辊道辊状态实时在线监测方法及系统技术方案

本发明专利技术提供一种辊道辊状态实时在线监测方法及系统，方法包括：获取待检测辊道辊的电流模拟信号；将电流模拟信号转换为电流数字信号；对电流数字信号进行时域分析和频域分析，得到时域特征值和频域特征值；将时域特征值和频域特征值输入状态判定模型，得到辊道辊状态信息；状态判定模型是基于时域特征样本数据、频域特征样本数据及辊道辊状态样本数据对神经网络进行训练得到的。本发明专利技术提供的辊道辊状态实时在线监测方法及系统，通过采集辊道辊的电流模拟信号并转换为电流数字信号，进行一系列分析处理得到时域特征值和频域特征值，通过状态判定模型获得辊道辊的状态，在不影响轧钢生产的情况下，实现对辊道辊状态长期、实时、连续的监控。续的监控。续的监控。

【技术实现步骤摘要】
辊道辊状态实时在线监测方法及系统


[0001]本专利技术涉及电流测量分析
，尤其涉及一种辊道辊状态实时在线监测方法及系统。

技术介绍

[0002]辊道是钢铁厂轧钢车间的主要设备，也是轧钢车间中使用最多的设备。轧件进出加热炉，在轧机上往复轧制及轧后输送到精整工序等工作均由辊道来完成。轧机辊道包含大量辊子，如果辊道辊出现卡涩、卡死等现象，可能会造成钢带经过辊道产生划伤的质量问题，直接影响产品质量和价格。因此，对轧钢辊道辊的状态监测十分重要。
[0003]现有的辊道辊状态监测方式主要有两种，第一种是直接在轧钢停工期间由工人肉眼检查或者使用仪器设备检查，这种方式只能在特定时间进行，影响轧钢正常生产工作，且无法实时监测辊道辊的状态，自动化程度低、效率难以保证。
[0004]第二种是采用振动传感器对辊的状态进行监测，每个辊上均安装振动传感器，实时采集辊的振动信息，数据处理设备对振动信息进行分析处理，判断辊的状态。这种方式虽然实现了自动监测，但需要大量的振动传感器完成前期数据采集工作，而振动传感器的寿命比较短，所以需要频繁更换振动传感器以保证监测系统正常运行，更换振动传感器的过程同样只能在轧钢停工期间进行，也存在影响轧钢正常生产工作的问题。
[0005]由此可见，现有的辊道辊状态监测方法因影响轧钢作业正常进行，存在实用性不强、难以实现长期、实时、连续监控的问题。

技术实现思路

[0006]本专利技术提供一种辊道辊状态实时在线监测方法及系统，用以解决现有技术中辊道辊状态监测方法因影响轧钢正常生产工作，存在实用性不强、难以实现长期、实时、连续监控的缺陷。
[0007]第一方面，本专利技术提供一种辊道辊状态实时在线监测方法，该方法包括：
[0008]获取待检测辊道辊的电流模拟信号；
[0009]对所述电流模拟信号进行数字采样，将所述电流模拟信号转换为电流数字信号；
[0010]分别对所述电流数字信号进行时域分析和频域分析，得到所述电流数字信号的时域特征值和频域特征值；
[0011]将所述时域特征值和所述频域特征值输入状态判定模型，得到所述状态判定模型输出的辊道辊状态信息；
[0012]其中，所述状态判定模型是基于时域特征样本数据、频域特征样本数据以及辊道辊状态样本数据对神经网络进行训练得到的。
[0013]根据本专利技术提供的所述的一种辊道辊状态实时在线监测方法，将所述时域特征值和所述频域特征值输入状态判定模型，得到所述状态判定模型输出的辊道辊状态信息之后，还包括：
[0014]判断所述辊道辊状态信息是否异常，在判定所述辊道辊状态信息异常后，触发辊道辊状态异常报警。
[0015]根据本专利技术提供的一种辊道辊状态实时在线监测方法，所述辊道辊状态信息包括：正常运行、停机、跳闸、升速以及降速。
[0016]根据本专利技术提供的一种辊道辊状态实时在线监测方法，所述时域特征值包括：电流平均振幅、电流有效值以及电流标准差；
[0017]所述频域特征值包括：第一频率、第一频率幅值、第二频率、第二频率幅值、第三频率以及第三频率幅值。
[0018]第二方面，本专利技术还提供一种辊道辊状态实时在线监测系统，包括：
[0019]数据采集模块，用于获取待检测辊道辊的电流模拟信号；
[0020]数字采样模块，用于对所述电流模拟信号进行数字采样，将所述电流模拟信号转换为电流数字信号；
[0021]数据处理模块，用于分别对所述电流数字信号进行时域分析和频域分析，得到所述电流数字信号的时域特征值和频域特征值；并将所述时域特征值和所述频域特征值输入状态判定模型，得到所述状态判定模型输出的辊道辊状态信息；
[0022]其中，所述状态判定模型是基于时域特征样本数据、频域特征样本数据以及辊道辊状态样本数据对神经网络进行训练得到的。
[0023]根据本专利技术提供的一种辊道辊状态实时在线监测系统，该系统还包括报警模块，所述数据处理模块还用于判断所述辊道辊状态信息是否异常，在判定所述辊道辊状态信息异常后，控制所述报警模块触发辊道辊状态异常报警。
[0024]根据本专利技术提供的一种辊道辊状态实时在线监测系统，所述数据采集模块为电流互感器，所述电流互感器套设于待检测辊道辊的供电线上。
[0025]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述辊道辊状态实时在线监测方法的步骤。
[0026]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述辊道辊状态实时在线监测方法的步骤。
[0027]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述辊道辊状态实时在线监测方法的步骤。
[0028]本专利技术提供的辊道辊状态实时在线监测方法及系统，通过实时采集辊道辊的电流模拟信号，并将其转换为电流数字信号，对电流数字信号进行一系列分析处理，获得电流数字信号的时域特征值和频域特征值，进而通过预先构建的状态判定模型，获得辊道辊的状态信息，在不影响轧钢生产的情况下，实现了对辊道辊状态长期、实时、连续的监控。
附图说明
[0029]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些
附图获得其他的附图。
[0030]图1是本专利技术提供的辊道辊状态实时在线监测方法的流程示意图；
[0031]图2是待检测辊道辊的交流电模拟信号对应的时域波形图；
[0032]图3是辊道辊电流频域信号对应的频域波形图；
[0033]图4是本专利技术提供的辊道辊状态实时在线监测系统的结构示意图；
[0034]图5是能够监测单组辊道辊状态的辊道辊状态实时在线监测系统的结构示意图；
[0035]图6是能够监测多组辊道辊状态的辊道辊状态实时在线监测系统的结构示意图；
[0036]图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0037]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]图1示出了本专利技术提供的辊道辊状态实时在线监测方法，包括：
[0039]S110：获取待检测辊道辊的电流模拟信号。
[0040]在实际应用过程中，供电系统通过供电线给辊道辊供电，电流为I1，I1为交流电模拟信号，峰值大约在几十安培，电流随时间变化的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辊道辊状态实时在线监测方法，其特征在于，包括：获取待检测辊道辊的电流模拟信号；对所述电流模拟信号进行数字采样，将所述电流模拟信号转换为电流数字信号；分别对所述电流数字信号进行时域分析和频域分析，得到所述电流数字信号的时域特征值和频域特征值；将所述时域特征值和所述频域特征值输入状态判定模型，得到所述状态判定模型输出的辊道辊状态信息；其中，所述状态判定模型是基于时域特征样本数据、频域特征样本数据以及辊道辊状态样本数据对神经网络进行训练得到的。2.根据权利要求1所述的一种辊道辊状态实时在线监测方法，其特征在于，将所述时域特征值和所述频域特征值输入状态判定模型，得到所述状态判定模型输出的辊道辊状态信息之后，还包括：判断所述辊道辊状态信息是否异常，在判定所述辊道辊状态信息异常后，触发辊道辊状态异常报警。3.根据权利要求1所述的一种辊道辊状态实时在线监测方法，其特征在于，所述辊道辊状态信息包括：正常运行、停机、跳闸、升速以及降速。4.根据权利要求1所述的一种辊道辊状态实时在线监测方法，其特征在于，所述时域特征值包括：电流平均振幅、电流有效值以及电流标准差；所述频域特征值包括：第一频率、第一频率幅值、第二频率、第二频率幅值、第三频率以及第三频率幅值。5.一种辊道辊状态实时在线监测系统，其特征在于，包括：数据采集模块，用于获取待检测辊道辊的电流模拟信号；数字采样模块，用于对所述电流模拟信号进行数字采样，将所述电...

【专利技术属性】
技术研发人员：李向东，刘仿，崔开宇，黄翊东，冯雪，张巍，
申请(专利权)人：北京光函数科技有限公司，
类型：发明
国别省市：