CN117042895A - 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 PDF

Info

Publication number
CN117042895A
CN117042895A CN202280022690.3A CN202280022690A CN117042895A CN 117042895 A CN117042895 A CN 117042895A CN 202280022690 A CN202280022690 A CN 202280022690A CN 117042895 A CN117042895 A CN 117042895A
Authority
CN
China
Prior art keywords
data
vibration
analysis
rolling mill
rolling
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
Application number
CN202280022690.3A
Other languages
English (en)
Inventor
马场涉
矢岛昌英
平田丈英
高岛由纪雄
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.)
JFE Steel Corp
Original Assignee
JFE Steel Corp
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 JFE Steel Corp filed Critical JFE Steel Corp
Publication of CN117042895A publication Critical patent/CN117042895A/zh
Pending legal-status Critical Current

Links

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
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • 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
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • 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

防止由从轧机的周边设备产生的噪声等引起的误检测，高精度地检测异常振动。轧机的异常振动检测方法包括：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，生成第一解析数据；主成分分析步骤，使用预先基于正常的状态而确定的基准数据作为主成分来进行第一解析数据的主成分分析，生成第一解析数据向基准数据的投影即评价数据；及异常振动检测步骤，从评价数据和第一解析数据提取偏离成分，根据提取出的偏离成分来检测轧机的异常。

