CN110006469B - 一种输煤皮带巡检机器人及运行异常识别方法 - Google Patents

Abstract

本发明提出一种输煤皮带巡检机器人及检测方法，所述机器人由红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路、24V直流稳压电源组成，可将各种传感器采集回来的信息(红外、图像、声音、激光等)进行计算处理，并将结果直观的呈现在监控人员面前，并对异常结果进行报警，实现自动巡检；所述运行异常识别方法在收集大量煤粉堆积量异常、煤粉温度异常、声音异常等实际样本数据的基础上，对数据进行特征提取，并通过主成分分析方法对特征信息进行降维，再利用k近邻法训练分类器，实现输煤皮带异常状态的识别。本发明能够替代运行人员对输煤皮带进行巡检，在减轻巡检人员工作量的同时保证输煤皮带的稳定运行，从而提高生产效率。

Description

一种输煤皮带巡检机器人及运行异常识别方法

技术领域

本发明涉及一种输煤皮带巡检机器人及运行异常识别方法，属于输煤皮带故障检测技术领域。

背景技术

输煤皮带在煤炭生产、火力发电、钢铁制造及其他工业生产中有着广泛的应用，相对于其他运输设备，输煤皮带具有结构简单、稳定性高、运输量大、维护方便等优点，是工业生产过程中的重要设备。

随着输煤皮带传输距离的加长，传输容量的增大和传输速度的提高，输煤皮带在运行过程中存在的跑偏、堆料、撒料、撕裂、打滑、轴承异常、异物掉落、输煤设备故障、局部区域温度过高等问题日益凸显。输煤皮带的巡检工作量和巡检人员人难以进入的输煤段增加，输煤皮带的自动巡检及其故障诊断成为研究的热点。传统的输煤皮带故障检测手段是将传感器检测和人工巡检相结合，传感器检测到某一项参数超过阈值时报警。但是这种检测方式准确度较低，也无法检测较为复杂的故障。

故本发明提出一种输煤皮带巡检机器人及运行异常识别方法，以替代运行人员对输煤皮带进行巡检。该巡检机器人配备多个传感器，可以检测输煤皮带的多个运行参数，并将多个传感器采集到的信息结合，判断输煤皮带的故障类型。

发明内容

一种输煤皮带巡检机器人，其特征在于：所述巡检机器人包括红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路，24V直流稳压电源；机器人控制电路通过SPI通讯接口与红外传感器相连接，机器人控制电路通过RS485通讯接口与激光传感器相连接，机器人控制电路通过I2C通讯接口与声音传感器相连接，机器人控制电路通过100M以太网接口与可见光传感器相连接；24V直流稳压电源分别与机器人控制电路、红外传感器、可见光传感器、声音传感器、激光传感器相连接；机器人控制电路从红外传感器、可见光传感器、声音传感器、激光传感器中获取现场信息，并进行计算处理，实现异常识别的功能；

所述红外传感器，由场镜、光电型红外感光阵列、恒流偏置放大电路、AD转换采集电路、SPI通讯接口构成；场镜与光电型红外感光阵列相连接；光电型红外感光阵列与场镜相连接，还与恒流偏置放大电路相连接；恒流偏置放大电路与光电型红外感光阵列相连接，还与AD转换采集电路相连接；AD转换采集电路与恒流偏置放大电路相连接，还与SPI通讯接口相连接；SPI通讯接口与AD转换采集电路相连接，还与所述机器人控制电路相连接；

所述场镜焦距为50mm；所述光电型红外感光阵列分辨率为320×240；红外光通过场镜后在光电型红外感光阵列上成像，使光电型红外感光阵列的电导发生变化，生成相应的电信号，该电信号经过恒流偏置放大电路处理后转换为0到12V的模拟信号，AD转换采集电路将该模拟信号转换为十二位的数字信号，该数字信号通过SPI通讯接口输出，实现红外测量功能；

所述可见光传感器，包括光学镜头、CMOS感光阵列、模拟信号处理电路、AD转换电路、数字信号处理电路、100M以太网接口；光学镜头与CMOS感光阵列相连接；CMOS感光阵列与光学镜头相连接；还与模拟信号处理电路相连接；模拟信号处理电路与CMOS感光阵列相连接，还与AD转换电路相连接；AD转换电路与模拟信号处理电路相连接，还与数字信号处理电路相连；数字信号处理电路与AD转换电路相连接，还与100M以太网接口相连接；100M以太网接口与数字信号处理电路相连接，并与所述机器人控制电路相连；

