CN112173636A - 一种巡检机器人对皮带机托辊故障的检测方法 - Google Patents

一种巡检机器人对皮带机托辊故障的检测方法 Download PDF

Info

Publication number
CN112173636A
CN112173636A CN202010830587.4A CN202010830587A CN112173636A CN 112173636 A CN112173636 A CN 112173636A CN 202010830587 A CN202010830587 A CN 202010830587A CN 112173636 A CN112173636 A CN 112173636A
Authority
CN
China
Prior art keywords
carrier roller
deformation
rack
weighting
belt conveyor
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
CN202010830587.4A
Other languages
English (en)
Other versions
CN112173636B (zh
Inventor
赵静毅
叶永彬
刘春阳
吕明远
徐文龙
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.)
Luoyang Shiju Intelligent Technology Co ltd
Original Assignee
Luoyang Shiju Intelligent 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 Luoyang Shiju Intelligent Technology Co ltd filed Critical Luoyang Shiju Intelligent Technology Co ltd
Priority to CN202010830587.4A priority Critical patent/CN112173636B/zh
Publication of CN112173636A publication Critical patent/CN112173636A/zh
Application granted granted Critical
Publication of CN112173636B publication Critical patent/CN112173636B/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

Landscapes

  • Control Of Conveyors (AREA)

Abstract

一种巡检机器人对皮带机托辊故障的检测方法，涉及一种带式皮带机托辊故障的检测方法，巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，根据机架部署，分析机架变形处对托辊受力影响的程度，依据机架整体变形量归一化的函数关系加权；巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理获取基于机架变形程度对托辊早期故障检测的加权序列，综合加权得出托辊异常信息融合判断值；本发明极大降低了皮带机现场巡视，提高了人工智能故障检测精确，优化检测资源的利用效率。

