因,并不会开放其自动化系统的接口,因此该方案的实用性偏低。
综上所述,如何提出一种区别于上述相关技术的热轧轧机振动数据处理方案,高效、准确地提取出热轧轧机正常轧制过程的振动数据,避免咬钢过程的振动数据对后续振动分析产生影响、保证振动分析结果的准确性,也就成为了本领域内技术人员所共同关注的问题。
发明内容
鉴于现有技术存在上述缺陷,本申请的目的是提出一种针对热轧加工过程的热轧轧机振动数据处理方法、系统、终端及存储介质,具体如下。
其一,一种热轧轧机振动数据处理方法,包括:
采集热轧轧机的原始振动数据;
对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值;
按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值;
将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限;
依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。
优选地,所述采集热轧轧机的原始振动数据,包括:
利用振动加速度传感器采集热轧轧机的振动数据,得到原始振动数据并加以保存。
优选地,所述对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值,包括:
按预设时间间隔对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,每个所述数据子块内均包含数个数据点;
对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值及其各自对应的索引序号。
优选地,所述按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值,包括:
按降序对多个所述数据子块峰值进行排序,提取序列中前三位的所述数据子块峰值,分别记为第一最大峰值、第二最大峰值及第三最大峰值;
记录所提取的所述数据子块峰值对应的索引序号,分别记为第一最大峰值索引序号、第二最大峰值索引序号及第三最大峰值索引序号;
对序列中提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值。
优选地,所述将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限,包括:
计算所述第一最大峰值与所述数据子块均峰值的比值,得到第一峰值比较值,若所述第一峰值比较值小于预设的第一峰值比较阈值,则认为不需要进行振动数据分割,若所述第一峰值比较值不小于所述第一峰值比较阈值,则按序计算所述第二最大峰值与所述数据子块均峰值的比值;
计算所述第二最大峰值与所述数据子块均峰值的比值,得到第二峰值比较值,若所述第二峰值比较值小于预设的第二峰值比较阈值,则认为所述第一最大峰值索引序号对应的所述数据子块为咬钢过程发生子块,若所述第二峰值比较值大于预设的第三峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值大于预设的第一序号差值阈值则认为不需要进行振动数据分割,若所述第二峰值比较值大于所述第二峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值等于预设的第二序号差值阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均包含于咬钢过程发生子块中,按序计算所述第三最大峰值与所述数据子块均峰值的比值;
计算所述第三最大峰值与所述数据子块均峰值的比值,得到第三峰值比较值,若所述第三峰值比较值小于预设的第四峰值比较阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块,若所述第三峰值比较值不小于所述第四峰值比较阈值且所述第三最大峰值索引序号与所述第二最大峰值索引序号间的差值等于预设的第三序号差值阈值,则认为所述第三最大峰值索引序号对应的所述数据子块为咬钢过程发生子块、所述第一最大峰值索引序号至所述第三最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块;
以所得到的所述咬钢过程发生子块对应的索引序号作为振动数据分割界限。
优选地,所述第一峰值比较阈值为8,所述第二峰值比较阈值为3,所述第三峰值比较阈值为4,所述第四峰值比较阈值为2;
所述第一序号差值阈值为2,所述第二序号差值阈值为1或2,所述第三序号差值阈值为1。
优选地,所述依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据,包括:
依据所述振动数据分割界限对所述原始振动数据进行分割,将所述原始数据中、所述振动数据分割界限以前的全部所述数据子块作为咬钢过程振动数据,将所述原始数据中、所述振动数据分割界限后的全部所述数据子块作为正常轧制过程振动数据。
本申请所提出的一种热轧轧机振动数据处理方法,通过采集热轧轧机运行全过程的原始振动数据,结合算法分析、推导得出振动数据分割界限,进而实现了将原始振动数据分割为咬钢过程振动数据及正常轧制过程振动数据的数据分割流程,数据分割过程直观、准确,数据分割结果可信度高。
同时,本申请中的方法在实现过程中无需借助额外的硬件设备,方案适用范围广、实用性强、实施成本低。
其二,一种热轧轧机振动数据处理系统,包括:
原始数据采集模块,被配置为采集热轧轧机的原始振动数据;
预处理及峰值计算模块,被配置为对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值;
