CN111573197A - 一种分布式皮带机异常声音检测方法 - Google Patents

一种分布式皮带机异常声音检测方法 Download PDF

Info

Publication number
CN111573197A
CN111573197A CN202010319625.XA CN202010319625A CN111573197A CN 111573197 A CN111573197 A CN 111573197A CN 202010319625 A CN202010319625 A CN 202010319625A CN 111573197 A CN111573197 A CN 111573197A
Authority
CN
China
Prior art keywords
belt conveyor
industrial
auscultation
signal
sonar
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010319625.XA
Other languages
English (en)
Other versions
CN111573197B (zh
Inventor
田宏哲
项彬
赵霞
李晓强
罗凯
齐开通
张南
马石磊
孙晓刚
韩建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianfeng Acoustic Technologies Co ltd
Beijing Huaneng Xinrui Control Technology Co Ltd
Original Assignee
Lianfeng Acoustic Technologies Co ltd
Beijing Huaneng Xinrui Control Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lianfeng Acoustic Technologies Co ltd, Beijing Huaneng Xinrui Control Technology Co Ltd filed Critical Lianfeng Acoustic Technologies Co ltd
Priority to CN202010319625.XA priority Critical patent/CN111573197B/zh
Publication of CN111573197A publication Critical patent/CN111573197A/zh
Application granted granted Critical
Publication of CN111573197B publication Critical patent/CN111573197B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)
    • B65G2203/0275—Damage on the load carrier
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Control Of Conveyors (AREA)

Abstract

本发明提供了一种分布式皮带机异常声音检测方法，利用工业听诊声呐对皮带机局部发生故障时产生的异常声音进行实时检测，通过大规模分布式组网的方式实现对长距离运输的皮带机实现全区域覆盖的自动化监控，帮助工厂运维人员实时监控皮带机工作状态，当有局部出现故障时可以快速确定故障发生位置，以便进行快速维修或其他正确合理操。本发明能够实现智能化、自动化、皮带机异常声音监控，为大规模应用皮带机的工业企业的安全生产与智能化升级提供技术支撑。