所述CMOS感光阵列分辨率为1920x1080；可见光通过光学镜头后在CMOS感光阵列上成像，生成图像的点阵模拟信号，该模拟信号经过模拟信号处理电路处理后，分为R、B、G三路信号进入AD转换电路，转换为十二位的数字信号，该数字信号传入数字信号处理电路，经过牛顿插值、二维高通滤波处理，得到十位的数字信号，并由100M以太网接口以ONVIF协议发出；

所述声音传感器，包括压电式超声波探头，数字式超声波震荡电路，晶体管超声波接收电路，声音信号处理DSP，I2C通讯接口；压电式超声波探头与晶体管超声波接收电路以及数字式超声波震荡电路相连接；晶体管超声波接收电路与声音信号处理DSP以及压电式超声波探头相连接；数字式超声波震荡电路与声音信号处理DSP以及压电式超声波探头相连接；声音信号处理DSP与晶体管超声波接收电路、数字式超声波震荡电路以及I2C通讯接口相连；I2C通讯接口与声音信号处理DSP相连接，并与机器人控制电路相连接；

声音传感器利用数字式超声波震荡电路产生电压信号，电压信号施加在压电式超声波探头上时，超声波探头将发生震动而产生超声波；压电式超声波探头采集0至40kHz的声音信息，并将声音信息转换为电压信号，该电压信号经过晶体管超声波接收电路后，放大为0到9伏的电压信号，该电压信号在声音信号处理DSP中经8196个点的快速傅里叶变换算法处理，得到8196个频段下的声音信号的分量，并将各个频段下的声音信号的分量通过I2C通讯接口输出；

所述激光传感器，包括激光发射器、激光探测器、激光控制器、RS485通讯接口；激光控制器与激光发射器、激光探测器以及RS485通讯接口相连接；RS485通讯接口与激光控制器相连接，并与所述机器人控制电路相连；

所述机器人控制电路通过RS485通讯接口向激光控制器发射扫描信号后，激光控制器控制激光发射器发射一段脉冲激光，脉冲激光被物体反射到激光探测器中，激光探测器将接收到的激光信号转换为电信号，并传入激光控制器中，激光控制器对该电信号进行放大、滤波，由该电信号与发射扫描信号的时间差的一半乘以光速得到激光传感器与被测点的距离，并通过RS485通讯接口输出该距离信息；

所述机器人控制电路，包括机器人控制MCU，SPI通讯接口，100M以太网接口，I2C通讯接口，RS485通讯接口，zigbee无线通讯模块；机器人控制MCU与SPI通讯接口、RS485通讯接口、I2C通讯接口、100M以太网接口、zigbee无线通讯模块相连接；机器人控制MCU通过SPI通讯接口与红外传感器通讯，通过100M以太网接口与可见光传感器通讯，通过I2C通讯接口与声音传感器通讯，通过RS485通讯接口与激光传感器通讯，并通过zigbee无线通讯模块与远端通讯；

所述24V直流稳压电源，将220V的交流电转换为24V的直流电，并为所述红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路提供24V的直流电。

根据权利要求1所述的一种输煤皮带巡检机器人，其特征是：所述机器人控制MCU利用红外传感器、可见光传感器、声音传感器、激光传感器采集现场信息；采集的步骤如下：

a.机器人控制MCU通过SPI通讯接口初始化红外传感器、通过100M以太网接口初始化可见光传感器、通过I2C通讯接口初始化声音传感器、通过RS485通讯接口初始化激光传感器；

b.机器人控制MCU通过SPI通讯接口向红外传感器发送采集数据请求信号；设置定时器0时间为0.033秒，启动定时器0；当定时器0溢出后触发中断，机器人控制器MCU向红外传感器发送接收数据请求信号，红外传感器将红外信号传给机器人控制器MCU；

c.机器人控制器MCU通过100M以太网接口向可见光传感器发送SOAP(SimpleObject Access Protocol)请求信号，可见光传感器与机器人控制MCU之间建立码流，传输图像数据；

d.机器人控制器MCU通过I2C通讯接口向声音传感器发送采集数据请求信号；设置定时器1时间为0.235秒，启动定时器1；当定时器1溢出后触发中断，机器人控制器MCU向声音传感器发送接收数据请求信号，声音传感器将声音信号传给机器人控制器MCU；

