The embodiment of the invention discloses a fault signal reduction reconstruction feature recognition method for a high-speed wire rod mill. The method includes: the vibration signal acquisition of the matrix singular value decomposition, singular value vector to generate the corresponding; according to the structure of the singular value vector of singular value, and according to the singular value of effective singular values is determined in order; the order of effective singular values in the the singular value vector of fast Fourier transform FFT; amplitude with frequency and its harmonic feature of FFT sequence in the search results, in order to obtain the corresponding noise singular value; by eliminating the noise singular value of singular value vector reconstruction time-domain signal to obtain fault signal. The fault identification method of the high-speed wire rod mill provided by the embodiment of the invention can improve the signal-to-noise ratio of the fault characteristic signal, and realize the accurate diagnosis of the high-speed wire rod mill fault.
【技术实现步骤摘要】
高速线材轧机的故障信号降噪重构特征识别方法
本专利技术实施例涉及轧机故障诊断
,尤其涉及一种高速线材轧机的故障识别方法。
技术介绍
随着科学技术的不断进步,冶金设备正向高速、高负载和高自动化程度的方向发展,但由设备故障所导致事故的严重程度也大幅增加。如何保证设备的安全运行,及时发现隐患,消除和避免故障,已成为一个非常迫切的问题。常见的高速线材轧机故障包括:轧机轧辊轴轴向窜动、锥齿轮打齿、轧辊轴断、联轴器脱开及锥齿轮脱开。高速线材轧机状态故障诊断是在监测设备的运行状态信息并进行故障识别,避免故障扩大带来的巨大经济损失。因而需提高检测装置的灵敏度及可靠性,而在现有的检测装置基础上,通过对所检测信号的数字化处理,可实现低成本、高可靠性的高速线材轧机状态故障诊断。采集的高速线材轧机振动信号中往往同时存在随机噪声干扰和电源工频干扰,常规方法对信号的判断存在对真实运行状态的误判。因此消除或降低振动信号中的随机噪声和工频噪声干扰是高速线材轧机旋转振动信号处理的重要内容。现有技术中,可以采用奇异值分解(Singularvaluedecomposition,SVD)的方式完成上述对随机噪声及工频噪声的消除。下面着重说明采用SVD技术的噪声消除过程。用SVD进行信号处理前,需要将采集的离散信号构造为矩阵形式,如Hankel矩阵等。假设采集的离散信号有如下形式:X=[x(1),x(2),…,x(N)](1)可将其构造为如下形式的Hankel矩阵A:式(2)中的参数满足:1<n<N。令m=N-n+1,则有A∈Rm×n。向量ui及vi满足如下关系:式(3)中,ui ...
【技术保护点】
一种高速线材轧机的故障信号降噪重构特征识别方法,其特征在于,包括:对采集的振动信号矩阵进行奇异值分解,以生成对应的奇异值向量;根据所述奇异值向量构造奇异值差分谱,并根据所述奇异值差分谱确定有效奇异值阶次,以降低随机噪声;在有效奇异值阶次的范围内,对所述奇异值向量进行快速傅里叶变换FFT;搜索FFT结果序列中具有工频及其倍频特征的幅值,以得到对应的噪声奇异值;用剔除所述噪声奇异值的奇异值向量重构时域信号,以获得故障特征信号。
【技术特征摘要】
1.一种高速线材轧机的故障信号降噪重构特征识别方法,其特征在于,包括:对采集的振动信号矩阵进行奇异值分解,以生成对应的奇异值向量;根据所述奇异值向量构造奇异值差分谱,并根据所述奇异值差分谱确定有效奇异值阶次,以降低随机噪声;在有效奇异值阶次的范围内,对所述奇异值向量进行快速傅里叶变换FFT;搜索FFT结果序列中具有工频及其倍频特征的幅值,以得到对应的噪声奇异值;用剔除所述噪声奇异值的奇异值向量重构时域信号,以获得故障特征信号。2.根据权利要求1所述的方法,其特征在于,还包括:在对采集的振动信号进行奇异值分解之前,对采集的模拟振动信号进行数字化;以及根据数字化得到的振动信号构造所述振动信号矩阵。3.根据...
【专利技术属性】
技术研发人员:孙建桥,李伟光,成西平,张晓涛,赵学智,赵果,谭仲毅,
申请(专利权)人:汉威广园广州机械设备有限公司,华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。