4. 张力波动特征提取与质量指标映射

张力波动是张力设备运行中最常见、也最容易被忽视的“隐性质量信号”。它不像断带那样瞬间可见,也不像明显跑偏那样直观,却往往在几十毫秒到几秒的时间尺度上持续存在,并通过厚度公差、褶皱、断带等形式最终反映到产品质量上。本节的核心任务,是把张力波动从“感觉上的抖动”转化为可量化、可比较、可映射的特征量,并建立这些特征量与具体质量指标之间的对应关系。

一、为什么必须做特征提取

原始张力信号是一段随时间变化的连续量,直接观察只能得到“波动大不大”的模糊判断。要支撑质量关联,必须把它压缩成少数几个有物理意义的特征量。常用的三类方法各有分工:时域统计回答“波动有多强、是否偏离设定值”,频域谱回答“波动主要由哪些频率成分构成”,时频分析回答“这些频率成分在什么时刻出现、是否随时间漂移”。三者不是替代关系,而是从不同侧面描述同一段波动。

需要先明确一个约定:本文张力偏差定义为实测张力减去设定张力,即 ΔT = T实测 − T设定,正偏差表示张力偏高,负偏差表示张力偏低。全文及图示均采用这一参照系。

二、时域统计特征

时域特征计算简单、实时性好,适合在线监控。对一段长度为 N 的张力偏差序列 ΔT(i),常用特征包括:

  • 均值 μ:反映平均张力偏移,μ 持续不为零说明设定值或辊系阻力存在系统性偏差。
  • 标准差 σ:反映波动强度,是最直接的质量相关量。
  • 峰峰值 PP:最大值与最小值之差,对偶发大波动敏感,与断带风险相关。
  • 均方根 RMS:对能量型波动敏感,适合与厚度公差建立回归关系。
  • 偏度与峰度:偏度反映波动是否偏向一侧,峰度反映是否存在尖峰冲击。

以某卷绕工位为例(示例参数,非实测):设定张力 120 N,采样率 1 kHz,取 2 s 窗口共 2000 点。计算得到 μ = +1.8 N,σ = 3.2 N,PP = 21 N,RMS = 3.7 N。μ 为正说明平均张力略高于设定,σ 与 RMS 接近说明波动以随机成分为主,而 PP 达到 21 N 提示窗口内存在一次明显冲击,需要结合时频分析定位其发生时刻。

三、频域谱特征

对 ΔT 序列做去均值、加汉宁窗后进行 FFT,得到幅值谱。频域特征的价值在于把波动归因到具体机械或控制环节。常见对应关系如下:

频率范围典型来源质量影响倾向
0.5~5 Hz卷径变化、速度斜坡、张力环调节厚度公差缓慢漂移
5~30 Hz辊系偏心、联轴器、轴承缺陷周期性厚度条纹、褶皱
30~100 Hz齿轮啮合、电机转矩脉动高频纹路、局部应力集中
>100 Hz结构共振、传感器噪声误报警、控制抖动

实际分析中,除了主频 f0,还应关注主频幅值 A0、谐波能量占比以及频带能量分布。例如若 12 Hz 处出现显著峰值且其二次谐波 24 Hz 也明显,则更倾向判定为辊系偏心类机械缺陷,而非随机扰动。

四、时频分析

当波动频率随时间变化时,单纯 FFT 会掩盖非平稳特征。短时傅里叶变换(STFT)通过滑动窗给出时间—频率—幅值三维信息,适合观察升降速、换卷、加减张力等瞬态过程。小波变换则在低频段提供更好的频率分辨率、高频段提供更好的时间分辨率,适合捕捉断带前的瞬态冲击。

实操中建议:窗长取 256~1024 点,重叠 50%~75%;若关注 5~30 Hz 的辊系缺陷,窗长应保证至少包含 3~5 个周期。时频图上若出现一条随时间上升的斜线,通常对应升速过程中某旋转部件的通过频率升高;若出现短时宽带能量团,则多为冲击事件。

张力波动特征提取与质量指标映射链路 张力传感器 ΔT = T实测 − T设定 时域统计 μ、σ、PP、RMS 偏度、峰度 频域谱 主频 f₀、幅值 A₀ 谐波、频带能量 时频分析 STFT / 小波 时间—频率—幅值 特征向量 σ, RMS, PP f₀, A₀, 频带能量 时频能量团位置 偏度、峰度 厚度公差 σ↑ → 公差带变宽 低频漂移 → 厚度趋势 褶皱 5~30 Hz 周期波动 横向张力不均 → 起皱 断带 PP 突增、峰度↑ 瞬态冲击 → 断裂 映射建模要点: ① 先做特征筛选,剔除与质量指标弱相关的冗余特征;② 用回归/分类模型建立特征→质量指标的定量关系; ③ 设定阈值与置信区间,区分正常波动与异常波动;④ 定期用新批次数据复校模型,防止工况漂移导致误判。

五、特征到质量指标的映射建模

映射建模的本质是找到“哪些特征组合能稳定预测哪类质量缺陷”。工程上通常分三步走。

第一步:特征筛选。不是所有特征都有用。可用皮尔逊相关系数或互信息评估每个特征与质量指标的相关性,剔除相关性低于阈值的特征。例如 σ 与厚度公差的相关系数常可达 0.7 以上,而偏度与褶皱的相关性可能较弱,可优先保留前者。

第二步:建立定量关系。对连续型质量指标(如厚度公差带宽度 W),可用线性或多项式回归:W ≈ a·σ + b·RMS + c。对分类型结果(如是否褶皱、是否断带),可用逻辑回归或阈值判别。示例:若以 σ 为自变量,某产线拟合得到 W = 0.42σ + 0.8(示例系数),则当 σ 从 3 N 升至 5 N 时,预测公差带宽度增加约 0.84 μm,可直接用于工艺预警。

第三步:阈值与判据。把模型输出转化为可执行的报警规则。例如:σ > 4 N 且持续 3 s → 厚度公差预警;5~30 Hz 频带能量占比 > 35% → 褶皱风险;PP > 25 N 或峰度 > 5 → 断带高风险,立即降速检查。阈值应结合历史数据分布确定,通常取正常工况均值的 2~3 倍标准差作为初值,再根据误报率调整。

时域特征适合在线快速判断,频域特征适合归因定位,时频特征适合捕捉瞬态。三者结合,才能既快又准地支撑质量关联。

六、一个可复用的分析流程

实际执行时,建议按以下顺序推进:采集 ΔT 序列并确认采样率与量程;去均值、去趋势;计算时域特征;加窗做 FFT 提取频域特征;对非平稳段做 STFT 或小波;将特征向量输入映射模型;输出质量风险等级并记录。每次分析应保留原始数据、特征值、模型版本和判据阈值,便于回溯与复校。

需要强调的是,映射模型不是一次建成就永久有效。换卷径、换速度、换材料、换辊系后,特征分布会漂移,必须用新数据重新校验。建议每批次抽检时同步记录张力特征与实测质量结果,形成持续更新的样本库,让映射关系随工况演进而保持可信。