Description

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
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为线状的印记在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。另外，作为颤痕的产生原因之一，已知会由支承辊的多边形变形现象引起(参照非专利文献1)。在非专利文献1中公开了以下的机制：在轧机满足了特定的条件时，因自激振动而在支承辊产生与颤痕同样的宽度方向的条花纹，支承辊的印记成为新的振动源而成为大的振动，在钢板产生颤痕。
非常轻度的颤痕在轧制后的目视检查、板厚测定等不被查明，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或张力的急剧的变动，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(例如参照专利文献1～3)。在专利文献1中记载了以下的方法：利用安装于轧机的振动检测器来测定振动，对得到的振动及轧制参数进行频率解析，基于针对每个振动产生要因可能产生的频率的信号强度来判定颤振。
在专利文献2及3中，振动检测器不仅配置于轧机主体，也配置于各机架间及冷轧机的出入侧，配置于金属板以一定角度以上缠绕的辊(小径辊)。并且，公开了以下的方法：进行由振动计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，判定为产生了异常振动。
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
非专利文献
非专利文献1：刘孝宏等，“製鉄機械におけるバックアップロールの多角形化現象”日本机械学会〔No.01-5〕Dynamics and Design Conference 2001CD-ROM论文集〔2001.8.6-9,东京〕
发明内容
发明所要解决的课题
若如非专利文献1那样能够早期检测由支承辊的颤痕引起的振动，则能够抑制金属带的颤痕的产生。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。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，产生了因多个频率的振动重叠而颤振的检测变得更困难这一课题。
本发明鉴于上述课题而完成，目的在于提供能够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，生成第一解析数据；主成分分析步骤，对于所述第一解析数据，使用预先基于正常的状态而确定的基准数据作为主成分来进行主成分分析，生成所述第一解析数据向所述基准数据的投影即评价数据；及异常振动检测步骤，从所述评价数据和所述第一解析数据提取偏离成分，根据提取出的所述偏离成分来检测轧机的异常。
[2]根据[1]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，作为所述基准数据提取的主成分针对所述轧机中的每个轧制速度分别设定。
[3]根据[1]所述的轧机的异常振动检测方法，所述频率解析步骤将每个频率的振动强度作为所述第一解析数据而生成，还包括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的数据变换步骤，所述主成分分析步骤进行所述第二解析数据的主成分分析。
[4]根据[1]～[3]中任一项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，作为所述基准数据提取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。
[5]根据[1]～[4]中任一项所述的轧机的异常振动检测方法，所述轧机对金属带进行冷轧。
[6]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，生成第一解析数据；主成分分析部，对于所述第一解析数据，使用预先基于正常的状态而确定的基准数据作为主成分来进行主成分分析，生成所述第一解析数据向所述基准数据的投影即评价数据；及异常检测部，从所述评价数据和所述第一解析数据提取偏离成分，根据提取出的所述偏离成分来检测轧机的异常。
[7]一种轧制方法，包括在使用上述的[1]～[5]中任一项所述的轧机的异常振动检测方法检测到轧机的异常的情况下更换所述轧机的支承辊的支承辊更换步骤。
[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，根据通过主成分分析而生成的评价数据的偏离成分来评价使颤痕在金属带产生的异常振动。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，高精度地检测使颤痕产生的异常振动。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，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是将从主成分的偏离成分针对每个频率划分的发明例1的曲线图。
图4是将偏离成分针对每个标准间距示出的发明例2的曲线图。
图5是示出使用了相对于振动强度的阈值的比较例1、2的曲线图。
图6是将偏离成分针对每个标准间距示出的发明例3的曲线图。
图7是示出使用了相对于振动强度的阈值的比较例3的曲线图。
图8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9是示出本发明的轧机的异常检测装置的优选的又一实施方式的功能框图。