Description

一种分布式皮带机异常声音检测方法
技术领域
本发明属于信号处理领域，涉及数字信号处理、声信号检测、模式识别和支持向量机等理论。
背景技术
皮带机是一种利用连续而具有挠性的输送带不停的运转来输送物料的输送机，是传统工业场景中常见的一种工业设备，目前广泛应用于火电、钢厂、煤炭、矿产等重工业场景，主要作用为长距离自动化运输工业生产的物资，包括煤炭、钢铁等原材料。皮带机的传送带绕过若干滚筒后首尾相接形成环形，并由张紧滚筒将其拉紧。传送带及其上面的物料由沿输送机全长布置的托辊支承。驱动装置使传动滚筒旋转，借助传动滚筒与输送带之间的摩擦力使输送带运动。皮带机在正常工作的过程中会产生以传送带与托辊摩擦为主的工作噪声，当皮带机局部发生故障，常见有托辊脱轴、掉皮、断裂等情况时，会产生明显区别于正常状态的工作噪声。
工业听诊声呐，是一种通过电声转换和信息处理，完成空气中目标探测与通讯的电子设备。工业听诊声呐一般被动的接收声音信号，属于被动工作方式。
目前工厂对皮带机发生故障时的异常声音预警及故障检测主要通过人工巡检靠耳听的方式进行，该方式耗时较长，检测效率较低，也较为危险，难以实现对皮带机全线进行自动化实时监测，延迟预警及故障漏检容易引发二次危害，甚至带来巨大的经济损失及人员伤亡。
发明内容
为了克服现有技术的不足，本发明提供一种分布式皮带机异常声音检测方法，能够通过工业听诊声呐对皮带机生产线沿线进行分布式的全区域覆盖不间断的实时监测，颠覆了以往针对皮带机的人工耳听的故障监测方式，实现智能化、自动化、皮带机异常声音监控，为大规模应用皮带机的工业企业的安全生产与智能化升级提供技术支撑。
本发明解决其技术问题所采用的技术方案包括以下步骤：
第一步，将若干工业听诊声呐按照设定间隔布放在需要监控的皮带机沿线；
第二步，工业听诊声呐采集声信号xi(n)＝hi(n)*s(n)+wi(n)，i＝1，2...M，n＝1，2...N，式中*表示卷积运算，i表示工业听诊器的序号，其总数为M个，n表示信号序列采样点，其序列总长度为N，si(n)表示声源原始信号，hi(n)表示声源与第i个工业听诊声呐之间的环境冲激响应，wi(n)代表第i个工业听诊声呐周围的环境噪声；
第三步，声信号预处理，得到去直流分量后的信号
Figure BDA0002460875790000021
第四步，对预处理后的声信号进行离散傅里叶变换进行频谱分析，得到离散傅里叶变换后的数据
Figure BDA0002460875790000022
式中，exi(n)代表预处理后的模拟声信号，k表示频谱分析中的频点，k＝1，2......N-1，j为虚数单位；
第五步，提取子带能量比
Figure BDA0002460875790000023
式中，f1、f2分别表示关注频带的起始频率与截止频率；
第六步，设定检测阈值的上限与下限H、L；
第七步，当工业听诊声呐所接收的信号提取的子带能量比Si不属于[L，H]范围时，则判定检测到异常声音，设备可能出现故障。
所述的第六步采集一段皮带机正常工作的背景噪声作为正常信号，检测阈值的上限与下限分别为H＝μ+3×σ和L＝μ-3×σ，式中μ、σ分别为正常信号的子带能量比的算术平均值与标准差。
所述的正常信号的子带能量比的算术平均值
Figure BDA0002460875790000024
正常信号的子带能量比的标准差
Figure BDA0002460875790000025
所述的第七步当工业听诊声呐检测到皮带机异常声音后，将监测结果传输至后台服务器，后台实时报警。
本发明的有益效果是：可以对皮带机局部发生故障时产生的异常声音进行实时检测，通过大规模分布式组网的方式可以实现对长距离运输的皮带机实现全区域覆盖的 自动化监控，可帮助工厂运维人员实时监控皮带机工作状态，当有局部出现故障时可 以快速确定故障发生位置，以便进行快速维修或其他正确合理操。本发明颠覆了以往 针对皮带机的人工耳听的故障监测方式，实现智能化、自动化、皮带机异常声音监控， 为大规模应用皮带机的工业企业的安全生产与智能化升级提供技术支撑。
附图说明
图1是本发明方法流程示意图；
图2是工业听诊声呐分布式组网示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
针对工业生产状态下皮带机局部发生故障时的异常声音检测难以实现全区域覆盖、自动化、不间断的实时监测的问题，本发明提出一种分布式皮带机异常声音检测方法，该方法可以对皮带机局部发生故障时产生的异常声音进行实时检测，通过大规模分布式组网的方式可以实现对长距离运输的皮带机实现全区域覆盖的自动化监控，可帮助工厂运维人员实时监控皮带机工作状态，当有局部出现故障时可以快速确定故障发生位置，以便进行快速维修或其他正确合理操作。
本发明的主步骤如下：
第一步：分布式组网
将相同规格的工业听诊声呐按照一定间隔布放在需要监控的皮带机沿线，利用RS-485线缆并联实现分布式组网及供电。
