(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211146796.2 (22)申请日 2022.09.21 (65)同一申请的已公布的文献号 申请公布号 CN 115238829 A (43)申请公布日 2022.10.25 (73)专利权人 南通佳晟宏机 械配件有限公司 地址 226000 江苏省南 通市海安市立发街 道杨浦路8号 (72)发明人 谢伟　 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01)(56)对比文件 CN 114638280 A,202 2.06.17 CN 113435228 A,2021.09.24 CN 113779882 A,2021.12.10 审查员 顾明海 (54)发明名称 一种热轧机的轧 辊磨损程度分析方法 (57)摘要 本发明涉及一种热轧机的轧辊磨损程度分 析方法， 属于电子数字数据处理技术领域。 方法 包括： 获取热轧机当前工作时间段内工作辊的第 一特征振动数据序列、 第二特征振动数据序列和 电机的特征功率序列； 根据特征振动数据序列和 电机的特征功率序列， 得到工作辊对应的状态向 量； 将状态向量输入到训练好的分类器， 得到热 轧机当前工作时间段内工作辊对应的状态类别； 判断状态类别是否为重度磨损， 若是， 则根据所 述状态向量， 得到热轧机当前工作时间段内工作 辊对应的磨损指数； 根据磨损指数和预测 网络， 预测得到工作辊的剩余使用寿命。 本发明能相对 可靠的分析出工作辊的磨损程度， 基于分析出的 磨损程度能可靠的预测工作辊的剩余寿 命。 权利要求书3页 说明书10页 附图1页 CN 115238829 B 2022.12.20 CN 115238829 B 1.一种热轧机的轧辊磨损程度分析 方法， 其特 征在于， 该 方法包括如下步骤： 获取热轧机当前工作时间段内工作辊的第 一特征振动数据序列、 工作辊的第 二特征振 动数据序列以及热轧机 当前工作时间段内电机的特征功 率序列； 所述第一特征振动数据序 列和第二特 征振动数据 序列分别为同一工作辊两端的振动数据 序列； 根据所述特征振动数据序列以及电机的特征功率序列， 构建得到热轧机当前工作时间 段内工作辊对应的状态向量； 将所述状态向量输入到训练好的分类器， 得到热轧机当前工作时间段内工作辊对应的 状态类别； 判断所述状态类别是否为重度磨损， 若是， 则根据所述状态向量， 得到热轧机当 前工作时间段内工作辊对应的磨损指数； 根据所述磨损指数和预测网络， 预测得到所述工作辊的剩余使用寿命； 所述构建得到热轧机当前工作时间段内工作辊对应的状态向量的方法， 包括： 获取所述第一特征振动数据序列的标准差和极差以及第二特征振动数据序列的标准 差和极差； 根据所述第 一特征振动数据序列的标准差和极差， 得到热轧机当前工作时间段内工作 辊的第一波动程度； 根据所述第 二特征振动数据序列的标准差和极差， 得到热轧机当前工作时间段内工作 辊的第二波动程度； 计算所述第一特 征振动数据 序列的均值以及第二特 征振动数据 序列的均值； 将所述第一特征振动数据序列的均值记为热轧机当前工作时间段内工作辊的第一振 动强度； 将所述第二特征振动数据序列的均值记为热轧机当前工作时间段内工作辊的第二振 动强度； 根据所述第一特征振动数据序列中的各参数值以及第二特征振动数据序列中的各参 数值， 得到热轧机当前工作时间段内工作辊两端的振动差异； 获取所述特征功率序列的标准差和极差； 根据所述特征功率序列的标准差和极差， 得到热轧机当前工作时间段内电机功率的波 动程度； 计算所述特征功率序列的均值， 将所述特征功率序列的均值记为热轧机当前工作时间 段内电机的特 征功率； 根据热轧机当前工作时间段内工作辊的第一波动程度、 工作辊的第二波动程度、 工作 辊的第一振动强度、 工作辊的第二振动强度、 工作辊两端的振动差异、 电机功 率的波动程度 以及电机的特 征功率， 构建得到热轧机当前工作时间段内工作辊对应的状态向量； 所述得到热轧机当前工作时间段内工作辊对应的磨损指数的方法， 包括： 获取训练分类 器时的各样本状态向量以及各样本状态向量的标签 类型； 获取标签类型为重度磨损的各样本状态向量； 所述样本状态向量中包含的参数中均有 两个振动强度和一个特 征功率； 计算标签类型为重度磨损的各样本状态向量中两个振动强度的均值， 记为标签类型为 重度磨损的各样本状态向量的特 征振动强度； 获取标签类型为重度磨损的各样本状态向量的特征振动强度中的最小值和最大值， 分权　利　要　求　书 1/3 页 2 CN 115238829 B 2别记为最小特征振动强度和最大 特征振动强度； 获取标签类型为重度磨损的各样本状态向量的特征功率中的最小值和最大值， 分别记 为最小特征功率和最大 特征功率； 计算热轧机当前工作时间段内工作辊对应的状态向量中的工作辊的第一振动强度和 工作辊的第二振动强度的均值， 记为热轧机当前工作时间段内工作辊的特 征振动强度； 将热轧机当前工作时间段内工作辊的特征振动强度减去最小特征振动强度后的值与 最大特征振动 强度减去最小特征振动 强度后的值的比值记为热轧机当前工作时间段内工 作辊的目标 特征振动强度； 将热轧机当前工作时间段内工作辊对应的状态向量中的电机的特征功率减去最小特 征功率后的值与最大特征功率减去最小特征功率后的值的比值记为热轧机当前工作时间 段内电机的目标 特征功率； 根据热轧机当前工作时间段内电机的目标特征功率和热轧机当前工作时间段内工作 辊的目标 特征振动强度， 计算得到热轧机当前工作时间段内工作辊的磨损指数； 根据如下公式计算热轧机当前工作时间段内工作辊的磨损指数： 其中， 为热轧机当前工作时间段内工作辊的磨损指 数， 为热轧机当前工作时间段 内工作辊 的目标特征振动强度， 为热轧机当前工作时间段内电机的目标特征功率， e为 自然常数。 2.如权利要求1所述的一种热轧机的轧辊磨损程度分析方法， 其特征在于， 所述得到热 轧机当前工作时间段内工作辊的第一波动程度和得到热轧机当前工作时间段内工作辊的 第二波动程度的方法， 包括： 将所述第一特征振动数据序列的标准差与1的和， 记为第一特征振动数据序列的第一 特征值； 将所述第一特征振动数据序列的极差与1的和， 记为第一特征振动数据序列的第二特 征值； 将所述第一特征振动数据序列的第一特征值与对应的第二特征值的乘积记为热轧机 当前工作时间段内工作辊的第一波动程度； 将所述第二特征振动数据序列的标准差与1的和， 记为第二特征振动数据序列的第一 特征值； 将所述第二特征振动数据序列的极差与1的和， 记为第二特征振动数据序列的第二特 征值； 将第二特征振动数据序列的第一特征值与对应的第二特征值的乘积记为热轧机当前 工作时间段内工作辊的第二波动程度。 3.如权利要求1所述的一种热轧机的轧辊磨损程度分析方法， 其特征在于， 根据如下公 式计算热轧机当前工作时间段内工作辊两端的振动差异： 权　利　要　求　书 2/3 页 3 CN 115238829 B 3