论文部分内容阅读
[摘 要]近些年来,随着我国经济的不断建设,对于钢铁的需求量也在不断的增加,而轧钢机作为钢铁厂的重要生产设备,在生产当中如果发生了故障,对于钢铁厂会产生相当大的损失,因此需要对轧钢机进行故障诊断研究,从而实现其钢铁产量的稳步提高,促进我国钢铁行业的不断发展。在本文当中首先对轧钢机的故障机理进行分析;其次对轧钢机的滚动轴承故障信号降噪的理论做出分析;最后对支持向量机的滚动轴承故障做出了针对性的诊断。
[关键词]轧钢机械;振动故障;诊断分析
中图分类号:TH733 文献标识码:A 文章编号:1009-914X(2017)36-0366-01
随着现代化的趋势,全球经济的一体化得到了充分的发展,轧钢技术在轧钢工业当中的要求也越来越高,因此需要达到可持续发展以及高质量的钢铁和低成本的需求。在我国,现阶段的轧钢技术,也得到了迅速的发展,因此在此种情况下,需要对机械的振动信号做出分析,从而对其中所出现的故障做出及时掌握和了解。在进行振动分析的过程当中,需要利用对轧钢机当中振动机械的状态做出分析检测,从而实现对轧钢机当中的故障发生位置和原因进行分析,保证了生产的可持续发展。
一、轧钢机的故障机理
在轧钢机的工作机机构和电机的重要部位当中需要对其装置当中的滚轴平衡装置来进行调整,从而对其中的结构位置进行固定,确保在进入方孔的时候状态以及位置可以实现其精确的确定,利用对滚轴当中的平衡位置的调整,来实现对轧钢机的控制,但是一般滚轴机器当中需要对齿轮机联轴器和接轴等部分结构给工作机提供动力,其中的简图如图1所示:
在对轧钢机故障的特征分析的时候,需要对多种类型的故障做出实际的分析,但是在主要的故障当中,主要分为子振故障、电机振动故障、滚轴故障、齿机械振故障等,这些故障都是需要根据机械当中的机械样式以及振动的性质来做出区分的。
二、轧钢机的滚动轴承故障信号降噪的理论
1、小波包降噪方法基本理论
一般情况下,在传统的降噪法当中都具备相对应的缺点,比如在滤波器的使用过程当中,在对噪声进行高频过滤的时候就会将其中的信号做出统一的去除,从而就会实现对其中的短频信号进行处理和降低,利用其中的滤波器可以对短时间的噪声信号进行一定程度的有效识别,并且对于其信号发生的位置也会做出相对应的分析,从而改变了其信号当中的噪声故障。但是在经过改良之后发现对于小波包的降低噪声方式当中,需要在其传统的降噪方式进行改善,前者有更高的小波包信号的自适应能力,对于信号当中所具备的噪声可以实现有效的区分。从而保证其降低噪声的功能可以最大限度的发挥,保留信号而去除噪声的功能,保证滤波的信号失真会最大限度的降低。
2、轧钢机滚动轴承故障信号降噪模拟分析
在进行仿真模拟的时候,需要利用直流电机驱动的500轧钢机为主要的研究对象进行仿真实验,当500轧钢机的转速为110rpm时,其中精轧的转速可以达到20rmp,一般工作时的转速可以处于60~80rmp的范围内。其中的英制四圆锥滚子轴HM259049D/10/10D可以作为500轧机的轴承,其中的参数分别是d=317.5mm,D=447.675mm,B1=327.025mm,Z=24(每列),在运行时需要取得转速为n=60rpm的时候,在模拟的时候需要对外圈当中的裂纹故障做出分析和模拟,假如在外圈当中出现裂纹的话,其中的单列外圈裂纹当中的故障频率需要进行计算。
在对仿真信号做出分析和计算的过程当中,需要根据其计算结果进行分析,也就说是当信号噪声的强度相对较大的时候,对其做出仿真的时候,就需要对其信号图谱分布图做出分析,经过分析可以发现其中的能量分布式是相对比较分散,在整体的运行中没有出现波动幅度较大的峰值现象,因此对于信号当中的故障位置没有办法做出分析。因此在此种情况下,需要利用db4小波函數仿真信号来对故障信号做出分解,在对信号当中的每一个节点做出分析的时候,认为每一个节点当中的高频噪声信号,从而实现对信号的实际分析,进行计算。
