带钢轧制过程中轧机的自激振动严重影响产品质量.在变转速和变工况运行时,轧机自激振动的影响因素多,机架模态信息丰富,增加了自激振动特征准确提取的难度.目前,使用单一的敏感特征指标不能很好的反应轧机自激振动的趋势与状态.本文针对轧机自激振动信号的特点,首先综合运用时域、频域以及时频域的信号处理技术从不同角度分析轧机振动信号的特征,通过提取多个特征指标以保证反应轧机自激振动状态的完备性和有效性.其次运用基于最大相关最小冗余的无监督特征选择的策略,删除不相关的特征和冗余的特征,以实现特征指标集的优化.最后,使用基于自组织神经网络(SOM)的多特征融合方法,构建出准确反应轧机自激振动趋势的特征指标,提出6σ准则与实际工况要求相结合的报警门限设定方法.通过对轧机自激振动的工程实际数据的验证表明,本文所构造的特征指标能提前发现轧机自激振动趋势并报警,使操作人员能够提前采取降速措施来避免振动发生,从而有效降低轧制薄板的废品率,减少了企业的经济损失.