CN116997425A - 轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法 - Google Patents
轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法 Download PDFInfo
- Publication number
- CN116997425A CN116997425A CN202280022601.5A CN202280022601A CN116997425A CN 116997425 A CN116997425 A CN 116997425A CN 202280022601 A CN202280022601 A CN 202280022601A CN 116997425 A CN116997425 A CN 116997425A
- Authority
- CN
- China
- Prior art keywords
- vibration
- data
- analysis
- rolling
- pitch
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 233
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 239000002184 metal Substances 0.000 title claims description 52
- 238000000034 method Methods 0.000 title claims description 40
- 238000004519 manufacturing process Methods 0.000 title claims description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 132
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000000513 principal component analysis Methods 0.000 claims description 42
- 230000005856 abnormality Effects 0.000 claims description 24
- 238000013480 data collection Methods 0.000 claims description 14
- 238000005097 cold rolling Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims 2
- 230000002093 peripheral effect Effects 0.000 abstract description 3
- 239000011295 pitch Substances 0.000 description 128
- 238000005070 sampling Methods 0.000 description 24
- 229910000831 Steel Inorganic materials 0.000 description 17
- 239000010959 steel Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000001133 acceleration Effects 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 230000007547 defect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000007747 plating Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000010960 cold rolled steel Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
-
- 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
- G01H1/04—Measuring characteristics of vibrations in solids by using direct conduction to the detector of vibrations which are transverse to direction of propagation
- G01H1/06—Frequency
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
防止由从轧机的周边设备产生的噪声等引起的误检测,高精度地提取并评价异常振动。轧机的异常振动检测方法具备:收集步骤,收集轧机的振动数据;频率解析步骤,进行振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据;数据变换步骤,基于轧制速度,将第一解析数据变换为表示每个间距的振动强度的第二解析数据;及映射生成步骤,生成将多个第二解析数据沿着时序排列而得到的振动映射。
Description
技术领域
本发明涉及检测在使钢板成为规定的板厚的轧机产生的振动的方法,尤其是,涉及检测使缺陷在钢板表面产生的轧机的异常振动的方法、异常检测装置、轧制方法及金属带的制造方法。
背景技术
一般来说,汽车、饮料罐等所使用的钢板被实施连续铸造、热轧及冷轧,经过退火工序和镀覆工序后,结合各自的用途而被加工。冷轧工序是决定作为产品的钢板板厚的最终工序。由于镀覆前的钢板表面决定镀覆后的最终产品的表面,所以要求在冷轧工序中防止表面缺陷的功能。
作为在冷轧工序中产生的表面缺陷之一,可举出颤痕。颤痕是在金属带的宽度方向上延伸的线状的印记在金属带的长度方向上周期性地出现的花纹,被认为主要因轧机的振动(颤振)而产生。非常轻度的颤痕在轧制后的目视检查、板厚测定等中不被查明,在镀覆工序后才被查明,因此成为大幅阻碍生产性的要因。另外,已知:尤其在罐用钢板、电磁钢板等薄物材料中,因由颤振引起的板厚、张力的急剧的变动,会产生板断裂等现象,阻碍生产。
以往,从生产性的阻碍、表面缺陷的防止的观点出发,开发了各种颤振的检测方法及颤振防止法(例如参照专利文献1~3)。在专利文献1中公开了:振动检测器安装于轧机,对由振动检测器得到的振动及轧制参数进行频率解析。记载了以下的颤振检测方法:同时计算针对每个振动产生要因可能产生的基本频率,在上述频率解析结果中的针对每个产生原因可能产生的基本频率的整数倍的频率下超过了设定值的情况下,判定为颤振。
在专利文献2及3中记载了以下的检测方法及颤振防止法:在所述检测方法中,不仅是轧机主体,也在配置于各机架间及冷轧机的出入侧且金属板以一定角度以上缠绕的辊(小径辊)配置振动检测器,进行得到的振动值的频率解析,在与钢板的弦振动频率一致的频率下超过了阈值的情况下判定为颤振,在所述颤振防止法中,控制张力而将弦振动频率以不与轧机的基本频率一致的方式控制。
现有技术文献
专利文献
专利文献1:日本特开平08-108205号公报
专利文献2:日本特开2016-153138号公报
专利文献3:日本特开2016-2582号公报
发明内容
发明所要解决的课题