三、支持向量机的滚动轴承故障的诊断
滚动轴承是轧钢机当中的重要部位,在轧钢进行工作的时候,其运转速度是相对较快的,因此其中的工作环境也相对恶劣。在钢件进入轧钢机和退出轧钢机时都会对滚动轴承产生强烈的冲击并且在镜像尺寸方面也受到了一定程度的限制,其中所出现振动信号主要为非平稳信号,在现场的所有设备当中都会增加噪声干扰现象。其中的干扰信号在大于故障信号的情况下,就會对于故障诊断的难度进行增加。因此需要对各种类型的噪声做出对比,从而提高其滚动轴承的信号的信号噪声比,保证诊断结果可以处于精准的状态当中。
在本文当中,根据其实际情况提出了一种全新的故障斩断方式,把小波包降噪方法和奇异谱分析方法相结合,用支持向量机进行诊断,把最佳小波包基下的小波包系数阈值进行处理,再进行信号的重构现象,通过此种现象可以有效的去除噪声,之后就可以对其中的奇异值作为支持向量来进行分析,对其中的数据做出分析和提取,最终实现智能化的判断。
在支持向向量机的使用过程当中,需要对输入空间利用内基函数来对其中的非线性变化转化到一个高位空间当中,从而对其空间当中产生的最优分类面进行分析,因此在对函数参数进行选择的时候就决定了支持向量机的推广性,保证数据在高维特征当中的空间当中的样本数据可以符合其要求,对于其中的误差因子也需要做出分析。一般在进行分析的时候,需要对其中的四种状态做出故障的斩断分析,其中分别是正常状态、内圈故障、外圈故障、滚动体故障。
结语
综上所述,在轧钢机当中的常见的故障进行分析之后,对于轧钢机当中的滚动轴承的特点在工作的时候出现的状态以及原因做出了实际的分析,在一定的相关科学理论的基础上,实现仿真分析,从而可以适用于非平稳和非线性的小包波分析的方式来对轧钢机当中的滚动轴承故障信号做出分析,从而可以对故障信号的当中的诊断误差实现掌握和分析,最终保证其诊断的结果可以更加的准确。
参考文献
[1] 杨智宇.浅谈轧钢机械振动故障的诊断[J].科技创新导报,2012,(4):53-53,55..
[2] 刘洋,杨雪飞.轧钢机械振动故障的诊断[J].科技与企业,2014,(2):259-259.
[关键词]轧钢机械;振动故障;诊断分析
中图分类号:TH733 文献标识码:A 文章编号:1009-914X(2017)36-0366-01
随着现代化的趋势,全球经济的一体化得到了充分的发展,轧钢技术在轧钢工业当中的要求也越来越高,因此需要达到可持续发展以及高质量的钢铁和低成本的需求。在我国,现阶段的轧钢技术,也得到了迅速的发展,因此在此种情况下,需要对机械的振动信号做出分析,从而对其中所出现的故障做出及时掌握和了解。在进行振动分析的过程当中,需要利用对轧钢机当中振动机械的状态做出分析检测,从而实现对轧钢机当中的故障发生位置和原因进行分析,保证了生产的可持续发展。
一、轧钢机的故障机理
在轧钢机的工作机机构和电机的重要部位当中需要对其装置当中的滚轴平衡装置来进行调整,从而对其中的结构位置进行固定,确保在进入方孔的时候状态以及位置可以实现其精确的确定,利用对滚轴当中的平衡位置的调整,来实现对轧钢机的控制,但是一般滚轴机器当中需要对齿轮机联轴器和接轴等部分结构给工作机提供动力,其中的简图如图1所示:
在对轧钢机故障的特征分析的时候,需要对多种类型的故障做出实际的分析,但是在主要的故障当中,主要分为子振故障、电机振动故障、滚轴故障、齿机械振故障等,这些故障都是需要根据机械当中的机械样式以及振动的性质来做出区分的。
二、轧钢机的滚动轴承故障信号降噪的理论
1、小波包降噪方法基本理论
