CN111046761B - 基于多传感信息融合的皮带载荷分布检测系统及检测方法 - Google Patents

Abstract

本发明涉及一种基于多传感信息融合的皮带载荷分布检测系统及检测方法，包括数据采集与信息融合平台、矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器、矿用皮带速度传感器，依次经安装、采集数据、数据预处理后构建数据集、利用神经网络实现特征融合、现场数据特征融合、决策级融合，作出全局最优决策。本发明在硬件与软件的配合下，兼顾检测方法的效率和性能，在保证检测准确性的前提下，优化处理方法，具有较强的稳定性和对干扰及噪声处理的鲁棒性，设备简单，方法易行，实时处理效果强。

Description

基于多传感信息融合的皮带载荷分布检测系统及检测方法

技术领域

本发明涉及煤矿运输监控技术领域，尤其涉及一种基于多传感信息融合的 皮带载荷分布检测系统及检测方法。

背景技术

运输皮带因其运输效率高，是煤矿井下运煤的主要设备。煤矿企业都在关 注煤矿开采与生产中的节能降耗技术。其中运输皮带如何根据皮带上煤流量的 多少自动实现变频调速控制成为重点关注的目标之一。而实现皮带自动变频调 速节能运行的关键点在于如何准确、稳定、实时地检测皮带上的分段载荷分布， 为变频器提供可靠的调速依据。

目前检测皮带载荷分布主要是检测皮带实时料流量，检测皮带实时料流量 的方法主要有有电子皮带秤、核子秤、超声波测距仪、激光皮带秤、图像分析 法。

电子皮带秤是接触式测量，其测量精度受振动、噪声、带速、大容量电动 机启停产生的电磁干扰等多因素影响较大；核子秤采用根据γ射线吸收原理设 计，其测量精度受环境湿度、粉尘影响大，且具有很大的安全隐患；超声波测 距仪把煤流表面近似为平面，测量准确性上存在误差，且若超声波经过的地方 障碍物较多，其反射声波受到较大影响，容易报错；激光皮带秤采用激光扫描煤流轮廓计算截面积评估煤量的方法，但其价格昂贵，难以普及；图像分析法 检测用到的检测算法都具有一定的局限性，如专利号为CN105931230A公开的 “一种运煤皮带上煤流量的计算方法及系统”，通过煤与皮带的灰度范围不同 区分煤流量轮廓，当皮带上有水条件下检测精度下降；专利号为CN105841614A 公开的“一种带式输送机输送煤量视觉扫描测距检测方法”，通过视频采集物 料横截面，通过测定横截面评估煤流量，此方法需要相机的安装位置在皮带上方较低位置，才能拍到物料横截面。而安装位置低很容易被大煤块碰到相机， 且皮带运煤时煤灰很大，很难拍到清晰的图像。

综上，上述检测煤流量的方法因受不同外部条件影响而产生错误或者较大 误差；当出现传感器出错时，载荷分布检测失效。

发明内容

本发明针对单一传感器在检测皮带载荷分布时存在的生存能力弱、信息模 糊度高、检测可信度有限等缺陷，利用多个传感器通过检测载荷的不同特征信 息，经过数据处理与信息融合后获得更为准确、稳定的检测结果。

本发明是通过如下技术方案实现的：一种基于多传感信息融合的皮带载荷 分布检测系统，包括设置在矿用皮带输送机上的数据采集与信息融合平台及与 数据采集与信息融合平台连接的矿用视觉料流传感器、矿用视觉块煤传感器、 矿用超声波测距传感器、矿用皮带速度传感器，所述矿用视觉料流传感器、矿 用视觉块煤传感器、矿用超声波测距传感器安装在矿用皮带输送机上方，采集同一个时间片内、同一区域带面皮带料流特征信息，所述矿用皮带速度传感器 安装在矿用皮带输送机下方，检测皮带单位时间的位移数据。

具体的，所述矿用视觉料流传感器为具有智能视觉分析功能的摄像机，包 括图像采集模块、视觉分析模块及输出模块，图像采集模块采集实时图像，送 至视觉分析模块，视觉分析模块对图像中的信息进行特征提取，计算皮带料流 实时宽度值，并由输出模块输出。

