论文部分内容阅读
轧辊偏心是影响现代高精度板带轧制厚度质量的关键因素之一,要想进一步提高板带轧机的板形及厚度质量,必须对轧辊偏心扰动加以抑制及补偿控制。由于轧辊偏心信号是混杂在各种扰动和随机信号之中的复杂高频周期信号,轧辊偏心进行补偿控制的效果取决于如何从复杂的轧制力信号中准确提取出微弱的偏心信号,即轧辊偏心信号准确提取是偏心补偿控制的关键。为此,本课题针对现有各类轧辊偏心信号提取方法的局限性,提出采用现代空间谱估计中的子空间分解类算法来研究轧辊偏心信号提取问题,并对该类算法进行了融合与改进,通过理论分析、仿真及实验研究相结合来验证提取轧辊偏心信号的有效性和精确性,该类算法尤其在频率分辨率和抗噪声两个方面要比FFT法具有较好的优越性。论文工作的主要创新点和研究成果如下：1)针对FFT法在轧辊偏心提取中存在频率分辨率低且消噪效果不佳的局限性,本文提出改进型的噪声子空间MUSIC算法应用于轧辊偏心信号提取。从应用技术创新的层面,重点研究基于Root-MUSIC法和Prony法相融合的轧辊偏心信号提取新方法。仿真结果验证了方法结合的有效性,分辨率高、抗噪性强。2)为了减小计算量,提高算法的实时性,便于实际工程的应用。本文提出改进型的信号子空间ESPRIT算法应用于轧辊偏心信号提取。基于信号子空间的ESPRIT算法与基于噪声子空间的MUSIC法相比,不再考虑信号子空间与噪声子空间之间的关系,无需进行谱峰搜索,为此提高了算法的实用性。仿真分析出三种ESPRIT方法在不同阵元数和不同信噪比下的频率估计性能。3)针对轧辊偏心信号实际可能存在非平稳性质和测量噪声有色的性质,经典的二阶统计量子空间类算法存在有偏性和非一致性的问题,本文提出高阶累计量MUSIC法和Prony法相融合并应用于轧辊偏心信号提取。采用基于高阶累积量的MUSIC法对偏心信号进行空问分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数。然后使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声的敏感的弱点。仿真结果验证了该融合方法的有效性。以某厂热轧生产线为背景,采用现场轧制力数据,验证了基于高阶累计量MUSIC和Prony融合方法提取轧辊偏心信号具有很好的实际效果,实验结果表明该方法能准确地提取了相近频率成分及高次偏心谐波分量参数,且去噪效果明显,使重构偏心信号的精度很高,偏心补偿后的效果明显优于FFT法。