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分别具有大致相同的结构，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分别计测在轧机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，例如也可以设置于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)的每一个而确定。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，可以具备数据收集部11、频率解析部12、主成分分析部13及异常检测部15。另外，异常检测装置10也可以具备后述的数据变换部14。
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。然后，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有可能变高，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各振动计8A、8B、8C、8D中的任1个振动计8D(8A、8B、8C)收集振动数据。这是因为：基于由任一振动计8D(8A、8B、8C)收集的振动数据，能够可靠地检测设置该振动计8D(8A、8B、8C)的轧机(机架)2D(2A、2B、2C)中的颤振。需要说明的是，作为各振动计8A、8B、8C、8D，不仅是加速度传感器，也可以取代其而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，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例如利用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，将它们称作基准频率。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以下的频段任意地选择多个频率。作为采样频率，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。
主成分分析部13对由频率解析部12生成的第一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，生成评价数据。评价数据是指通过将观测数据(在本实施方式中为第一解析数据)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。需要说明的是，在原样地使用了由频率解析部12生成的关于每个频率的振动强度的第一解析数据的情况下，主成分分析部13实施由每个频率的振动强度构成的第一解析数据的主成分分析，生成作为向预先确定的第一主成分～第i主成分(基准数据)的投影而算出的评价数据。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13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13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)构成的空间算出第一解析数据的投影(评价数据)的功能。
在主成分分析部13进行的主成分分析中使用的第一主成分～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频率的振动强度(基准振动数据)而设定。也就是说，在正常时，相对于利用数据收集部11收集到的振动数据，在频率解析部12中进行频率解析而将表示每个基准频率的振动强度的基准振动数据每隔数据取得周期而生成。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中均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。
基准振动数据例如基于在从支承辊5被更换为新品起12小时以内的轧制时测定的振动数据。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，基准振动数据可以基于在从支承辊5被更换为新品起24小时以内的轧制时测定的振动数据。这是因为，经验性地知道：在支承辊5磨损为多边形形状之前，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频率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多个。因此，基准振动数据具有多个数据集。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，在后述的主成分导出部16中，通过主成分分析来决定第一主成分～第i主成分，将其称作基准数据，该主成分分析以基准频率为变量而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。
需要说明的是，以下，有时将这样决定的、使用正常时的每个基准频率的振动强度而算出的基准数据称作第一基准数据。具体而言，从在主成分空间中代表基准振动数据的特征量的第一主成分的贡献率起按贡献率从高到低的顺序累积而算出累积值，根据算出的贡献率的累积值(累积贡献率)达到预先设定的值的条件，选择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基于颤痕的产生实绩而从1(100％)以下的数值任意地设定。在通常的连轧机中，基准贡献率优选设定为0.4(40％)以上且0.7(70％)以下，更优选为0.6(60％)以上且0.7(70％)以下。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8所示，可以具备使用在轧机的异常检测装置10的频率解析部12中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主成分向主成分分析部13发送，可以算出由主成分分析部13在操作中取得的解析数据(具体而言，第一解析数据、后述的第二解析数据)向第一主成分～第i主成分的投影(评价数据)。另外，在预先知道在轧机2A、2B、2C、2D中容易产生颤痕的频率的情况下，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频率相同的程度的频率，减少在主成分分析部13中的主成分分析中使用的变量的数量。
