CN105608475A - 带式输送机关键部件红外监测预警系统 - Google Patents

Abstract

本发明公开了一种带式输送机关键部件红外监测预警系统，该系统利用红外热像仪采集带式输送机的电机、托辊、滚筒的红外图像，通过红外图像预处理、图像分割、特征提取和分类，实现了电机、托辊、滚筒的自动识别，并根据识别出的部件类型，对温升故障等级做出判断，实施故障预警。本发明结合红外热像技术和计算机图像识别技术，实现了基于红外热像的带式输送机关键部件监测与预警，对于保障带式输送机安全运行有着重要的意义。本发明具有良好的交互性和操作性，实用性强，推广应用价值高。

Description

带式输送机关键部件红外监测预警系统

技术领域

本发明涉及一种带式输送机关键部件监测预警系统，尤其是涉及一种基于红外热像的带式输送机关键部件监测预警系统。

背景技术

目前，国内外针对长距离、大运量带式输送机的诸多传统监测系统，传统方法多采用电气元件多、结构复杂的感温、感烟、振动等传感器。近年来应用在带式输送机监测的分布式光纤测温系统相对简单可靠，故障率较低，但因连接、熔接及外部受损引起的光纤系统功能损伤都将降低监测系统的整体性能。针对目前缺乏有效的带式输送机监测设备和监测手段，存在检测点间断，不能精确定位，不能提前预报隐患，误报率高等问题。因此，如何使长距离带式输送机故障提前预警，监测保护装置高效、可靠、稳定地运行，是关系到带式输送机安全生产的重大问题。

红外热像技术是通过测取目标物体表面的红外辐射能，将被测物体表面的温度分布转换为形象直观的热图像，通过对热像图中目标物体的温度进行分析，可以揭示物体中尚未被察觉的异常状态。利用红外热成像技术，可以在不取样、不解体、不停电的状况下对带式输送机进行热故障的诊断分析，快速、便捷的对带式输送机电机、托辊、滚筒等关键部件的热故障进行判断。

利用红外热像仪有望在带式输送机运行期间发现存在的安全隐患，在第一时间进行处理，起到预警作用，从而减少或避免带式输送机事故的发生。采用红外热像检测技术对带式输送机进行实时监测及故障诊断，对于带式输送机各类温升故障快速发现和及时处理具有积极意义，可以有效保障带式输送机连续运行的可靠性。

发明内容

本发明的目的是提供一种带式输送机关键部件红外监测预警系统，利用红外热像技术，结合计算机图像处理和识别技术，开发基于红外热像的带式输送机关键部件监测预警系统，对于保障带式输送机安全运行有着重要的意义。本发明具有良好的交互性和操作性，设计合理，实用性强，推广应用价值高。

本发明的技术方案是：一种带式输送机关键部件红外监测预警系统，包括带式输送机、红外热像仪和带式输送机关键部件红外监测预警平台，

所述的带式输送机包括托辊、滚筒、电机等关键部件；

所述的红外热像仪，用以采集带式输送机关键部件红外图像；

所述的带式输送机关键部件红外监测预警平台包括带式输送机关键部件红外图像采集模块、最高温度判别模块、关键部件红外图像识别模块、故障库模块、故障等级划分模块、故障预警模块。

所述的红外图像采集模块，将红外热像仪采集的带式输送机关键部件红外图像经1394总线传输到带式输送机关键部件红外监测预警平台；

所述的最高温度判别模块，是指判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件，接下来进行带式输送机关键部件红外图像的识别；

所述的关键部件红外图像识别模块由红外图像预处理模块、红外图像分割模块、红外图像特征提取模块、红外图像分类模块构成；

所述的红外图像预处理，采用双边滤波和分段线性变换算法对采集的带式输送机红外图像进行去噪和增强；

所述的红外图像分割，采用改进的区域生长分割算法，对带式输送机关键部件的红外图像进行图像分割；

所述的红外图像特征提取，是提取带式输送机关键部件红外图像的形状特征和纹理特征构造目标特征向量；

所述的红外图像分类，是根据构造的特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；

所述的故障库模块由带式输送机关键部件类型表、故障表和故障预警规则表构成；

所述的故障等级划分模块，按照根据带式输送机关键部件红外图像的识别结果及红外图像中的高热点温度信息，调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表实现关键部件热故障分级。