Description

一种巡检机器人对皮带机托辊故障的检测方法
技术领域
本发明涉及一种带式皮带机托辊故障的检测方法，尤其是涉及一种巡检机器人基于皮带机机架变形和托辊异响信息融合的托辊早期故障检测方法。
背景技术
公知的，巡检机器人利用多传感器采集数据和人工智能检测算法，预期实现对巡检目标状态的实时检测，及时反馈巡检发现的各类故障，协助或取代人类进行巡检的工作任务。散料带式皮带机适用长距离输送，带式皮带机一般可长达数公里甚至数十公里，广泛应用于港口、电力、矿山、钢铁、水泥、化工等行业，所以其巡检保障的工作量尤为繁重。带式皮带机运维巡检为了能够及时有效地发现皮带机运行时发生的安全隐患与故障，需要大量皮带机巡检人员进行不间断巡检，以便能及时上报，并进行检修；但由于巡检人员的能力参差不齐，人员管理偶有疏忽，问题依然不能避免。除此之外，无法对皮带机进行实时监控，一旦发生故障问题，会造成相关不必要的损失，并增加了巡检运维人员的劳动强度。因而，急需一款可以对皮带机自行巡检的机器人来代替人工巡检，需要一种高效的故障检测方法来实现智能检测。
据现有的故障数据统计，目前带式皮带机的托辊故障主要诊断来源于对托辊异响或温度的判断，一般托辊异响是一个渐变过程；而皮带机的机架变形比较稳定，一般随皮带机运行时间缓慢渐变；根据物理模型，不同程度的机架变形直接影响到托辊和皮带之间接触的作用力的大小；根据现有数据统计显示：机架变形和托辊异响在空域两者显著相关；为充分利用数据，有效提高对托辊的早期故障诊断效率，本发明提出一种基于带式皮带机的机架变形和托辊故障信息融合的托辊早期故障检测方法。
发明内容
为了克服背景技术中的不足，本发明公开了一种巡检机器人对皮带机托辊故障的检测方法。
为了实现所述发明目的，本发明采用如下技术方案：
一种巡检机器人对皮带机托辊故障的检测方法，包括如下步骤：
(1)、巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，通过图像坐标转换成实际的变形程度量序列，Jl(l＝1，2，3…，N)；l 表示此时托辊位置序号；
根据机架部署，分析机架变形处对托辊受力影响的程度，机架无变形处的影响为0，机架变形量为Jmk处导致托辊受力等于正常的3倍，机架变形严重程度归一化0.9，依据机架整体变形量归一化的函数关系加权，加权序列函数为
Figure BDA0002637812110000021
(2)、巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理表示声音的故障程度；
(3)、托辊早期故障与机架变形加权系数设为0.37，获取基于机架变形程度对托辊早期故障的加权序列0.37K1，l，中间按规定的测试加权系数函数对应设立；
(4)、提取相应的托辊声音异响特征序列，理想的正常托辊特征归一化为0，各特征指标达到或超过托辊故障界限归一化为1，取相应的托辊声音异响特征距离托辊故障界限线性最大值(取1范数)为特征序列归一化值，获得异响特征序列K2，l，加权系数重为0.63，得到异响特征加权托辊早期故障序列0.63K2，l；
(5)、综合加权得出托辊异常信息融合判断值Kl＝0.37K1，l+0.63K2，l； Kl小于0.5位正常，Kl大于等于0.5异响显著并报警；大于等于0.60显著异响，报警通知工作人员及时重点关注，数据导入托辊异响知识库，显示于人机界面。
由于采用了上述技术方案，本发明具有如下有益效果：
本发明所述的巡检机器人对皮带机托辊故障的检测方法，通过对托辊声音的时间序列采集、时频域分析，从拾音器获取托辊声音数据；通过上期或目前视频采集的机架变形图像的人工智能识别，获取在对应的时空域机架处的变形程度数据；将所提取的声音数据和机架变形程度输入人工智能模式识别器，进行数据融合；信息融合优化故障诊断决策，并显示于人机界面；本发明极大降低了皮带机现场巡视，提高了人工智能故障检测精确，优化检测资源的利用效率。
附图说明
图1是本发明检测方法的流程图；
具体实施方式
通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进。
结合附图1所述的巡检机器人对皮带机托辊故障的检测方法，包括如下步骤：
(1)、巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，通过图像坐标转换成实际的变形程度量序列，Jl(l＝1，2，3…，N)；l 表示此时托辊位置序号；
根据机架部署，分析机架变形处对托辊受力影响的程度，机架无变形处的影响为0，机架变形量为Jmk处导致托辊受力等于正常的3倍，机架变形严重程度归一化0.9，依据机架整体变形量归一化的函数关系加权，加权序列函数为
Figure BDA0002637812110000041
(2)、巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理表示声音的故障程度；
(3)、机架变形加权系数设为0.37，获取基于机架变形程度对托辊早期故障检测的加权序列0.37K1，l，中间按规定的测试加权系数函数对应设立；
(4)、提取相应的托辊声音异响特征序列，理想的正常托辊特征归一化为0，各特征指标达到或超过托辊故障界限归一化为1，取相应的托辊声音异响特征距离托辊故障界限线性最大值(取1范数)为特征序列归一化值，获得异响特征序列K2，l，加权系数重为0.63，得到异响特征加权序列 0.63K2，l；
(5)、综合加权得出托辊异常信息融合判断值Kl＝0.37K1，l+0.63K2，l； Kl小于0.5位正常，Kl大于等于0.5异响显著并报警；大于等于0.60显著异响，报警通知工作人员及时重点关注，数据导入托辊异响知识库，显示于人机界面。
实施例1-10
从多个托辊中，任意选取81-90号托辊，作为检测对象，托辊异响判断值如下表所示：
Figure BDA0002637812110000051
本发明未详述部分为现有技术。
为了公开本发明的发明目的而在本文中选用的实施例，当前认为是适宜的，但是，应了解的是，本发明旨在包括一切属于本构思和发明范围内的实施例的所有变化和改进。

Claims (1)

