侧压定宽轧钢机状态监测系统设计

某钢铁公司的SP侧压定宽机（以下简称SP轧机）是1580热轧机组生产线上的关键设备，它的状态直接关系到整条生产线的运行状态，因此对其监测和故障诊断有着重要意义。由于SP轧机的工况比较特殊，主要表现是机械设备工作在不连续、非平稳的状态下，且负载状态下的工作是间断的，每次工作的时间较短；机械设备在空载和负载两种状态下运行工况差异巨大；机械设备各部件的工作转速低（＜10Hz）。因此轧机的振动和声音信号是非平稳的，SP轧机在负载状态下主要的振动来自于轧钢过程的撞击，通过振动加速度传感器获取的信号，撞击淹没了齿轮减速箱和轴承的有用信息。通过对该轧机的振动和声音测量信号进行分析，设计了SP侧压定宽轧钢机状态的声音监测方案和系统，取得了较好效果。

（一）监测参数选择

1.SP轧机的主要结构

SP轧机是一种侧压定宽机，它是对从加热炉内抽出的热板坯，在全长以过渡方式进行宽度侧压。整个传动机构分为主传动（主偏心轴）侧压机构、同步机构和宽度调整机构。主传动侧压机构的齿轮箱有三级减速，第一级为螺旋伞齿轮，第二、三级均为圆柱斜齿轮。输出轴带动主偏心侧压机构完成模板对板坯的侧向压制。机器最大轧制力为2200吨，最大轧制次数为50次/分。由于该机器比较复杂，包含闭式机构（如齿轮箱）和开式机构（如侧压机构），且工作速度低，若对其状态监测用振动加速度信号，传感器很难安装，不易捕捉到有效的信息。因此采用低频响应好的声音信号，虽然信号成分复杂，但测点选择灵活，不同部件的信号相互独立性强。

2.声音信号监测的优势

对SP轧机采用声音监测有以下优点。

（1）由于机器的结构复杂，外部尺寸较大，设备没有配置内置式传感器，所以振动信号只能由振动加速度传感器在轴承端盖和箱体上获取，而获取声音信号的声音传感器可以在机械设备上或周围任意空间定位和安装，因此信号可以含有反映机器更多的信息，若采用固体传声（即声探头加装屏蔽套）还可以消除一些由于撞击而产生的振动。可见振动加速度信号中的冲击是最主要的成分，而声信号含有较多的低频分量。

（2）固体传声的声音信号是机械设备各个部件的振动产生的，因此，这些声音包含了机器各个部件的振动特征信息。声音通过机械设备本身的固体通道传递出来，既可以体现机械设备的运行状况，又可以作为源信号对轧机的运行状况进行监测和故障诊断，传统上就是采用听棒传出的声音判断机械状态的。经过对固体传声通道的研究，采用适当的传声通道约束，可以将冲击屏蔽开，这样获得的信号是机械振动的良好体现，有更高的信噪比。从固体传声信号可见它已经有效地屏蔽了上述撞击声。

（3）SP轧机的各个回转轴的转频均比较低，在10Hz以下。加速度传感器的固有特性决定了它更适合于测量频率较高的振动。虽然位移传感器适合于测量频率较低的振动，但是位移传感器以非接触测量居多，在SP轧机上难于安装。声传感器的动态范围较宽，对低频的信息响应灵敏，可以很好地获得各个部件特征频率。如图A8所示为信号的连续小波变换图。加速度信号，轧钢冲击成分占有了主要信息，而固体传声信号，连续小波变换包含的信息更加丰富。固体传声信号的连续小波变换显示了包含的在轧钢碰撞里的其他的特征频带，而且尺度范围主要在80～250，对比振动加速度信号的连续小波变换谱图的尺度分布范围0～150可知，固体传声信号的频率范围更低。综上所述，应用固体传声信号来对SP轧机进行状态监测和故障诊断是可行的手段。

（二）监测系统结构设计

监测系统主要由三部分组成：信号采集部分、信号分析与特征提取部分和故障库部分。信号采集部分包含声音传感器、信号采集箱等；信号分析与特征提取部分包括信号数据存储、声音信号分析软件、声音信号生成等。整个系统基于Lab View平台设计，具有良好的操作界面。系统的信号分析与特征提取部分是核心，由于轧机信号的非平稳性特点，因此该部分主要开发以非平稳信号处理技术为主的特征提取工具。采用方法主要是。

（1）连续小波变换与反变换的快速算法，在当前中等配置的PC上用Lab View平台编程，完全可以满足离线分析需要。

（2）连续小波变换的任意尺度重构，可以按照选择的任意尺度进行连续小波重构，以提取需要尺度下的信号特征。

（3）连续小波变换最优阈值消噪方法，可以对信号进行最优阈值消噪，消噪效果比普通阈值消噪方法好，更能准确提取信号特征。(www.xing528.com)

（4）盲源分离技术，可以由空间位置不同的多个声信号分离发声源，从而判断机器部件状态。

（5）统计模拟方法与故障库自适应扩展，可以利用少量采样获得的信号对信号特征进行统计模拟，获得信号的特征置信区间，从而建立故障特征库。并可以在特征数据不断增加的情况下进行特征库的适应扩展，获得更佳的故障特征库及其置信限。

（三）系统部分功能和应用简介

1.小波分析模块

小波分析模块包括连续小波变换和声音辨识模块。图中的“Playsnd”模块用于进行机械设备状态声音的播放；“SFREQ”模块用于确定所采集信号的采样频率；“WAV”模块用于将数字信号转化为可以被播放的声音数据格式。“CWT”模块包括连续小波分析、重构、特征提取等功能。

其中连续小波分析系统功能包括。

（1）数据文件读取，采样频率和点数设定，时域信号的局部放大和分析，信号的统计指标（均方差，哨度和脉冲指标），拖动游标和游标显示，游标间的时间间隔和频率计算等。

（2）连续小波变换参数（起始与终止尺度、尺度步长）选择，连续小波阈值消噪时阈值自动估计，自定义阈值选择，自动或自定义阈值连续小波消噪，原始小波谱和消噪小波谱显示，小波谱游标细化分析等。

（3）单尺度和选择尺度的信号连续小波消噪与重构，单尺度和选择尺度重构信号的统计指标（均方差，峭度和脉冲指标）计算，重构信号的数据公开格式存储等。

（4）数据信号的声音制作、声音播放与连续小波分析程序结合，实现声音信号的连续小波分析和声音辨识等。

2.盲源分离技术提取轧机特征

利用盲源分离技术中的独立分量分析方法，通过三个不同位置测得的声音信号分离出轧机齿轮箱的一些特征。分离的特征为：轧制撞击声频率0.84Hz，轴频率8.1Hz、2.33Hz。根据SP轧机的振动特点，选择声音作为源信号对轧机的运行状况进行监测和诊断，通过采用固体传声可将冲击屏蔽掉，从而获得的信号是机械振动的良好体现。针对SP轧机的非平稳信号特点，基于LabView虚拟仪器平台开发的监测系统主要是以小波分析、盲源分离技术等非平稳信号处理技术为核心的信号分析功能软件，对实测信号分析和齿轮箱特征提取的应用证明了该监测系统的有效性。