刘琥铖，陈新元，杨 哲，郭 媛

（冶金装备及其控制教育部重点实验室（武汉科技大学），湖北 武汉 430081）

1 引言

液压AGC 控制系统是轧机系统的重要组成部分。轧机AGC伺服液压缸具有很强的非线性环节，通常为机械系统、液压系统和电气系统的复杂耦合系统，任一回路或零件的故障都会引起整个系统故障。AGC 缸是轧机液压系统的主要执行元件，由于工作环境恶劣、系统冲击大，泄漏故障时常发生。目前常采用压力信号对伺服液压缸泄漏进行诊断分析。热连轧机产生的振动冲击、压力脉动及其他噪声信号对特征信号影响较大，造成伺服液压缸泄漏故障诊断困难。文献[2]利用fuzzy ARTMAR 神经网络模型存储模式稳定、自适应学习外界输入新知识的能力成功进行液压缸故障诊断，但训练样本输入顺序对其诊断能力有较大影响。文献[3]通过集成学习将多个神经网络训练结果合成，提高了神经网络的泛化能力，但诊断精度不高。文献[4]采用灰色模型进行预测分析，灰色模型是一种对不确定系统进行预测的方法，其所需样本个数少，结构简单，但当原始数据量过大时，其预测误差较大。

轧机液压系统伺服液压缸在线监测与故障诊断研究主要有以下特点：（1）轧机系统监测数据规模大[1]。在整个生产过程中，对带钢厚度，张力速度，轧制力，辊缝等数据实时监控，采样频率高，收集周期长。挖掘轧机系统大数据中的信息，准确、高效实现故障诊断是主要研究方向；（2）故障特征提取困难[1]。……