(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 202211169706.1 (22)申请日 2022.09.26 (71)申请人 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) G06N 3/08(2006.01) G06F 17/18(2006.01) G06F 17/16(2006.01) (54)发明名称 一种用于热轧机轧辊轴承损耗的识别与预 测方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种用于热轧机轧辊轴承损耗的识别与预测方法。 该方法包括： 得到压力序列、 音频序列、 转矩序 列； 基于压力序列得到油液压力波动系数； 基于 音频序列得到音频差异系数； 基于转矩序列得到 电机转矩系数和电机转矩波动系数； 利用第一、 第二、 第三和第四序列分别进行预测得到预测的 油液压力波动系数、 音频差异系数、 电机转矩系 数和电机转矩波动系数； 预测的油液压力波动系 数、 音频差异系数、 电机转矩系数和电机转矩波 动系数组成预测的损耗状态向量； 利用预测的损 耗状态向量判断得到预测的轧辊轴承损耗等级。 本发明能够准确得到预测的轧 辊轴承损耗 等级。 权利要求书2页 说明书8页 附图1页 CN 115293294 A 2022.11.04 CN 115293294 A 1.一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特 征在于， 该 方法包括： 分别采集热轧机工作时液压系统中液压缸的油 液压力、 轧辊轴承处的音频振动频率、 传动电机的转矩分别组成压力序列、 音频序列、 转矩序列； 基于一个压力序列中两个相邻元素的差值、 压力序列的极差得到油 液压力波动系数； 基于一个音频序列中的极大值和标准音频振动频率的差值、 以及极小值与标准音频振动频 率的差值得到音频差异系数； 基于一个转矩序列的均值得到电机转矩系数； 利用一个转矩序列两个相邻元素的差 值、 转矩序列的极差得到电机转矩波动系数； 预设时段内的多个油液压力波动系数、 多个音 频差异系数、 多个电机转矩系数、 多个电机转矩波动系数分别组成第一序列、 第二序列、 第 三序列、 第四序列； 利用第一、 第二、 第三和第四序列分别进行预测得到预测的油液压力波动系数、 音频差 异系数、 电机转矩系 数和电机转矩波动系 数； 预测的油液压力波动系数、 音频差异系数、 电 机转矩系数和电机转矩波动系数组成预测的损耗状态向量； 利用预测的损耗状态向量判断 得到预测的轧辊轴承损耗 等级。 2.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述压力序列、 音频序列、 转矩序列， 包括： 设定采集时长和预设时间间隔， 其中一个采 集时长对应一个压力序列、 音频序列、 转矩序列； 每两个采集时长 之间的间隔为预设时间间 隔。 3.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述油液压力波动系数为： 其中， 表示第c个采集时长对应的压力序列对应的油液压力波动系数； 表示第c个采 集时长对应的压力序列； 表示第c个采 集时长对应的压力 序列的极差； 表示第c个 采集时长对应的压力序列中的第t个元素； 表示第c个采集时长对应的压力序列中的第 t‑1个元素； 表示以自然常数 e为底的指数函数； 表示取绝对值 函数。 4.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述音频差异系数为： 其中， 表示第c个采集时长对应的音频序列对应的音频差异系数； 表示第c个采 集时长对应的音频序列的极大值； 表示标准音频振动频率； 表示第c个采集时长 对应的音频序列的极小值； 表示以自然常数e为底的指数函数； 表示取绝对值函 数； 表示第c个采集时长对应的音频序列。 5.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述电机转矩系数， 包括： 转矩序列的均值与电机转矩系数为 正相关关系。 6.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述电机转矩波动系数为：权　利　要　求　书 1/2 页 2 CN 115293294 A 2其中， 表示第c个采集时长对应的转矩序列对应的电机转矩波动系数； 表示 第c个采集时长对应的转矩序列的极差， 表示第c个采集时长对应的转矩序列； 表示第c 个采集时长对应的转矩序列中第t个元素， 表示第c个采集时长对应的转矩序列中第t ‑1 个元素； 表示以自然常数 e为底的指数函数； 表示取绝对值 函数。 7.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述第一序列、 第二序列、 第三序列、 第四序列， 包括： 所述第一、 第二、 第三和第四序列 随着时间顺序不断更新； 设定更新间隔， 每隔一个更新间隔分别对第一序列、 第二序列、 第 三序列、 第四序列进 行更新， 其中在更新过程中， 第一、 第二、 第三和 第四序列的长度保持不 变。 8.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述得到预测的油液压力波动系数、 音频差异系数、 电机转矩系数和电机转矩波动系 数， 包括： 分别构建第一、 第二、 第三和第四序列对应的RNN网络， 所述第一、 第二、 第三和第 四序列对应的RNN网络的训练数据为大量的第一、 第二、 第三和第四序列， 损失函数为均方 误差损失函数； 将第一、 第二、 第三和第四序列分别输入对应的RNN网络， 输出预测的油液压 力波动系数、 音频差异系数、 电机转矩系数和电机转矩波动系数。 9.根据权利要求1所述的一种用于热轧机轧辊轴承损耗的识别与预测方法， 其特征在 于， 所述利用预测的损耗状态向量判断得到预测的轧辊轴承损耗等级， 包括： 将预测的损耗 状态向量输入SVM支持向量机分类 器， 输出预测的轧辊轴承损耗 等级。权　利　要　求　书 2/2 页 3 CN 115293294 A 3