1.一种巡检机器人对皮带机托辊故障的检测方法，其特征是：包括如下步骤：
(1)、巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，通过图像坐标转换成实际的变形程度量序列，Jl(l＝1，2，3…，N)；l表示此时托辊位置序号；
根据机架部署，分析机架变形处对托辊受力影响的程度，机架无变形处的影响为0，机架变形量为Jmk处导致托辊受力等于正常的3倍，机架变形严重程度归一化0.9，依据机架整体变形量归一化的函数关系加权，加权序列函数为
Figure FDA0002637812100000011
(2)、巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理表示声音的故障程度；
(3)、托辊早期故障与机架变形加权系数设为0.37，获取基于机架变形程度对托辊早期故障的加权序列0.37K1，l，中间按规定的测试加权系数函数对应设立；
(4)、提取相应的托辊声音异响特征序列，理想的正常托辊特征归一化为0，各特征指标达到或超过托辊故障界限归一化为1，取相应的托辊声音异响特征距离托辊故障界限线性最大值(取1范数)为特征序列归一化值，获得异响特征序列K2，l，加权系数重为0.63，得到异响特征加权托辊早期故障序列0.63K2，l；
(5)、综合加权得出托辊异常信息融合判断值Kl＝0.37K1，l+0.63K2，l；Kl小于0.5位正常，Kl大于等于0.5异响显著并报警；大于等于0.60显著异响，报警通知工作人员及时重点关注，数据导入托辊异响知识库，显示于人机界面。
CN202010830587.4A 2020-08-18 2020-08-18 一种巡检机器人对皮带机托辊故障的检测方法 Active CN112173636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010830587.4A CN112173636B (zh) 2020-08-18 2020-08-18 一种巡检机器人对皮带机托辊故障的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010830587.4A CN112173636B (zh) 2020-08-18 2020-08-18 一种巡检机器人对皮带机托辊故障的检测方法

Publications (2)

Publication Number Publication Date
CN112173636A true CN112173636A (zh) 2021-01-05
CN112173636B CN112173636B (zh) 2021-11-30

Family

ID=73919426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010830587.4A Active CN112173636B (zh) 2020-08-18 2020-08-18 一种巡检机器人对皮带机托辊故障的检测方法

Country Status (1)

