CN112722757B - 基于音频的传送带预警装置及其预警方法 - Google Patents
基于音频的传送带预警装置及其预警方法 Download PDFInfo
- Publication number
- CN112722757B CN112722757B CN202011504958.6A CN202011504958A CN112722757B CN 112722757 B CN112722757 B CN 112722757B CN 202011504958 A CN202011504958 A CN 202011504958A CN 112722757 B CN112722757 B CN 112722757B
- Authority
- CN
- China
- Prior art keywords
- conveyor belt
- audio
- frequency
- time
- spectrum
- 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.)
- Active
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
一种基于音频的传送带预警装置,包括至少1个音频采集器、1个时序分配器和1个计算机系统,音频采集器固定在被测传送带的机架上,通过线缆与时序分配器连接并送入计算机系统的声卡,时序分配器实现计算机的单个音频通道对多个采集位置的音频采集器的分时采集,由计算机系统分声卡通道处理并保存所采集的音频数据,再进行分析和比较,获取传送带的故障特征频率,然后判断后续采集的传送带运行声音频谱是否出现在普适故障分类和故障特征频率中。本发明通过对运行的传送带进行音频数据预采集、提取特征频谱并在使用中放大异常特征频谱,从而获得传送带运行工况变化,对有破坏趋势的传送带提前预警,防止故障进一步扩大,保证了系统工作的稳定性,能够预估传送带寿命。
Description
技术领域
本发明涉及一种传送带的连续检测、显示和预警的智能化装置,具体涉及一种基于音频的传送带预警装置及其预警方法。
背景技术
传送带是生产流水线环节使用得最广泛的装置之一,比如平皮带、三角带、同步带等。设备在使用过程中,因为传送带材料的疲劳破坏、胶合、磨损以及划伤、碰撞等原因,导致传送带出现故障直至断带,引起生产线上的产品质量下降、不能正常生产,严重的甚至会威胁到人的生命。传送带除了因为大负载引起断裂外,大多数的破坏过程是缓慢失效过程。
传送带因突然出现的大负载引起的断带,目前有较多方法进行检测,在生产中,传送带的疲劳、磨损等原因失效引起的断带占多数。不同种类的传送带在发生故障时,通常会产生该类型固有的特定频率的异常。为了监测传送带的运行,目前有采用图像识别、传送带上预埋线圈检查磁变化、检查带张力、检测振动等方法,以获取传送带的工况改变。这些检测方法具有一定的作用,但是对工况的稳定性要求很高,而且实施困难,相关传感器价格昂贵,不利于大范围推广,现有技术手段难以完成传送带断带预警。
众所周知,传送带在运行过程中,由于传送带与传动轮之间的摩擦或传送带自己的挤压,将导致特定的振动和噪声的发生,采集并识别出这些异常噪声,就可以获得传送带的运行状况,从而对传送带工况进行预警。
发明内容
为了解决上述现有技术存在的技术问题,本发明提供一种基于音频的传送带预警装置及其预警方法,通过实时获得传送带运行工况变化,对有破坏趋势的传送带提前预警,以防止故障进一步扩大,并保证系统工作的稳定性。
本发明解决上述技术问题的技术方案如下:
本发明的第一方面,提供一种基于音频的传送带预警装置,其包括至少1个音频采集器、1个时序分配器和1个计算机系统;其中,所述音频采集器固定安装在被测传送带的机架上,用于采集传送带的音频数据;所述计算机系统包括进行音频数字化输入和存储的声卡、音频频谱数据处理程序和数据库,用于对采集的音频数据进行存储、分类、汇总、降噪及故障预警判断;所述音频采集器通过线缆与所述时序分配器连接,所述时序分配器分左右通道与所述计算机系统的声卡连接,所述时序分配器实现计算机系统的单个音频通道对多个采集位置的音频采集器的分时采集,并由计算机系统分声卡通道处理且在数据库中保存所采集的音频数据,再进行分析和比较,实现对传送带的损坏进行判断和预警。
进一步地,所述音频采集器包括音频采集头和采集头支架,所述音频采集头通过软接触元件固定在所述采集头支架内。
进一步地,所述音频采集器通过螺栓联接或粘接在被测传送带的机架上。
进一步地,所述音频采集头的截面是圆形或方形形状,以产生特定频率并抑制正常的噪音频。
进一步地,所述预警装置还在传送带上设有振动传感器和/或张力传感器,用于检测传送带的振动和/或张力。
进一步地,所述音频频谱数据处理程序包括:预采集传送带正常运行音频并形成频谱,将后续采集的音频以预采集频谱进行降噪处理,将降噪后的音频输出为包括频率和能量值的中间文件。
本发明的第二方面,提供一种利用上述基于音频的传送带预警装置进行传送带预警的预警方法,该预警方法包括以下步骤:
(1)利用音频采集器采集至少一个传送带完整寿命周期的传送带正常运行音频数据;
(2)对采集的所述传送带正常运行音频数据按时间划片,初步标记声音信号;再采用卷积神经算法,对采集的所述传送带正常运行音频数据通过深度学习,获取普适故障分类;
(3)将最早采集的传送带正常运行声音作为噪音,并形成噪声谱;对后续采集的传送带运行声音以所述噪声谱进行降噪处理,按时间获取降噪后的传送带运行频谱并保存,该降噪后的传送带运行频谱被输出为包括频率和能量值的中间文件,对所保存的传送带运行频谱按时间、单个频率统计每个频率的能量变化值,获取故障特征频率,其中能量变化值大的频率即为传送带的故障特征频率;