e.机器人控制器MCU通过RS485通讯接口向激光传感器发送采集数据请求信号；设置定时器2时间为0.5秒，启动定时器2；当定时器2溢出后触发中断，机器人控制器MCU向激光传感器发送接收数据请求信号，激光传感器将距离信息传给机器人控制器MCU；

f.运行异常识别算法，将识别结果通过zigbee模块传输到远端中，并跳转到步骤b。

一种输煤皮带运行异常识别方法，所述识别方法在构造大量由输煤栈桥区域的红外温度、输煤皮带底部煤粉堆积量、输煤带区域的图像数据、输煤设备的声音数据组成的有标记样本的基础上，利用主成分分析法提取样本中的特征，并用k均值法训练分类器，实现输煤栈桥区域温度过高、输煤皮带底部煤粉过量堆积、异物掉落、输煤设备异常的故障诊断功能，其特征在于，该方法包括以下步骤：

a.采集数据，构造样本集；

记录输煤皮带运行的过程中传感器采集的N组数据：红外传感器采集输煤栈桥区域的红外温度，记录为{T_0k}，数据维度为m_T；可见光传感器记录输煤皮带区域的图像数据，记录为{P_0k}，数据维度为m_P；声音传感器记录输煤设备的声音信息，记录为{V_0k}，数据维度为m_V；激光传感器记录传感器到输煤皮带底部的距离信息，记录为{L_0k}，数据维度为m_L；其中，k＝1,2,...,N，并为数据标记故障类型；

声音传感器得到的声音信息{V_0k}经快速傅里叶变换处理后得到频率信息{F_0k}，数据维度为m_F；激光传感器得到的距离信息{L_0k}积分后得到输煤皮带底部的煤粉体积{Vo_0k}，数据维度为m_Vo；计算公式为：

Vo＝∫∫(h₀-d cosα)ds

其中，Vo为煤粉体积，d为激光传感器到输煤皮带底部的煤粉点的距离，h₀为激光传感器到输煤皮带底部的垂直距离，α为激光传感器与地面垂线的夹角，ds为煤粉堆网格划分的微面积；

将上述数据构造出维度为m₀的样本集{(T_0k,P_0k,F_ok,Vo_0k)}，k＝1,2,...,N，m₀＝m_T+m_P+m_F+m_Vo；

b.用主成分分析方法PCA提取数据特征；

将样本集{(T_0k,P_0k,F_ok,Vo_0k)}写成矩阵的形式：

将该样本集进行标准化，标准化公式为：

其中y_i为标准化后的值，x_i为样本集中的元素，

为样本集中元素的平均值，s为样本集中元素的标准差，n为样本的容量；

标准化后的样本集X₁为：

并求样本集的自相关矩阵R：

R＝E{X₁X₁ ^T}

计算R的特征值

及其对应的特征向量

并将特征值从大到小排列，按照特征值的排列顺序排列对应的特征向量，找到一个最小的数值b，使前b个特征值的和大于0.75，取出前b个特征向量构成变换矩阵A；

用变换矩阵A将样本集中的特征信息提取出来，得到特征矩阵X₂；

X₂＝A^TX₁

c.训练KNN分类器；

将特征矩阵X₂中的样本作为KNN分类器的训练样本，取K为5，得到KNN分类器；分类器先计算经标准化与主成分分析方法PCA变换后的被测样本x到每一个训练样本x_i的欧式距离d_i，即

d_i(x)＝‖x-x_i‖

再找出被测样本的5个近邻，即最小的5个d_i对应的5个训练样本x_i；统计5个近邻中每一类故障的个数k₁,k₂,…,k_c，c为故障类别总数，若k_j是其中最大的数，则判断故障类别为第j类故障。

本发明的有益效果在于：

(1)巡检机器人可实时检测参数，巡检机器人在巡检过程中会采集输煤栈桥区域的红外温度，输煤皮带区域的图像数据，输煤设备的声音信息，输煤皮带底部的煤粉堆积量，并将该数据通过无线模块传入远端。

