轧机振动问题是世界范围内的冶金技术难题,也是亟待解决的问题之一,有效地控制轧机振动对提高金属板材质量和提高生产效率有重要意义。本文以轧机异常振动为主线,分析轧机异常振动的原因,提出了改进措施,把小波包变换与灰色聚类分析相结合进行了异常振动信号的研究,实现了特征提取及状态分类,采用分形理论的维数概念对轧机异常振动时的状态进行了提取。归纳了冷轧机振动研究的内容,分析了轧机机架及轧辊的垂直振动原因。由冷连轧机异常振动的现象出发,阐述了冷连轧机垂直振动分析方法,重点分析了影响轧机振动的乳化液因素,提出了轧机振动的工艺改进方法。基于小波包分析原理,对轧机异常振动能量分布特征提取方法进行了研究。通过振动信号进行处理分析,从中获取反映轧机异常振动信息的特征。由于轧机异常振动的信号都是非平稳信号,而小波变换(Wavelet Analysis)为适用于处理非平稳信号的工具,所以本文采用其小波变换的改进算法-小波包变换,对轧机异常振动信号进行分析。在此基础上,还采用灰色聚类分析对小波包分析的结果进行了轧机振动状态的分类研究,实现了正常振动与异常振动的识别。本文通过对轧机振动信号的时间序列的相空间重构,计算出描述轧机异常振动特征的分形维数,提出了采用分形维数来确定轧机的运行状态的方法。分形理论作为非线性科学研究的理论,正在逐渐被应用到机械设备的故障诊断特征提取技术之中。本文重点研究了分形维数的参数选取,如延迟时间、嵌入维数、无标度区间的选取等,对轧机异常振动信号进行了关联维数的计算研究。