异常检测部15基于主成分分析部13生成的评价数据来判定异常振动的产生。具体而言，异常检测部15算出解析数据(具体而言，第一解析数据、后述的第二解析数据)与主成分分析部13生成的解析数据相对于第一主成分～第i主成分的投影(评价数据)的差分，将其作为偏离成分而确定。基准数据表示代表正常时的振动数据的特征量的数据，因此异常振动向从基准数据偏离的方向出现。并且，通过监视由主成分分析部13在操作中取得的解析数据从基准数据(第一主成分～第i主成分)偏离的程度即偏离成分，能够进行异常振动的判定。偏离成分有时被称作Q统计量。而且，异常检测部15具有用于根据偏离成分来判定异常振动的阈值，在偏离成分为阈值以上的情况下，判定为产生了异常振动。在异常检测部15中使用的阈值能够基于过去的操作实绩，基于在不产生颤痕的条件下得到的振动强度的实绩值来设定。
上述的主成分分析部13对表示每个频率的振动强度的第一解析数据进行主成分分析。另一方面，异常振动经常是以后述的旋转体的一周间距产生的振动，颤痕有时因由支承辊5的旋转引起的异常振动而产生。与构成轧机2A、2B、2C、2D的设备的旋转运动对应的异常振动的频率因轧制速度而变化。由此，优选由主成分分析部13针对每个轧制速度分别算出作为评价数据而提取的解析数据向第一主成分～第i主成分的投影。而且，优选在轧机2A、2B、2C、2D未产生异常振动的正常状态下，针对每个轧制速度取得基准振动数据，利用主成分导出部16针对每个轧制速度生成基准数据。由此，在异常检测部15中，容易针对每个轧制速度明确地识别正常时与异常时的差异，异常检测的精度提高。评价数据的区分优选以轧机2A、2B、2C、2D的最高速度为基准，将轧制速度区分为5级以上且20级以下的程度，对各轧制速度域生成评价数据。
另一方面，即使在轧制速度不同的情况下，也优选以同一指标评价异常的产生。因此，轧机的异常检测装置10可以还具备进行基于轧制速度将频率换算为间距并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)的数据变换的数据变换部14。数据变换部14针对设置振动计8A、8B、8C、8D的轧机2A、2B、2C、2D的每一个，将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(数据变换步骤)。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14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)
在数据变换部14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，则也被计测为不同的频率的振动。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在不同的频率下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的振动源，将由于轧制速度不同所以被观测为不同的频率的振动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14通过进行内插或外插等数据插值而使用操作中的轧制速度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评价。需要说明的是，以后，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”的含义来使用。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而被计测。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而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，有时也难以检测与轧机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。
在图9中示出异常检测装置10包含数据变换部14和主成分导出部16的两者的实施方式。频率解析部12生成的表示频率与振动强度的关系的第一解析数据由数据变换部14使用上述的(1)式而变换为由间距和振动强度构成的第二解析数据。另一方面，图9所示的主成分导出部16使用数据变换部14根据正常时的每个频率的振动强度(基准振动数据)而生成的由间距和振动强度构成的多个第二基准振动数据，执行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。在图9所示的主成分导出部16中，将作为以间距为变量根据具有相关的多个第二基准振动数据而以没有相关的少量最好地表示整体的偏差的主成分向量而被确定的第一主成分～第i主成分作为基准数据算出。以下，将基于第二基准振动数据而算出的基准数据称作第二基准数据。由图9所示的主成分导出部16得到的第二基准数据向主成分分析部13发送，可以算出由主成分分析部13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)。以下，将作为第二解析数据向第二基准数据的投影而算出的评价数据称作第二评价数据。
然后，在主成分分析部13中，根据从主成分导出部16取得的第二基准数据(第一主成分～第i主成分)和从数据变换部14取得的表示间距与振动强度的关系的第二解析数据，将操作时的第二解析数据向第二基准数据的投影作为第二评价数据而生成。然后，在异常检测部15中，算出由每个间距的振动强度构成的第二解析数据与主成分分析部13生成的第二评价数据的差分(偏离成分)，在算出的偏离成分为预先设定的阈值以上的情况下，判定为产生了异常振动。