所述的故障预警模块，按照带式输送机关键部件热故障分级结果，给出相应的故障提示或报警。

一种带式输送机关键部件红外监测预警系统，其特征在于：系统利用红外热像仪对带式输送机关键部件进行红外图像采集，采集的红外图像经1394总线传输到带式输送机关键部件红外监测预警平台，判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件；接下来进行带式输送机关键部件红外图像的识别：首先进行红外图像预处理，对采集的带式输送机红外图像进行去噪和增强，然后对预处理后的带式输送机关键部件的红外图像进行图像分割，接下来提取分割得到的红外图像的目标特征，最后进行红外图像的目标分类，根据构造的目标特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；根据带式输送机关键部件红外图像的识别结果及温度信息，故障等级划分模块调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表进行关键部件热故障分级，完成对带式输送机关键部件的故障预警,给出相应的故障提示或报警。

一种带式输送机关键部件红外监测预警系统，其特征在于：将带式输送机的电机、托辊、滚筒热故障划分为四个等级，分别为正常、一般故障、严重故障和紧急故障。按照式T₁＝k₁％T，T₂＝k₂％T确定故障分级阈值，式中k₁，k₂按托辊、电机和滚筒的类型不同而选取不同常数，T表示部件允许最高温度，T₀表示一般故障的温度阈值，T₁为严重故障的温度阈值，T₂为紧急故障的温度阈值。设T_max为带式输送机关键部件红外图像中的高热点温度，若T_max≥T₂时，为紧急故障；若T₁≤T_max<T₂，为严重故障；若T₀<T_max≤T₁，为一般故障；若T_max≤T₀，部件运行正常，从而实现带式输送机关键部件异常温升故障分级。

本发明的有益效果

本文以红外热像仪为基础，融合红外热像技术、计算机技术、图像处理及识别技术等，借助于VisualC++，研究开发了带式输送机关键部件红外监测预警系统。与现有技术相比，本发明具有以下优势：

1、本系统对带式输送机关键部件红外图像的监测预警在保证准确率的前提下具有较高的效率，初步实现了基于红外热像的带式输送机关键部件监测预警的需求。

2、依据带式输送机实时工况数据信息，无需操作人员利用仪器对带式输送机进行关键部件的检测，改善了生产环境。

3、本发明具良好的交互性和操作性，有效提升了带式输送机的监测预警水平和生产安全性。

附图说明

图1是本发明的系统组成框图。

图2是本发明的流程图。

具体实施方式

如图1所示，系统包括带式输送机、红外热像仪和带式输送机关键部件红外监测预警平台，

所述的带式输送机关键部件包括托辊、滚筒、电机；

所述的红外热像仪，用以采集带式输送机关键部件红外图像；

所述的带式输送机关键部件红外监测预警平台包括带式输送机关键部件红外图像采集模块、最高温度判别模块、关键部件红外图像识别模块、故障库模块、故障等级划分模块、故障预警模块；

所述的红外图像采集模块，将红外热像仪采集的带式输送机关键部件红外图像经1394总线传输到带式输送机关键部件红外监测预警平台；

所述的最高温度判别模块，是指判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件，接下来进行带式输送机关键部件红外图像的识别；

所述的关键部件红外图像识别模块包括红外图像预处理模块、红外图像分割模块、红外图像特征提取模块、红外图像分类模块；

所述的红外图像预处理模块，采用双边滤波和分段线性变换算法对采集的带式输送机红外图像进行去噪和增强；

所述的红外图像分割模块，采用改进的区域生长分割算法，对带式输送机关键部件的红外图像进行图像分割；

所述的红外图像特征提取模块，提取带式输送机关键部件红外图像的形状特征和纹理特征构造目标特征向量；

所述的红外图像分类模块，根据构造的目标特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；

所述的故障库模块由带式输送机关键部件类型表、故障表和故障预警规则表构成；

所述的故障等级划分模块，按照根据带式输送机关键部件红外图像的识别结果及红外图像中的高热点温度信息，调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表实现关键部件热故障分级；

所述的故障预警模块，按照带式输送机关键部件热故障分级结果，给出相应的故障提示或报警。

如图2所示，首先由红外热像仪对带式输送机关键部件的红外图像进行采集，采集的红外图像经1394总线传输到带式输送机关键部件红外监测预警平台，判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件；若没有超过设定的初始温度阈值，说明该处部件运行正常，继续采集红外图像。对于超过设定初始温度阈值的红外图像，接下来进行带式输送机关键部件红外图像的识别：首先进行红外图像预处理，对采集的带式输送机红外图像进行去噪和增强，然后对预处理后的带式输送机关键部件的红外图像进行图像分割，接下来提取分割得到的红外图像特征，最后进行红外图像分类，根据构造的特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；根据带式输送机关键部件红外图像的识别结果及温度信息，调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表进行关键部件热故障等级的判断，完成对带式输送机关键部件的故障预警。

