CN112499163A - 刮板输送机故障检测方法、存储介质及智能刮板输送机 - Google Patents

Abstract

本发明提供一种刮板输送机故障检测方法、存储介质及智能刮板输送机，其中的方法包括：根据刮板输送机工作现场的历史工作数据与故障数据对机器模型进行训练得到故障检测模型；获取刮板输送机工作现场的实时工作数据；将所述实时工作数据输入至所述故障检测模型以获取刮板输送机的故障检测结果。以上方案，通过对刮板输送机的历史时段的历史工作数据和故障数据进行人工智能学习得到故障检测模型，从而能够利用故障检测模型在刮板输送机正常工作时对刮板输送机的故障进行实时检测，能够即时发现刮板输送机所存在的故障，避免损失。

Description

刮板输送机故障检测方法、存储介质及智能刮板输送机

技术领域

本发明涉及矿用智能设备技术领域，具体涉及一种刮板输送机故障检测方法、存储介质及智能刮板输送机。

背景技术

因综采工作面环境恶劣复杂，突发情况众多，现有刮板输送机会因长期工作出现断链、断刮板等故障，不及时发现会对刮板输送机工作产生严重影响，需停工检修；同时由于开采下来煤块大小不一，会出现压煤的情况，出现运输事故，造成巨大经济损失。因而监测刮板输送机的状态极为重要。

目前仅能靠检修人员定期检查维护，并不能及时发现问题，难以避免故障发生，无法避免故障所带来的影响。

发明内容

有鉴于此，本发明提供一种刮板输送机故障检测方法、存储介质及智能刮板输送机，以解决现有技术中人员定期检查刮板输送机故障导致的无法及时发现故障的问题。

本发明提供一种刮板输送机故障检测方法，包括如下步骤：

根据刮板输送机工作现场的历史工作数据与故障数据对机器模型进行训练得到故障检测模型；

获取刮板输送机工作现场的实时工作数据；

将所述实时工作数据输入至所述故障检测模型以获取刮板输送机的故障检测结果。

可选地，上述的刮板输送机故障检测方法，所述历史工作数据包括同一时间点的历史实况图像和历史工作电流；

所述实时工作数据包括实时图像和实时工作电流。

可选地，上述的刮板输送机故障检测方法，所述故障数据包括故障状态和正常状态，所述故障状态下包括但不限于断刮板故障、断链故障和堆煤故障。

可选地，上述的刮板输送机故障检测方法，还包括如下步骤：

若所述故障检测结果表示刮板输送机故障，则发出报警提示信号。

可选地，上述的刮板输送机故障检测方法，还包括如下步骤：

若所述故障检测结果表示堆煤故障，则调整刮板输送机的皮带运行速度。

本发明还提供一种存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行以上任一项所述的刮板输送机故障检测方法。

本发明还提供一种智能刮板输送机，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行以上任一项所述的刮板输送机故障检测方法。

可选地，上述的智能刮板输送机，还包括：

工作数据获取模块，获取刮板输送机工作现场的工作数据并将所述工作数据发送至所述处理器；

故障上报模块，获取刮板输送机工作现场的故障数据并将所述故障数据发送至所述处理器；

所述处理器用于将同一时间点的工作数据和故障数据进行关联标定。

可选地，上述的智能刮板输送机，所述工作数据获取模块包括：

矿用隔爆摄像仪，设置于刮板输送机上，用于采集刮板输送机工作现场图像数据并将图像数据；

变频驱动器，设置于所述刮板输送机上，通过AD转换单元实时检测刮板输送机的耗电信息，根据所述耗电信息得到所述刮板输送机的功率，根据所述刮板输送机的功率和电压得到所述刮板输送机的工作电流；

所述工作数据获取模块将所述图像数据和所述工作电流作为工作数据发送至所述处理器。

可选地，上述的智能刮板输送机，还包括报警模块：

所述处理器在故障检测结果表示刮板输送机故障时，发出报警提示信号以控制所述报警模块动作；所述处理器还用于在故障检测结果表示堆煤故障时调整刮板输送机的皮带运行速度。

本发明提供的以上技术方案，与现有技术相比，至少具有如下有益效果：通过对刮板输送机的历史时段的历史工作数据和故障数据进行人工智能学习得到故障检测模型，从而能够利用故障检测模型在刮板输送机正常工作时对刮板输送机的故障进行实时检测，能够即时发现刮板输送机所存在的故障，避免损失。

附图说明

图1为本发明一个实施例所述刮板输送机故障检测方法的流程图；

图2为本发明另一个实施例所述刮板输送机故障检测方法的流程图；

图3为本发明一个实施例所述智能刮板输送机的结构示意图；

图4为本发明另一个实施例所述智能刮板输送机的结构示意图。

具体实施方式

下面将结合附图进一步说明本发明实施例。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或组件必需具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。