峰值提取及均峰值计算模块,被配置为按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值;
分割界限计算模块,被配置为将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限;
振动数据分割模块,被配置为依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。
其三,一种智能终端,包括存储器和处理器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如前文中所述的热轧轧机振动数据处理方法。
其四,一种计算机可读存储介质,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如前文中所述的热轧轧机振动数据处理方法。
与前述方法内容相对应的,本申请所提出的一种热轧轧机振动数据处理系统、终端及存储介质,以系统化、标准化的处理流程实现了将原始振动数据分割为咬钢过程振动数据及正常轧制过程振动数据的数据分割流程,进而为后续的振动分析和监测操作提供了技术支持,硬件方案的适配性和兼容性较高,能够切实地应用于热轧轧机振动分析场景中。
本申请还为其他与机械设备预测性维护相关的技术方案提供了参考,可以以此为依据进行拓展延伸和深入研究,具有十分广阔的应用前景。
以下便结合实施例附图,对本申请的具体实施方式作进一步的详述,以使本申请技术方案更易于理解、掌握。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是热轧轧机的正常轧制过程状态示意图;
图2是热轧轧机的咬钢过程状态示意图;
图3是本申请实施例的热轧轧机振动数据的处理方法的流程示意图;
图4是本申请一具体操作实例中一段原始振动数据的时域图;
图5是本申请一具体操作实例中一段原始振动数据的频域图;
图6是本申请一具体操作实例中过滤掉咬钢过程振动数据后的时域图;
图7是本申请一具体操作实例中过滤掉咬钢过程振动数据后的频域图;
图8是本申请实施例的热轧轧机振动数据处理系统的架构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
一方面,本申请涉及一种热轧轧机振动数据处理方法,通过采集热轧轧机运行全过程的原始振动数据,利用算法分析、推导出用于数据划分的振动数据分割界限,进而将原始振动数据分割为咬钢过程振动数据及正常轧制过程振动数据,使用者仅需要对分割后的正常轧制过程振动数据进行频谱分析和诊断,即可达到热轧轧机振动监测和故障诊断的目的。
如图3所示,本申请实施例中的热轧轧机振动数据处理方法,包括如下步骤:
S1、采集热轧轧机的原始振动数据。这一步骤可具体化为以下流程。
利用振动加速度传感器采集热轧轧机的振动数据,得到原始振动数据并加以保存。
S2、对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值。这一步骤可具体化为以下流程。
S21、按预设时间间隔对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,每个所述数据子块内均包含数个数据点。
在一具体操作实例中,所述预设时间间隔为200ms,每个所述数据子块内均包含n个数据点。
S22、对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值及其各自对应的索引序号。
在一具体操作实例中,对每个所述数据子块进行峰值计算可以直接转化为查找n个数据点中绝对值最大的10个数据的绝对平均值Xp,计算公式如下
公式中,j为每个所述数据子块中的数据点序号,Xpj为所述数据子块的降序排列绝对值最大的数据。
S3、按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值。这一步骤可具体化为以下流程。
S31、按降序对多个所述数据子块峰值进行排序,提取序列中前三位的所述数据子块峰值,分别记为第一最大峰值、第二最大峰值及第三最大峰值。
在一具体操作实例中,将所述第一最大峰值记为Xp1、所述第二最大峰值记为Xp2、所述第三最大峰值记为Xp3。
S32、记录所提取的所述数据子块峰值对应的索引序号,分别记为第一最大峰值索引序号、第二最大峰值索引序号及第三最大峰值索引序号。
在一具体操作实例中,将所述第一最大峰值索引序号记为Ip1、所述第二最大峰值索引序号记为Ip2、所述第三最大峰值索引序号记为Ip3。
S33、对序列中提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值。
在一具体操作实例中,将所述数据子块均峰值记为Xpm。
S4、将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限。这一步骤可具体化为以下流程。
S41、计算所述第一最大峰值与所述数据子块均峰值的比值,得到第一峰值比较值;
若所述第一峰值比较值小于预设的第一峰值比较阈值,则认为不需要进行振动数据分割;
若所述第一峰值比较值不小于所述第一峰值比较阈值,则按序计算所述第二最大峰值与所述数据子块均峰值的比值。
在一具体操作实例中,所述第一峰值比较阈值设置为8,上述判断过程可进一步具体化为,
若Xp1/Xpm<8,则认为不存在咬钢过程振动数据、不需要进行振动数据分割,否则进入后续S42步骤流程。
S42、计算所述第二最大峰值与所述数据子块均峰值的比值,得到第二峰值比较值;