然而,在专利文献1的情况下,从轧机的周边设备产生的噪声及从设置于轧机主体的振动源产生的振动也会同时检测,产生很多误检测。另外,在专利文献2及3的情况下,虽然能够抑制由弦振动引起的振动的产生,但难以检测将其以外作为振动源的振动。而且,难以预先确定颤振产生的频率,经常在一定的频段中的振动变大后才能够认知颤振的频率。因而,即使预先着眼于特定的频率且设定与和该频率对应的振幅等对应的阈值,也难以高精度地检测颤振。尤其是,在连续式冷轧机(连轧机)中,金属带的运送速度(轧制速度)针对每个机架而不同。由此,工作辊的转速针对每个机架而不同,通过多个频率的振动重叠,颤振的检测变得困难。即,在如以往技术那样预先确定颤振的频率并检测该频段中的振动强度的方法中,存在未必能够防止由微小的振动引起的颤痕的产生这一问题。
本发明鉴于上述课题而完成,目的在于提供高精度地检测使颤痕产生的异常振动的轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法。
用于解决课题的手段
[1]一种轧机的异常振动检测方法,是具有1对工作辊和支承所述工作辊的多个支承辊的轧机的异常振动检测方法,其中,包括:收集步骤,收集所述轧机的振动数据;频率解析步骤,进行所述振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据;及数据变换步骤,基于轧制速度而将所述第一解析数据变换为表示每个间距的振动强度的第二解析数据;及映射生成步骤,生成将多个所述第二解析数据沿着时序排列得到的振动映射。
[2]根据[1]所述的轧机的异常振动检测方法,还包括以下的主成分分析步骤:对所述第二解析数据进行使用了表示正常的状态的基准数据的主成分分析,确定作为所述第二解析数据相对于所述基准数据的投影的残差而算出的每个间距的偏离成分,所述映射生成步骤还生成将由所述主成分分析步骤提取出的多个每个间距的偏离成分按照时序排列而得到的偏离成分映射。
[3]根据[2]所述的轧机的异常振动检测方法,在所述主成分分析步骤中,作为所述基准数据使用的多个主成分以在对在利用正常的所述轧机进行了轧制时取得的正常解析数据进行了主成分分析时主成分的贡献率的累积值成为基准贡献率以上的方式设定。
[4]根据[1]~[3]中任一项所述的轧机的异常振动检测方法,所述轧机是冷轧机。
[5]一种轧机的异常检测装置,是具有1对工作辊和支承所述工作辊的多个支承辊的轧机的异常检测装置,其中,具备:数据收集部,收集所述轧机的振动数据;频率解析部,进行所述振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据;数据变换部,基于轧制速度,将所述第一解析数据变换为表示每个间距的振动强度的第二解析数据;及映射生成部,生成将多个所述第二解析数据沿着时序排列而得到的振动映射。
[6]根据[5]所述的轧机的异常检测装置,还具备主成分分析部,该主成分分析部对所述第二解析数据进行使用了表示正常的状态的基准数据的主成分分析,确定作为所述第二解析数据相对于所述基准数据投影的残差而算出的每个间距的偏离成分,所述映射生成部还生成将由所述主成分分析部提取出的多个每个间距的偏离成分沿着时序排列而得到的偏离成分映射。
[7]一种轧制方法,包括以下的支承辊更换步骤:使用上述的[1]~[4]中任一项所述的轧机的异常振动检测方法,预先设定与所述轧机对应的监视间距,在所述映射生成步骤中生成的振动映射或偏离成分映射的所述监视间距下的振动强度超过了预先设定的界限振动强度的情况下,更换所述轧机的支承辊。
[8]一种金属带的制造方法,包括使用上述的[7]所述的轧制方法来制造金属带的步骤。
发明效果
根据本发明,制作将被变换为每个间距的振动强度后的多个第二解析数据沿着时序排列而得到的振动映射。由此,能够防止由从轧机的周边设备产生的噪声等引起的误检测,高精度地提取并评价异常振动。其结果,能够进行防止或抑制了异常振动的轧机的操作,能够防止或抑制因异常振动而在金属带的表面产生缺陷,能够制造外观优异的金属带。
附图说明
图1是示出应用本发明的轧机的异常检测装置的轧制设备的一例的示意图。
图2是示出本发明的轧机的异常检测装置的优选的实施方式的功能框图。
图3是示出实施例1中的偏离成分映射的一例的图。
图4是示出实施例2中的偏离成分映射的一例的图。
图5是示出实施例2中的轧制速度800mpm以上且850mpm以下的偏离成分映射的一例的图。
图6是示出本发明的轧机的异常检测装置的优选的另一实施方式的功能框图。
图7是在收集步骤中由多个振动计中的任一个振动计收集的时序的振动数据的例子。
图8是在频率解析步骤中生成的每个频率的振动强度的例子。
图9是示出在数据变换步骤中变换后的每个间距的振动强度的第二解析数据例子。
图10是示出在映射生成步骤中生成的振动映射的例子。
图11是示出实施例3中的相对于第二解析数据的振动映射的一例的图。
图12是示出比较例中的相对于第一解析数据的振动映射的一例的图。
具体实施方式
以下,参照附图来关于本发明的实施方式涉及的轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法进行说明。图1是示出应用本发明的轧机的异常检测装置的轧制设备的一例的示意图。图1的轧制设备1是对例如作为金属带S的钢带进行冷轧的冷轧设备,4个轧机2A、2B、2C、2D(4机架)沿着轧制方向配置。各轧机2A、2B、2C、2D分别具有相同的结构,具备壳体3、收容于壳体3内且对金属带S进行轧制的1对工作辊4、支承工作辊4的多个支承辊5及使工作辊4旋转驱动的驱动装置6。另外,在金属带S的轧制方向上的各轧机2A、2B、2C、2D的下游侧分别设置有供被轧制的金属带S搭挂的小径辊7。
在各轧机2A、2B、2C、2D的壳体3分别安装有振动计8A、8B、8C、8D。振动计8A、8B、8C、8D计测在轧机2A、2B、2C、2D中产生的振动,例如由加速度传感器构成。需要说明的是,振动计8A、8B、8C、8D只要设置于能够检测轧机2A、2B、2C、2D的振动的位置,则不限定于壳体3,也可以设置于例如各辊轴承座或者供被轧制的金属带S搭挂的小径辊7等。
具体而言,在小径辊7设置振动计8A、8B、8C、8D的情况下,由该振动计8A、8B、8C、8D取得的振动数据能够视为与在金属带S的轧制方向上配置于设置有所述振动计8A、8B、8C、8D的小径辊7的上游侧的轧机2A、2B、2C、2D的振动对应。本实施方式中的轧制速度是指轧机2A、2B、2C、2D中的工作辊4的圆周速度或轧机2A、2B、2C、2D的出侧的金属带S的运送速度(出侧速度)。轧制速度针对设置振动计8A、8B、8C、8D的轧机2A、2B、2C、2D(在以下的说明中,有时将设置振动计8A、8B、8C、8D的部位称作机架)的每一个确定。另外,在小径辊7设置振动计8A、8B、8C、8D的情况下,由振动计8A、8B、8C、8D取得的振动数据与配置于其上游侧的轧机2A、2B、2C、2D的轧制速度建立对应。另外,本实施方式中的标准轧制速度是对轧机2A、2B、2C、2D分别设定的任意的轧制速度。标准轧制速度可以作为容易产生颤振的轧机2A、2B、2C、2D中的轧制速度而选择经验性地认知的轧制速度。例如,作为最终机架2D的标准轧制速度,可以从容易产生颤振的轧制速度800m/min以上且1300m/min以下的速度域选择900m/min。在该情况下,比最终机架2D靠上游侧的轧机2A、2B、2C中的标准轧制速度以对最终机架2D设定的标准轧制速度为基准,按照标准地设定的道次规划而分别设定即可。
