基于改进图像声发射的液压缸状态自动识别：提升产品质量与安全

随着钢铁产品质量标准的不断提高，现代工业生产中的轧制过程面临着严格的挑战。为了确保产品质量和生产效率，液压自动仪表控制系统（Hydraulic Automatic Gauge Control System，简称AGC）在轧机拧紧滚筒过程中发挥着关键作用。AGC系统以其快速响应、稳定控制和低维护需求，成为了不可或缺的组成部分，特别是在保证板带厚度一致性方面。 然而，液压缸作为AGC系统的关键执行元件，其性能直接影响到整个系统的运行效率和安全性。由于液压缸在高负荷和突发负载下工作，可能会出现故障，从而影响产品质量和引发潜在的安全隐患。传统的故障诊断方法往往耗时且缺乏有效的交叉验证，因此，本文提出了一种创新的方法，即基于改进的图像声发射轮廓（Image-Based Acoustic Emission Profile，IBAE）的自动液压缸状态识别技术。 IBAE方法首先通过采集液压缸在不同负载条件下的超声波信号，包括正常工作、轻度过载、中度过载、严重过载以及两个极端的法向压力情况。这些数据被用于提取8个关键的声发射波形特征，以构建一个可视化图像，使得声发射信号在不同负载情况下呈现统一的格式。通过分析图像中的像素变化和强度分布，可以捕捉到微小的性能差异，从而实现对液压缸状态的实时监控。 进一步地，作者应用主成分分析（Principal Component Analysis，PCA）将声发射图像轮廓转化为三维空间中的轨迹，这样可以清晰地展示在法向和过载条件下，信号的变化如何分别对应于轴的正侧和负侧。这种方法不仅有助于动态识别液压缸的细微性能变化，而且为预测和防止潜在故障提供了强大的工具。 基于改进的IBAE技术在自动液压缸状态识别上的应用，为钢铁工业提供了更为精准和及时的设备健康监测手段，对于提升生产效率，降低维修成本，以及保障操作安全具有重要意义。未来的研究可进一步优化算法，提高识别精度，并将其推广到其他工业领域的液压设备维护中，以实现智能化的预防性维护。