Вейвлет-преобразования в задачах контроля и диагностики автоколебаний стана холодной прокатки

Вейвлет-преобразования в задачах контроля и диагностики автоколебаний стана холодной прокатки

Автор: Долгушин Д.М., Васильева С.В., Вострокнутова О.Н., Рыскужина И.В.

Журнал: Вестник Южно-Уральского государственного университета. Серия: Машиностроение @vestnik-susu-engineering

Рубрика: Контроль и испытания

Статья в выпуске: 3 т.23, 2023 года.

Бесплатный доступ

Одной из проблем холодной прокатки тонких полос является самовозбуждающиеся колебания. При возникновении автоколебаний амплитуда возрастает скачком более чем в сто раз: от 2-3 м/с2 до 200-250 м/с2. Частоты колебаний составляют от 100 до 500 Гц, т. е. число циклов нагружения даже за несколько секунд может достигать нескольких тысяч. Как правило, интенсивные автоколебания происходят на тонких полосах с толщиной менее 1 мм и высоких скоростях прокатки. Контроль возникновения автоколебаний происходит с использованием специальных систем, по уровню колебаний или по технологическим параметрам, например, по колебаниям натяжения полосы. В системах контроля классическими являются методы с использованием разложения контролируемого сигнала в ряд Фурье. Для стационарных процессов разложение в ряд Фурье дает полную информацию о структуре сигнала, достаточную для проведения диагностики технического состояния машин и механизмов. Для нестационарного не гармонического сигнала информация о спектральном составе диагностического сигнала недостаточна, так как не позволяет определить момент возникновения нежелательного процесса. В металлургии в прокатном производстве процессы, как правило, не стационарные. Процесс холодной прокатки непрерывный, но дискретный. На прокатку одного рулона требуется 5-6 мин. Процесс автоколебаний даже при использовании систем контроля может продолжаться не более 2-3 с. Высокая частота колебаний и высокий уровень напряжений могут приводить к образованию трещин элементов клетей стана, например, плит CVC. Альтернативным способом контроля и диагностики может являться вейвлет-преобразования сигнала. Если БПФ позволяет определить наличие автоколебаний только в развитом состоянии, то вейвлет-преобразование позволяет определить момент зарождения процесса автоколебаний при низких амплитудах колебаний или даже при отсутствии колебаний по изменению характера сигнала технологических параметров.

Еще

Стан холодной прокатки, автоколебания, быстрое преобразование фурье, вейвлет-преобразование, преобразование фурье на коротком временном интервале

Короткий адрес: https://sciup.org/147241793

IDR: 147241793   |   DOI: 10.14529/engin230305

Список литературы Вейвлет-преобразования в задачах контроля и диагностики автоколебаний стана холодной прокатки