(2)巡检机器人可检测出输煤栈桥区域温度过高、输煤皮带底部煤粉过量堆积、异物掉落、输煤设备异常等故障，提高了输煤皮带运行的安全性。

下面结合附图，对优选实施例作详细说明。应该强调的是下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

附图说明

图1为本发明所提出的输煤皮带巡检机器人结构图；

图2为本发明所提出的输煤皮带巡检机器人工作流程图；

具体实施方式

本发明在采集大量现场输煤栈桥区域的红外温度、输煤皮带区域的图像数据、输煤设备的声音信息、输煤皮带底部的积煤量信息的基础上，利用主成分分析方法提取特征信息，并用数据训练KNN分类器，从而识别输煤皮带的运行异常。本发明中的输煤皮带巡检机器人包括红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路，24V直流稳压电源。

图1是输煤皮带巡检机器人结构图，机器人包括红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路，24V直流稳压电源；机器人控制电路通过SPI通讯接口与红外传感器相连接，机器人控制电路通过RS485通讯接口与激光传感器相连接，机器人控制电路通过I2C通讯接口与声音传感器相连接，机器人控制电路通过100M以太网接口与可见光传感器相连接；24V直流稳压电源分别与机器人控制电路、红外传感器、可见光传感器、声音传感器、激光传感器相连接；机器人控制电路从红外传感器、可见光传感器、声音传感器、激光传感器中获取现场信息，并进行计算处理，实现异常识别的功能；

所述红外传感器，由场镜、光电型红外感光阵列、恒流偏置放大电路、AD转换采集电路、SPI通讯接口构成；场镜与光电型红外感光阵列相连接；光电型红外感光阵列与场镜相连接，还与恒流偏置放大电路相连接；恒流偏置放大电路与光电型红外感光阵列相连接，还与AD转换采集电路相连接；AD转换采集电路与恒流偏置放大电路相连接，还与SPI通讯接口相连接；SPI通讯接口与AD转换采集电路相连接，还与所述机器人控制电路相连接；

所述场镜焦距为50mm；所述光电型红外感光阵列分辨率为320×240；红外光通过场镜后在光电型红外感光阵列上成像，使光电型红外感光阵列的电导发生变化，生成相应的电信号，该电信号经过恒流偏置放大电路处理后转换为0到12V的模拟信号，AD转换采集电路将该模拟信号转换为十二位的数字信号，该数字信号通过SPI通讯接口输出，实现红外测量功能；

所述可见光传感器，包括光学镜头、CMOS感光阵列、模拟信号处理电路、AD转换电路、数字信号处理电路、100M以太网接口；光学镜头与CMOS感光阵列相连接；CMOS感光阵列与光学镜头相连接；还与模拟信号处理电路相连接；模拟信号处理电路与CMOS感光阵列相连接，还与AD转换电路相连接；AD转换电路与模拟信号处理电路相连接，还与数字信号处理电路相连；数字信号处理电路与AD转换电路相连接，还与100M以太网接口相连接；100M以太网接口与数字信号处理电路相连接，并与所述机器人控制电路相连；

所述CMOS感光阵列分辨率为1920x1080；可见光通过光学镜头后在CMOS感光阵列上成像，生成图像的点阵模拟信号，该模拟信号经过模拟信号处理电路处理后，分为R、B、G三路信号进入AD转换电路，转换为十二位的数字信号，该数字信号传入数字信号处理电路，经过牛顿插值、二维高通滤波处理，得到十位的数字信号，并由100M以太网接口以ONVIF协议发出；

所述声音传感器，包括压电式超声波探头，数字式超声波震荡电路，晶体管超声波接收电路，声音信号处理DSP，I2C通讯接口；压电式超声波探头与晶体管超声波接收电路以及数字式超声波震荡电路相连接；晶体管超声波接收电路与声音信号处理DSP以及压电式超声波探头相连接；数字式超声波震荡电路与声音信号处理DSP以及压电式超声波探头相连接；声音信号处理DSP与晶体管超声波接收电路、数字式超声波震荡电路以及I2C通讯接口相连；I2C通讯接口与声音信号处理DSP相连接，并与机器人控制电路相连接；

声音传感器利用数字式超声波震荡电路产生电压信号，电压信号施加在压电式超声波探头上时，超声波探头将发生震动而产生超声波；压电式超声波探头采集0至40kHz的声音信息，并将声音信息转换为电压信号，该电压信号经过晶体管超声波接收电路后，放大为0到9伏的电压信号，该电压信号在声音信号处理DSP中经8196个点的快速傅里叶变换算法处理，得到8196个频段下的声音信号的分量，并将各个频段下的声音信号的分量通过I2C通讯接口输出；