若所述第二峰值比较值小于预设的第二峰值比较阈值,则认为所述第一最大峰值索引序号对应的所述数据子块为咬钢过程发生子块;
若所述第二峰值比较值大于预设的第三峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值大于预设的第一序号差值阈值则认为不需要进行振动数据分割;
若所述第二峰值比较值大于所述第二峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值等于预设的第二序号差值阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均包含于咬钢过程发生子块中,按序计算所述第三最大峰值与所述数据子块均峰值的比值。
在一具体操作实例中,所述第二峰值比较阈值设置为3,所述第三峰值比较阈值设置为4,所述第一序号差值阈值设置为2,所述第二序号差值阈值设置为1或2,上述判断过程可进一步具体化为,
若Xp2/Xpm<3,则认为Ip1对应的所述数据子块为咬钢过程发生子块;
若Xp2/Xpm>4且Ip2-Ip1>2,则认为不存在咬钢过程振动数据,或者原始振动数据本身即为错误数据/故障数据,存在多个冲击波形,不需要进行振动数据分割;
若Xp2/Xpm>3且Ip2-Ip1=1或Ip2-Ip1=2,则认为Ip1至Ip2间对应的所述数据子块均包含于咬钢过程发生子块中,进入后续S43步骤流程。
S43、计算所述第三最大峰值与所述数据子块均峰值的比值,得到第三峰值比较值;
若所述第三峰值比较值小于预设的第四峰值比较阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块;
若所述第三峰值比较值不小于所述第四峰值比较阈值且所述第三最大峰值索引序号与所述第二最大峰值索引序号间的差值等于预设的第三序号差值阈值,则认为所述第三最大峰值索引序号对应的所述数据子块为咬钢过程发生子块、所述第一最大峰值索引序号至所述第三最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块。
在一具体操作实例中,所述第四峰值比较阈值设置为2,所述第三序号差值阈值设置为1,上述判断过程可进一步具体化为,
若Xp3/Xpm<2,则认为Ip1至Ip2间对应的对应的所述数据子块均为咬钢过程发生子块,进入后续S44步骤流程;
若Xp3/Xpm≥2且Ip3-Ip2=1,则认为Ip3对应的所述数据子块为咬钢过程发生子块、Ip1至Ip3间对应的所述数据子块均为咬钢过程发生子块,进入后续S44步骤流程。
需要补充说明的是,在上述具体操作实例中,各项比较阈值和差值阈值的设定值均以加工材料为650带钢为标准计算得出。而在方案实际的应用过程中,根据所加工钢材的种类、所加工产品的形状规格的不同,各项比较阈值和差值阈值的设定值也会有所区别。
S44、以所得到的所述咬钢过程发生子块对应的索引序号作为振动数据分割界限。
S5、依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。这一步骤可具体化为以下流程。
依据所述振动数据分割界限对所述原始振动数据进行分割,将所述原始数据中、所述振动数据分割界限以前的全部所述数据子块作为咬钢过程振动数据,将所述原始数据中、所述振动数据分割界限后的全部所述数据子块作为正常轧制过程振动数据。
举例而言,若认为Ip1至Ip2间对应的所述数据子块均为咬钢过程发生子块,则将所述原始数据中、Ip2以前的全部所述数据子块作为咬钢过程振动数据,将所述原始数据中、第Ip2+1以后的全部所述数据子块作为正常轧制过程振动数据。
随后,将所得到的所述咬钢过程振动数据及所述正常轧制过程振动数据进行保存,通常情况下,所述正常轧制过程振动数据可用常规方法进行振动分析和故障诊断;所述咬钢过程振动数据也可以通过峰值、频谱等分析方法判断咬钢现象发生过程中设备的振动变化。
图4~图7是一段原始振动数据按照本申请的方法进行分割过滤的示例,表1为该数据进行过滤前和过滤后关键振动时域参数计算结果,从图中可以看出利用本申请的方法可以很好地判断一段原始振动数据中是否存在咬钢过程振动数据,以及对咬钢过程振动数据进行分割过滤。
加速度峰值 | 速度有效值 | 峭度 | |
过滤前 | 214.46 | 13.65 | 45.73 |
过滤后 | 37.27 | 7.49 | 2.91 |
表1过滤前后振动数据中关键时域参数的对比表
综上所述,本申请所提出的一种热轧轧机振动数据处理方法,数据分割过程直观、准确,数据分割结果可信度高。
同时,本申请中的方法在实现过程中无需借助额外的硬件设备,方案适用范围广、实用性强、实施成本低。
此外,在本申请的方法中,咬钢过程振动数据同样得到了采集和存储,由于咬钢现象发生时是热轧轧机受冲击力最大的时刻,如果设备本身存在故障,则在咬钢现象发生时其所受到的影响更大,保存咬钢过程振动数据并进行分析,可以更有利于使用者判断热轧轧机是否存在故障。
另一方面,本申请还涉及一种热轧轧机振动数据处理系统,系统架构如图8所示,包括:
原始数据采集模块,被配置为采集热轧轧机的原始振动数据;
预处理及峰值计算模块,被配置为对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值;
峰值提取及均峰值计算模块,被配置为按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值;
分割界限计算模块,被配置为将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限;
振动数据分割模块,被配置为依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。
