(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211005656.3 (22)申请日 2022.08.22 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 宋守许　徐瑞　蔚辰　李想　 (74)专利代理 机构 合肥市泽信专利代理事务所 (普通合伙) 3414 4 专利代理师 方荣肖 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06F 119/04(2020.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种热轧工作辊实时剩余寿命的预测方法 及其系统 (57)摘要 本发明涉及一种热轧工作辊实时剩余寿命 的预测方法及其系统。 该热轧工作辊实时剩余寿 命的预测方法首先通过对待预测轧辊的原始电 涡流信号序列进行采集， 采用时频分析方法提取 出用于表征轧辊性能退化的特征参数， 进而根据 特征参数建立特征参数数据集。 然后结合特征参 数数据集构建出求解后的轧辊剩余寿命的概率 密度函数， 将轧辊的运行时间作为输入， 根据构 建的轧辊性能退化评估模型对轧辊剩余寿命进 行实时预测。 该预测方法在无损涡流信号的基础 上， 采用时频域特征提取方法， 有效地抑制了噪 声对特征值的影响， 保留了信号中的有效信息， 并且基于 特征值的退化轨迹， 利用Wiener过程的 剩余寿命预估模 型对轧辊剩余寿命实时预测， 同 时对轧辊的工作状态影响较小。 权利要求书3页 说明书12页 附图8页 CN 115392019 A 2022.11.25 CN 115392019 A 1.一种热轧工作辊实时剩余寿命的预测方法， 其特 征在于， 其包括 步骤： 一、 建立特 征参数数据集 采集一个待预测轧辊表面的原始电涡流信号序列， 并采用时频分析方法提取出用于表 征所述轧辊性能退化的特征参数， 进而根据所述特征参数建立所述特征参数数据集； 其中， 所述原始涡 流信号序列包括初始的未运行脉冲 涡流信号以及实时的运行脉冲涡 流信号； 所 述特征参数包括轧辊表面的裂纹特 征、 氧化特 征以及磨损特 征； 二、 构建轧辊性能退化评估 模型 (1).根据所述轧辊的当前工作状态， 确定轧辊失效时的特征值阈值ω， 基于Wiener过 程并引入所述特 征值阈值ω， 以建立轧辊剩余寿命的概 率密度函数： 式中， t表示设备寿命达到的时刻； k表示当前时刻轧辊已经运行的转数； T表示寿命； fTk (t)为所述轧辊剩余寿命的概率密度函数， 且该概率密度函数在 时刻tk下的未知参数表示 为 a表示漂移参数， 且漂移参数a设定为服从均值为μa且方差为 的正 态分布； σ 表示扩散参数； (2).根据所述特征参数数据集将时刻tk及其历史时刻的特征参数作为输入， 求取在时 刻tk下的未知参数Θk； (3).将求取出的所述未知参数Θk代入所述 轧辊剩余寿命的概率密度函数中， 得到求解 后的轧辊剩余寿命的概 率密度函数， 即所述轧辊性能退化评估 模型； 三、 预测轧辊的剩余寿命 将所述轧辊的运行时间点作为输入， 利用所述轧辊性能退化评估模型计算出在每个时 刻下的轧辊剩余寿命， 进 而实现对所述热轧工作辊剩余寿命的实时预测。 2.根据权利要求1所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 所述原始 电涡流信号序列的采集方法包括以下步骤： S11： 将所述轧辊的工作表面划分为多个 检测区域； S12： 设定对所述轧辊进行 脉冲涡流检测的采样频率； S13： 根据设定的所述采样频率对所述轧辊表面各个检测区域在初始未运行阶段进行 初步脉冲涡流检测， 并在运行阶段进行实时脉冲涡流检测， 进而获取所述未运行脉冲涡流 信号以及所述 运行脉冲涡流信号， 即所述原 始电涡流信号序列。 3.根据权利要求2所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 步骤S11 中， 通过一个 检测探头将感知到的轧辊表面磁场变化 生成检测信号； 其中， 在对所述轧辊的工作表面进行划分时， 先根据所述检测探头以及轧辊的大小， 将 轧辊表面沿圆周方向划定n1个周向区域， 再沿轧辊的轴向将每个周向区域划定n2个轴向区 域， 进而将所述轧辊的工作表面划分为 n个检测区域； 其中， n ＝n1×n2。 4.根据权利要求1所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 在采集到 所述轧辊表面的原 始电涡流信号序列中的各个信号后， 还 对各个信号进行去噪处 理。 5.根据权利要求1所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 所述特征 参数数据集的建立方法包括以下步骤：权　利　要　求　书 1/3 页 2 CN 115392019 A 2S21： 将所述未运行脉冲涡流信号作为参考信号， 而后将所述轧辊在运行阶段的各个所 述运行脉冲涡流信号作为初始样本组； 其中， 所述初始样本组中的各组样本信号和所述 参考信号的周期一 致； S22： 分别将各组样本信号与所述参考信号做差分处理， 获得多组差分信号， 并采用变 分模态分解方法对各组所述差 分信号进行分解， 进而得到 分别与各组所述差分信号关联的 多个固有模态函数； S23： 对多个所述固有模态函数做希尔伯特变换， 得到脉冲涡流检测信号的希尔伯特 谱， 并将所述希尔伯特谱中相应频率成分在整个时间域内进行叠加， 进而得到脉冲涡流信 号的边际谱图； S24： 提取出所述边际谱图中的边际谱峰值并作为中间特征量， 获取每个检测区域各个 时间点的边际谱峰值数据， 进 而绘制运行时间与对应边际谱峰值的数据图； S25： 将所述数据图中的多个边际谱峰值作线性拟合处理， 进而使得处理后得到的多个 目标特征量MS与运行时间呈近似线性关系； S26： 根据多个目标 特征量MS构建出所述特征参数数据集。 6.根据权利要求5所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 所述特征 参数数据集表示 为： 其中， MS(tik)表示tik时刻的特征值； 1≤i≤n， n为检测的样本数量； 1≤k≤mi， mi为第i 个样本的所有检测时间点的数量； MSi对应第i个样本的特 征量数据集， 即 和MS＝(MS1， ...， MSn)； 其中， 特 征值的增量表示 为： 其中， ΔMSik＝MSik‑MSi， k‑1对应第i个样本从时间点tk‑1到时间点tk的退化增量。 7.根据权利要求1所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 轧辊的退 化过程符合带线性漂移的W iener过程， 即： MS(t)＝at+σ B(t) 式中， MS(t)为轧辊上表征性能退化的特征量； B(t)为一个用于表征退化过程随机性的 标准布朗运动。 8.根据权利要求1所述的热轧工作辊实时剩余寿命的预测方法， 其特征在于， 采用 Bayesian更新和E M算法协作下估计时刻tk下的所述未知参数Θk。 9.一种热轧工作辊实时剩余寿命的预测系统， 其特征在于， 其采用 如权利要求1至8中 任意一项所述的热轧工作辊实时剩余寿命的预测方法； 所述预测系统包括： 信号采集模块， 其用于采集 一个待预测轧辊表面的原 始电涡流信号序列； 信号处理模块， 其采用时频分析方法提取出用于表征所述轧辊性能退化的特征参数，权　利　要　求　书 2/3 页 3 CN 115392019 A 3