具体的，所述矿用视觉块煤传感器为具有智能分析功能的摄像机，包括图 像采集模块、视觉分析模块及输出模块，图像采集模块采集实时图像，送至视 觉分析模块，视觉分析模块对图像中的信息进行特征提取，通过判断单位料流 面积内的颗粒数量计算块煤特征，并由输出模块输出。

具体地，所述矿用超声波测距传感器利用超声波检测矿用运输皮带上煤流 的高度，以模拟量形式输出；所述矿用皮带速度传感器利用皮带运动时带动滚 轮转动检测皮带单位时间内移动的距离。矿用超声波测距传感器及矿用皮带速 度传感器采用通过的传感器即可。

具体地，所述数据采集及信息融合平台，包括条件预设模块、数据采集模 块、特征级融合模块及决策融合模块；条件预设模块根据矿用运输皮带工况、 参数设定皮带运行条件；数据采集模块采集各传感器的输出值，送到特征级融 合模块；特征级融合模块提取采集数据的特征信息，经数据预处理后送入神经 网络训练，得到神经网络模型后，根据现场采集的传感器数据推测皮带载荷分布特征值，送入决策融合模块；决策融合模块结合专家决策知识，根据不同皮 带运行条件，对皮带载荷分布特征值进行可信度协调，作出全局最优决策。

本发明在硬件与软件的配合下，兼顾检测方法的效率和性能，在保证检测 准确性的前提下，优化处理方法，具有较强的稳定性和对干扰及噪声处理的鲁 棒性，设备简单，方法易行，实时处理效果强。

本发明还提供一种如上述基于多传感信息融合的皮带载荷分布检测方法， 该方法具有生存能力强、信息模糊度低、检测可信度高的优点，包括如下步骤：

一、安装：选取合适的位置，安装矿用视觉料流传感器、矿用视觉块煤传 感器、矿用超声波测距传感器与矿用皮带速度传感器，设置工作参数；

二、采集数据：选取多个皮带现场场景，采集矿用视觉料流传感器、矿用 视觉块煤传感器、矿用超声波测距传感器与矿用皮带速度传感器的数据；

三、数据预处理，构建数据集：矿用视觉料流传感器输出以像素点计算的 料流宽度数值，依据料流宽度占据探测区皮带宽度的百分比将数值归一化到[0,1] 区间；矿用超声波测距传感器测定探头到煤的距离，依照煤料高度与空载时探 头距离带面最高点距离的比值归一化到[0,1]区间；矿用视觉块煤传感器输出单位 料流面积内料流块体数量，用Z-score标准化方法进行数据归一化到[0,1]区间； 矿用皮带速度传感器数据输出皮带单位时间的位移，采用Z-score标准化方法进行数据归一化到[0,1]区间；

四、利用神经网络实现特征融合：通过训练一个三层神经网络实现载荷分 布特征的分类，将归一化后的料流宽度、块煤率、料流高度、皮带速度作为输 入节点，设置载荷分布的四种状态为四个输出节点，对于每一组样本数据，神 经网络得到一个四维数组做为输出，数组中每一个维度代表一种状态，神经网络输出属于每一种状态的概率。

五、现场数据特征融合：采集现场数据，通过训练好的神经网络模型推测 实时载荷分布特征值；

六、决策级融合：

(1)按照煤矿每班工作时间安排，设定皮带的检修工作时间表，设定皮带参数，参数表、时间表通过系统的预设条件模块导入；

(2)按照先验知识设定专家决策知识库；

(3)利用特征融合模块输出的当前载荷分布特征值结合历史数据，依照专 家决策知识调节当前特征值的可信度，作出全局最优决策值。

具体地，所述矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测 距传感器与矿用皮带速度传感器采用并行分布式部署。

具体地，采集的数据覆盖以下情况：

(1)皮带停止时，载荷有无料、少料、中料、满料分布；

(2)皮带运行时，载荷有无料、少料、中料、满料分布；

(3)皮带速度有变化；

(4)皮带上料流颗粒有变化，有大块煤，小块煤，粉末煤。

具体地，所述Z-score标准化方法的转化函数为

其中，μ为所有样本数据的均值，σ为所有样本数据的标准差，处理后的数 据按照7:3的比例分成训练数据集和测试数据集。

本发明基于多传感信息融合的皮带载荷分布检测系统及检测方法的有益效 果是：

(1)本发明采用传感器及嵌入式装置，在皮带现场完成传感器多点检测、 数据处理、信息融合、决策判断功能，在多传感器检测的基础上，利用神经网 络、专家决策等信息融合方法实现具有自学习、自适应以及容错能力强的皮带 载荷分布实时检测方法，为皮带的变频调速提供可靠的依据；