在一种可能的实现方式中,所述原始数据采集模块,包括:
原始数据采集单元,被配置为利用振动加速度传感器采集热轧轧机的振动数据,得到原始振动数据并加以保存。
在一种可能的实现方式中,所述预处理及峰值计算模块,包括:
数据预处理单元,被配置为按预设时间间隔对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,每个所述数据子块内均包含数个数据点;
峰值计算单元,被配置为对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值及其各自对应的索引序号。
在一种可能的实现方式中,所述峰值提取及均峰值计算模块,包括:
峰值提取单元,被配置为按降序对多个所述数据子块峰值进行排序,提取序列中前三位的所述数据子块峰值,分别记为第一最大峰值、第二最大峰值及第三最大峰值;
索引序号记录单元,被配置为记录所提取的所述数据子块峰值对应的索引序号,分别记为第一最大峰值索引序号、第二最大峰值索引序号及第三最大峰值索引序号;
均峰值计算单元,被配置为对序列中提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值。
在一种可能的实现方式中,所述分割界限计算模块,包括:
第一最大峰值比较单元,被配置为计算所述第一最大峰值与所述数据子块均峰值的比值,得到第一峰值比较值,若所述第一峰值比较值小于预设的第一峰值比较阈值,则认为不需要进行振动数据分割,若所述第一峰值比较值不小于所述第一峰值比较阈值,则按序计算所述第二最大峰值与所述数据子块均峰值的比值;
第二最大峰值比较单元,被配置为计算所述第二最大峰值与所述数据子块均峰值的比值,得到第二峰值比较值,若所述第二峰值比较值小于预设的第二峰值比较阈值,则认为所述第一最大峰值索引序号对应的所述数据子块为咬钢过程发生子块,若所述第二峰值比较值大于预设的第三峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值大于预设的第一序号差值阈值则认为不需要进行振动数据分割,若所述第二峰值比较值大于所述第二峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值等于预设的第二序号差值阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均包含于咬钢过程发生子块中,按序计算所述第三最大峰值与所述数据子块均峰值的比值;
第三最大峰值比较单元,被配置为计算所述第三最大峰值与所述数据子块均峰值的比值,得到第三峰值比较值,若所述第三峰值比较值小于预设的第四峰值比较阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块,若所述第三峰值比较值不小于所述第四峰值比较阈值且所述第三最大峰值索引序号与所述第二最大峰值索引序号间的差值等于预设的第三序号差值阈值,则认为所述第三最大峰值索引序号对应的所述数据子块为咬钢过程发生子块、所述第一最大峰值索引序号至所述第三最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块;
分割界限确定单元,被配置为以所得到的所述咬钢过程发生子块对应的索引序号作为振动数据分割界限。
在一种可能的实现方式中,所述振动数据分割模块,包括:
振动数据分割单元,被配置为依据所述振动数据分割界限对所述原始振动数据进行分割,将所述原始数据中、所述振动数据分割界限以前的全部所述数据子块作为咬钢过程振动数据,将所述原始数据中、所述振动数据分割界限后的全部所述数据子块作为正常轧制过程振动数据。
又一方面,本申请还涉及一种智能终端,包括存储器和处理器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如前文中所述的热轧轧机振动数据处理方法步骤,例如图3所示的步骤。或者,处理器执行计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图8所示的各模块/单元的功能。
再一方面,本申请还涉及一种计算机可读存储介质,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如前文中所述的热轧轧机振动数据处理方法。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
与前述方法内容相对应的,本申请所提出的一种热轧轧机振动数据处理系统、终端及存储介质,以系统化、标准化的处理流程实现了将原始振动数据分割为咬钢过程振动数据及正常轧制过程振动数据的数据分割流程,进而为后续的振动分析和监测操作提供了技术支持,硬件方案的适配性和兼容性较高,能够切实地应用于热轧轧机振动分析场景中。
此外,本申请还为其他与机械设备预测性维护相关的技术方案提供了参考,可以以此为依据进行拓展延伸和深入研究,具有十分广阔的应用前景。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神和基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。
最后,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种热轧轧机振动数据处理方法,其特征在于,包括:
采集热轧轧机的原始振动数据;
对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值;