所述激光传感器，包括激光发射器、激光探测器、激光控制器、RS485通讯接口；激光控制器与激光发射器、激光探测器以及RS485通讯接口相连接；RS485通讯接口与激光控制器相连接，并与所述机器人控制电路相连；

所述机器人控制电路通过RS485通讯接口向激光控制器发射扫描信号后，激光控制器控制激光发射器发射一段脉冲激光，脉冲激光被物体反射到激光探测器中，激光探测器将接收到的激光信号转换为电信号，并传入激光控制器中，激光控制器对该电信号进行放大、滤波，由该电信号与发射扫描信号的时间差的一半乘以光速得到激光传感器与被测点的距离，并通过RS485通讯接口输出该距离信息；

所述机器人控制电路，包括机器人控制MCU，SPI通讯接口，100M以太网接口，I2C通讯接口，RS485通讯接口，zigbee无线通讯模块；机器人控制MCU与SPI通讯接口、RS485通讯接口、I2C通讯接口、100M以太网接口、zigbee无线通讯模块相连接；机器人控制MCU通过SPI通讯接口与红外传感器通讯，通过100M以太网接口与可见光传感器通讯，通过I2C通讯接口与声音传感器通讯，通过RS485通讯接口与激光传感器通讯，并通过zigbee无线通讯模块与远端通讯；

所述24V直流稳压电源，将220V的交流电转换为24V的直流电，并为所述红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路提供24V的直流电。

所述机器人控制MCU利用红外传感器、可见光传感器、声音传感器、激光传感器采集现场信息；采集的步骤如下：

a.机器人控制MCU通过SPI通讯接口初始化红外传感器、通过100M以太网接口初始化可见光传感器、通过I2C通讯接口初始化声音传感器、通过RS485通讯接口初始化激光传感器；

b.机器人控制MCU通过SPI通讯接口向红外传感器发送采集数据请求信号；设置定时器0时间为0.033秒，启动定时器0；当定时器0溢出后触发中断，机器人控制器MCU向红外传感器发送接收数据请求信号，红外传感器将红外信号传给机器人控制器MCU；

c.机器人控制器MCU通过100M以太网接口向可见光传感器发送SOAP(SimpleObject Access Protocol)请求信号，可见光传感器与机器人控制MCU之间建立码流，传输图像数据；

d.机器人控制器MCU通过I2C通讯接口向声音传感器发送采集数据请求信号；设置定时器1时间为0.235秒，启动定时器1；当定时器1溢出后触发中断，机器人控制器MCU向声音传感器发送接收数据请求信号，声音传感器将声音信号传给机器人控制器MCU；

e.机器人控制器MCU通过RS485通讯接口向激光传感器发送采集数据请求信号；设置定时器2时间为0.5秒，启动定时器2；当定时器2溢出后触发中断，机器人控制器MCU向激光传感器发送接收数据请求信号，激光传感器将距离信息传给机器人控制器MCU；

f.运行异常识别算法，将识别结果通过zigbee模块传输到远端中，并跳转到步骤b。

本发明在采集大量由输煤栈桥区域的红外温度、输煤皮带底部煤粉堆积量、输煤带区域的图像数据、输煤设备的声音数据构成的有标记样本的基础上，利用主成分分析法提取数据中的特征，并用k均值法训练分类器，实现输煤栈桥区域温度过高、输煤皮带底部煤粉过量堆积、异物掉落、输煤设备异常的故障诊断功能，其特征为该方法包括以下步骤：

a.采集数据，构造样本集；

记录输煤皮带运行的过程中传感器采集的N组数据，该实例中N＝3000；红外传感器采集输煤栈桥区域的红外温度，记录为{T_0k}，数据维度为m_T＝320×240＝76800；可见光传感器记录输煤皮带区域的图像数据，记录为{P_0k}，数据维度为m_P＝1920×1080＝2073600；传感器记录输煤设备的声音信息，记录为{V_0k}，数据维度为m_V＝8192；激光传感器记录传感器到输煤皮带底部的距离信息，记录为{L_0k}，数据维度为m_L＝2500；其中k＝1,2,...,3000，并为数据标记故障类型；