参照图1及图2来关于本发明的轧机的异常振动检测方法及异常检测装置10的作用进行说明。在进行金属带S的冷轧时即轧制设备1的操作时，轧机2A、2B、2C、2D的振动数据由振动计8A、8B、8C、8D测定，由数据收集部11收集(收集步骤)。在收集步骤中，每隔数据取得周期，收集数据采样时间的数据。在作为振动计8A、8B、8C、8D而使用加速度传感器的情况下，将各振动计8A、8B、8C、8D取得的加速度的时序数据变换为振动速度的振动数据。收集到的振动数据由频率解析部12进行频率解析，生成第一解析数据(频率解析步骤)。频率解析部12将由频率与振动强度的关系构成的第一解析数据每隔数据取得周期而生成。不过，在具备数据变换部14的情况下，第一解析数据由该数据变换部14变换为表示间距与振动强度的关系的第二解析数据。
第一解析数据由主成分分析部13进行主成分分析，作为向预先导出的基准数据(第一基准数据)的投影而生成评价数据(主成分分析步骤)。主成分分析部13执行的主成分分析进行相对于由预先设定的主成分向量构成的空间算出第一解析数据的投影的运算。之后，由异常检测部15算出由每个频率的振动强度构成的第一解析数据与第一解析数据相对于第一主成分～第i主成分(第一基准数据)的投影也就是评价数据的差分(偏离成分)，在偏离成分为预先设定的阈值以上的情况下，检测出在轧机2A、2B、2C、2D产生了异常振动(异常振动检测步骤)。
另一方面，在具备数据变换部14的情况下，在数据变换部14中生成第二解析数据，并向主成分分析部13发送。在该情况下，在主成分分析步骤中，第二解析数据由主成分分析部13进行主成分分析，作为向预先导出的基准数据(第二基准数据)的投影而生成第二评价数据。主成分分析部13执行的主成分分析进行相对于由由第二基准数据构成的主成分向量构成的空间算出第二解析数据的投影的运算。之后，在异常振动检测步骤中，由异常检测部15算出由每个间距的振动强度构成的第二解析数据与第二解析数据相对于第一主成分～第i主成分(第二基准数据)的投影也就是第二评价数据的差分(偏离成分)，在偏离成分为预先设定的阈值以上的情况下，检测出在轧机2A、2B、2C、2D产生了异常振动。
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。也就是说，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而确定，能够实现仅使存在异常的振动显著的解析。
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导致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，从颤痕的产生前起在与颤痕的间距相当的频率产生着微小的振动，随着时间经过而成长。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，稳定轧制速度也针对每个金属带S而变化。因而，若只是着眼于预先设定的特定的频率，则难以检知到达异常振动之前的微小的振动。相对于此，在本实施方式中，由于能够将振动强度增加的频率或间距在操作中认知，所以不管在哪个频段下产生异常振动，都能够早期检测该状况。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，制造外观优异的金属带。
而且，调查了成为颤痕产生的原因的异常振动的振动源的结果，知道了：在颤痕产生时，存在与颤痕同一间距的微细印记在上下某一支承辊5的表面产生的情况(例如支承辊5磨损为多边形形状的情况)。并且，在支承辊5的微细印记以规定的轧制速度与轧机2A、2B、2C、2D引起共振而逐渐变得清晰的同时，轧机2A、2B、2C、2D的异常振动逐渐变大。
支承辊5的微细印记的间距不因轧制速度而变化。支承辊5的微细印记在轧机2A、2B、2C、2D的装入前看不见，无法预先预测颤痕的波长(间距)、频率。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波长的振动产生的很多其他的要因的振动，不会从一开始就得到清晰的颤痕的振动峰值。
因此，对振动数据进行频率解析，求出该时刻下的频率或标准间距与振动强度的关系，使用主成分分析的手法来将颤痕的振动峰值从其他的振动要因严加区别，进行异常振动的检测。由此，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。
而且，可以构成为：在使用上述的轧机2A、2B、2C、2D的异常振动检测方法检测到异常振动的情况下，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)。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任一频率或间距下产生的异常振动的轧制的操作。另外，通过这样的轧制，在金属带S的表面不产生颤痕，或者能够抑制颤痕的产生，能够制造外观优异的金属带S。另一方面，在经验性地知道在特定的频率或间距下产生异常振动的情况下，预先取得所述特定的每个频率或每个间距的偏离成分的实绩数据，基于该实绩数据来设定满足金属带S的作为产品的出货基准的偏离成分的阈值即可。并且，在使用设定的偏离成分的阈值而在上述异常检测部15中检测到异常振动的情况下，也可以暂且停止轧制设备1的操作，更换产生了异常振动的轧机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。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频率或间距下产生的异常振动的轧制的操作。
实施例1
以下，示出为了确认本发明的作用·效果而进行的实施例1。使用由4机架构成的轧制设备(连轧机)，在各机架的壳体安装了振动计。采样频率使用了4000Hz，基准频率在频率0Hz与2000Hz之间每隔5Hz地设定。数据收集部11以数据采样时间0.2sec、数据取得周期1sec的条件每隔数据取得周期而取得振动速度的强度，并向频率解析部12输出。测试材料是由低碳钢构成的金属带(以下，记为钢板)，将该钢板针对实施1的发明例1及2、比较例1及2分别准备。在上述的钢板的轧制方向(行进方向)上轧制设备的入侧厚度被设定为2.0mm以上且5.5mm以下，出侧厚度被设定为0.5mm以上且2.4mm以下，钢板宽被设定为700mm以上且1700mm以下。
