吳勝利，邵毅敏，王利明，袁意林，葉維軍

( 1. 重慶大學(xué) 機械傳動國家重點實驗室， 重慶 400030；2. 寧波寶新不銹鋼有限公司, 寧波 315807 )

基于自適應(yīng)小波的二十輥軋機軋輥局部缺陷識別研究

吳勝利1，邵毅敏1，王利明1，袁意林2，葉維軍1

( 1. 重慶大學(xué) 機械傳動國家重點實驗室， 重慶 400030；2. 寧波寶新不銹鋼有限公司, 寧波 315807 )

軋輥在磨削過程中，軋輥表面會產(chǎn)生振紋等局部缺陷，嚴重影響帶鋼表面質(zhì)量，有效識別軋輥缺陷尺寸大小仍是目前軋機診斷存在的難題之一。利用MATLAB小波工具箱構(gòu)造與信號對應(yīng)的自適應(yīng)小波，通過與Haar小波、Morlet小波和試驗數(shù)據(jù)的對比分析，不僅證明了構(gòu)建自適應(yīng)小波方法的正確性，而且也驗證了自適應(yīng)小波對軋輥缺陷識別的有效性，為有效識別軋輥缺陷以及分析缺陷尺寸提供了理論基礎(chǔ)和實踐支撐。

軋輥缺陷；自適應(yīng)小波；識別

軋輥表面存在缺陷時，在軋制過程中會在帶鋼表面產(chǎn)生相應(yīng)的缺陷，不僅影響帶鋼表面質(zhì)量，增加了停機更換軋輥的次數(shù)，而且嚴重影響企業(yè)生產(chǎn)效率和經(jīng)濟效益。因此建立有效識別的軋輥表面局部缺陷方法，可及時更換軋輥，減少不必要停機檢查，提高產(chǎn)品質(zhì)量與生產(chǎn)效率。

軋輥表面缺陷的形態(tài)、初始剝落斷口的材料特性有較為廣泛的研究[1-2]，尤其是工作輥直接與帶鋼表面接觸，粗糙度對帶鋼表面質(zhì)量影響等[3]。當(dāng)軋制過程中工作輥表面產(chǎn)生剝落等缺陷時，有效提取其振動特征及時更換軋輥是減少經(jīng)濟損失的主要手段[4]。自適應(yīng)選取最匹配尺度系數(shù)特征小波，同時利用遺傳算法進行參數(shù)的優(yōu)化，可有效地提高信號的信噪比[5-6]。改進閾值量化公式方法和遺傳算法小波基搜索方法，構(gòu)建的自適應(yīng)小波能在強噪聲環(huán)境下有效提取微弱的故障沖擊信號和識別早期故障特征頻率[7-8]。有研究表明小波的形狀越逼近沖擊信號，越有利于故障特征的提取[9]。

目前的研究，主要集中在軋輥表面缺陷缺陷對帶鋼表面質(zhì)量的影響和自適應(yīng)小波構(gòu)建的方法方面。但是，如何利用自適應(yīng)小波提取軋輥表面缺陷，特別是對缺陷尺寸識別方面的研究較少。因此，基于自適應(yīng)小波，通過與Haar小波及試驗數(shù)據(jù)的對比分析，提出了自適應(yīng)小波的二十輥軋機軋輥局部缺陷識別方法，為實現(xiàn)軋輥表面缺陷尺寸的識別提供了一條新的途徑。

1 自適應(yīng)小波的構(gòu)造

構(gòu)造與原始信號相似的自適應(yīng)小波，必須保證截取的信號至少應(yīng)該是一個完整的周期，否則將影響分析結(jié)果準確性。在希爾伯特空間對截取信號與原始信號進行了相似性判斷與衡量，兩信號最小能量誤差Emin可表示為[10]

Emin=‖x‖2-(x,y)/‖y‖2

(1)

式中，x為原始信號，y表示截取的信號并進行延拓。同時式(1)可以表示為

(2)

式中，Rxy=(x,y)/‖x‖‖y‖。Rxy越大能量誤差越小，即表示兩信號相似程度越高。信號相似性判斷及自適應(yīng)小波分析流程圖，如圖1所示。

圖1 自適應(yīng)小波分析流程Fig. 1 Analysis algorithm of adaptive wavelet

構(gòu)造小波函數(shù)ψ(t)必須滿足小波函數(shù)的基本條件[11]：

(1) 小波函數(shù)值在很小區(qū)間之外等于0；

(2) 小波函數(shù)的均值應(yīng)該為0，即

(3)

(3)滿足小波函數(shù)的容許條件，即

(4)

