基于EMD-RF的冷轧机振动信号时频分析及识别

冷轧板带生产中的振动机制复杂多变，工业生产过程采集到的历史数据中蕴含着设备运行状态与产品质量等关联信息，数据驱动的信息挖掘对实现振动状态监控与智能预测具有重要价值。首先针对实际工业生产中采集的历史振动信号进行数据预处理；然后对典型振动钢卷的信号进行经验模态分解，选取相关度较高的主要本征模态分量进行时频分析；随后，基于相关度最高的本征模态分量提取10个时频特征指标作为输入，以振动有效值作为输出标记，构建样本空间；最后，运用随机森林回归算法对多个材质和规格下的钢种振动信号进行识别。结果表明，所提出的经验模态分解与随机森林相结合的方法可以适应样本数量不平衡情况下的振动信号识别问题，能够为冷轧机振动的状态监控与智能预报提供依据。