收集轧制了该钢板时的振动数据，将产生了颤痕的定时的振动数据从存储有收集的振动数据的存储装置提取。颤痕的判定通过使用了轧机的振动强度的判定即包含本发明例且基于设置于轧机的振动计的输出来判定异常振动的方法和对在轧制后实施了合金化镀锌的钢板进行磨石抵靠检查且将振动频率的间距的颤痕通过目视来判定的方法而进行。在磨石抵靠检查中，以10N以下左右的轻的压靠力将磨石相对于合金化热浸镀锌后的钢板压靠，在轧制方向上利用人力进行研磨，评价了此时是否能够将钢板的行进方向的条纹花纹作为颤痕而目视。需要说明的是，从残留于第四机架的支承辊5的花纹(微细印记)确认了：产生了颤痕的轧机都是最终机架(第四机架)。将其评价结果在表1中示出。
[表1]
在表1中，在“使用了振动强度的颤痕判定”的栏中，作为使用了轧机的振动强度的判定结果，在判定为产生了轧机的异常振动的情况下记为“×”，在判定为未产生轧机的异常振动的情况下记为“○”。另一方面，在“目视下的颤痕判定”的栏中，在磨石抵靠后的合金化热浸镀锌钢板的表面通过目视而发现了颤痕的情况下记为“×”，在通过目视而判定为没有颤痕的情况下记为“○”。在该情况下，颤痕是钢板的品质异常，因此，在通过目视而检测到颤痕的条件下，产生了轧机的异常振动。另外，在“使用了振动强度的颤痕判定”的栏中，在检测到颤痕的情况下，以写进括号的方式记载了振动频率或间距。作为检测到颤痕的情况下的振动频率，记载了振动强度超过了预先设定的阈值的情况下的频率。作为检测到颤痕的情况下的间距，记载了在异常检测部15中偏离成分超过了预先设定的阈值的情况下的间距。与此同样，在“目视下的颤痕判定”的栏中，在发现了颤痕的情况下，以写进括号的方式记载了振动频率或间距。作为发现了颤痕的情况下的间距，记载了通过目视而观察到的条纹花纹的间距。作为发现了颤痕的情况下的频率，记载了将通过目视而测定的条纹花纹的间距使用钢板的该部分即颤痕通过产生了该颤痕的最终机架(第四机架)时的轧制速度的实绩值而换算为异常振动的频率后的结果。
表1的发明例1在最终机架(第四机架)的壳体设置振动计，利用频率解析部12生成第一解析数据后，使用主成分分析部13中的主成分分析而算出了以第一基准数据为变量的评价数据。另外，在异常检测部15中算出第一解析数据与评价数据的差分即偏离成分后，相对于每个频率的偏离成分，基于预先设定的阈值而判定了颤痕的有无。另一方面，关于主成分(第一基准数据)，使用主成分导出部16，对根据在从更换支承辊5起经过了2天左右后的正常时测定的1天的振动数据而算出的基准振动数据执行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主成分分析，从而算出了第一基准数据。需要说明的是，主成分向量按贡献率从高到低的顺序选择了10个主成分。
相对于此，表1的发明例2是使用了图9所示的包含数据变换部14和主成分导出部16的两者的异常检测装置10的例子。首先，根据在正常时取得的基准振动数据，生成了利用数据变换部14变换为间距与振动强度的关系后的第二基准振动数据。在主成分导出部16中，根据第二基准振动数据而导出了以没有相关的少量最好地表示整体的偏差的主成分向量即第二基准数据。然后，通过主成分分析部13的主成分分析，算出了以第二基准数据为变量的关于第二基准振动数据的第二评价数据。在异常检测部15中，将第二解析数据与第二评价数据的差分作为偏离成分算出后，对于每个间距的偏离成分，基于预先设定的阈值而判定了颤痕的有无。需要说明的是，关于发明例2也是，在主成分导出部16中，按贡献率从高到低的顺序选择10个主成分，将它们作为了第二基准数据。
另外，主成分导出部16进行的主成分(第一基准数据及第二基准数据)的导出关于从各种轧制速度得到的基准振动数据，将轧制速度每隔50m/min地划分而对各轧制速度进行。发明例1对由每个频率的振动强度构成的第一解析数据使用第一基准数据进行了主成分分析，发明例2对第二解析数据使用第二基准数据进行了主成分分析。
另一方面，比较例1、2在第四机架的壳体设置振动计，不进行主成分分析，关于频率解析部12输出的由每个频率的振动强度构成的第一解析数据变更阈值而进行了判定。在该情况下，比较例1、2是在同一轧制速度下对在产生了颤痕的情况下取得的第一解析数据和在未产生颤痕的情况下取得的第一解析数据使用不同的阈值尝试了异常振动的判定的例子。即，比较例1将用于判定异常振动的与振动强度相关的阈值设为Fref1，比较例2将用于判定异常振动的与振动强度相关的阈值设为Fref2。
图3是将在异常检测部15中算出的偏离成分针对每个频率示出的发明例1的曲线图，图4是将偏离成分针对每个标准间距示出的发明例2的曲线图。需要说明的是，在图3中，由于若轧制速度变化则偏离成分的峰值位置也变化，所以示出了轧制速度14m/sec下的偏离成分。图4也与此配合而示出了轧制速度14m/sec下的偏离成分。根据图3及图4，通过主成分分析而算出解析数据(第一解析数据及第二解析数据)向主成分(第一基准数据及第二基准数据)的投影，在异常检测部15中算出与第一解析数据及第二解析数据对应的偏离成分，使颤痕产生的异常振动和不使颤痕产生的通常振动被清楚地区分，通过设定合适的设定阈值Fref，高精度地判定了使颤痕产生的异常振动的有无。
图5是示出使用频率解析部12输出的表示每个频率的振动强度的第一解析数据进行了异常判定的比较例1、2的曲线图。需要说明的是，在图5中，由于若轧制速度变化则振动强度的峰值位置也变化，所以示出了轧制速度14m/sec下的频率解析结果。在比较例1的情况下，即使是产生了颤痕的情况，异常振动的振动强度也未达到阈值Fref1，未能捕捉到异常振动。另一方面，作为比较例2，在使用了阈值Fref2的值的情况下，虽然能够检测异常振动的振动强度，但在未产生颤痕的情况、也就是产生了由颤痕以外引起的振动的频率的情况下，也存在超过阈值Fref2的振动强度，成为了引起异常振动的误检知的结果。
这是因为：每个频率的振动强度重叠有在连轧机的各机架中产生的各种振动，因此难以判别产生了颤痕的情况和未产生颤痕的情况。的确，在频率530Hz附近，在产生了颤痕的情况和未产生颤痕的情况下，在振动强度上可看到差异。然而，为了基于上述的差异来检测颤痕，需要预先设定530Hz附近的频率并设定与该频段对应的阈值。另外，难以预先进行这样的设定。因而，实际上，难以高精度地检测颤痕的产生。结果，以往，如比较例1、2那样，不得不预先通过试行错误变更与振动强度相关的阈值而进行金属带的轧制，颤痕的看漏率以10件/月的程度产生。相对于此，进行了上述的发明例1的异常判定，颤痕的看漏率减小至1件/月。
