内蒙古科技大学的学者针对傅里叶变换、小波算法等传统信号处理方法在非线性信号的提取与重构中存在的缺陷，提出了基于聚合经验模态分解的轧辊偏心信号提取新方法。另外，针对传统自动厚度控制系统（AGC）在偏心补偿控制中的不足，设计了有偏心补偿环节的AGC系统。新方法将轧制力信号分解为多个不同特征模态函数，从中提取表征偏心信号的特征模态函数，并用此重构偏心信号，最后将新方法重构的偏心信号投入到此系统中控制轧件厚度。仿真及实验结果表明，利用聚合经验模态分解方法重构得到的轧辊偏心模型可以很大程度减小厚度波动，补偿效果优于小波算法。(素年）
在钢铁生产中，对板材厚度提出了更高的精度要求。近年来，因轧辊偏心引起的板材厚度波动已逐渐成为学者们研究的主要内容。影响板带材厚度的因素主要有轧辊受热或磨损发生形变、油膜轴承的油膜厚度变化、轧辊偏心等，其中偏心的影响尤为严重。轧辊偏心是一种高频周期波，它不仅直接造成板厚的周期波动，而且还会间接地引起厚度控制系统中执行机构的误动作，进一步影响轧件厚度。