(2)多传感检测的方式，使得此检测方法的生存能力大大提高，若某一传 感器受干扰或不能使用时，其他传感器能继续提供信息；

(3)采用充分样本集，利用神经网络进行训练，利用得到的网络模型进行 特征级融合预测，有效提高检测准确率，且能够自学习、自适应不同场景的情 况；

(4)结合专家知识进行决策级融合，根据不同皮带运行条件，对皮带载荷 分布特征值进行可信度协调，作出全局最优决策。

附图说明

图1为本发明的基于多传感信息融合的皮带载荷分布检测系统的结构示意 图；

图2为本发明的基于多传感信息融合的皮带载荷分布检测方法的流程示意 图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和 特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的 界定。

如图1所示，一种基于多传感信息融合的皮带载荷分布检测系统，包括设 置在矿用皮带输送机6上的数据采集与信息融合平台5及与数据采集与信息融合平台5连接的矿用视觉料流传感器1、矿用视觉块煤传感器2、矿用超声波测 距传感器3、矿用皮带速度传感器4，所述矿用视觉料流传感器1、矿用视觉块 煤传感器2、矿用超声波测距传感器3安装在矿用皮带输送机6上方，采集同一 个时间片内、同一区域带面皮带料流特征信息，所述矿用皮带速度传感器4安 装在矿用皮带输送机6下方，检测皮带单位时间的位移数据。

所述矿用视觉料流传感器1利用视觉图像序列分析算法检测皮带上料流的 宽度特征，其本质是一台具有智能视觉分析功能的摄像机，包括图像采集模块、 视觉分析模块、输出模块。图像采集模块采集实时图像，送至视觉分析模块， 视觉分析模块对图像中的信息进行特征提取，依据专利“一种运煤皮带上煤流量的计算方法及系统”中的计算方法计算皮带料流实时宽度值，并由输出模块 输出。

所述矿用视觉块煤传感器2利用图像序列分析算法检测皮带上料流的颗粒 特征，其本质也是一台具有智能视觉分析功能的摄像机，其硬件组成与视觉料 流传感器一致，只有内部的视觉分析软件不同，通过判断单位料流面积内的颗 粒数量计算块煤特征。

所述矿用超声波检测传感器3利用超声波检测矿用运输皮带上煤流的高度， 以模拟量形式输出。

所述矿用皮带速度传感器4利用皮带运动时带动滚轮转动检测皮带单位时 间内移动的距离。

所述数据采集及信息融合平台5，内部预设一条件预设模块、一数据采集模 块、一特征级融合模块和一决策融合模块。条件预设模块根据矿用运输皮带工 况、参数设定皮带运行条件；数据采集模块采集各传感器的输出值，送到特征 级融合模块；特征级融合模块提取采集数据的特征信息，经数据预处理后送入神经网络训练，得到神经网络模型后，根据现场采集的传感器数据推测皮带载 荷分布特征值，送入决策融合模块；决策融合模块结合专家决策知识，根据不 同皮带运行条件，对皮带载荷分布特征值进行可信度协调，作出全局最优决策。

如图2所示，上述基于多传感信息融合的皮带载荷分布检测方法，包括如 下步骤：

一、安装：

选取合适的位置，安装矿用视觉料流传感器、矿用视觉块煤传感器、矿用 超声波测距传感器与矿用皮带速度传感器，设置工作参数；具体的，矿用视觉 料流传感器、矿用视觉块煤传感器、矿用超声波测距感器、矿用皮带速度传感 器采用并行分布式部署；矿用视觉料流传感器、矿用视觉块煤传感器，采用非 接触方式，用支架安装在皮带上方顶板上；矿用超声波距感器采用非接触式检 测，用支架安装在皮带上方，三个传感器探测同一个时间片内同一区域带面载荷分布特征信息；矿用皮带速度传感器采用接触式检测，安装在皮带下方，检 测皮带单位时间移动的位移，检测位置与皮带上方传感器检测区域对应；安装 完成后，对各个传感器进行调试，根据现场场景设置各自工作参数；实施时， 为了使得料高数据更准确，也可并行安装超声波阵列。