第二步：工业听诊声呐传感器采集声信号
工业听诊声呐传感器接收到的信号xi(n)可以表示为 xi(n)＝hi(n)*s(n)+wi(n)，i＝1，2...M，n＝1，2...N
式中*表示卷积运算，i表示工业听诊器的序号，其总数为M个；n表示信号序列采样点，其序列总长度为N；si(n)表示声源原始信号，hi(n)表示声源与第i个工业听诊声呐之间的环境冲激响应。wi(n)代表第i个工业听诊声呐周围的环境噪声。
第三步：信号预处理
信号预处理主要进行去直流分量。去直流分量后的信号exi(n)可以表示为：
Figure BDA0002460875790000031
第四步：频域变换
对预处理信号进行离散傅里叶变换进行频谱分析。
Figure BDA0002460875790000041
式中exi(n)代表预处理后的模拟声信号，Xi(k)为离散傅里叶变换后的数据，k表示频谱分析中的频点，j为虚数单位。
第五步：提取子带能量比
子带能量是用来描述信号频率分量在指定频段上的能量占总频带比率的参数：
Figure BDA0002460875790000042
式中Xi(k)表示接收信号的傅里叶变换，f1、f2分别表示我们关注频带的起始频率与截止频率。
第六步：正常阈值上下限设定
采集一段皮带机正常工作后的背景噪声后，可以用皮带机正常工作时的产生的背景噪声的子带能量比平均值的三倍标准差作为检测的阈值。
H＝μ+3×σ
L＝u-3×σ
H、L分别为检测阈值的上限与下限，式中μ、σ分别为采集的正常信号的子带能量比的算术平均值与标准差，表示为：
Figure BDA0002460875790000043
Figure BDA0002460875790000044
第七步：异常声音检测
当工业听诊声呐所接收的信号提取的特征不属于[L，H]范围内时，则判定检测到异常声音，设备可能出现故障。
第八步：数据传输
当单个工业听诊声呐节点检测到皮带机异常声音后则会迅速通过RS-485将监测结果传输至后台服务器，后台实时报警。
本发明的实施例包括以下步骤：
第一步：分布式组网
将相同规格的工业听诊声呐按照一定间隔布放在需要监控的皮带机沿线，利用RS-485线缆并联实现分布式组网。
RS-485总线线径为0.75平方毫米规格的双绞线，供电总线为线径1.5平方毫米的电源线，24V供电，各个工业听诊声呐采用手拉手的并联方式。
第二步：工业听诊声呐传感器采集声信号
工业听诊声呐的声传感器频带相应范围100Hz～10KHz，灵敏度-38dB，信噪比56dB，全向麦克风，二通道同步采集，声音采样频率为20KHz，单次处理时长可取为 100ms，则信号序列长度N为2000，单个声传感器有限监控范围为左右5m，可以根据实际皮带长度确定工业听诊器个数M。
工业听诊声呐传感器接收到的信号xi(n)可以表示为
xi(n)＝hi(n)*s(n)+wi(n)，i＝1，2...M，n＝1，2...N
式中*表示卷积运算，i表示工业听诊器的序号，其总数为M个；n表示信号序列采样点，其序列总长度为2000；si(n)表示声源原始信号，hi(n)表示声源与第i个工业听诊声呐之间的环境冲激响应。wi(n)代表第i个工业听诊声呐周围的环境噪声。
第三步：信号预处理
信号预处理主要进行去直流分量。去直流分量后的信号exi(n)可以表示为：
Figure BDA0002460875790000051
第四步：频域变换
对预处理信号进行离散傅里叶变换进行频谱分析，傅里叶变换的长度为2048点。
Figure BDA0002460875790000052
式中exi(n)代表预处理后的模拟声信号，Xi(k)为离散傅里叶变换后的数据。
第五步：提取子带能量比
子带能量是用来描述信号频率分量在指定频段上的能量占总频带比率的参数：
Figure BDA0002460875790000061
式中Xi(k)表示接收信号的傅里叶变换，f1为100Hz，f2为1200Hz。
第六步：正常阈值上下限设定
采集10秒皮带机正常工作后的背景噪声后，可以用皮带机正常工作时的产生的背景噪声的子带能量比平均值的三倍标准差作为检测的阈值。
H＝μ+3×σ
L＝u-3×σ
H、L分别为检测阈值的上限与下限，式中μ、σ分别为采集的正常信号的子带能量比的算术平均值与标准差，表示为：
Figure BDA0002460875790000062
Figure BDA0002460875790000063
第七步：异常声音检测
当工业听诊声呐所接收的信号提取的特征不属于[L，H]范围内时，则判定检测到异常声音，设备可能出现故障。
第八步：数据传输
当单个工业听诊声呐节点检测到皮带机异常声音后则会迅速通过RS-485将监测结果传输至后台服务器，传输波特率为50Kbit，后台实时报警，监控人员可以通过报警的声呐节点的编号迅速确定皮带机异常声音出现的位置，从而快速采取检修，维护等措施防患于未然。