按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值;
将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限;
依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。
2.根据权利要求1所述的热轧轧机振动数据处理方法,其特征在于,所述采集热轧轧机的原始振动数据,包括:
利用振动加速度传感器采集热轧轧机的振动数据,得到原始振动数据并加以保存。
3.根据权利要求1所述的热轧轧机振动数据处理方法,其特征在于,所述对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值,包括:
按预设时间间隔对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,每个所述数据子块内均包含数个数据点;
对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值及其各自对应的索引序号。
4.根据权利要求3所述的热轧轧机振动数据处理方法,其特征在于,所述按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值,包括:
按降序对多个所述数据子块峰值进行排序,提取序列中前三位的所述数据子块峰值,分别记为第一最大峰值、第二最大峰值及第三最大峰值;
记录所提取的所述数据子块峰值对应的索引序号,分别记为第一最大峰值索引序号、第二最大峰值索引序号及第三最大峰值索引序号;
对序列中提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值。
5.根据权利要求4所述的热轧轧机振动数据处理方法,其特征在于,所述将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限,包括:
计算所述第一最大峰值与所述数据子块均峰值的比值,得到第一峰值比较值,
若所述第一峰值比较值小于预设的第一峰值比较阈值,则认为不需要进行振动数据分割,
若所述第一峰值比较值不小于所述第一峰值比较阈值,则按序计算所述第二最大峰值与所述数据子块均峰值的比值;
计算所述第二最大峰值与所述数据子块均峰值的比值,得到第二峰值比较值,
若所述第二峰值比较值小于预设的第二峰值比较阈值,则认为所述第一最大峰值索引序号对应的所述数据子块为咬钢过程发生子块,
若所述第二峰值比较值大于预设的第三峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值大于预设的第一序号差值阈值则认为不需要进行振动数据分割,
若所述第二峰值比较值大于所述第二峰值比较阈值且所述第二最大峰值索引序号与所述第一最大峰值索引序号间的差值等于预设的第二序号差值阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均包含于咬钢过程发生子块中,按序计算所述第三最大峰值与所述数据子块均峰值的比值;
计算所述第三最大峰值与所述数据子块均峰值的比值,得到第三峰值比较值,
若所述第三峰值比较值小于预设的第四峰值比较阈值,则认为所述第一最大峰值索引序号至所述第二最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块,
若所述第三峰值比较值不小于所述第四峰值比较阈值且所述第三最大峰值索引序号与所述第二最大峰值索引序号间的差值等于预设的第三序号差值阈值,则认为所述第三最大峰值索引序号对应的所述数据子块为咬钢过程发生子块、所述第一最大峰值索引序号至所述第三最大峰值索引序号间对应的所述数据子块均为咬钢过程发生子块;
以所得到的所述咬钢过程发生子块对应的索引序号作为振动数据分割界限。
6.根据权利要求5所述的热轧轧机振动数据处理方法,其特征在于:
所述第一峰值比较阈值为8,所述第二峰值比较阈值为3,所述第三峰值比较阈值为4,所述第四峰值比较阈值为2;
所述第一序号差值阈值为2,所述第二序号差值阈值为1或2,所述第三序号差值阈值为1。
7.根据权利要求5所述的热轧轧机振动数据处理方法,其特征在于,所述依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据,包括:
依据所述振动数据分割界限对所述原始振动数据进行分割,将所述原始数据中、所述振动数据分割界限以前的全部所述数据子块作为咬钢过程振动数据,将所述原始数据中、所述振动数据分割界限后的全部所述数据子块作为正常轧制过程振动数据。
8.一种热轧轧机振动数据处理系统,其特征在于,包括:
原始数据采集模块,被配置为采集热轧轧机的原始振动数据;
预处理及峰值计算模块,被配置为对所述原始振动数据进行数据分割,得到多个数据子块并按时序对每个所述数据子块进行索引标注,分别对每个所述数据子块进行峰值计算,汇总得到多个数据子块峰值;
峰值提取及均峰值计算模块,被配置为按降序对多个所述数据子块峰值进行排序,提取序列中前数位的所述数据子块峰值并记录所提取的所述数据子块峰值对应的索引序号并记录所提取的所述数据子块峰值对应的索引序号,对提取后剩余的所述数据子块峰值进行均值计算,得到数据子块均峰值;
分割界限计算模块,被配置为将所提取的数个所述数据子块峰值分别与所述数据子块均峰值进行对比,根据对比结果、结合预设阈值及所述索引序号进行判断,得到振动数据分割界限;
振动数据分割模块,被配置为依据所述振动数据分割界限对所述原始振动数据进行分割,得到咬钢过程振动数据及正常轧制过程振动数据。
