森吉米尔轧机(简称ZR轧机)是生产硅钢片产品的关键设备之一,生产中缠辊故障和齿轮箱失效故障频发,每次故障发生都造成长时间停产换辊和检修,经济损失非常巨大。通过监测找出造成缠辊的主要原因,提出避免或减轻缠辊程度的措施;以及应用小波变换等现代故障特征提取方法对齿轮箱的振动信号进行分析,准确判断齿轮箱是否存在故障对提高ZR轧机的生产能力,保证安全生产,提高产品质量具有十分重要的意义。本文以某硅钢厂ZR22BS-42型ZR轧机为研究对象,对其紧急开放系统和主传动系统进行了探讨、研究。下面是主要研究内容: 1 缠辊故障的监测与诊断 对某硅钢厂ZR1和ZR3轧机进行在线监测,分别记录下在发生断带、缠辊故障时,紧急开放系统中快开阀和压下油缸活塞的响应滞后时间、压下油缸上下腔的压差、ZR轧机停车时间压下油缸活塞移动速度等参数。试验结果:(1) 两台轧机的紧急开放系统总的响应滞后时间基本相同;(2) ZR3轧机压下油缸活塞的移动速度约为设计值66mm/s的2.5倍;ZR1轧机压下油缸活塞的移动速度为30mm/s。(3) ZR1轧机在最高轧制速度450m/min时的停车时间约8秒,低速状态下停车时间较长;ZR3轧机在最高轧制速度600m/min时的停车时间也是约8秒。(4) ZR1轧机通过行程开关检测断带,ZR3轧机通过张力计的变化率检测断带,通过测试发现ZR1轧机的检测滞后时间比ZR3轧机长0.2秒。 针对上述试验结果,得出如下结论: (1) 辊系打开速度要取一个合理的值。 (2) ZR1轧机、ZR3轧机的停车时间要缩短。 (3) 改进ZR轧机的检测方式。 2 小波分析方法在典型故障特征提取中的应用 ZR轧机齿轮箱结构复杂,采集的振动信号中不可避免的含有大量噪声信号,找出能从信噪比较低的信号中准确提取故障信息的方法,对提高齿轮箱诊断准确性极为重要。因此,作者对基于Morlet小波变换与最大似然估计的冲击信号提取方法和小波—AR谱估计方法进行了研究与完善。 基于Morlet小波变换与最大似然估计的冲击信号提取方法是利用Morlet小波与冲击信号的相似性,将冲击信号的能量集中在一小部分小波系数上,然后利用噪声信号的概率密度函数的正态分布性和冲击信号的概率密度函数在零点有峰值的特点,对Morlet小波变换得到的系数进行最大似然阈值处理,最后对收缩过的小波系数进行重构,达到了降噪目的。冲击信号和噪声信号标准差的估计对能否得到合适的阈值和较好的降噪效果至关重要。文中用小波对信号进行不同尺度的分解,然后将高频和低频信号分别重构,分别对高频重构信号和低频重构信号进行标准差的估计,能较准确得到冲击信号标准差和噪声信号的标准差。小波—AR谱估计方法首先利用Matlab小波工具箱中二进正交小波的分解与重构函数,将振动信号的频带缩小至故障特征频率附近,然后利用AR谱估计能量集中的优