1、軋輥是軋機的重要部件,其功用是在軋制生產(chǎn)中直接與金屬接觸,使金屬產(chǎn)生塑性變形；軋輥由各類軋輥軸承支承。珠鋼CSP生產(chǎn)線所用的進口軋輥承價格昂貴,工況惡劣,承受負荷大,磨損嚴重,故障機理復雜,加上隨機參量的干擾,這給軋機向高速、重載、高精度、連軋化和自動化發(fā)展帶來較的影響。因此,實現(xiàn)對軋輥的故障預測與診斷,保障設備安全、穩(wěn)定、高效的運作,對保證產(chǎn)品質(zhì)量、降本減耗顯得必要,在理論上也具有重要意義。本文根據(jù)企業(yè)提供的故障癥狀和現(xiàn)象,研究了產(chǎn)生

2、軋輥故障的主要因素,利用這些主要因素實現(xiàn)對軋輥故障的有效預測,并完成了軋輥故障預測與診斷系統(tǒng)的研究開發(fā)。主要研究內(nèi)容包括：
　　 ⑴闡述了課題的研究背景、來源,故障智能診斷的發(fā)展歷史及目前國內(nèi)外軋輥故障智能診斷的發(fā)展現(xiàn)狀和趨勢。分析了軋機的結(jié)構特點、運行機理后,深入研究了軋輥故障的主要產(chǎn)生因素；闡述了故障的主要模式及提取有效參數(shù)的方法。為開展軋輥故障預測與診斷系統(tǒng)的研究開發(fā)奠定了基礎。
　　 ⑵運用Matlab分析工具,

3、采用比較的方法逐步深入研究,在討論傳統(tǒng)BP網(wǎng)絡法、動量梯度下降法、GRNN等方法存在各種預測缺陷后,提出了構造新網(wǎng)絡模型的思想:在各節(jié)點的權值或閥值達到最優(yōu)值后,再將冗余的權值或閥值剔除掉。于此基礎上,建立了基于Bayesian的BP神經(jīng)網(wǎng)絡預測法,實現(xiàn)了對軋輥故障快速和準確的預測,達到了本課題研究的目的。
　　 ⑶研究了模糊處理方法,在加權統(tǒng)計故障理論的基礎上,設計了模糊邏輯推理器,即將預報的模糊數(shù)據(jù)清晰化處理。使用最小二乘法