图2是示出本发明的轧机的异常检测装置的优选的实施方式的功能框图。需要说明的是,图2的轧机的异常检测装置10的结构由例如计算机等硬件资源构筑。轧机的异常检测装置10检测使颤痕产生的轧机2A、2B、2C、2D的异常振动,具备数据收集部11、频率解析部12、数据变换部13及映射生成部14。另外,异常检测装置10可以具备后述的主成分分析部15。
数据收集部11收集由各振动计8A、8B、8C、8D检测的振动数据。在振动计8A、8B、8C、8D是加速度传感器的情况下,从振动计8A、8B、8C、8D向数据收集部11发送振动的加速度数据。数据收集部11连续地取得加速度数据。并且,数据收集部11对取得的加速度数据中的在预先设定的数据采样时间(例如0.2秒的期间)内测定到的加速度数据进行时间积分而变换为速度数据,将其作为各时刻也就是每个数据采样时间的振动数据而收集。其结果,振动数据成为按照时序排列的振动速度。
另外,数据收集部11将例如作为数据采样时间的0.2秒钟的测定及振动数据的算出以预先设定的数据取得周期(例如每隔1秒)进行。连续式冷轧机中的数据采样时间优选设定为0.1秒以上且1秒以下,数据取得周期优选设定为1秒以上且5秒以下。这是因为:在数据采样时间短于0.1秒的情况下,有可能得不到能够确定轧机的振动的程度的数据,若超过1秒,则频率解析等的计算负荷有可能变高,因此避免这些情况。另外,是因为:在数据取得周期短于1秒的情况下,频率解析等的计算负荷变高,若超过5秒,则有可能变得难以早期进行异常振动的检测,因此避免这些情况。需要说明的是,在这里所示的例子中,关于数据收集部11从各振动计8A、8B、8C、8D收集振动数据的情况进行了例示,但可以构成为能够从任1个振动计8A、8B、8C、8D收集振动数据。这是因为:基于由任一振动计8A、8B、8C、8D收集的振动数据,能够可靠地检测设置该振动计8A、8B、8C、8D的轧机(机架)2A、2B、2C、2D中的颤振。需要说明的是,对于振动计8A、8B、8C、8D,不仅是加速度传感器,也可以使用能够测定振动的位置传感器、速度传感器。这是因为:加速度、速度、位移(位移量)的数据能够通过时间积分、时间微分而相互变换。
频率解析部12对由数据收集部11在数据采样时间内收集到的振动数据进行频率解析,将由每个频率的振动强度构成的解析数据(以下,有时记为第一解析数据)每隔数据取得周期而生成。频率解析部12例如通过傅里叶变换来提取每个频率的振动速度的振幅及相位,将各频率下的振动速度的振幅的绝对值作为振动强度而提取。需要说明的是,数字数据的傅里叶变换后的频率通过傅里叶变换的数据的数量和采样频率而成为离散的值。
在本实施方式中,将频率解析部12执行频率解析的频率设定多个,将其称作基准频率。基准频率可以以振动计8A、8B、8C、8D的采样频率为基准,从采样频率的1/2以下的频段任意选择多个频率。采样频率是指振动计在1秒钟内计测振动(例如加速度)的次数,因使用的振动计的规格而不同。在本实施方式中,可以将多个振动计8A、8B、8C、8D各自的采样频率中的最低的振动计的采样频率作为代表值来使用。基准频率优选从采样频率的1/2以下的频段选择20个以上且1600个以下的频率。这是因为:若基准频率少于20个,则有可能无法检知颤振的产生,若超过1600个,则需要以避免频率解析部12的计算负荷过于变高的方式将数据取得周期设定得长,有可能无法早期检知颤振的产生,因此避免这些情况。基准频率更优选从采样频率的1/2以下的频段选择200个以上且800个以下的频率。例如,频率解析部12将振动计8A、8B、8C、8D的采样频率设为5120Hz,在频率5Hz以上且2000Hz以下的范围内每隔5Hz地(共400个)设定基准频率,针对每个基准频率解析振动强度。需要说明的是,频率解析部12只要能够将振动数据解析成每个频率的振动强度,则不限定于傅里叶变换,能够使用小波变换、窗口傅里叶变换等公知的频率解析手法。在该情况下,基准频率的设定也可以使用与上述相同的方法。
数据变换部13基于轧制速度,将每个基准频率的振动强度的解析数据也就是第一解析数据变换为每个间距的振动强度(第二解析数据)。数据变换部13针对设置振动计8A、8B、8C、8D的轧机2A、2B、2C、2D(与振动计8A、8B、8C、8D对应的轧机2A、2B、2C、2D)的每一个,将表示与基准频率对应的振动强度的第一解析数据变换为表示每个间距的振动强度的第二解析数据。在此,本实施方式中的间距是与振动的频率建立了对应的、与金属带S的长度方向的距离或轧机2A、2B、2C、2D的工作辊4的周向距离对应的指标。也就是说,间距意味着作为数据变换部13中的上述的数据变换的结果而在金属带S的长度方向、工作辊4的周向上变得互相相邻的振动峰值的间隔。具体而言,间距P(mm)使用轧制速度V(m/min)和振动的频率f(Hz)而由以下的式子建立关系。
P=(1000×V)/(f×60)…(1)
需要说明的是,上述的“基于轧制速度”意味着在将第一解析数据变换为每个间距的振动强度(第二解析数据)时如式(1)所示那样使用轧制速度V来变换。
在数据变换部13中,作为与标准轧制速度对应的间距而存储有标准间距。标准间距是指使用频率解析部12执行的频率解析的基准频率f和标准轧制速度V而根据上述的(1)式计算的间距。这样设定的标准间距是与基准频率对应的多个离散的数值串。在本实施方式中使用标准间距的理由如下。即,利用轧机2A、2B、2C、2D来轧制金属带S的情况下的轧制速度未必恒定,在轧制1个金属带S时,轧制速度也在金属带S内变化。因而,即使是以同一间距产生的振动,若轧制速度不同,则也会作为不同的频率的振动被计测。在该情况下,若多个频段的振动重叠,则在轧制速度发生了变化的情况下,无法明确地掌握振动的原因是否相同。因此,为了将从同一振动源产生且根据轧制速度而以不同的频率观测的振动现象使用统一的指标来评价,设定标准间距。即,相对于以恒定的间距产生振动的振动源,将由于轧制速度不同所以作为不同的频率的振动被观测的振动行为换算为与标准轧制速度对应的振动行为,将其作为每个间距的振动强度而表示。由此,能够将实际在操作中取得的任意的轧制速度下的振动强度利用与标准间距对应的振动强度这一恒定的指标来评价。
并且,数据变换部13通过进行内插或外插等数据插值而将每个基准频率的振动强度(第一解析数据)变换为每个标准间距的振动强度(第二解析数据)。此时,内插能够使用线性内插,关于频率成分为“0”的直流成分,作为“0”而内插。另外,关于成为外插的频率,全部设为“0”。由此,即使轧制速度针对每个金属带而不同,也能够将产生了异常的频率以标准间距这一恒定的指标进行评价。需要说明的是,在以下的说明中,从判定与特定的间距对应的振动的异常的观点出发,在说成“间距”的情况下,作为由基准频率和标准轧制速度建立了对应的“标准间距”的含义使用。即,只要没有特别说明,“间距”就与“标准间距”同义。
在此,关于由设置于轧机2A、2B、2C、2D的振动计8A、8B、8C、8D计测的振动进行说明。在振动计8A、8B、8C、8D中,重叠地计测由工作辊4等的旋转引起的振动和轧机2A、2B、2C、2D的固有周期的振动。前者的振动根据轧制速度而变化,后者的振动作为不依赖于轧制速度的振动被计测。因而,若轧制速度变化,则关于由工作辊4等的旋转引起的振动,由振动计8A、8B、8C、8D计测的振动的频率变化。另一方面,关于与轧机2A、2B、2C、2D的固有周期的振动对应的振动强度,虽然在振动的频率上没有大的变化,但振动强度的大小(振幅)经常变化。根据这样的轧机的振动的特征,在着眼于特定的频率且基于该频率下的振动强度来检测轧机的异常振动的方法中,即使能够检测与轧机2A、2B、2C、2D的固有周期的振动对应的异常,也难以检测与轧机2A、2B、2C、2D中的工作辊4、支承辊5及它们的轴承部等旋转体相关的异常。相对于此,本实施方式是轧制速度不同的情况,换算为每个标准间距的振动强度,因此容易检知以特定的间距产生的由旋转引起的振动系的异常。
