郎倩
- 作品数：1 被引量：5H指数：1
- 供职机构：西安交通大学机械工程学院机械制造系统工程国家重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：金属学及工艺更多>>
- 基于多特征融合的轧机自激振动预警方法被引量：5
- 2013年
- 针对轧机自激振动信号的特点,首先,综合运用时域、频域以及时频域的信号处理技术从不同角度分析轧机振动信号的特征,通过提取多个特征指标以保证反应轧机自激振动状态的完备性和有效性;其次,运用基于最大相关、最小冗余的无监督特征选择的策略,删除不相关的特征和冗余的特征,实现特征指标集的优化;最后,使用基于自组织神经网络(self-organizing map,简称SOM)的多特征融合方法,构建出准确反应轧机自激振动趋势的特征指标,提出6e准则与实际工况要求相结合的报警门限设定方法。通过对轧机自激振动的工程实际数据的验证表明,所构造的特征指标能提前发现轧机自激振动趋势并报警,使操作人员能够提前采取降速措施避免振动发生,可有效降低轧制薄板的废品率,减少了企业的经济损失。
- 李一青訾艳阳郎倩蔡自刚万年红
- 关键词：轧机自激振动预警方法自组织神经网络