利用MATLAB小波工具箱，構(gòu)造與信號形狀類似或者逼近的小波，與仿真信號對應(yīng)的小波，如圖2所示。

圖2 仿真信號及對應(yīng)的自適應(yīng)小波Fig.2 Simulated signal and the corresponding adaptive wavelet

2 自適應(yīng)小波與Haar小波對比分析

加入隨機噪聲的周期沖擊仿真信號，如圖3所示。根據(jù)Jena的研究，在現(xiàn)有的小波中，Haar小波在形狀上與仿真信號比較接近，因此選擇Haar小波對仿真信號進行時頻分析，如圖4(a)所示，自適應(yīng)小波對仿真信號的分析結(jié)果如圖4(b)所示。

圖3 仿真信號Fig.3 Simulated signal

(a)Haar小波分析結(jié)果

(b)自適應(yīng)小波分析結(jié)果圖4 不同小波對仿真信號分析結(jié)果Fig. 4 Results of simulated signal based on different wavelets

通過對比分析可以得到，Δt=Δt1=Δt2，構(gòu)造的自適應(yīng)小波與Haar取得了相同的效果，并且沖擊的間隔與仿真信號時域間隔相同。因此構(gòu)造與沖擊信號相對應(yīng)的小波，就能有效的識別沖擊持續(xù)時間，即缺陷尺寸的大小。

3 二十輥軋機試驗驗證

軋輥表面存在的缺陷及對應(yīng)的帶鋼表面，如圖5所示，軋輥上的缺陷將在反映在帶鋼表面。利用B&K加速度傳感器和放大器，LMS數(shù)據(jù)采集裝置進行數(shù)據(jù)采集，采樣頻率為20 480 Hz，如圖6所示。軋機支撐輥直徑D7=D8=D9=D10=300 mm，第二中間輥直徑D4=D5=D6=173 mm，第一中間輥直徑D2=D3=98.4 mm，工作輥直徑D1=67.2 mm。測試時軋機主要軋制參數(shù)，如表1所示。

表1 測試時軋機主要軋制參數(shù)

圖5 軋輥表面缺陷及相應(yīng)的帶鋼表面Fig. 5 Defects on the surface of roll and the corresponding surface of steel strip

圖6 傳感器布置及數(shù)據(jù)采集系統(tǒng)Fig. 6 Location of sensor and the data acquisition device

軋輥存在缺陷時的測試信號，如圖7所示?？梢缘玫叫盘栔写嬖诿黠@的周期性沖擊，并構(gòu)造與其相對應(yīng)的小波。Morlet小波與測試信號形狀比較接近，因此采用Morlet小波與構(gòu)造的小波對測試信號進行對比分析，Molet小波時頻分析結(jié)果，如圖8(a)所示，利用構(gòu)造的自適應(yīng)小波分析結(jié)果，如圖8(b)所示。

圖7 試驗測試信號Fig. 7 The experimental signal

(a)Morlet小波分析結(jié)果

(b)自適應(yīng)小波分析結(jié)果圖8 不同小波對試驗信號分析結(jié)果Fig. 8 Results of measured signal based on different wavelets

Morlet小波與測試信號形狀接近，但分析結(jié)果只看到帶鋼表面振紋的頻率，不能有效地識別缺陷的存在；利用構(gòu)造的小波對測的信號的分析可以得到，圖中畫出的虛線間隔與振紋寬度一致，不僅有效地識別了振紋的頻率，同時沖擊的間隔基本等于缺陷沿軋輥圓周方向的寬度。不僅驗證了構(gòu)造小波的有效性，同時也為實時準確識別軋輥表面缺陷，提供了理論與實踐方法。

4 不同寬度沖擊特性分析

圖9(a)，(b)，(c)所示的分別為沖擊寬度為10%，15%，20%時的仿真信號；用構(gòu)造的自適應(yīng)小波進行分析，如圖10所示。圖10(a)，(b)，(c)所示的分別為沖擊寬度為10%，15%，20%時的分析結(jié)果，可以得到，分析結(jié)果寬度與原信號沖擊間隔相同，并隨著沖擊間隔的增大，分析結(jié)果的寬度也隨之增大。

圖9 不同寬度沖擊的仿真信號Fig. 9 Simulated signals with different sizes defects

圖10 不同寬度沖擊時利用對應(yīng)自適應(yīng)小波分析結(jié)果Fig. 10 Results of simulated signals with different sizes defects based on the adaptive wavelets