映射生成部14制作将由数据变换部13生成的变换为每个间距的振动强度后的多个第二解析数据沿着时序排列而得到的振动映射(参照后述的图3)。通过生成并显示这样的振动映射,能够检测成为颤痕的原因的由轧机2A、2B、2C、2D的旋转体引起的异常振动的产生或预兆。尤其是,在异常振动产生或进展的情况下,通过参照振动映射,能够视觉地捕捉与特定的间距对应的振动强度随着时间的经过而增加的行为。因而,与仅基于由振动计8A、8B、8C、8D测定的当前时间点的振幅信息的检测方法相比,能够明确地认知异常振动的产生。需要说明的是,振动映射优选通过将每隔数据取得周期生成的每个间距的振动强度沿着时序排列而生成。不过,无需将全部的振动强度每隔数据取得周期地排列,可以将每隔一定周期的振动强度间隔剔除而显示。
在本实施方式中利用映射生成部14生成振动映射是基于以下的理由。即,在使颤痕产生的颤振(轧机2A、2B、2C、2D的振动)中,因构成轧机2A、2B、2C、2D的设备的旋转运动而以恒定的间距产生的颤振多。例如,在驱动轧机2A、2B、2C、2D的减速器产生了瑕疵的情况下,振动的频率根据轧制速度而变化,但即使轧制速度变化,间距也恒定。另外,在支承辊5的圆周方向上形成了不均一的形状的情况下,具体而言,例如在支承辊5磨损或变形成多边形形状的情况下,振动的频率根据轧制速度而变化,但支承辊5的表面的颤痕的间距不因轧制速度而变化。因此,若掌握颤痕的间距并持续监视振动强度,则能够检测异常振动的产生等。然而,实际上,支承辊5的表面的不均一的形状(微细印记等)在将支承辊5向轧机2A、2B、2C、2D装入前的时间点下,在支承辊5的表面看不见或未出现,无法预先预测颤痕的间距。另外,虽说是由旋转运动引起的异常振动,但在旋转体的表面产生了瑕疵的情况和旋转体变化成多边形形状的情况下,作为异常振动被观测的间距不同,因此无法预先预测颤痕的间距。
因此,在本申请发明中,将振动数据以恒定时间间隔(数据取得周期)进行频率解析及数据变换,在映射生成部14中,生成将间距与振动强度的关系按照时序排列而得到的振动映射。其结果,能够从振动映射视觉地掌握颤痕的间距的振动强度随着时间经过而逐渐变大。也就是说,即使无法预先预测颤痕的间距,也能够通过视觉地掌握振动映射上的振动强度的变化来掌握并检测异常振动的产生。这样的振动映射针对设置于轧机2A、2B、2C、2D的振动计8A、8B、8C、8D的每一个生成。另外,振动强度取决于波长(间距)和时刻,因此各振动映射成为三维的显示。映射生成部14也可以区分振动强度的值,并且对各区分分配颜色,生成使间距为纵轴、使时间为横轴的振动映射。由映射生成部14生成的振动映射由显示装置20在管理轧机2的操作的操作室等显示。通过参照振动映射,能够判别与特定的间距对应的振动强度是否大,因此能够早期检测异常振动。
需要说明的是,在轧机2A、2B、2C、2D中,有时存在容易产生振动的轧制速度。例如,是因由轧机2A、2B、2C、2D的旋转体的旋转运动引起的振动和由轧机2A、2B、2C、2D的固有周期的振动引起的振动而产生共振的情况等。在这样的情况下,振动映射显示的内容优选能够根据轧制速度而选择。通过这些手法,关于在振动映射上的特定的间距下在起初作为振动不清晰的振动峰值处随着数小时~数天的时间经过而变大的振动峰值,能够判断为支承辊5上的印记正在进展。
而且,映射生成部14也可以除了上述的生成振动映射的功能之外,还具有对数据变换部13生成的与标准间距对应的振动强度的第二解析数据进行主成分分析且基于主成分分析的结果而生成偏离成分映射的功能。
轧机的异常检测装置10可以还具备主成分分析部15,该主成分分析部15对由数据变换部13变换后的每个标准间距的振动强度的第二解析数据进行使用了表示正常的状态的基准数据的主成分分析,确定作为第二解析数据相对于基准数据的投影(评价数据)的残差而算出的每个间距的偏离成分。评价数据是指通过将观测数据(在本实施方式中为第二解析数据)向由主成分向量构成的空间投影而得到的数据。即,评价数据由将观测数据向多个主成分向量各自的方向投影而得到的标量确定,由与主成分向量的数量相同数量的标量的信息构成。关于对主成分分析应用的主成分向量(基准数据),之后叙述。需要说明的是,“主成分分析”有时以从具有相关的许多变量合成以没有相关的少量最好地表示整体的偏差的被称作主成分的变量的解析和相对于由预先设定的主成分向量构成的空间算出观测数据的投影的运算这两者的含义使用,但本实施方式的主成分分析部15执行的主成分分析以后者的含义使用。即,本实施方式中的主成分分析部15具备相对于由预先设定的表示正常的状态的主成分向量(基准数据)构成的空间算出第二解析数据的投影(评价数据)的功能,将第二解析数据与第二解析数据的投影(评价数据)之差作为偏离成分而确定。
作为在主成分分析部15进行的主成分分析中使用的主成分向量而设定的第一主成分~第i主成分(基准数据)基于在轧机2A、2B、2C、2D未产生异常振动的正常时得到的每个标准间距的振动强度(基准振动数据)而设定。相对于该基准振动数据,在后述的主成分导出部16中进行主成分分析而生成基准数据。需要说明的是,主成分导出部16进行的主成分分析意味着从具有相关的许多变量合成以没有相关的少量最好地表示整体的偏差的主成分向量的解析。轧机2A、2B、2C、2D未产生异常振动的正常时是指在标准轧制速度下在轧机2A、2B、2C、2D中都未产生异常振动的状态。需要说明的是,关于异常振动,之后叙述。基准振动数据例如是对在从支承辊5被更换为新品起12小时以内的轧制时测定的振动数据进行上述的频率解析、另外将进行频率解析后的数据变换为每个间距的振动强度而得到的。基准振动数据作为对不产生异常振动的正常的振动行为进行解析而得到的数据,有时被称作正常解析数据。另外,基准振动数据可以是对在从支承辊5被更换为新品起24小时以内的轧制时测定的振动数据进行解析而得到的。这是因为,经验性地知道:在支承辊5磨损成多边形形状之前,至少需要2天以上,异常振动在从支承辊5被更换为新品起的2天左右不会产生。取得基准振动数据时的数据采样时间优选设定为与在操作中(从支承辊5被更换为新品起经过了24小时以后)进行异常检测的情况下的数据采样时间相同。关于数据取得周期,也可以在取得基准振动数据的情况和取得操作中的振动数据的情况下设定为不同的周期。
基准振动数据将在数据采样时间内取得的每个标准间距的振动强度作为一个数据集,每隔在正常时取得的数据取得周期而生成,因此,包含多个数据集。基准振动数据中包含的数据集的数量优选为30,000个以上且200,000个以下。使用这样取得的基准振动数据,通过以标准间距为变量的主成分分析来导出主成分向量,将其称作基准数据。具体而言,通过后述的主成分导出部16进行的主成分分析,根据具有相关的多个基准振动数据导出以没有相关的少量最好地表示整体的偏差的主成分,从用于代表基准振动数据的特征量的贡献率高的主成分起依次累积而算出贡献率的累积值,将在算出的贡献率的累积值(累积贡献率)达到预先设定的值之前选择的i个主成分作为基准数据。在此,将预先设定的累积贡献率称作基准贡献率或设定贡献率。本实施方式中的基准贡献率能够从1(100%)以下的数值任意地设定。在通常的连轧机中,基准贡献率优选在0.4(40%)以上且0.7(70%)以下设定,更优选为0.6(60%)以上且0.7(70%)以下。在此,基准贡献率是对将基准振动数据的振动行为在主成分空间上再现的程度(再现性)造成影响的指标。若基准贡献率过大,则虽然能够将基准振动数据的振动行为在主成分空间上高精度地再现,但基准振动数据中包含的计测噪声等也会在主成分空间上再现。另一方面,若基准贡献率过小,则虽然能够排除基准振动数据中包含的计测噪声的影响,但会出现与基准振动数据的振动行为相关的特征在主成分空间中失去的倾向。基准贡献率的合适的范围取决于使用的轧机、钢板的轧制条件,但出于检测连轧机的异常振动的目的,优选设定为上述范围。