Claims (4)

1.一种分布式皮带机异常声音检测方法，其特征在于包括以下步骤：
第一步，将若干工业听诊声呐按照设定间隔布放在需要监控的皮带机沿线；
第二步，工业听诊声呐采集声信号xi(n)＝hi(n)*s(n)+wi(n)，i＝1，2...M，n＝1，2...N，式中*表示卷积运算，i表示工业听诊器的序号，其总数为M个，n表示信号序列采样点，其序列总长度为N，si(n)表示声源原始信号，hi(n)表示声源与第i个工业听诊声呐之间的环境冲激响应，wi(n)代表第i个工业听诊声呐周围的环境噪声；
第三步，声信号预处理，得到去直流分量后的信号
Figure FDA0002460875780000011
第四步，对预处理后的声信号进行离散傅里叶变换进行频谱分析，得到离散傅里叶变换后的数据
Figure FDA0002460875780000012
式中，exi(n)代表预处理后的模拟声信号，k表示频谱分析中的频点，k＝1，2......N-1，j为虚数单位；
第五步，提取子带能量比
Figure FDA0002460875780000013
式中，f1、f2分别表示关注频带的起始频率与截止频率；
第六步，设定检测阈值的上限与下限H、L；
第七步，当工业听诊声呐所接收的信号提取的子带能量比Si不属于[L,H]范围时，则判定检测到异常声音，设备可能出现故障。
2.根据权利要求1所述的分布式皮带机异常声音检测方法，其特征在于：所述的第六步采集一段皮带机正常工作的背景噪声作为正常信号，检测阈值的上限与下限分别为H＝μ+3×σ和L＝μ-3×σ，式中μ、σ分别为正常信号的子带能量比的算术平均值与标准差。
3.根据权利要求1所述的分布式皮带机异常声音检测方法，其特征在于：所述的正常信号的子带能量比的算术平均值
Figure FDA0002460875780000014
正常信号的子带能量比的标准差
Figure FDA0002460875780000021
4.根据权利要求1所述的分布式皮带机异常声音检测方法，其特征在于：所述的第七步当工业听诊声呐检测到皮带机异常声音后，将监测结果传输至后台服务器，后台实时报警。
CN202010319625.XA 2020-04-22 2020-04-22 一种分布式皮带机异常声音检测方法 Active CN111573197B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010319625.XA CN111573197B (zh) 2020-04-22 2020-04-22 一种分布式皮带机异常声音检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010319625.XA CN111573197B (zh) 2020-04-22 2020-04-22 一种分布式皮带机异常声音检测方法

Publications (2)

Publication Number Publication Date
CN111573197A true CN111573197A (zh) 2020-08-25
CN111573197B CN111573197B (zh) 2021-11-30

Family

ID=72119967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010319625.XA Active CN111573197B (zh) 2020-04-22 2020-04-22 一种分布式皮带机异常声音检测方法

Country Status (1)