一般情况下,在传统的降噪法当中都具备相对应的缺点,比如在滤波器的使用过程当中,在对噪声进行高频过滤的时候就会将其中的信号做出统一的去除,从而就会实现对其中的短频信号进行处理和降低,利用其中的滤波器可以对短时间的噪声信号进行一定程度的有效识别,并且对于其信号发生的位置也会做出相对应的分析,从而改变了其信号当中的噪声故障。但是在经过改良之后发现对于小波包的降低噪声方式当中,需要在其传统的降噪方式进行改善,前者有更高的小波包信号的自适应能力,对于信号当中所具备的噪声可以实现有效的区分。从而保证其降低噪声的功能可以最大限度的发挥,保留信号而去除噪声的功能,保证滤波的信号失真会最大限度的降低。
2、轧钢机滚动轴承故障信号降噪模拟分析
在进行仿真模拟的时候,需要利用直流电机驱动的500轧钢机为主要的研究对象进行仿真实验,当500轧钢机的转速为110rpm时,其中精轧的转速可以达到20rmp,一般工作时的转速可以处于60~80rmp的范围内。其中的英制四圆锥滚子轴HM259049D/10/10D可以作为500轧机的轴承,其中的参数分别是d=317.5mm,D=447.675mm,B1=327.025mm,Z=24(每列),在运行时需要取得转速为n=60rpm的时候,在模拟的时候需要对外圈当中的裂纹故障做出分析和模拟,假如在外圈当中出现裂纹的话,其中的单列外圈裂纹当中的故障频率需要进行计算。
在对仿真信号做出分析和计算的过程当中,需要根据其计算结果进行分析,也就说是当信号噪声的强度相对较大的时候,对其做出仿真的时候,就需要对其信号图谱分布图做出分析,经过分析可以发现其中的能量分布式是相对比较分散,在整体的运行中没有出现波动幅度较大的峰值现象,因此对于信号当中的故障位置没有办法做出分析。因此在此种情况下,需要利用db4小波函數仿真信号来对故障信号做出分解,在对信号当中的每一个节点做出分析的时候,认为每一个节点当中的高频噪声信号,从而实现对信号的实际分析,进行计算。
三、支持向量机的滚动轴承故障的诊断
滚动轴承是轧钢机当中的重要部位,在轧钢进行工作的时候,其运转速度是相对较快的,因此其中的工作环境也相对恶劣。在钢件进入轧钢机和退出轧钢机时都会对滚动轴承产生强烈的冲击并且在镜像尺寸方面也受到了一定程度的限制,其中所出现振动信号主要为非平稳信号,在现场的所有设备当中都会增加噪声干扰现象。其中的干扰信号在大于故障信号的情况下,就會对于故障诊断的难度进行增加。因此需要对各种类型的噪声做出对比,从而提高其滚动轴承的信号的信号噪声比,保证诊断结果可以处于精准的状态当中。
在本文当中,根据其实际情况提出了一种全新的故障斩断方式,把小波包降噪方法和奇异谱分析方法相结合,用支持向量机进行诊断,把最佳小波包基下的小波包系数阈值进行处理,再进行信号的重构现象,通过此种现象可以有效的去除噪声,之后就可以对其中的奇异值作为支持向量来进行分析,对其中的数据做出分析和提取,最终实现智能化的判断。
在支持向向量机的使用过程当中,需要对输入空间利用内基函数来对其中的非线性变化转化到一个高位空间当中,从而对其空间当中产生的最优分类面进行分析,因此在对函数参数进行选择的时候就决定了支持向量机的推广性,保证数据在高维特征当中的空间当中的样本数据可以符合其要求,对于其中的误差因子也需要做出分析。一般在进行分析的时候,需要对其中的四种状态做出故障的斩断分析,其中分别是正常状态、内圈故障、外圈故障、滚动体故障。
结语
综上所述,在轧钢机当中的常见的故障进行分析之后,对于轧钢机当中的滚动轴承的特点在工作的时候出现的状态以及原因做出了实际的分析,在一定的相关科学理论的基础上,实现仿真分析,从而可以适用于非平稳和非线性的小包波分析的方式来对轧钢机当中的滚动轴承故障信号做出分析,从而可以对故障信号的当中的诊断误差实现掌握和分析,最终保证其诊断的结果可以更加的准确。
参考文献
[1] 杨智宇.浅谈轧钢机械振动故障的诊断[J].科技创新导报,2012,(4):53-53,55..
[2] 刘洋,杨雪飞.轧钢机械振动故障的诊断[J].科技与企业,2014,(2):259-259.