Roll condition monitoring using steel strip thickness variation

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu | Master's thesis
Date
2023-08-21
Department
Major/Subject
Mechanical Engineering
Mcode
Degree programme
Master's Programme in Mechanical Engineering (MEC)
Language
en
Pages
55+9
Series
Abstract
This thesis deals with detection of faulty rolls in a hot strip mill using online thickness measurements. The work and backup rolls cause periodic thickness variation to rolled products. This imprinting is the result of roll geometry error, dynamic vibrations, and the automatic gap control system. Thickness variation measured after the finishing mill can be used to extract the origin of the rolls causing variation. This detection is possible since the frequency of the variations is related to the rotating frequency of the rolls. The operation of the hot strip mill requires varying rotating speeds, making the roll detection difficult. The amplitude of the variations is also varying during the rolling process due to changing environment. In this thesis, it is shown that the nonstationary line speed can be incorporated into a sinusoidal model to increase the accuracy of the roll detection. To analyse the time-varying amplitudes of the signal, an adaptive algorithm is used together with the modified signal model. The algorithms are investigated using both synthetic signals and measured data. The methods show potential for condition monitoring applications of a strip mill and can be generalized also for other production processes such as paper, paperboard, and plastic film manufacturing.

Tämä työ käsittelee vioittuneiden valssien tunnistamista niiden aiheuttaman paksuusvaihtelun perusteella. Työ- ja tukivalssit aiheuttavat tunnetusti jaksollista paksuusvaihtelua valssattuihin tuotteisiin. Tällaiset painaumat lopputuotteessa aiheutuvat valssien geometriavirheistä, värähtelyistä sekä automaattisesta raonsäädöstä. Paksuusvaihtelumittausta voidaan käyttää vioittuneiden valssien tunnistukseen. Tunnistus perustuu siihen, että paksuusvaihtelua syntyy samalla taajuudella kuin millä valssit pyörivät. Kuumanauhavalssaimen olosuhteet vaativat vaihtelevien ratanopeuksien käytön, mikä tekee valssien tunnistuksesta haastavaa. Valssien aiheuttaman kuvion amplitudi vaihtelee myös muuttuvien olosuhteiden takia. Tässä työssä esitellään, kuinka muuttuva ratanopeustieto voidaan sisällyttää signaalimalliin tunnistustarkkuuden parantamiseksi. Aikariippuvaisia amplitudeja paksuusvaihtelussa analysoidaan adaptiivisen algoritmin ja muokatun signaalimallin avulla. Algoritmeja analysoidaan sekä synteettisillä että mitatuilla signaaleilla. Menetelmät osoittavat potentiaalia kunnonvalvontatarkoituksiin teräsnauhan valmistuksessa. Menetelmät soveltuvat käytettäviksi myös muissa tuotantoprosesseissa kuten paperin, kartongin tai muovikalvon valmistuksessa.
Description
Supervisor
Viitala, Raine
Thesis advisor
Tiainen, Tuomas
Christensen, Mads
Keywords
valssi, koneensuunta, paksuusvaihtelu, teräsnauha, kuumavalssaus, kunnonvalvonta
Other note
Citation