声音传感器得到的声音信息{V_0k}经快速傅里叶变换处理后得到频率信息{F_0k}，数据维度为m_F＝8192；激光传感器得到的距离信息{L_0k}积分后得到输煤皮带底部的煤粉体积{Vo_0k}，数据维度为m_Vo＝1；计算公式为：

Vo＝∫∫(h₀-d cosα)ds

其中，Vo为煤粉体积，d为激光传感器到输煤皮带底部的煤粉点的距离，h₀为激光传感器到输煤皮带底部的垂直距离，α为激光传感器与地面垂线的夹角，ds为煤粉堆网格划分的微面积；

将上述数据构造出维度为m₀＝m_T+m_P+m_F+m_Vo＝2158593的样本集{(T_0k,P_0k,F_ok,Vo_0k)}，k＝1,2,...,3000；

b.用主成分分析方法PCA提取数据特征；

将样本集{(T_0k,P_0k,F_ok,Vo_0k)}写成矩阵的形式：

将该样本集进行标准化，标准化公式为：

其中y_i为标准化后的值，x_i为样本集中的元素，

为样本集中元素的平均值，s为样本集中元素的标准差，n为样本的容量；

标准化后的样本集X₁为：

并求样本集的自相关矩阵R：

R＝E{X₁X₁ ^T}

计算R的特征值

及其对应的特征向量

并将特征值从大到小排列，按照特征值的排列顺序排列对应的特征向量，找到一个最小的数值b，使前b个特征值的和大于0.75，实施例中b＝2548，取出前b个特征向量构成变换矩阵A；

用变换矩阵A将样本集中的特征信息提取出来，得到特征矩阵X₂；

X₂＝A^TX₁

c.训练KNN分类器；

将特征矩阵X₂中的样本作为KNN分类器的训练样本，取K为5，得到KNN分类器；分类器先计算经标准化与主成分分析方法PCA变换后的被测样本x到每一个训练样本x_i的欧式距离d_i，即

d_i(x)＝‖x-x_i‖

再找出被测样本的5个近邻，即最小的5个d_i对应的5个训练样本x_i；统计5个近邻中每一类故障的个数k₁,k₂,…,k_c，c为故障类别总数，若k_j是其中最大的数，则判断故障类别为第j类故障。

实施例中，某一环境下测得的样本经主成分分析变换后得到特征信息，计算该样本与训练样本的欧式距离后，找到被测样本的5个近邻，5个近邻的故障类型均为输煤栈桥区域温度过高，则判断故障类别为输煤桥栈区域温度过高。

实施例中，将3000个样本按9：1的比例分为训练样本和测试样本，用训练样本得到KNN分类器后，用测试样本验证结果，训练错误率为3.54％，测试错误率为8.26％，说明本发明运行异常识别方法具有较高的识别正确率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可推想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种输煤皮带巡检机器人，其特征在于：所述巡检机器人包括红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路，24V直流稳压电源；机器人控制电路通过SPI通讯接口与红外传感器相连接，机器人控制电路通过RS485通讯接口与激光传感器相连接，机器人控制电路通过I2C通讯接口与声音传感器相连接，机器人控制电路通过100M以太网接口与可见光传感器相连接；24V直流稳压电源分别与机器人控制电路、红外传感器、可见光传感器、声音传感器、激光传感器相连接；机器人控制电路从红外传感器、可见光传感器、声音传感器、激光传感器中获取现场信息，并进行计算处理，通过输煤皮带运行异常识别方法实现异常识别功能；

所述红外传感器，由场镜、光电型红外感光阵列、恒流偏置放大电路、AD转换采集电路、SPI通讯接口构成；场镜与光电型红外感光阵列相连接；光电型红外感光阵列与场镜相连接，还与恒流偏置放大电路相连接；恒流偏置放大电路与光电型红外感光阵列相连接，还与AD转换采集电路相连接；AD转换采集电路与恒流偏置放大电路相连接，还与SPI通讯接口相连接；SPI通讯接口与AD转换采集电路相连接，还与所述机器人控制电路相连接；

所述场镜焦距为50mm；所述光电型红外感光阵列分辨率为320×240；红外光通过场镜后在光电型红外感光阵列上成像，使光电型红外感光阵列的电导发生变化，生成相应的电信号，该电信号经过恒流偏置放大电路处理后转换为0到12V的模拟信号，AD转换采集电路将该模拟信号转换为十二位的数字信号，该数字信号通过SPI通讯接口输出，实现红外测量功能；