本发明提供一种刮板输送机故障检测方法，如图1所示，所述方法包括如下步骤：

S101：根据刮板输送机工作现场的历史工作数据与故障数据对机器模型进行训练得到故障检测模型。本步骤中的历史工作数据包括所述历史工作数据包括同一时间点的历史实况图像和历史工作电流。其中的所述故障数据包括故障状态和正常状态，所述故障状态下包括但不限于断刮板故障、断链故障和堆煤故障。

S102：获取刮板输送机工作现场的实时工作数据。本步骤中所述实时工作数据包括实时图像和实时工作电流。

S103：将所述实时工作数据输入至所述故障检测模型以获取刮板输送机的故障检测结果。

以上方案，基于人工智能方法对刮板输送机的故障进行实时监测，将解决综采现场难以及时发现刮板输送机各类故障情况的难题，减少综采工作面隐患事故，增加煤炭开采产量。

上述方案中，可以先通过矿用隔爆摄像仪采集现场刮板输送机实况图像，并经过引导滤波器清除图像的无用噪声，得到有效的图像数据信息；通过在刮板输送机上加装变频器，通过高精度AD实时采集刮板输送机耗电量信息，得到刮板输送机做功的有效数据信息，进而得到工作电流，通过采集大量现场实况包括刮板输送机断刮板、断链、堆煤等故障状态下的图像数据和电流数据以及刮板输送机正常运行下的图像数据和电流数据，进行视频和电流的数据标定以得到训练样本。以标定好的数据作为样本数据，通过人工智能算法进行模型训练，通过现场采集的视频、电流信号，调用人工智能模型进行刮板输送机状态的实时输出。整个过程均可以采用自动化算法来实现，整个过程是实时进行的，一旦刮板输送机出现故障可以即时发现，具有更高的检测效率，可以避免由于刮板输送机故障带来的损失。

其中，当摄像仪采集到现场实况图像之后，需要进行引导滤波器的滤波处理，引导滤波器的处理过程包括：

(1)图像光学成像模型

煤矿生产因为工作需要时刻进行喷水，形成的水雾会使光线前后向散射一般会导致拍摄的图像呈薄雾笼罩状且纹理细节模糊；光的衰减效应易降低图像的对比度，使得目标与背景的区分度偏低，影响视觉辨析；再加上光源光线强度分布不均匀，导致拍摄的图像局部区域过亮或过暗；将基于大量水雾存在的图像的成像视为从目标到摄像机之间的前向散射、后向散射、直接传输以及被吸收等4个部分的线性叠加，故摄像机获取的图像I(x)可表示为：

其中J(x)为真实场景下的图像，β_s为散射系数，β_a为吸收系数，d(x)为目标与摄像机间的距离，A为颜色变化的常量。

(2)图像清晰化算法

根据上述可知，预对摄像机拍摄的工作面图像进行复原，首先必须去除前后向散射光和煤炭粉尘的影响，然后依据衰退规律进行增强处理。由于图像的暗通道主要集中在图像的r通道，因此在计算图像的局部暗通道时仅须计算r通道的暗通道即可，定义局部暗通道：

J_dark(x)＝min_{c∈(r，g，b)}(min_y∈Ω(x)J_c(x))；

其中J_c(x)为像素x在图像颜色通道c上的图像区域，c∈(r，g，b)；Ω为图像的滑动窗口，选取7×7为例的窗口，通过计算r通道的最小值得到图案的散射景深图像

其中A_c是局部均匀背景，可通过局部颜色参数I_c(y)来计算：

A_c+max_x∈Imin_y∈Ω(x)I_c(y)；

对上式左右两边同时除以A_c，可得：

根据暗通道原则，右式第一项为0，进一步得到：

利用引导图像滤波器可求得图像的噪声分布，最终得到复原后的图像：

其中t₀取值为0，1F(I)_P；

类似于双边滤波器，假设I_p，G_p分别为原图像和参考图像在像素p的强度值，q为参考图像中对应的像素点，则引导滤波器为：

μ_k，

分别为参考图像在核窗口w_k的均值与方差，|w|为核窗口的大小，ε＝0.000001。

优选地，如图2所示，以上方案中的方法，还可以包括如下步骤：

S104：若所述故障检测结果表示刮板输送机故障，则发出报警提示信号。也即，人工智能模型根据刮板输送机的实时状态进行分析预测，对刮板输送机故障状态进行声光报警，及时通知检修人员进行维护。

进一步优选地，以上方案中还可以包括如下步骤：

S105：若所述故障检测结果表示堆煤故障，则调整刮板输送机的皮带运行速度。也即，本方案可以对于刮板输送机运煤量进行分析预测，及时进行刮板输送机调速，避免出现堆煤等情况。

本发明一些实施例中还提供一种存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行以上任一项方案所述的刮板输送机故障检测方法。

在本发明其他一些实施例中还提供一种智能刮板输送机，如图3所示，其包括至少一个处理器301和至少一个存储器302，至少一个所述存储器302中存储有程序指令，至少一个所述处理器301读取所述程序指令后执行以上任一项方案所述的刮板输送机故障检测方法。

进一步地，如图4所示，上述智能刮板输送机，还包括：

工作数据获取模块303，获取刮板输送机工作现场的工作数据并将所述工作数据发送至所述处理器301；故障上报模块304，获取刮板输送机工作现场的故障数据并将所述故障数据发送至所述处理器301；所述处理器301用于将同一时间点的工作数据和故障数据进行关联标定。其中的处理器301可以采用FPGA开发板实现和/或计算机来实现。上述的智能刮板输送机用于监测刮板输送机实时状态，及时进行预警和调速，将减少综采工作面隐患事故，增加煤炭开采产量。

优选地，上述工作数据获取模块303包括：

矿用隔爆摄像仪，设置于刮板输送机上，用于采集刮板输送机工作现场图像数据并将图像数据；可以在刮板输送机机头、机尾和采煤机上安装摄像仪。

变频驱动器，设置于所述刮板输送机上，通过AD转换单元实时检测刮板输送机的耗电信息，根据所述耗电信息得到所述刮板输送机的功率，根据所述刮板输送机的功率和电压得到所述刮板输送机的工作电流；也可以在供电电缆上加装电流信号感应装置采集电流信号。

所述工作数据获取模块303将所述图像数据和所述工作电流作为工作数据发送至所述处理器。

进一步地，以上智能刮板输送机还包括报警模块305，所述处理器301在故障检测结果表示刮板输送机故障时，发出报警提示信号以控制所述报警模块305动作，例如声光报警，从而使工作人员及时发现故障进行维修；所述处理器301还用于在故障检测结果表示堆煤故障时调整刮板输送机的皮带运行速度，从而避免堆煤的情况出现。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施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等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种刮板输送机故障检测方法，其特征在于，包括如下步骤：

根据刮板输送机工作现场的历史工作数据与故障数据对机器模型进行训练得到故障检测模型；

获取刮板输送机工作现场的实时工作数据；

将所述实时工作数据输入至所述故障检测模型以获取刮板输送机的故障检测结果。

2.根据权利要求1所述的刮板输送机故障检测方法，其特征在于：

所述历史工作数据包括同一时间点的历史实况图像和历史工作电流；

所述实时工作数据包括实时图像和实时工作电流。

3.根据权利要求2所述的刮板输送机故障检测方法，其特征在于：

所述故障数据包括故障状态和正常状态，所述故障状态下包括但不限于断刮板故障、断链故障和堆煤故障。

4.根据权利要求1-3任一项所述的刮板输送机故障检测方法，其特征在于，还包括如下步骤：

若所述故障检测结果表示刮板输送机故障，则发出报警提示信号。

5.根据权利要求4所述的刮板输送机故障检测方法，其特征在于，还包括如下步骤：

若所述故障检测结果表示堆煤故障，则调整刮板输送机的皮带运行速度。

6.一种存储介质，其特征在于，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行权利要求1-5任一项所述的刮板输送机故障检测方法。

7.一种智能刮板输送机，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行权利要求1-5任一项所述的刮板输送机故障检测方法。

8.根据权利要求7所述的智能刮板输送机，其特征在于，还包括：

工作数据获取模块，获取刮板输送机工作现场的工作数据并将所述工作数据发送至所述处理器；

故障上报模块，获取刮板输送机工作现场的故障数据并将所述故障数据发送至所述处理器；

所述处理器用于将同一时间点的工作数据和故障数据进行关联标定。

9.根据权利要求8所述的智能刮板输送机，其特征在于，所述工作数据获取模块包括：

矿用隔爆摄像仪，设置于刮板输送机上，用于采集刮板输送机工作现场图像数据并将图像数据；

变频驱动器，设置于所述刮板输送机上，通过AD转换单元实时检测刮板输送机的耗电信息，根据所述耗电信息得到所述刮板输送机的功率，根据所述刮板输送机的功率和电压得到所述刮板输送机的工作电流；

所述工作数据获取模块将所述图像数据和所述工作电流作为工作数据发送至所述处理器。

10.根据权利要求9所述的智能刮板输送机，其特征在于，还包括报警模块：

所述处理器在故障检测结果表示刮板输送机故障时，发出报警提示信号以控制所述报警模块动作；所述处理器还用于在故障检测结果表示堆煤故障时调整刮板输送机的皮带运行速度。

Images