另外，根据表1所示的结果，在包括主成分分析步骤和异常振动检测步骤的发明例1、2中，“使用了振动强度的颤痕判定”和“目视下的颤痕判定”的评价结果一致。由此，无需将与轧机的异常振动相关的判定如以往那样通过在轧制金属带后通过目视来检查颤痕而进行，能够在轧制设备的操作中以在线的方式判定轧机的异常振动。
实施例2
以下，示出作为本发明的实施例2而进行的发明例3及比较例3。在本实施例2中作为对象的设备是由5机架构成的连轧机，在各机架的壳体安装了振动计。以基准频率的设定为首的数据采集方法等与实施例1是同样的。在实施例2中，产生了颤痕的机架也是最终机架(在该情况下为第五机架)。因而，使用设置于第五机架的作业侧壳体的振动计数据进行了轧机的异常检测。在比较例3中，对于根据设置于第五机架的作业侧壳体的振动计的振动数据而算出的每个频率的振动强度，一边变更阈值一边尝试了颤痕的判定。将其结果在表2中示出。需要说明的是，表2的“○”“×”及写进括号的含义与表1相同。
[表2]
图6是将偏离成分针对每个标准间距示出的发明例3的曲线图。发明例3中的第二基准数据的导出使用以下的第二基准振动数据而进行，该第二基准振动数据是使用在支承辊5的更换后经过了1周后测定的1天的振动数据作为基准振动数据，利用数据变换部14将从全速度域收集的多个频率各自的振动强度换算为每个标准间距的振动强度而得到的。即，利用主成分导出部16计算关于第二基准振动数据的主成分向量，作为第二基准数据而求出。并且，通过主成分分析部13的主成分分析，以第二基准数据为变量而算出了关于第二解析数据的第二评价数据。在异常检测部15中，将第二解析数据与第二评价数据的差分作为偏离成分而算出。如图6所示，通过主成分分析，产生颤痕的异常振动和不产生颤痕的正常振动被清楚地区分，利用设定阈值Fref高精度地判定了使颤痕产生的轧机的异常振动的有无。即，表示：即使不预先确定产生异常振动的振动的频率，通过算出相对于标准间距的偏离成分，也能够设定合适的阈值。
图7是示出使用了相对于每个频率的振动强度的阈值的比较例3的曲线图。即，是使用频率解析部输出的表示每个频率的振动强度的第一解析数据进行了异常判定的例子。不过，由于若轧制速度变化则振动强度的峰值位置也变化，所以示出了轧制速度14m/sec下的频率解析结果。比较例3是通过设定相对于振动强度的阈值Fref3而判定了颤痕的产生的结果。如图7所示，若预先设定特定的频率且仅对该频率的频段设定阈值，则有可能能够判定颤痕的产生，但难以预先进行这样的设定，因此，实际上难以高精度地检测颤痕的产生。
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，在上述实施方式中，关于金属带S是冷轧钢板的情况进行了例示，但金属带S也可以取代冷轧钢板而是不锈钢材，还可以是热轧钢板。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。
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 主成分分析部
14 数据变换部
15 异常检测部
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，生成第一解析数据；
主成分分析步骤，对于所述第一解析数据，使用预先基于正常的状态而确定的基准数据作为主成分来进行主成分分析，生成所述第一解析数据向所述基准数据的投影即评价数据；及
异常振动检测步骤，从所述评价数据和所述第一解析数据提取偏离成分，根据提取出的所述偏离成分来检测轧机的异常。
2.根据权利要求1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，作为所述基准数据提取的主成分针对所述轧机中的每个轧制速度分别设定。
3.根据权利要求1所述的轧机的异常振动检测方法，
所述频率解析步骤将每个频率的振动强度作为所述第一解析数据而生成，
所述异常振动检测方法还包括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的数据变换步骤，
所述主成分分析步骤进行所述第二解析数据的主成分分析。
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，
在所述主成分分析步骤中，作为所述基准数据提取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。
5.根据权利要求1～4中任一项所述的轧机的异常振动检测方法，
所述轧机对金属带进行冷轧。
6.一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，生成第一解析数据；
主成分分析部，对于所述第一解析数据，使用预先基于正常的状态而确定的基准数据作为主成分来进行主成分分析，生成所述第一解析数据向所述基准数据的投影即评价数据；及
异常检测部，从所述评价数据和所述第一解析数据提取偏离成分，根据提取出的所述偏离成分来检测轧机的异常。
7.一种轧制方法，包括在使用权利要求1～5中任一项所述的轧机的异常振动检测方法而检测到轧机的异常的情况下更换所述轧机的支承辊的支承辊更换步骤。
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。
CN202280022690.3A 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 Pending CN117042895A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021-060120 2021-03-31
JP2021060120 2021-03-31
PCT/JP2022/004545 WO2022209295A1 (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
CN117042895A true CN117042895A (zh) 2023-11-10