在基准数据的导出时,如图6所示,可以具备使用由轧机的异常检测装置10的数据变换部13生成的基准振动数据(正常解析数据)来导出主成分的主成分导出部16。主成分导出部16进行根据具有相关的多个基准振动数据来确定以没有相关的少量最好地表示整体的偏差的主成分向量的解析。由主成分导出部16得到的第一主成分~第i主成分(基准数据)可以向未图示的存储部暂时地保存,在之后的操作时向主成分分析部15发送,利用主成分分析部15算出在操作中取得的第二解析数据向第一主成分~第i主成分的投影(评价数据)。另外,在预先知道了在轧机2A、2B、2C、2D中容易产生颤痕的间距的情况下,在主成分导出部16中的主成分的导出时,也可以预先选择多个与该间距相同程度的标准间距,减少在主成分分析部15中的主成分分析中使用的变量的数量。
主成分分析部15使用由主成分导出部16导出的第一主成分~第i主成分(基准数据),对在操作中取得的表示每个标准间距的振动强度的第二解析数据进行用于算出评价数据的主成分分析。具体而言,主成分分析部15使用在操作中取得的表示每个标准间距的振动强度的第二解析数据,分解成向作为基准数据的第一主成分~第i主成分的投影及从该第二解析数据减去基准数据向主成分的投影后的残差部分,将残差部分作为偏离成分而确定。偏离成分有时被称作偏离度、Q统计量。主成分分析部15算出的偏离成分成为表示从正常时的振动行为的偏离的指标,因此,通过监视偏离成分,能够容易地检知轧机2A、2B、2C、2D的异常振动。
并且,映射生成部14可以具有基于主成分分析部15算出的每个间距的偏离成分来生成偏离成分映射的功能。即,映射生成部14生成将主成分分析部15算出的每个间距的偏离成分沿着时序排列而得到的振动映射。在本实施方式中,将这样生成的振动映射称作偏离成分映射。偏离成分映射是将由主成分分析部15得到的偏离成分按照时序排列而得到的映射,但偏离成分有时作为负的值被算出,因此这样的偏离成分优选显示为“0(零)”。这是因为:在偏离成分为负的情况下,意味着操作中的振动与正常时相比小,并不表示异常振动。通过偏离成分映射,容易视觉地认知产生了异常振动。
映射生成部14也可以区分偏离成分的值,并且对各区分分配颜色,生成使间距为纵轴、使时间为横轴的偏离成分映射(参照后述的图4及图5)。由映射生成部14生成的偏离成分映射由显示装置20在管理轧机2的操作的操作室等显示。通过参照偏离成分映射,能够判别偏离成分是否大,因此能够早期检测异常振动。或者,映射生成部14也可以生成使x轴为时刻、使y轴为间距、使z轴为偏离成分的三维的偏离成分映射(参照后述的图3)。由此,能够容易地掌握异常振动逐渐变大的倾向。
参照图1及图2来关于本发明的实施方式的作用进行说明。首先,冷轧时(操作时)的轧机2A、2B、2C、2D的振动由振动计8A、8B、8C、8D计测,在数据收集部11中收集振动数据(收集步骤)。图7是在收集步骤中由振动计8A、8B、8C、8D中的任一个振动计8A、8B、8C、8D收集的时序的振动数据的例子。这是将在数据采样时间0.2Sec的期间从振动计8A、8B、8C、8D取得的加速度变换为振动速度而表示的例子。之后,由频率解析部12进行振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据(频率解析步骤)。图8是在频率解析步骤中生成的每个频率的振动强度的例子。进一步,在数据变换部13中,第一解析数据被变换为表示每个间距的振动强度的第二解析数据(数据变换步骤)。
图9是示出在数据变换步骤中变换后的表示每个间距的振动强度的第二解析数据的例子。数据变换步骤的从第一解析数据向第二解析数据的数据变换每隔数据取得周期而进行。之后,生成将变换为每个间距的振动强度后的多个振动数据(第二解析数据)沿着时序排列而得到的振动映射,另外,随时更新该振动映射(映射生成步骤)。图10是在映射生成步骤中生成的振动映射的例子。这是将表示每个间距的振动强度的第二解析数据每隔预先设定的时间间隔地沿着时序排列而得到的。
根据上述实施方式,能够高精度地检测使颤痕产生的轧机2A、2B、2C、2D的异常振动。另外,对在数据变换步骤中生成的每个间距的振动强度的第二解析数据进行使用了表示正常的状态的基准数据的主成分分析(主成分分析步骤)。由此,作为第二解析数据相对于基准数据投影的残差而算出每个间距的偏离成分。这样,通过将设备本来具有的特性、例如因轧机2A、2B、2C、2D的齿轮的啮合而自然产生的振动成分、轧机2A、2B、2C、2D的轴承的振动特性作为代表正常时的基准振动数据的特征量的主成分向量而确定,能够实现仅使存在异常的振动显著的解析。
具体而言,在轧机2A、2B、2C、2D的异常振动中,轧机2A、2B、2C、2D的固有振动、由轴承不良、齿轮的啮合、耦合不良或松动等所引起的设备的旋转引起的振动多。因而,以往的异常振动的检测根据特定频率的振幅是否超过某一定的阈值来进行。另一方面,在颤痕产生的情况下,从颤痕产生前的时间点起在相当于颤痕的间距的频率下产生着微小的振动,每当时间经过,振动逐渐变大,伴随于此,由振动引起的金属带S的表面处的缺陷逐渐变大而成长。即,首先产生由设备引起的微小的振动,之后在金属带S的表面产生颤痕。然而,在实际的操作中,在一个金属带S的长度方向上轧制速度变化,设定的轧制速度也针对不同的每个金属带S而变化,因此,若只是着眼于特定的频率,则难以检知到达异常振动前的时间点下的微小的振动。相对于此,在本实施方式中,将表示每个频率的振动强度的第一解析数据变换为表示每个标准间距的振动强度的第二解析数据,基于第二解析数据而在映射生成步骤中生成振动映射或偏离成分映射。因而,能够早期视觉地认知与特定的间距对应的振动逐渐变大的状况。
可以使用上述的轧机2A、2B、2C、2D的异常振动检测方法,针对轧机2A、2B、2C、2D的每一个预先设定应该监视的标准间距(以下,记为监视间距),在设定的监视间距下的振动强度超过了预先设定的界限振动强度的情况下,更换轧机2A、2B、2C、2D的支承辊5等成为了轧机的异常振动的原因的旋转体(支承辊更换步骤)。监视间距是在轧制了金属带S的情况下在金属带S的表面容易产生颤痕的间距,这能够在经验上求出或者通过实验而求出。具体而言,颤痕是在金属带S的表面产生的周期性的花纹状的缺陷,因此能够在金属带S的检查工序中确定颤痕的间距。因此,可以将在检查工序中确定的颤痕的间距设定为监视间距。监视间距可以以特定的数值设定,或者也可以作为颤痕产生的间距的数值范围而设定。例如,在容易产生颤痕的间距为30mm的情况下,可以作为±10%的数值范围而将27mm以上且33mm以下设定为监视间距。监视间距的范围考虑从轧机2A、2B、2C、2D的操作实绩通过经验而掌握的颤痕的间距的偏差来决定即可。
上述的界限振动强度意味着因轧机2A、2B、2C、2D的振动而在金属带S的表面产生的缺陷有可能作为金属带S的产品而成为品质上的问题的振动强度。即,界限振动强度意味着作为在轧机2A、2B、2C、2D中产生振动而能够容许的振动强度的上限值。具体而言,若在特定的间距下产生过大的振动,则在金属带S产生颤痕,有可能成为金属带S的外观上的不良。因而,预先取得每个间距的振动强度的实绩数据,基于作为金属带S的产品的出货基准和所述振动强度的实绩数据,将作为金属带S的产品不产生品质上的问题的振动强度的上限值设定为界限振动强度即可。需要说明的是,上述的作为金属带S的产品有可能产生品质上的问题的振动、也就是超过界限振动强度的振动相当于本发明的实施方式中的轧机2A、2B、2C、2D的异常振动。另外,未产生振动的状态、产生了振动但未到达异常振动的状态相当于本发明的实施方式中的轧机2A、2B、2C、2D的正常时、正常的状态。
