[发明专利]一种轧机振动工况划分的聚类方法

说明书

技术领域

本发明涉及一种轧机振动工况划分的聚类方法。

背景技术

我国是钢铁生产和消费大国，钢铁产品质量、产量及生产技术水平对国民经济、国防和其他关键领域技术的发展起着举足轻重的作用。进入21世纪以来，我国钢铁产业快速发展，截止到2016年，我国年粗钢产量已经连续9年居世界之首，产量已突破8亿吨。但是，近10年来国内冶金行业低迷，产能严重过剩，市场竞争已进入白热化，导致产品结构有较大调整，带钢产品越来越丰富。同时，随着机械装备水平的不断提高，轧机轧制速度越来越快，液压伺服技术的广泛应用，厚度自动控制的快速发展，薄带产品质量要求的提高及其加工难度的增大，轧机在轧制过程中频频出现强烈振动现象。轧机振动不仅使薄带表面出现振痕，造成其厚度公差超出允许范围，而且会在轧辊表面产生振纹后加剧振动，影响后续轧制，严重时还会导致堆钢和断带等事故，大大影响设备效能的发挥和连续生产，更高附加值产品的研发和生产因此将遭受重挫。

轧机是生产钢铁产品的关键设备，由于轧机系统具有多运行工况，这一类大型装备具有状态多变和载荷巨大等特点，轧制不同规格和不同种类的高强度合金薄带过程中，系统的动力学特性差异明显，故对轧机振动工况进行聚类，有利于分析轧机系统在轧制不同规格和不同种类的高强度合金薄带过程中的动力学行为，是建立不同工况下的轧机系统模型的基础和关键，具有重要的理论研究意义和工程应用价值。

发明内容

为解决上述技术问题，本发明提供一种能够通过对轧机历史状态数据进行分析，提取轧机复杂多变的振动工况类型，对准确、全面把握轧机动力学行为起到很好的理论支持作用的轧机振动工况划分的聚类方法。

本发明采用的技术方案是：一种轧机振动工况划分的聚类方法，包括以下步骤：

(1)获取轧机振动信号、板带规格、工艺参数、控制信号、力能参数信号，形成聚类样本，聚类样本用X表示，

X＝[X₁，X₂，…X_i…，X_k]

其中，k为信号的数量，X_i为第i组信号的数据序列，i＝1,2……k，且X_i＝[x₁，x₂，…，x_n]，n为轧机轧制一个道次时间内所采集的点数；

(2)应用多尺度形态学滤波方法对聚类样本进行预处理，得到特征信号；

(3)对聚类样本的滤波后的特征信号进行无量纲化处理；

(4)确定基于局部线性嵌入的多流行局部几何结构信息度量和多流形相似度度量；

(5)对样本空间进行降维处理；

(6)确定最优化聚类中心；

(7)采用最近邻分类器对所述降维处理后的数据集进行分类，对轧机系统的振动工况进行划分。

上述的轧机振动工况划分的聚类方法中，步骤(2)的具体操作步骤如下：

选取接近待分析信号特点的结构元素B，确定长度尺度λ_l，其具体方法如下：

首先将样本信号X_i＝[x₁，x₂，…，x_n]去信号直流分量，然后搜索信号X_i的正峰值，正峰值序列表示如下：

P＝{p_in|in＝1,2,…,n_p}，式中，n_P为峰值的总数；

计算相邻两个正峰值的时间间隔T：

T＝{t_in|t_in＝p_in+1-p_in,in＝1,2,…,n_p-1}，

令多尺度形态学结构元素长度尺度λ_l的最小值和最大值分别为λ_lmin和λ_lmax，

式中，为向下取整运算符，为向上取整运算符。

因此结构元素长度尺度λ_l为：

λ_l＝{λ_lmin,λ_lmin+1,…,λ_lmax-1,λ_lmax}；

确定结构元素高度尺度λ_h，其具体方法如下：