二、采集数据：

选取多个皮带现场场景，采集矿用视觉料流传感器、矿用视觉块煤传感器、 矿用超声波测距传感器与矿用皮带速度传感器的数据；数据覆盖以下情况：

(1)皮带停止时，载荷有无料、少料、中料、满料分布；

(2)皮带运行时，载荷有无料、少料、中料、满料分布；

(3)皮带速度有变化；

(4)皮带上料流颗粒有变化，有大块煤，小块煤，粉末煤。

三、数据预处理，构建数据集：

因矿用视觉料流传感器测定料流宽度，矿用视觉块煤传感器测定料流颗粒 大小，矿用超声波测距传感器测定探头到煤的距离，矿用皮带速度传感器数据 测定皮带单位时间的位移，数据具有不同的量纲和量纲单位，直接使用会影响 数据融合结果，因此需要进行数据归一化处理；

具体的，矿用视觉料流传感器输出以像素点计算的料流宽度数值，依据料 流宽度占据探测区皮带宽度的百分比将数值归一化到[0,1]区间；矿用超声波测距 传感器测定探头到煤的距离依照煤料高度与空载时探头距离带面最高点距离的 比值归一化到[0,1]区间；因为场景不同，量纲不同，矿用视觉块煤传感器输出单 位料流面积内料流块体数量，用Z-score标准化方法进行数据归一化；矿用皮带 速度传感器数据输出皮带单位时间的位移，采用Z-score标准化方法进行数据归 一化；

Z-score标准化方法的转化函数为

其中，μ为所有样本数据的均值，σ为所有样本数据的标准差，处理后的数 据按照7:3的比例分成训练数据集和测试数据集。

四、利用神经网络实现特征融合：

通过训练一个三层神经网络实现载荷分布特征的分类，将归一化后的料流 宽度、块煤率、料流高度、皮带速度作为输入节点，因为输出为载荷分布的空、 少、中、满四种状态，所以设置4个输出节点，代表4种状态，对于每一组样本数据，神经网络得到一个4维数组做为输出，数组中每一个维度代表一种状 态，神经网络输出属于每一种状态的概率；

采用交叉熵做为损失函数，公式为：

其中p代表的是标记值，q代表的是预测值，交叉熵表示两个概率分布之间 的距离，即交叉熵越小，两个概率分布越近，tensorflow中直接使用softmax回 归之后的交叉熵损失函数：

cross_entropy＝tf.nn.softmax_cross_entropy_with_logits(y,y_)

五、现场数据特征融合：

采集现场数据，通过训练好的神经网络模型推测实时载荷分布特征值；

六、决策级融合：

(1)按照煤矿每班工作时间安排，设定皮带的检修-工作时间表，设定皮带 的电机功率、额定电流、长度等参数，参数表、时间表通过系统的预设条件模 块导入；

(2)按照先验知识设定专家决策知识库；

(3)利用特征融合模块输出的当前载荷分布特征值结合历史数据，依照专 家决策知识调节当前特征值的可信度，作出全局最优决策值。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安 装”、“相连”、“连接”、“设置”、“设有”等应做广义理解，例如，可 以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可 以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元 件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本 发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照 前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述 实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱 离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于多传感信息融合的皮带载荷分布检测系统，其特征在于：包括设置在矿用皮带输送机上的数据采集与信息融合平台及与数据采集与信息融合平台连接的矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器、矿用皮带速度传感器，所述矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器安装在矿用皮带输送机上方，采集同一个时间片内、同一区域带面皮带料流特征信息，所述矿用皮带速度传感器安装在矿用皮带输送机下方，检测皮带单位时间的位移数据；

其中，所述数据采集与信息融合平台，包括条件预设模块、数据采集模块、特征级融合模块及决策融合模块；条件预设模块根据矿用运输皮带工况、参数设定皮带运行条件；数据采集模块采集各传感器的输出值，送到特征级融合模块；特征级融合模块提取采集数据的特征信息，经数据预处理后送入神经网络训练，得到神经网络模型后，根据现场采集的传感器数据推测皮带载荷分布特征值，送入决策融合模块；决策融合模块结合专家决策知识，根据不同皮带运行条件，对皮带载荷分布特征值进行可信度协调，作出全局最优决策。