将带式输送机的电机、托辊、滚筒热故障划分为四个等级，分别为正常、一般故障、严重故障和紧急故障；按照式T₁＝k₁％T，T₂＝k₂％T确定故障分级阈值，式中k₁，k₂按托辊、电机和滚筒的类型不同而选取不同常数，T表示部件允许最高温度，T₀表示一般故障的温度阈值，T₁为严重故障的温度阈值，T₂为紧急故障的温度阈值；设T_max为带式输送机关键部件红外图像中的高热点温度，若T_max≥T₂时，为紧急故障；若T₁≤T_max<T₂，为严重故障；若T₀<T_max≤T₁，为一般故障；若T_max≤T₀，部件运行正常，从而实现带式输送机关键部件异常温升故障分级。

需要说明的是：以上所述仅为本发明的优选实施例，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换。

凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种带式输送机关键部件红外监测预警系统，其特征在于：系统包括带式输送机、红外热像仪和带式输送机关键部件红外监测预警平台，

所述的带式输送机关键部件包括托辊、滚筒、电机；

所述的红外热像仪，用以采集带式输送机关键部件红外图像；

所述的带式输送机关键部件红外监测预警平台包括带式输送机关键部件红外图像采集模块、最高温度判别模块、关键部件红外图像识别模块、故障库模块、故障等级划分模块、故障预警模块；

所述的红外图像采集模块，将红外热像仪采集的带式输送机关键部件红外图像经1394总线传输到带式输送机关键部件红外监测预警平台；

所述的最高温度判别模块，是指判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件，接下来进行带式输送机关键部件红外图像的识别；

所述的关键部件红外图像识别模块包括红外图像预处理模块、红外图像分割模块、红外图像特征提取模块、红外图像分类模块；

所述的红外图像预处理模块，采用双边滤波和分段线性变换算法对采集的带式输送机红外图像进行去噪和增强；

所述的红外图像分割模块，采用改进的区域生长分割算法，对带式输送机关键部件的红外图像进行图像分割；

所述的红外图像特征提取模块，提取带式输送机关键部件红外图像的形状特征和纹理特征构造目标特征向量；

所述的红外图像分类模块，根据构造的目标特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；

所述的故障库模块由带式输送机关键部件类型表、故障表和故障预警规则表构成；

所述的故障等级划分模块，按照根据带式输送机关键部件红外图像的识别结果及红外图像中的高热点温度信息，调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表实现关键部件热故障分级；

所述的故障预警模块，按照带式输送机关键部件热故障分级结果，给出相应的故障提示或报警。

2.如权利要求1所述的带式输送机关键部件红外监测预警系统，其特征在于：系统利用红外热像仪对带式输送机关键部件进行红外图像采集，采集的红外图像经1394总线传输到带式输送机关键部件红外监测预警平台，判断红外图像中的最高温度是否超过设定的初始温度阈值，若高于该温度阈值，则可能存在有故障的部件；接下来进行带式输送机关键部件红外图像的识别：首先进行红外图像预处理，对采集的带式输送机红外图像进行去噪和增强，然后对预处理后的带式输送机关键部件的红外图像进行图像分割，接下来提取分割得到的红外图像特征，最后进行红外图像分类，根据构造的目标特征向量，设计基于BP神经网络的分类器，完成对带式输送机关键部件红外图像的识别；根据带式输送机关键部件红外图像的识别结果及温度信息，故障等级划分模块调用故障库中的带式输送机关键部件类型表、故障表和故障预警规则表进行关键部件热故障分级，完成对带式输送机关键部件的故障预警,给出相应的故障提示或报警。

3.如权利要求1所述的带式输送机关键部件红外监测预警系统，其特征在于：热故障分级按以下标准划分：

将带式输送机的电机、托辊、滚筒热故障划分为四个等级，分别为正常、一般故障、严重故障和紧急故障；按照式T₁＝k₁％T，T₂＝k₂％T确定故障分级阈值，式中k₁，k₂按托辊、电机和滚筒的类型不同而选取不同常数，T表示部件允许最高温度，T₀表示一般故障的温度阈值，T₁为严重故障的温度阈值，T₂为紧急故障的温度阈值；设T_max为带式输送机关键部件红外图像中的高热点温度，若T_max≥T₂时，为紧急故障；若T₁≤T_max<T₂，为严重故障；若T₀<T_max≤T₁，为一般故障；若T_max≤T₀，部件运行正常，从而实现带式输送机关键部件异常温升故障分级。