然后,基于如上述那样设定的监视间距和界限振动强度,利用上述的轧机2A、2B、2C、2D的异常振动检测方法来生成振动映射或偏离成分映射。在这些振动映射或偏离成分映射中对应的间距的振动强度超过界限振动强度的情况下,暂且停止轧机2A、2B、2C、2D的操作,更换成为了产生了异常振动的轧机2A、2B、2C、2D的异常振动的原因的旋转体。尤其是,使轧机的异常振动产生的原因在很多情况下是轧机2A、2B、2C、2D的支承辊5,因此更换产生了异常振动的机架的支承辊5即可。由此,即使在将多个金属带S长期间轧制的情况下,也能够实现防止了在特定的间距下产生的异常振动的轧机2A、2B、2C、2D的操作。另外,通过这样的轧制,能够制造在金属带S的表面不产生颤痕的外观优异的金属带S。
而且,成为颤痕产生的原因的异常振动的振动源经常是与在上下某一个支承辊5的表面产生的颤痕同一间距的微细印记。在该情况下,若由支承辊5上的微细印记引起的振动和轧机2A、2B、2C、2D的振动在规定的轧制速度下共振,则在所述微细印记逐渐变得清晰的同时,轧机2A、2B、2C、2D的振动逐渐变大。因此,在本发明的实施方式中,将振动数据以恒定时间间隔(每隔数据取得周期)进行频率解析,算出该恒定时间间隔下的频率与振动强度的关系。然后,将该频率基于轧制速度而换算为标准间距,将标准间距与振动强度的关系作为振动映射而生成并显示,由此,使得能够随着时间而监视。
另外,在振动数据中,也叠加有轴承、齿轮的啮合频率等使恒定的间距的振动产生的很多其他的要因的振动,不会从一开始得到清晰的颤痕的振动峰值。因此,也可以使用主成分分析的手法来生成将颤痕的振动峰值从其他的要因严加区别的偏离成分映射。
实施例1
以下,示出本发明的实施例。在实施例1中使用的是由5台轧机(5机架)构成的连轧机,在各轧机的操作员侧的壳体上部及电动机侧的壳体上部分别安装了由压电元件构成的振动计。测试材料从极低碳钢到高张力钢是各种各样的,使用了多个入侧厚度为2mm以上且5mm以下、出侧厚度为0.6mm以上且2.4mm以下、钢板宽度为850mm以上且1880mm以下的卷材。另外,使颤痕产生的异常振动的识别基于在最终机架(在钢板的轧制方向上最靠下游的第五机架)的轧机的壳体处计测到的振动数据而进行。具体而言,将数据采样时间设定为0.2Sec,将数据取得周期设定为1Sec,利用数据收集部11收集了振动数据。然后,将利用频率解析部12进行傅里叶变换后的振动数据(第一解析数据)在数据变换部13中换算为标准间距下的振动强度(第二解析数据)。
需要说明的是,在实施例1中,使用设置于最终机架的2台振动计中的设置于操作员侧的壳体上部的振动计进行了异常检测。在本实施例中,对于由数据变换部13生成的每个标准间距的振动强度,在主成分分析部15中算出偏离成分,在映射生成部14中生成了偏离成分映射。另外,相对于振动计的采样频率2000Hz,在0Hz~1000Hz的频段中每隔5Hz地选择频率,将这些频率作为了基准频率。标准轧制速度设定为600m/min。由此,作为标准间距而设定了201个间距。并且,在将使用的连轧机的支承辊更换为新品后的2天内收集基准振动数据,在主成分导出部16中导出22个主成分(基准数据),使其存储于主成分分析部15。在收集了基准振动数据后,收集连轧机的操作中的振动数据,在主成分分析部15中随时算出偏离成分,在映射生成部14中随时更新偏离成分映射,利用显示装置20将偏离成分映射在连轧机的操作室内显示。
图3是作为实施例1中的偏离成分映射的一例而示出基于最终机架的振动数据和操作中的轧制速度而生成的偏离成分映射的图。需要说明的是,在图3中,从完成基准振动数据的收集后起,关于约2周即轧制期间约9天、轧制长度约5600km的振动数据进行主成分分析及偏离成分的提取,将时间轴方向的数据间隔剔除而设为了每隔100Sec。在图3中,也包含使前后的卷材接合后的焊接点通过时的数据,因此偶尔能够确认遍及全部间距地产生了大的振动。另外,可知:在特定的间距(标准间距。在图3中以边缘黑且边缘的内侧部分白的箭头示出的间距)下,伴随于时间的经过而振动强度增大,也就是说,伴随于时间的经过而异常振动成长。实际上,在本数据采集后也继续轧制的结果,在1天后以对应的标准间距产生了颤痕。
实施例2
在实施例2中使用的轧机是由4机架构成的连轧机,在各机架的操作员侧的壳体上部和电动机侧的壳体上部分别安装了由压电元件构成的振动计。钢种、钢板厚度、板宽设为与实施例1相同的条件,轧制量与实施例1为相同程度。使颤痕产生的异常振动的识别基于在钢板的轧制方向上从上游侧数第3台轧机(第三机架)的壳体中的操作员侧的壳体上部设置的振动计的数据而进行。数据采样时间、数据取得周期、基准频率设为与实施例1相同的条件。不过,忽视了因壳体的特性而被认为无法检测振动的频率以上的振动。
图4是示出实施例2中的偏离成分映射的一例的图,具体而言,是不限定操作中的轧制速度的条件、从包含所有轧制速度的操作数据得到的偏离成分映射的例子。在图4中,将偏离度的大小利用深浅来显示。在该偏离成分映射中,将颤痕完全未产生的时期和产生了颤痕的时期显示于图中。在主成分分析中,将测试材料中的从更换支承辊起1天的数据作为了基准振动数据。此时,正常时的振动数据将轧制速度每隔50mpm(m/min)地区分,使用各区分的轧制速度将基准频率换算为标准间距,针对轧制速度的每个区分设定了标准间距。由此,针对轧制速度的每个区分导出了主成分(基准数据)。此时,针对每个轧制速度将设定贡献率设定为“0.5”,将应该作为基准数据提取的多个主成分针对轧制速度的每个区分而选择。由此,在主成分分析部15存储了与轧制速度的区分建立了对应的主成分。之后,以操作中的轧机的振动数据(第二解析数据)为对象,主成分分析部15计算了与各标准间距对应的偏离成分。需要说明的是,关于主成分分析部15对偏离成分的算出,选择与操作中的轧制速度对应的主成分,使用选择的主成分而关于每个轧制速度的操作时的数据随时算出。在此,标准间距的偏离度有时取负的值,但它们在图4中显示为“0”。
在图4中,在作为颤痕出现的间距下,在颤痕出现前出现了大的偏离成分。在其以外的部分也偶尔出现大的偏离度,但即使时间经过也始终出现的是该间距,因此视觉性地知道是异常振动。
图5是示出根据实施例2中的限定于轧制速度800mpm以上且850mpm以下的条件而取得的操作时的振动数据而生成的偏离成分映射的图。通过制作并显示如图5那样的限定了轧制速度的偏离成分映射,能够在颤痕产生以前判定对应振动为异常,能够在颤痕产生前采取对策。
本发明的实施方式不限定于上述实施方式,能够施加各种变更。例如,在图3中,关于使用与偏离成分建立了对应的颜色的深浅来进行三维的显示的情况进行了例示,但不限定于此。能够采用使用针对每个振动强度指定的颜色来显示的方法,或者进行使用所述颜色的深浅来进行三维的显示的方法和使用针对每个所述振动强度指定的颜色来显示的方法的双方等的显示。通过这些手法,关于在起初作为振动不清晰的间距下随着数小时~数天的经过而变大的振动峰值,能够判断支承辊的印记正在进展等。另外,在本发明的实施方式中,关于金属带S是冷轧钢板的情况进行了例示,金属带S也可以是不锈钢材,还可以是热轧钢板。另外,各轧机2A、2B、2C、2D可以不是相同的结构,例如,作为轧机的形式,也可以混合存在4段式轧机和6段式轧机。
实施例3