Country Link
CN (1) CN111573197B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112660746A (zh) * 2020-12-07 2021-04-16 中国科学院重庆绿色智能技术研究院 基于大数据技术的托辊故障诊断方法、系统及存储介质
CN112660745A (zh) * 2020-12-07 2021-04-16 中国科学院重庆绿色智能技术研究院 托辊故障智能诊断方法、系统及可读存储介质
CN112908347A (zh) * 2021-02-25 2021-06-04 益阳市信维声学科技有限公司 一种杂音检测方法及终端
CN113023293A (zh) * 2021-02-08 2021-06-25 精锐视觉智能科技（深圳）有限公司 一种皮带机的巡检方法、装置、设备及系统
CN113108898A (zh) * 2021-05-08 2021-07-13 陕煤集团神木红柳林矿业有限公司 一种基于声振联合监测的堆煤保护方法
CN114184369A (zh) * 2021-12-14 2022-03-15 广东电网有限责任公司 一种安全带检测装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0070949A1 (fr) * 1981-07-28 1983-02-09 International Business Machines Corporation Procédé de transmission voix et données numériques et dispositif de mise en oeuvre dudit procédé
CN104409078A (zh) * 2014-12-11 2015-03-11 黑龙江真美广播通讯器材有限公司 异常声音检测和识别系统
CN109541548A (zh) * 2018-11-22 2019-03-29 西安联丰迅声信息科技有限责任公司 一种基于匹配场的空气声呐定位方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN110807901A (zh) * 2019-11-08 2020-02-18 西安联丰迅声信息科技有限责任公司 一种非接触式工业异常声音检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0070949A1 (fr) * 1981-07-28 1983-02-09 International Business Machines Corporation Procédé de transmission voix et données numériques et dispositif de mise en oeuvre dudit procédé
CN104409078A (zh) * 2014-12-11 2015-03-11 黑龙江真美广播通讯器材有限公司 异常声音检测和识别系统
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN109541548A (zh) * 2018-11-22 2019-03-29 西安联丰迅声信息科技有限责任公司 一种基于匹配场的空气声呐定位方法
CN110807901A (zh) * 2019-11-08 2020-02-18 西安联丰迅声信息科技有限责任公司 一种非接触式工业异常声音检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梅铁民 路瑞茜: "一种音频分类算法", 《沈阳理工大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112660746A (zh) * 2020-12-07 2021-04-16 中国科学院重庆绿色智能技术研究院 基于大数据技术的托辊故障诊断方法、系统及存储介质
CN112660745A (zh) * 2020-12-07 2021-04-16 中国科学院重庆绿色智能技术研究院 托辊故障智能诊断方法、系统及可读存储介质
CN112660745B (zh) * 2020-12-07 2022-04-08 中国科学院重庆绿色智能技术研究院 托辊故障智能诊断方法、系统及可读存储介质
CN113023293A (zh) * 2021-02-08 2021-06-25 精锐视觉智能科技（深圳）有限公司 一种皮带机的巡检方法、装置、设备及系统
CN112908347A (zh) * 2021-02-25 2021-06-04 益阳市信维声学科技有限公司 一种杂音检测方法及终端
CN113108898A (zh) * 2021-05-08 2021-07-13 陕煤集团神木红柳林矿业有限公司 一种基于声振联合监测的堆煤保护方法
CN113108898B (zh) * 2021-05-08 2023-03-31 陕煤集团神木红柳林矿业有限公司 一种基于声振联合监测的堆煤保护方法
CN114184369A (zh) * 2021-12-14 2022-03-15 广东电网有限责任公司 一种安全带检测装置
CN114184369B (zh) * 2021-12-14 2023-06-27 广东电网有限责任公司 一种安全带检测装置

Also Published As

Publication number Publication date
CN111573197B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN111573197B (zh) 一种分布式皮带机异常声音检测方法
CN201179527Y (zh) 连轧机带钢振动纹监测预警装置
CN111289529B (zh) 一种基于ai智能分析的输送皮带撕裂检测系统及检测方法
CN106066254B (zh) 基于物联网的工厂故障实时检测与定位系统及方法
CN104418040A (zh) 一种煤矿胶带运输监控系统及方法
CN107942792A (zh) 一种多平台的生产流水线机械设备控制系统及方法
CN109850519B (zh) 一种基于声音定位的煤矿输送机异常检测装置及方法
CN110002186A (zh) 一种智能皮带远程值守系统
CN115857402A (zh) 一种煤矿输煤智能化控制系统
CA2159277A1 (en) Method and apparatus for detecting an eas marker using a neural network processing device
CN110406931A (zh) 一种基于机器视觉的带式输送机在线监测系统
CN109019349B (zh) 故障检测方法、检测器、计算机存储介质及起重机
JP2020183307A (ja) ベルトコンベア監視システム
CN202509138U (zh) 一种连续退火机组清洗段预防断带报警装置
CN116246661A (zh) 一种基于神经网络多特征融合的托辊异常识别方法
CN206095426U (zh) 一种变压器振动在线监测装置
CN114408455A (zh) 一种片料剥料控制系统
CN113108898B (zh) 一种基于声振联合监测的堆煤保护方法
CN106168580A (zh) 带材孔洞实时检测装置
CN201322975Y (zh) 连轧机工作辊表面损伤在线监测装置
CN205982117U (zh) 带材孔洞实时检测装置
CN203753861U (zh) 煤矿带式输送机保护控制装置
CN108438007A (zh) 缆车断绳保护系统及控制方法
CN210794760U (zh) 一种皮带机预警装置
CN107378640B (zh) 一种基于工业机器人的自动化生产线

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant