基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法

本发明涉及多辊轧机辊径设计，尤其涉及一种基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法。

背景技术：

1、十八辊轧机在金属轧制工业中被广泛应用，尤其是在高精度和高质量轧制需求中发挥着关键作用。在十八辊冷轧机中，由于受到带材厚度及生产工艺的影响，工作辊的辊径较小，这导致了辊身长度与辊径的比值(l/d)偏大，轧机工作时工作辊的刚度相对较差，容易发生径向的扭曲变形，并且由于侧支撑辊以及侧支撑辊相接触的背衬轴承的不均匀受力，进而导致侧支撑辊系与背衬轴承较大程度的磨损。

2、目前轧机的侧支撑辊辊径优化技术主要依赖于机械设计和新材料开发。机械设计法虽然在设计上减少了磨损，但是没有考虑到现场工况对于工作辊磨损的影响。尤其是在背衬轴承的磨损问题上，不均匀的磨损会导致轧辊的失衡，影响产品质量并增加维护成本。新材料开发法虽然在一定程度上提高了轧辊的使用寿命，但未能根本解决在长时间或高负荷的轧制过程中由于不均匀受力而产生的磨损问题。此外，尽管现有的轧机配置方法能够应对一些常规的生产需求，但在面对多样化和快速变化的市场需求时，它们的灵活性和响应速度不足，对于特殊材料的轧制或急剧变化的生产规范，尤其是在复杂的轧机操作环境中，现有方法存在调整不及时、准确的问题，在数据分析和侧支撑辊辊径优化方面仍存在局限性。

3、因此，现有技术中存在对辊径优化方法改进的需求。

技术实现思路

1、有鉴于此，本发明实施例的目的在于提出一种基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，本发明的方法能够实时、准确地监测和优化侧支撑辊辊径的方法，有助于提高生产效率，降低生产成本，提高产能和整体生产效率，创造更大的经济效益。

2、基于上述目的，本发明实施例的提供了一种基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，包括以下步骤：

3、获取轧机设备基本参数、带钢基本参数；

4、在轧机处设置信号采集装置以采集背衬轴承在运行过程中的声发射信号和振动信号；

5、使用连续小波变换法对声发射信号和振动信号进行去噪处理，再对信号进行特征提取；

6、采用pso-lssvm算法对提取后的特征进行分类并划分所述背衬轴承的磨损程度；

7、基于轧机设备基本参数、带钢基本参数以及侧支撑辊背衬轴承的磨损程度，运用模糊控制的方法对侧支撑辊的辊径进行调整。

8、在一些实施方式中，轧机设备基本参数、带钢基本参数包括：十八辊轧机侧支撑辊辊辊径、最大轧制力以及带钢速度。

9、在一些实施方式中，在轧机处设置信号采集装置以采集背衬轴承的磨损处在运行过程中的声发射信号和振动信号包括：

10、在轧机的背衬轴承鞍座设置声发射传感器和振动传感器，通过声发射传感器和振动传感器采集背衬轴承运行中的声发射信号和振动信号。

11、在一些实施方式中，使用连续小波变换法对声发射信号和振动信号进行去噪处理包括：

12、使用连续小波变换法，根据声发射信号和振动信号的信号特性和噪声频率范围，选取尺度参数，移除高频噪声成分，保留关键特征信息，执行连续小波变换后识别并去除噪声成分，并重构去噪后的信号。

13、在一些实施方式中，对信号进行特征提取包括：

14、使用eemd算法对信号进行特征提取，对信号进行白噪声添加，通过传统的经验模态分解emd算法对含噪声的数据进行分解，获得一系列的固有模态函数imf，计算每个imf的hilbert变换，得到瞬时频率和振幅，基于imf的瞬时频率和振幅，构造信号的hilbert谱，从hilbert谱中提取特征参数。