作为本发明的实施例3,使用在实施例1中使用的连轧机,以与实施例1同样的条件进行了轧机的异常振动的检测。需要说明的是,本实施例3与上述实施例1、2不同,是不使用主成分分析部15、基于利用数据变换部13生成的每个间距的振动强度的解析数据而利用映射生成部14生成了振动映射的例子。
在本实施例3中,也与实施例1同样,利用数据收集部11取得了设置于最终机架的操作员侧的壳体上部的振动计的数据。在数据收集部11进行的收集步骤中,使数据采样时间为0.2sec,取得了将从振动计取得的加速度变换为振动速度后的振动数据。在频率解析部12中,通过对时序的振动数据进行傅里叶变换,取得了由每个频率的振动强度构成的第一解析数据。在频率解析部12进行的频率解析步骤中,相对于振动计的采样频率2000Hz,在0Hz~1000Hz的频段中,每隔5Hz地选择频率,将这些频率作为了基准频率。在数据变换部13进行的数据变换步骤中,使标准轧制速度为600m/min,设定201个标准间距,将与每个间距的振动强度相关的数据(第二解析数据)每隔数据取得周期而取得。并且,在映射生成部14进行的振动映射生成步骤中,生成了将在数据变换步骤中取得的振动强度的大小以灰度中的深浅表示的相对于第二解析数据的振动映射。将这样生成的振动映射在图11中示出。在图11中,预先将更换了连轧机的支承辊的时间点作为以横轴示出的时间的原点,将每个标准间距的振动强度按照时序排列。
在图11所示的振动映射的例子中,可知:从开始振动数据的计测的时间点(0秒)到6,000秒,在标准间距33mm的附近,断续地产生了比较大的振动,但未到达显著的振动即异常振动。然而,可知:若从开始时间点超过10,000秒,则与标准间距33mm对应的振动增大。而且,能够确认:若从开始时间点超过15,000秒,则标准间距33mm附近的振动显著地出现。并且,根据在该时间点(15,000秒)下轧制的金属带S的表面的观察,确认了以与标准间距33mm对应的间距在金属带S的表面产生了颤痕。
接着,关于为了验证本实施例3的异常振动检测方法而进行的比较例进行说明。在比较例中,使用与在上述本实施例3中取得的振动数据相同的数据,取得了由频率解析部12得到的每个频率的振动强度。图12是示出将每个频率的振动强度沿着时序配置而制作的相对于第一解析数据的振动映射的一例的图。另外,在图12中,将振动的每个频率的振动强度的大小利用颜色的深浅来显示。若参照图12,则与在实施例3中检测到颤痕的间距33mm对应的频段虽然因轧制速度而变化,但大概为50Hz以上且100Hz以下。另外,根据图12的映射,从开始时间点(0秒)到6,000秒,在频率50Hz和250Hz近傍可看到振动强度高的倾向。然而,若从开始时间点超过15,000秒,则振动强度高的频率成为了100Hz以上且150Hz以下的频段。而且,若从开始时间点超过20,000秒,则与在实施例3中检测到颤痕的间距33mm对应的50Hz以上且100Hz以下的频段中存在振动强度变大的倾向,但150Hz以上且200Hz以下的频段中的振动强度也增大。另外,在150Hz以上且200Hz以下的频段中可看到振动强度高的倾向,但在该频段中,与时间的经过相伴的振动强度的变动大,难以预先确定特定的频段而判别异常振动。
根据以上的结果,在预先确定颤振产生的频率、频段并检测该频率、频段中的振动强度的方法中,难以早期掌握由微小的振动引起的颤痕的产生。相对于此,若如本实施例1~3这样,基于轧制速度将每个频率的振动强度变换为每个标准间距的振动强度,生成将其沿着时序排列而得到的振动映射,则即使轧制条件针对每个金属带S而不同,也能够视觉地捕捉异常振动逐渐变得清晰的样态。因而,知道了:能够可靠地检测在轧机中产生异常振动。
附图标记说明
1轧制设备
2A、2B、2C、2D轧机
3壳体
4工作辊
5支承辊
6驱动装置
7小径辊
8A、8B、8C、8D振动计
10轧机的异常检测装置
11数据收集部
12频率解析部
13数据变换部
14映射生成部
15主成分分析部
16主成分导出部
20显示装置
S金属带。
Claims (8)
1.一种轧机的异常振动检测方法,是具有1对工作辊和支承所述工作辊的多个支承辊的轧机的异常振动检测方法,其中,包括:
收集步骤,收集所述轧机的振动数据;
频率解析步骤,进行所述振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据;
数据变换步骤,基于轧制速度,将所述第一解析数据变换为表示每个间距的振动强度的第二解析数据;及
映射生成步骤,生成将多个所述第二解析数据沿着时序排列而得到的振动映射。
2.根据权利要求1所述的轧机的异常振动检测方法,
还包括以下的主成分分析步骤:对所述第二解析数据进行使用了表示正常的状态的基准数据的主成分分析,确定作为所述第二解析数据相对于所述基准数据的投影的残差而算出的每个间距的偏离成分,
所述映射生成步骤还生成将由所述主成分分析步骤提取出的多个每个间距的偏离成分沿着时序排列而得到的偏离成分映射。
3.根据权利要求2所述的轧机的异常振动检测方法,
在所述主成分分析步骤中,作为所述基准数据使用的多个主成分以在对在利用正常的所述轧机进行了轧制时取得的正常解析数据进行了主成分分析时主成分的贡献率的累积值成为基准贡献率以上的方式设定。
4.根据权利要求1~3中任一项所述的轧机的异常振动检测方法,
所述轧机是冷轧机。
5.一种轧机的异常检测装置,是具有1对工作辊和支承所述工作辊的多个支承辊的轧机的异常检测装置,其中,具备:
数据收集部,收集所述轧机的振动数据;
频率解析部,进行所述振动数据的频率解析,生成表示每个频率的振动强度的第一解析数据;
数据变换部,基于轧制速度,将所述第一解析数据变换为表示每个间距的振动强度的第二解析数据;及
映射生成部,生成将多个所述第二解析数据沿着时序排列而得到的振动映射。
6.根据权利要求5所述的异常检测装置,
还具备主成分分析部,该主成分分析部对所述第二解析数据进行使用了表示正常的状态的基准数据的主成分分析,确定作为所述第二解析数据相对于所述基准数据的投影的残差而算出的每个间距的偏离成分,
所述映射生成部还生成将由所述主成分分析部提取出的多个每个间距的偏离成分沿着时序排列而得到的偏离成分映射。
7.一种轧制方法,包括以下的支承辊更换步骤:
使用权利要求1~4中任一项所述的轧机的异常振动检测方法,预先设定与所述轧机对应的监视间距,在所述映射生成步骤中生成的振动映射或偏离成分映射的所述监视间距下的振动强度超过了预先设定的界限振动强度的情况下,更换所述轧机的支承辊。
8.一种金属带的制造方法,包括使用权利要求7所述的轧制方法来制造金属带的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021060119 | 2021-03-31 | ||
JP2021-060119 | 2021-03-31 | ||
PCT/JP2022/004544 WO2022209294A1 (ja) | 2021-03-31 | 2022-02-04 | 圧延機の異常振動検出方法、異常検出装置、圧延方法および金属帯の製造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116997425A true CN116997425A (zh) | 2023-11-03 |
Family
ID=82482468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280022601.5A Pending CN116997425A (zh) | 2021-03-31 | 2022-02-04 | 轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240033799A1 (zh) |