Country Link
CN (1) CN112173636B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115285621A (zh) * 2022-09-28 2022-11-04 常州海图信息科技股份有限公司 基于人工智能的皮带托辊故障监测系统
CN116343359A (zh) * 2023-02-16 2023-06-27 唐山三友化工股份有限公司 一种工业生产异常行为态势检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103795976A (zh) * 2013-12-30 2014-05-14 北京正安融翰技术有限公司 一种全时空立体可视化方法
WO2015042661A2 (en) * 2013-09-24 2015-04-02 Vayeron Pty Ltd An idler, a method for monitoring a plurality of idlers, and a conveyor system
CN205204106U (zh) * 2015-11-30 2016-05-04 华电重工股份有限公司 带式输送机托辊运行噪声监测与损坏预估系统
CN107512550A (zh) * 2017-09-27 2017-12-26 武汉摩林翰机电设备有限公司 一种带式输送机的输送带损害监测装置及方法
CN108247634A (zh) * 2018-01-15 2018-07-06 安徽对称轴智能安全科技有限公司 一种自主导航定位的综合管廊三维巡检机器人
CN110589405A (zh) * 2019-09-23 2019-12-20 北京华方智汇科技有限公司 用于带式输送机巡检机器人的托辊异常检测系统及方法
CN110866897A (zh) * 2019-10-30 2020-03-06 上海联影智能医疗科技有限公司 一种图像检测方法及计算机可读存储介质
CN111217108A (zh) * 2020-04-17 2020-06-02 湖南中矿金禾机器人研究院有限公司 一种用于极端环境皮带输送机的单轨巡检机器人系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015042661A2 (en) * 2013-09-24 2015-04-02 Vayeron Pty Ltd An idler, a method for monitoring a plurality of idlers, and a conveyor system
CN103795976A (zh) * 2013-12-30 2014-05-14 北京正安融翰技术有限公司 一种全时空立体可视化方法
CN205204106U (zh) * 2015-11-30 2016-05-04 华电重工股份有限公司 带式输送机托辊运行噪声监测与损坏预估系统
CN107512550A (zh) * 2017-09-27 2017-12-26 武汉摩林翰机电设备有限公司 一种带式输送机的输送带损害监测装置及方法
CN108247634A (zh) * 2018-01-15 2018-07-06 安徽对称轴智能安全科技有限公司 一种自主导航定位的综合管廊三维巡检机器人
CN110589405A (zh) * 2019-09-23 2019-12-20 北京华方智汇科技有限公司 用于带式输送机巡检机器人的托辊异常检测系统及方法
CN110866897A (zh) * 2019-10-30 2020-03-06 上海联影智能医疗科技有限公司 一种图像检测方法及计算机可读存储介质
CN111217108A (zh) * 2020-04-17 2020-06-02 湖南中矿金禾机器人研究院有限公司 一种用于极端环境皮带输送机的单轨巡检机器人系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张涛等: "带式输送机故障巡检机器人系统设计", 《工矿自动化》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115285621A (zh) * 2022-09-28 2022-11-04 常州海图信息科技股份有限公司 基于人工智能的皮带托辊故障监测系统
CN116343359A (zh) * 2023-02-16 2023-06-27 唐山三友化工股份有限公司 一种工业生产异常行为态势检测方法及系统
CN116343359B (zh) * 2023-02-16 2023-10-31 唐山三友化工股份有限公司 一种工业生产异常行为态势检测方法及系统

Also Published As

Publication number Publication date
CN112173636B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN112173636B (zh) 一种巡检机器人对皮带机托辊故障的检测方法
CN112660745B (zh) 托辊故障智能诊断方法、系统及可读存储介质
CN110366031A (zh) 一种数字化车间mes系统基于视觉的异常状态监测与故障诊断方法
CN110405537B (zh) 一种基于深度学习的导轨精度预测模型的建立方法
CN111965246A (zh) 一种基于多信息融合的刮板机故障检测方法及其检测系统
CN107844067B (zh) 一种水电站闸门在线状态监测控制方法及监测系统
CN117250576B (zh) 一种基于多维传感数据的电流传感器实时异常检测方法
CN112462734A (zh) 一种工业生产设备故障预测分析方法及模型
CN210829975U (zh) 一种基于边缘计算和机器学习的液压系统状态监测系统
CN117078227A (zh) 一种基于标识解析的环境监测运维平台
CN115220396A (zh) 一种数控机床智能监控方法及系统
CN111754737A (zh) 一种计量装置安装验收在线识别评价装置及评价方法
CN109285331B (zh) 一种基于数据分析和温度预测的电力电缆温度预警系统
CN207992717U (zh) 一种水电站闸门在线状态监测系统
CN110456732B (zh) 一种带有学习功能的冲床故障监测系统
CN113128555A (zh) 一种用于列车闸片部件异常检测的方法
CN117113104A (zh) 一种应用数据分析技术的智能化管理系统及方法
CN117435908A (zh) 一种用于旋转机械的多种故障特征提取方法
CN111310723A (zh) 基于深度学习技术的变电站人员穿戴规范分析方法
CN112660746A (zh) 基于大数据技术的托辊故障诊断方法、系统及存储介质
CN109828146B (zh) 一种通过设备电参数ad采样判断设备工况的方法
CN112418604A (zh) 一种大型行车车轮智能监测方法
CN111986469A (zh) 一种现场终端故障智能化诊断的方法
CN117932322B (zh) 一种面粉设备故障诊断方法及系统
Banf et al. Who supervises the supervisor? Model monitoring in production using deep feature embeddings with applications to workpiece inspection

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