5 結(jié) 論

本文提出了自適應(yīng)小波的二十輥軋機軋輥局部缺陷識別方法，可對沖擊的寬度進行有效識別，經(jīng)與含有表面缺陷的軋輥現(xiàn)場軋制試驗結(jié)果對比，驗證了構(gòu)建的自適應(yīng)小波不僅準確提取故障特征頻率，而且對缺陷尺寸大小進行有效的識別，該方法為準確定位剝落、凹坑等缺陷尺寸大小提供了提供了新的手段。

[1] LI H, JIANG Z, TIEU K A, et al. Analysis of premature failure of work rolls in a cold strip plant[J].Wear, 2007,263(7):1442-1446

[2] WU Qiong, SUN Dale, LIU Changsheng, et al. Analysis of surface and sub-surface initiated spalling of forged cold work rolls[J]. Engineering Failure Analysis, 2008,15(4):401-410.

[3] 魏立新，高江曼，麻誠,等. 冷軋平整機工作輥表面粗糙度衰減模型[J]. 鋼鐵，2015，50(6): 51-56. WEI Lixin，GAO Jiangman，MA Cheng, et al. Attenuation model for working roll’s surface roughness in cold rolling temper

mill[J]. Iron and Steel，2015, 50(6):51-56.

[4] WU S, WANG L, SHAO Y, et al. Vibration characteristic analysis of twenty-high rolling mill with local defect on roll surface based on the time-varying contact stiffness[J]. Engineering Failure Analysis, 2014, 42(5): 297-310.

[5] 陽子婧, 蔡力鋼, 高立新. 自適應(yīng)冗余提升小波降噪分析及軸承故障識別應(yīng)用[J]. 振動與沖擊, 2013,32(7):54-57. YANG Zijing, CAI Ligang, GAO Lixin. Adaptive redundant lifting wavelet denoising analysis and its application in bearing fault identification [J]. Journal of Vibration and Shock, 2013,32(7):54-57.

[6] CHEN H X, CHUN P S K, LIM G H. Adaptive wavelet transform for vibration signal modeling and application in fault diagnosis of water hydraulic motor [J]. Mechanical Systems and Signal Process, 2006,20(8):2022-2045.

[7] 劉文藝, 湯寶平, 蔣永華. 一種自適應(yīng)小波降噪方法[J]. 振動、測試與診斷, 2011,31(1):74-77. LIU Wenyi, TANG Baoping, JIANG Yonghua. Research on an adaptive wavelet denoising method [J]. Journal of Vibration, Measurement & Diagnosis, 2011,31(1):74-77.

[8] BELSAK A, FLASKER J. Determining cracks in gears using adaptive wavelet transform approach [J]. Engineering Failure Analysis, 2010,17(3):664-671.

[9] JENA D P, PANIGRAHI S N. Bearing and gear fault diagnosis using adaptive wavelet transform of vibration signals [J]. Procedia Engineering, 2012,50:265-274.

[10] 辛玉忠, 劉常凱. 判斷與衡量兩個信號相似性的內(nèi)積表達式[J]. 濰坊學(xué)院學(xué)報, 2002, 2(4): 11-12. XIN Yuzhong, LIU Changkai. Inherenet product posture about judging two signals resemble quality[J]. Journal of Weifang University, 2002, 2(4): 11-12.

[11] 褚福磊，彭志科，馮志鵬，等. 機械故障診斷的現(xiàn)代信號處理方法[M]. 北京：科學(xué)出版社, 2009:34-36.

Identification of local defects on the roll surface of a twenty-high roll mill based on the adaptive wavelet

WU Shengli1, SHAO Yimin1, WANG Liming1, YUAN Yilin2,YE Weijun1

(1.State Key Laboratory of Mechanical Transmission, Chongqing University, Chongqing 400030, China; 2. Ningbo Baoxin Stainless Steel Co.,Ltd., Ningbo 315807, China)

Local defects are prone to appear on the surface of roll in grinding process, which seriously affect the quality of the steel strip. The identification of defects and the sizes of defects are still existing difficult problems. The MATLAB wavelet toolbox was used to generate an adaptive wavelet. The a greement between the results of the adaptive wavelet and the Haar, Morlet wavelet and the experimental results validates the effectiveness of the generated adaptive wavelet method. The results also provide a theoretical support for identifying defects on the surface of roll.

local defect on the roll; adaptive wavelet; identifying

國家自然基金重點資助項目(51035008)

2015-06-13 修改稿收到日期： 2016-07-13

吳勝利 男，博士生，1983年生

邵毅敏 男，教授，博士生導(dǎo)師，1963年生

E-mail: ymshao@cqu.edu.cn

TH165.3

A

10.13465/j.cnki.jvs.2017.10.019