2.根据权利要求1所述的基于多传感信息融合的皮带载荷分布检测系统，其特征在于：所述矿用视觉料流传感器为具有智能视觉分析功能的摄像机，包括图像采集模块、视觉分析模块及输出模块，图像采集模块采集实时图像，送至视觉分析模块，视觉分析模块对图像中的信息进行特征提取，计算皮带料流实时宽度值，并由输出模块输出。

3.根据权利要求1所述的基于多传感信息融合的皮带载荷分布检测系统，其特征在于：所述矿用视觉块煤传感器为具有智能分析功能的摄像机，包括图像采集模块、视觉分析模块及输出模块，图像采集模块采集实时图像，送至视觉分析模块，视觉分析模块对图像中的信息进行特征提取，通过判断单位料流面积内的颗粒数量计算块煤特征，并由输出模块输出。

4.根据权利要求1所述的基于多传感信息融合的皮带载荷分布检测系统，其特征在于：所述矿用超声波测距传感器利用超声波检测矿用运输皮带上煤流的高度，以模拟量形式输出。

5.根据权利要求1所述的基于多传感信息融合的皮带载荷分布检测系统，其特征在于：所述矿用皮带速度传感器利用皮带运动时带动滚轮转动检测皮带单位时间内移动的距离。

6.一种如权利要求1-5任一项所述的基于多传感信息融合的皮带载荷分布检测系统的检测方法，其特征在于，包括如下步骤：

一、安装：选取合适的位置，安装矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器与矿用皮带速度传感器，设置工作参数；

二、采集数据：选取多个皮带现场场景，采集矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器与矿用皮带速度传感器的数据；

三、数据预处理，构建数据集：矿用视觉料流传感器输出以像素点计算的料流宽度数值，依据料流宽度占据探测区皮带宽度的百分比将数值归一化到[0,1]区间；矿用超声波测距传感器测定探头到煤的距离，依照煤料高度与空载时探头距离带面最高点距离的比值归一化到[0,1]区间；矿用视觉块煤传感器输出单位料流面积内料流块体数量，用Z-score标准化方法进行数据归一化到[0,1]区间；矿用皮带速度传感器数据输出皮带单位时间的位移，采用Z-score标准化方法进行数据归一化到[0,1]区间；

四、利用神经网络实现特征融合：通过训练一个三层神经网络实现载荷分布特征的分类，将归一化后的料流宽度、块煤率、料流高度、皮带速度作为输入节点，设置载荷分布的四种状态为四个输出节点，对于每一组样本数据，神经网络得到一个四维数组做为输出，数组中每一个维度代表一种状态，神经网络输出属于每一种状态的概率；

五、现场数据特征融合：采集现场数据，通过训练好的神经网络模型推测实时载荷分布特征值；

六、决策级融合：

(1)按照煤矿每班工作时间安排，设定皮带的检修工作时间表，设定皮带参数，参数表、时间表通过系统的预设条件模块导入；

(2)按照先验知识设定专家决策知识库；

(3)利用特征融合模块输出的当前载荷分布特征值结合历史数据，依照专家决策知识调节当前特征值的可信度，作出全局最优决策值。

7.根据权利要求6所述的基于多传感信息融合的皮带载荷分布检测方法，其特征在于，所述矿用视觉料流传感器、矿用视觉块煤传感器、矿用超声波测距传感器与矿用皮带速度传感器采用并行分布式部署。

8.根据权利要求6所述的基于多传感信息融合的皮带载荷分布检测方法，其特征在于，采集的数据覆盖以下情况：

(1)皮带停止时，载荷有无料、少料、中料、满料分布；

(2)皮带运行时，载荷有无料、少料、中料、满料分布；

(3)皮带速度有变化；

(4)皮带上料流颗粒有变化，有大块煤，小块煤，粉末煤。

9.根据权利要求6所述的基于多传感信息融合的皮带载荷分布检测方法，其特征在于，所述Z-score标准化方法的转化函数为

其中，μ为所有样本数据的均值，σ为所有样本数据的标准差，处理后的数据按照7:3的比例分成训练数据集和测试数据集。

Images