所述可见光传感器，包括光学镜头、CMOS感光阵列、模拟信号处理电路、AD转换电路、数字信号处理电路、100M以太网接口；光学镜头与CMOS感光阵列相连接；CMOS感光阵列与光学镜头相连接；还与模拟信号处理电路相连接；模拟信号处理电路与CMOS感光阵列相连接，还与AD转换电路相连接；AD转换电路与模拟信号处理电路相连接，还与数字信号处理电路相连；数字信号处理电路与AD转换电路相连接，还与100M以太网接口相连接；100M以太网接口与数字信号处理电路相连接，并与所述机器人控制电路相连；

所述CMOS感光阵列分辨率为1920x1080；可见光通过光学镜头后在CMOS感光阵列上成像，生成图像的点阵模拟信号，该模拟信号经过模拟信号处理电路处理后，分为R、B、G三路信号进入AD转换电路，转换为十二位的数字信号，该数字信号传入数字信号处理电路，经过牛顿插值、二维高通滤波处理，得到十位的数字信号，并由100M以太网接口以ONVIF协议发出；

所述声音传感器，包括压电式超声波探头，数字式超声波震荡电路，晶体管超声波接收电路，声音信号处理DSP，I2C通讯接口；压电式超声波探头与晶体管超声波接收电路以及数字式超声波震荡电路相连接；晶体管超声波接收电路与声音信号处理DSP以及压电式超声波探头相连接；数字式超声波震荡电路与声音信号处理DSP以及压电式超声波探头相连接；声音信号处理DSP与晶体管超声波接收电路、数字式超声波震荡电路以及I2C通讯接口相连；I2C通讯接口与声音信号处理DSP相连接，并与机器人控制电路相连接；

声音传感器利用数字式超声波震荡电路产生电压信号，电压信号施加在压电式超声波探头上时，超声波探头将发生震动而产生超声波；压电式超声波探头采集0至40kHz的声音信息，并将声音信息转换为电压信号，该电压信号经过晶体管超声波接收电路后，放大为0到9伏的电压信号，该电压信号在声音信号处理DSP中经8196个点的快速傅里叶变换算法处理，得到8196个频段下的声音信号的分量，并将各个频段下的声音信号的分量通过I2C通讯接口输出；

所述激光传感器，包括激光发射器、激光探测器、激光控制器、RS485通讯接口；激光控制器与激光发射器、激光探测器以及RS485通讯接口相连接；RS485通讯接口与激光控制器相连接，并与所述机器人控制电路相连；

所述机器人控制电路通过RS485通讯接口向激光控制器发射扫描信号后，激光控制器控制激光发射器发射一段脉冲激光，脉冲激光被物体反射到激光探测器中，激光探测器将接收到的激光信号转换为电信号，并传入激光控制器中，激光控制器对该电信号进行放大、滤波，由该电信号与发射扫描信号的时间差的一半乘以光速得到激光传感器与被测点的距离，并通过RS485通讯接口输出该距离信息；

所述机器人控制电路，包括机器人控制MCU，SPI通讯接口，100M以太网接口，I2C通讯接口，RS485通讯接口，zigbee无线通讯模块；机器人控制MCU与SPI通讯接口、RS485通讯接口、I2C通讯接口、100M以太网接口、zigbee无线通讯模块相连接；机器人控制MCU通过SPI通讯接口与红外传感器通讯，通过100M以太网接口与可见光传感器通讯，通过I2C通讯接口与声音传感器通讯，通过RS485通讯接口与激光传感器通讯，并通过zigbee无线通讯模块与远端通讯；

所述24V直流稳压电源，将220V的交流电转换为24V的直流电，并为所述红外传感器、可见光传感器、声音传感器、激光传感器、机器人控制电路提供24V的直流电；

所述输煤皮带运行异常识别方法，在构造大量由输煤栈桥区域的红外温度、输煤皮带底部煤粉堆积量、输煤带区域的图像数据、输煤设备的声音数据组成的有标记样本的基础上，利用主成分分析法提取样本中的特征，并用k均值法训练分类器，实现输煤栈桥区域温度过高、输煤皮带底部煤粉过量堆积、异物掉落、输煤设备异常的故障诊断功能，其特征在于，该方法包括以下步骤：

a.采集数据，构造样本集；

记录输煤皮带运行的过程中传感器采集的N组数据：红外传感器采集输煤栈桥区域的红外温度，记录为{T_0k}，数据维度为m_T；可见光传感器记录输煤皮带区域的图像数据，记录为{P_0k}，数据维度为m_P；声音传感器记录输煤设备的声音信息，记录为{V_0k}，数据维度为m_V；激光传感器记录传感器到输煤皮带底部的距离信息，记录为{L_0k}，数据维度为m_L；其中，k＝1,2,…,N，并为数据标记故障类型；