EP (1) | EP4282550A1 (zh) |
JP (1) | JP7103550B1 (zh) |
KR (1) | KR20230145595A (zh) |
CN (1) | CN116997425A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023141520A (ja) * | 2022-03-24 | 2023-10-05 | 三菱重工業株式会社 | 圧延装置の監視制御装置、圧延設備、圧延装置の監視制御方法及び圧延装置の監視制御プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0635004B2 (ja) * | 1985-07-05 | 1994-05-11 | 日本鋼管株式会社 | 冷間圧延機におけるチヤタリング検知方法 |
JP2964887B2 (ja) | 1994-10-06 | 1999-10-18 | 住友金属工業株式会社 | 圧延機のチャタリング検出方法 |
JP5799611B2 (ja) * | 2011-06-28 | 2015-10-28 | Jfeスチール株式会社 | 冷間圧延機のチャタリング検出方法 |
JP6102835B2 (ja) | 2014-06-19 | 2017-03-29 | Jfeスチール株式会社 | 鋼板のチャタマーク防止方法 |
JP6296046B2 (ja) | 2015-02-17 | 2018-03-20 | Jfeスチール株式会社 | 冷間圧延または調質圧延における振動異常検出方法および装置 |
JP6702405B1 (ja) * | 2018-12-27 | 2020-06-03 | Jfeスチール株式会社 | 冷間圧延機のチャタリング検出方法、冷間圧延機のチャタリング検出装置、冷間圧延方法、及び冷間圧延機 |
-
2022
- 2022-02-04 CN CN202280022601.5A patent/CN116997425A/zh active Pending
- 2022-02-04 KR KR1020237031782A patent/KR20230145595A/ko unknown
- 2022-02-04 JP JP2022523333A patent/JP7103550B1/ja active Active
- 2022-02-04 US US18/283,994 patent/US20240033799A1/en active Pending
- 2022-02-04 EP EP22779523.4A patent/EP4282550A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JPWO2022209294A1 (zh) | 2022-10-06 |
US20240033799A1 (en) | 2024-02-01 |
EP4282550A1 (en) | 2023-11-29 |
JP7103550B1 (ja) | 2022-07-20 |
KR20230145595A (ko) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2964887B2 (ja) | 圧延機のチャタリング検出方法 | |
US7206719B2 (en) | Diagnostic method for predicting maintenance requirements in rotating equipment | |
EP0252731B1 (en) | Method and apparatus for the detection and correction of roll eccentricity in rolling mills | |
KR100984430B1 (ko) | 탠덤 압연기 출구에서 압연된 제품 두께를 제어하기 위한장치 및 방법 | |
CN116997425A (zh) | 轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法 | |
KR101091285B1 (ko) | 연속 압연기의 압연 채터링 제어장치 및 제어방법 | |
CN117042895A (zh) | 轧机的异常振动检测方法、异常检测装置、轧制方法及金属带的制造方法 | |
EP1198701B1 (en) | Method for equipment surveillance | |
CN116157214A (zh) | 轧机的振动预测方法、轧机的异常振动判定方法、金属带的轧制方法及轧机的振动预测模型的生成方法 | |
WO2022209294A1 (ja) | 圧延機の異常振動検出方法、異常検出装置、圧延方法および金属帯の製造方法 | |
JP6841264B2 (ja) | 冷間圧延における異常振動検出方法 | |
CN204934210U (zh) | 一种在线智能故障监测的平整机 | |
Nikula et al. | The effect of steel leveler parameters on vibration features | |
JP2004298884A (ja) | 圧延機の板厚変動監視方法および装置 | |
JPH10192930A (ja) | 圧延機の板厚診断方法およびその装置 | |
JP7243944B1 (ja) | 圧延ロールの適合判定方法、金属帯の圧延方法及び冷延鋼板の製造方法 | |
WO2023079850A1 (ja) | 圧延ロールの適合判定方法、金属帯の圧延方法及び冷延鋼板の製造方法 | |
US6845286B2 (en) | Detection of roller damage and/or misalignment in continuous casting of metals | |
KR20240073071A (ko) | 압연 롤의 적합 판정 방법, 금속대의 압연 방법 및 냉연 강판의 제조 방법 | |
Robinson | Detection and Severity Assessment of Faults in Gearboxes from Stress Wave Capture and Analysis | |
JPH03258411A (ja) | タンデム圧延機における板厚異常の診断方法 | |
Gérard et al. | Vibration monitoring of tandem mills at the Arcelor Mittal Tilleur cold rolling mill | |
Chen et al. | HERRINGBONE GEAR INVOLVEMENT IN COLD ROLLING MILL CHATTER | |
Fakert et al. | Modern measurement technologies as a prerequisite to product quality and stable production | |
KR19980053187A (ko) | 진동검출에 의한 싱크롤의 이상진단방법 |
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 |