Family

ID=83458357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280022690.3A Pending CN117042895A (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 (7)

Country Link
US (1) US20240165685A1 (zh)
EP (1) EP4282551A4 (zh)
JP (1) JP7184223B1 (zh)
KR (1) KR20230145596A (zh)
CN (1) CN117042895A (zh)
MX (1) MX2023011106A (zh)
WO (1) WO2022209295A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
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 (11)

* Cited by examiner, † Cited by third party
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
JPH11117875A (ja) * 1997-10-14 1999-04-27 Tokyo Gas Co Ltd 音響によるコンプレッサの監視装置
KR101249168B1 (ko) * 2009-12-18 2013-03-29 주식회사 포스코 냉간압연에서의 품질이상 예지 시스템과 그 방법
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
JP2013111614A (ja) * 2011-11-29 2013-06-10 Jfe Steel Corp 冷間圧延機のチャタリング検出方法及びチャタリング検出装置
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
JP6899109B2 (ja) * 2016-04-21 2021-07-07 株式会社トクヤマ 回転駆動装置における診断対象部の異常診断方法と、それに用いる異常診断装置
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
CN111854930B (zh) * 2020-07-21 2022-10-14 长春理工大学 一种基于先验预估的振动信号工频干扰压制方法

Also Published As

Publication number Publication date
WO2022209295A1 (ja) 2022-10-06
JP7184223B1 (ja) 2022-12-06
EP4282551A4 (en) 2024-07-10
US20240165685A1 (en) 2024-05-23
JPWO2022209295A1 (zh) 2022-10-06
EP4282551A1 (en) 2023-11-29
MX2023011106A (es) 2023-10-03
KR20230145596A (ko) 2023-10-17

Similar Documents

Publication Publication Date Title
JP6296046B2 (ja) 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
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
JP2964887B2 (ja) 圧延機のチャタリング検出方法
KR20060052624A (ko) 롤 스탠드의 진동 감지 방법
CN101959623B (zh) 用于多机架的轧机列的借助于连续方程求得带材厚度的运行方法
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
JP2019122979A (ja) 圧延機の異常振動検出方法
JP7103550B1 (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
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
CN115740037A (zh) 辊状态监视装置
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
CN116550764B (zh) 一种基于工作辊振动测试分析的热连轧机前馈厚度控制方法
JP6841264B2 (ja) 冷間圧延における異常振動検出方法
JP6572981B2 (ja) チャタマーク防止方法及びチャタマーク防止装置
JP5924490B2 (ja) 冷間圧延における異常検出方法および冷間圧延方法
US5799526A (en) Process and plant for cold rolling with compensation for ovalization of the rolling rolls
EP4406671A1 (en) Method for determining conformity of rolling mill roller, method for rolling metal strip, and method for producing cold-rolled steel sheet
CN112862284A (zh) 一种热轧带钢轧机刚度的精度评价方法及系统
Nikula et al. The effect of steel leveler parameters on vibration features
US6845286B2 (en) Detection of roller damage and/or misalignment in continuous casting of metals
JP2020082134A (ja) 冷間圧延における圧延速度設定方法及びバックアップロール外周長設定方法
KR101361543B1 (ko) 접촉식 형상측정용 하중센서의 신호변환방법
Fakert et al. Modern measurement technologies as a prerequisite to product quality and stable production
Gérard et al. Vibration monitoring of tandem mills at the Arcelor Mittal Tilleur cold rolling mill

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