声音传感器得到的声音信息{V_0k}经快速傅里叶变换处理后得到频率信息{F_0k}，数据维度为m_F；激光传感器得到的距离信息{L_0k}积分后得到输煤皮带底部的煤粉体积{Vo_0k}，数据维度为m_Vo；计算公式为：

Vo＝∫∫(h₀-d cosα)ds

其中，Vo为煤粉体积，d为激光传感器到输煤皮带底部的煤粉点的距离，h₀为激光传感器到输煤皮带底部的垂直距离，α为激光传感器与地面垂线的夹角，ds为煤粉堆网格划分的微面积；

将上述数据构造出维度为m₀的样本集{(T_0k,P_0k,F_ok,Vo_0k)}，k＝1,2,…,N，m₀＝m_T+m_P+m_F+m_Vo；

b.用主成分分析方法PCA提取数据特征；

将样本集{(T_0k,P_0k,F_ok,Vo_0k)}写成矩阵的形式：

将该样本集进行标准化，标准化公式为：

其中y_i为标准化后的值，x_i为样本集中的元素，

为样本集中元素的平均值，s为样本集中元素的标准差，n为样本的容量；

标准化后的样本集X₁为：

并求样本集的自相关矩阵R：

R＝E{X₁X₁ ^T}

计算R的特征值

及其对应的特征向量

并将特征值从大到小排列，按照特征值的排列顺序排列对应的特征向量，找到一个最小的数值b，使前b个特征值的和大于0.75，取出前b个特征向量构成变换矩阵A；

用变换矩阵A将样本集中的特征信息提取出来，得到特征矩阵X₂；

X₂＝A^TX₁

c.训练KNN分类器；

将特征矩阵X₂中的样本作为KNN分类器的训练样本，取K为5，得到KNN分类器；分类器先计算经标准化与主成分分析方法PCA变换后的被测样本x到每一个训练样本x_i的欧式距离d_i，即

d_i(x)＝‖x-x_i‖

再找出被测样本的5个近邻，即最小的5个d_i对应的5个训练样本x_i；统计5个近邻中每一类故障的个数k₁,k₂,…,k_c，c为故障类别总数，若k_j是其中最大的数，则判断故障类别为第j类故障。

2.根据权利要求1所述的一种输煤皮带巡检机器人，其特征是：所述机器人控制MCU利用红外传感器、可见光传感器、声音传感器、激光传感器采集现场信息；采集的步骤如下：

a.机器人控制MCU通过SPI通讯接口初始化红外传感器、通过100M以太网接口初始化可见光传感器、通过I2C通讯接口初始化声音传感器、通过RS485通讯接口初始化激光传感器；

b.机器人控制MCU通过SPI通讯接口向红外传感器发送采集数据请求信号；设置定时器0时间为0.033秒，启动定时器0；当定时器0溢出后触发中断，机器人控制器MCU向红外传感器发送接收数据请求信号，红外传感器将红外信号传给机器人控制器MCU；

c.机器人控制器MCU通过100M以太网接口向可见光传感器发送SOAP(Simple ObjectAccess Protocol)请求信号，可见光传感器与机器人控制MCU之间建立码流，传输图像数据；

d.机器人控制器MCU通过I2C通讯接口向声音传感器发送采集数据请求信号；设置定时器1时间为0.235秒，启动定时器1；当定时器1溢出后触发中断，机器人控制器MCU向声音传感器发送接收数据请求信号，声音传感器将声音信号传给机器人控制器MCU；

e.机器人控制器MCU通过RS485通讯接口向激光传感器发送采集数据请求信号；设置定时器2时间为0.5秒，启动定时器2；当定时器2溢出后触发中断，机器人控制器MCU向激光传感器发送接收数据请求信号，激光传感器将距离信息传给机器人控制器MCU；

f.运行异常识别算法，将识别结果通过zigbee模块传输到远端中，并跳转到步骤b。

Images