9.一种智能终端,其特征在于,包括存储器和处理器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的热轧轧机振动数据处理方法。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的热轧轧机振动数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817504.7A CN115099284A (zh) | 2022-07-12 | 2022-07-12 | 热轧轧机振动数据处理方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817504.7A CN115099284A (zh) | 2022-07-12 | 2022-07-12 | 热轧轧机振动数据处理方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115099284A true CN115099284A (zh) | 2022-09-23 |
Family
ID=83297422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210817504.7A Pending CN115099284A (zh) | 2022-07-12 | 2022-07-12 | 热轧轧机振动数据处理方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115099284A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473235A (zh) * | 2023-12-28 | 2024-01-30 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
-
2022
- 2022-07-12 CN CN202210817504.7A patent/CN115099284A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473235A (zh) * | 2023-12-28 | 2024-01-30 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
CN117473235B (zh) * | 2023-12-28 | 2024-03-26 | 圣名科技(广州)有限责任公司 | 一种轧机设备的振动数据采集方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101689051B (zh) | 异常因素确定方法及系统 | |
CN104216349B (zh) | 利用制造设备的传感器数据的成品率分析系统及方法 | |
CN108984708B (zh) | 脏数据识别方法及装置、数据清洗方法及装置、控制器 | |
CN104216350A (zh) | 感测数据分析系统及方法 | |
CN115099284A (zh) | 热轧轧机振动数据处理方法、系统、终端及存储介质 | |
CN105626502A (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
CN115220396A (zh) | 一种数控机床智能监控方法及系统 | |
CN110308339B (zh) | 基于证据推理规则的变频器直流母线电容故障诊断法 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN115741218B (zh) | 基于加工画像分析的机床故障预警方法及系统 | |
CN111538755A (zh) | 一种基于归一化互相关与单位根检验的设备运行状态异常检测方法 | |
CN116725486A (zh) | 一种基于双阶段的动态心电信号房颤检测方法、装置 | |
CN105070297A (zh) | 一种mp3音频压缩历史检测方法 | |
CN113407520A (zh) | 一种基于机器学习的电力网络安全数据清洗系统及方法 | |
CN109388512A (zh) | 针对大规模计算机集群异常程度的评估与分析系统 | |
CN114510517A (zh) | 一种面向大型旋转机组健康管理的数据处理方法及系统 | |
US20140297685A1 (en) | Data management apparatus, data management method and data management program | |
CN113920547A (zh) | 一种基于神经网络的手套检测方法及其系统 | |
CN112857806A (zh) | 一种基于移动窗口时域特征提取的轴承故障检测方法 | |
CN114579827B (zh) | 一种工业设备数据性能曲线的处理方法、装置及设备 | |
CN111738117A (zh) | 基于深度学习的电铲斗齿视频关键帧的检测方法 | |
CN112116917A (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
CN110097133A (zh) | 一种用于盾构机大数据的预处理方法 | |
CN116449204B (zh) | 用于对置活塞磁力线性发电机的故障检测方法及相关装置 |
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 |