  • Characteristic recognition of chatter mark vibration in a rolling mill based on non-dimensional pa-rameters of the vibration signal / Shao Yimin, De Xiao, Yuan Yilin, K. Mechefske, Chris Chen // Journal of Mechanical Science and Technology 2014. Vol. 28(6). P 2075–2080. DOI: 10.1007/s12206-014-0106-6
  • Amer Y.A., El-Sayed A.T., El-Bahrawy F.T. Torsional vibration reduction for rolling mill’s main drive system via negative velocity feedback under parametric excitation // J. Mech. Sci. Technol. 2015.Vol. 29(4). P. 1581–1589. DOI: 10.1007/s12206-015-0330-8
  • Analysis of chatter in tandem cold rolling mills / Y. Kimura, Y. Sodani, N. Nishiura, N. Ikeuchi, Y. Mihara // ISIJ International. 2003. Vol. 43(1). P. 77–84. DOI: 10.2355/isijinternational.43.77
  • Asit Kumar Choudhary, Vinay S Gujre, Rahul Kumar Verma A Review on Chatter Analysis in Cold Rolling process // JOJ Material Sci. 2017. Volume 2 Issue 1. Number article 555578. DOI: 10.19080/JOJMS.2017.02.555578
  • Heidari A, Forouzan MR, Akbarzadeh S Effect of Friction on Tandem Cold Rolling Mills Chat-tering // ISIJ International 2014. Vol. 54(10). P. 2349–2356. DOI: 10.2355/isijinternational.54.2349
  • Zhao H., Ehmann K.F. Stability analysis of chatter in tandem rolling mills – part 1: single- and multi-stand negative damping effect //J Manuf Sci Eng 2013. Vol. 135(3). P. 031001–031001. DOI: 10.1115/1.4024032
  • Chatter detection using principal component analysis in cold rolling mill / N.I. Usmani, S. Ku-mar, S. Velisatti, P.K. Tiwari, S.K. Mishra, U.S. Patnaik // Diagnostyka. 2018. Vol. 19(1). P. 73–81. DOI: 10.29354/diag/81692
  • Yarita I. Analysis of chattering in cold rolling for ultra-thin gauge steel strip // Trans Iron Steel Inst Jpn 1978. Vol. 18(1). P. 1–10. DOI: 10.2355/isijinternational1966.18.1
  • High-speed rolling by hybrid-lubrication system in tandem cold rolling mills / Y. Kimura, N. Fu-jita, Y. Matsubara, K. Kobayashi, Y. Amanuma, O. Yoshioka, Y. Sodani // J. Mater Process Technol 2015. Vol. 21(6). P. 357–368. DOI: 10.1016/j.jmatprotec.2014.10.002
  • Веренев В.В., Большаков В.И. Состояние вибрационной диагностики и мониторинга оборудования прокатных станов // Фундаментальные и прикладные проблемы черной металлургии: сб. научн. тр. Днепропетровск: ИЧМ НАН Украины, 2006. Вып. 12. С. 267–281.
  • Система обнаружения признаков развития «чаттера» и своевременной коррекции технологического режима непрерывной холодной прокатки полос / И.Ю. Приходько, П.В. Крот, Е.А. Парсенюк, П.П. Чернов, В.А. Пименов, Ю.А. Цуканов // Труды VII Конгресса прокатчиков. М., 2007. Т. 1. С. 115–123.
  • Cooley J.W., Tukey J.W. An algorithm for the machine calculation of complex Fourier series // Mathematics of Computation. 1965. Vol. 19. P. 297–301. DOI: 10.1090/S0025-5718-1965-0178586-1
  • Zhivomirov H. On the Development of STFT-analysis and ISTFT-synthesis Routines and their Practical Implementation // TEM Journal. 2019. Volume 8, Issue 1. P. 56–64. DOI: 10.18421/TEM81-07.
  • Area-Efficient Short-Time Fourier Transform Processor for Time–Frequency Analysis of Non-Stationary Signals / Hohyub Jeon, Yongchul Jung, Seongjoo Lee, Yunho Jung // Appl. Sci. 2020, 10, 7208. DOI: 10.3390/app10207208
  • Mallat A Theory for Multiresolution Signal Decomposition: The Wavelet Representation // Computer Science IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, Vol. 2, No. 7. Р. 674–693. DOI: 10.1109/34.192463
  • Ali M. Al-Haj Fast Discrete Wavelet Transformation Using FPGAs and Distributed Arithmetic // International Journal of Applied Science and Engineering 2003. Vol. 1, iss. 2. Р. 160–171.
  • Харахнин К.А., Маслов Е.А., Кожевников А.В. Алгоритм идентификации вибраций на стане бесконечной холодной прокатки // Вестник Череповецкого государственного университета. 2010. Т. 1. С. 131–136.
  • Конышева В.Ю., Максимов Н.А., Шаронов А.В. Вейвлет-анализ в задачах контроля и диагностики линейных динамических систем // Труды МАИ. 2017. Вып. № 97. URL: https://trudymai.ru/published.php?ID=87134
  • Harris F. On the Use of Windows for Harmonic Analysis With the Discrete Fourier transform // Proceedings of the IEEE. February 1978. Vol. 66(1). Р. 51–83. DOI: 10.1109/PROC.1978.10837
  • Лебедев И.И., Лебедев В.И., Чернов А.В. Применение непрерывного вейвлет преобразования для обработки вибрационного сигнала // Глобальная ядерная безопасность. 2014. № 3(12). С. 65–68.
  • Лаборатория Касперского, Что такое цифровой след? 2022 г. [Электронный ресурс]. URL: https://www.kaspersky.ru/resource-center/definitions/what-is-a-digitalfootprint Дата обращения 01.09.2023
  • Анохов И.В. Цифровая тень как инструмент для исследования отрасли // E-Management. 2022. Т. 5, № 1. С. 80–92.
  • Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. 1998. Т. 166, № 11. С. 1145–1170.
  • Яковлев А.Н. Введение в вейвлет-преобразования. Новосибирск: НГТУ, 2003. 104 с.
  • Панин В.В., Енчев С.В., Товкач С.С. Вейвлет-диагностика вибросостояния элементов газотурбинного двигателя // Вестник двигателестроения. Киев, 2014. № 2. С. 233–237.
  • Орешко Н.И., Клионский Д.М., Солонина А.И. Алгоритм спектрального анализа сигналов на основе дискретного вейвлет преобразования. СПб.: БХВ-Петербург, 2016. С. 234–238.
Еще
Статья научная
SciUp 2024 © 2024 ©