15、在一些实施方式中，特征参数包括：平均频率、标准差频率、能量集中频率。

16、在一些实施方式中，对提取后的特征进行分类，并划分背衬轴承的磨损程度包括：

17、获取提取后的特征数据，特征数据包括声发射信号和振动信号的关键特征指标，构建特征向量；

18、将特征数据格式化，采用pso-lssvm算法对提取后的特征进行分类，设定pso算法的初始参数和lssvm参数范围；

19、执行pso优化过程，基于性能评估结果，对lssvm模型进行训练；

20、使用训练好的lssvm模型对背衬轴承的磨损程度进行划分。

21、在一些实施方式中，磨损程度包括：0-5％为无磨损，5％-15％为轻度磨损，15％-30％为中度磨损，大于30％为重度磨损。

22、在一些实施方式中，运用模糊控制的方法对侧支撑辊的辊径进行调整包括：

23、定义模糊控制系统的输入变量和输出变量，对输入变量和输出变量设定隶属度函数，根据不同的输入变量的组合确定相应的输出变量，在确定输入变量和输出变量的隶属度函数的基础上建立模糊规则。

24、在一些实施方式中，输入变量包括磨损级别、带钢速度、轧制温度，输出变量为辊径调整量，磨损级别包括轻度磨损、中度磨损、重度磨损。

25、本发明至少具有以下有益技术效果：

26、1.采用pso-lssvm算法对采集到的声发射信号和振动信号进行分类，提高了十八辊轧机侧支撑辊背衬轴承的磨损检测准确率，实现了对侧支撑辊背衬轴承磨损程度的有效识别和分类，为后续的辊径调整提供了准确、可靠的数据支撑。

27、2.基于模糊控制的方法对侧支撑辊的辊径进行调整，实现了对背衬轴承磨损的有效控制，同时减少了侧支撑辊的磨损程度，延长了侧支撑辊和背衬轴承的使用寿命。

28、3.通过对背衬轴承磨损的分析，调整辊径，相比于传统方法减少了因轧辊更换和维护导致的生产准备时间，提高了整体生产效率。

技术特征：

1.一种基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，包括：

2.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，所述轧机设备基本参数、带钢基本参数包括：十八辊轧机侧支撑辊辊辊径、最大轧制力以及带钢速度。

3.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，在所述轧机处设置信号采集装置以采集背衬轴承的磨损处在运行过程中的声发射信号和振动信号包括：

4.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，使用连续小波变换法对所述声发射信号和振动信号进行去噪处理包括：

5.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，对信号进行特征提取包括：

6.根据权利要求5所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，所述特征参数包括：平均频率、标准差频率、能量集中频率。

7.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，采用pso-lssvm算法对提取后的特征进行分类并划分所述背衬轴承的磨损程度包括：

8.根据权利要求7所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，所述磨损程度包括：0-5％为无磨损，5％-15％为轻度磨损，15％-30％为中度磨损，大于30％为重度磨损。

9.根据权利要求1所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，运用模糊控制的方法对所述侧支撑辊的辊径进行调整包括：

10.根据权利要求9所述的基于背衬轴承磨损的十八辊轧机侧支撑辊辊径优化方法，其特征在于，所述输入变量包括磨损级别、带钢速度、轧制温度，所述输出变量为辊径调整量，所述磨损级别包括轻度磨损、中度磨损、重度磨损。

技术总结
本发明涉及辊径设计技术领域，公开了一种获取轧机设备基本参数、带钢基本参数；在轧机处设置信号采集装置以采集背衬轴承在运行过程中的声发射信号和振动信号；使用连续小波变换法对声发射信号和振动信号进行去噪处理，再对信号进行特征提取；采用PSO‑LSSVM算法对提取后的特征进行分类并划分背衬轴承的磨损程度；基于轧机设备基本参数、带钢基本参数以及侧支撑辊背衬轴承的磨损程度，运用模糊控制的方法对侧支撑辊的辊径进行调整。基于模糊控制的方法对侧支撑辊的辊径进行调整，实现了对背衬轴承磨损的有效控制，同时减少了侧支撑辊的磨损程度，延长了侧支撑辊和背衬轴承的使用寿命。

技术研发人员：杨庭松,沈伍晨,郑帅帅,孙文权,袁雨田,高紫明
受保护的技术使用者：北京科技大学
技术研发日：
技术公布日：2024/11/11