(4)判断后续采集的传送带运行声音的频谱是否出现在所述普适故障分类和所述故障特征频率中,从而进行传送带寿命预估。
进一步地,所述音频采集器包括音频采集头和采集头支架,该音频采集头根据获取到的传送带故障特征频率制造,用于物理放大故障特征频率的能量值。
进一步地,所述中间文件按时间序列排序,对每个频率按时间先后组成包含时间和能量值的数组,考察数组中的能量值按时间的变化及变化趋势,能量值随时间变化大的识别为异常信号,所获得的异常信号频率及其泛音频即为传送带的故障特征频率。
进一步地,所述降噪处理是,将预采集的音频作为基础噪音,对运行中采集到的传送带音频以方差或均方差最小为准则进行抵消,输出降噪后的频率-能量频谱,按频率以时间为序,计算能量值方差和移动平均值,方差小且能量值上升大的频率即为故障特征频率。
进一步地,在多个采集位置设置音频采集器,通过音频信道8路切换实现分时多位采集。
本发明的有益技术效果是:
本发明的基于音频的传送带预警装置及其预警方法,基于高精度声波检测,通过对传送带特定工况进行声波初步采集、提取特征频谱,使用中放大故障特征频谱,从而获得传送带运行的实时工况变化,对有破坏趋势的传送带提前预警,防止故障进一步扩大,获取传送带的寿命状况,保证系统工作的稳定性。特殊结构设计的音频采集头可以放大异常音频,提高识别准确率和预警精度。而且,采用音频采集对传送带输送系统的工作无任何干扰,监测软件可以使传送带的寿命预警可视化,整个预警装置结构简单,相应的预警方法实施方便快捷。
因此,本发明解决了现有检测和预警方法所存在的弊端,适用于各种传送带等的预警。
附图说明
图1为本发明基于音频的传送带预警装置的原理示意图;
图2为本发明基于音频的传送带预警装置的音频采集器的结构示意图;
图3为本发明基于音频的传送带预警方法中的特征频率及其倍频(泛音频)的能量值变化图。
图中:1-音频采集头 2-采集头支架 3-软接触元件
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步详细的描述和说明。
如图1所示,本发明的基于音频的传送带预警装置包括至少1个音频采集器、1个时序分配器和1个计算机系统。其中,音频采集器固定安装在被测传送带的机架上,用于采集传送带的音频信号。计算机系统包括进行数字化输入和存储的声卡、音频频谱数据处理程序和数据库,计算机系统还可以连接至网络。音频采集器均通过线缆与时序分配器连接。时序分配器分左右通道与计算机系统的声卡连接,由计算机系统对所采集的传送带音频信号分声卡通道处理并保存在数据库中。
由于预警过程中不需要连续采集声音信号,因此通过利用时序分配器,一个声卡就可以同时监测多根传送带的运行状况,进一步降低了监测预警成本。批量生产的声卡精度高且价格低,便于普遍推广。
本发明通过音频信道8路切换实现分时多位采集。其中,印制板主控芯片采用STM32F103C8T6作为处理器,负责对8路音频信号进行切换,采用音频通道切换芯片切换通道,通过串口与上位机进行通信,上位机通过串口可以控制音频信号切换的速度和当前切换的通道号,再通过MAX3232主机可通过USB转RS-232串口线与STM32进行通信,实现了上位机定时切换音频通道和通信纠错。另外,还可以增加ESP8266WIFI通信模块,以将该数据信息传送至其他计算机。
时序分配器完成了计算机的单个音频通道对多个采集位置的音频采集器的分时采集,然后计算机系统对所采集到的音频再进行分析、比较。
如图2所示,音频采集器包括音频采集头1和采集头支架2。音频采集头1通过采集头支架2被固定安装在被测传送带的机架上,具体是,音频采集器通过螺栓固定或粘接在被采集的传送带的机架上。
如图2所示,音频采集头1的截面可以是圆形或者方形等规则的简单形状。本发明的音频采集头采用简单的规则截面,一方面是为了简化计算,另一方面便于控制,使得音频采集头产生特定频率,还可以抑制正常的噪音频。因为,传送带运行时引起强制振动,当强制振动的频率与物体固有频率接近时容易发生共振,共振频率段有一个范围;通过共振可以放大特定频率段的声波能量,本发明则可以物理放大传送带故障特征频率的能量值,而且通过共振还可以捕捉到微弱的故障频率变化,相对就弱化了传送带正常工作时的噪音频的能量值,起到抑制正常噪音频的作用,因而减小了误判和数据离散问题,从而达到提高采集精度的目的。
如图2所示,音频采集头1通过软接触元件3安装在采集头支架2内,而且音频采集头1在采集头支架2内是悬置的。采集头支架2为筒状,其横截面与音频采集头1的规则截面相适配,也为圆形或方形等规则的简单形状。筒状采集头支架2的上端面设有法兰盘,方便将音频采集器安装在被测传送带的机架上。为了避免音频采集器的损坏,软接触元件3采用泡沫或海绵等软质弹性物。这里,音频采集头的受约束状态的固有频率,是根据获取到的传送带故障特征频率来制造的,可以物理放大故障特征频率的能量值。
下面介绍利用本发明的基于音频的传送带预警装置进行传送带预警的方法,该预警方法包括以下步骤:
(1)利用音频采集器采集至少一个传送带的完整寿命周期的传送带正常运行音频数据。
音频数据由计算机系统的声卡进行模拟音频数字化,采集文件包括采集时间、采样率和采样深度。本实施例采用的是22,050Hz的频率和16位深度(动态范围96dB),采用快速傅里叶变换后,所述频谱包括频率和能量值的特征参数。
(2)对采集的所述传送带正常运行音频数据按时间划片,初步标记声音信号;再采用卷积神经算法,对采集的所述传送带正常运行音频数据通过深度学习,获取普适故障分类;
(3)将最早采集的传送带正常运行声音作为噪音,并形成噪声谱;对后续采集的传送带运行声音以所述噪声谱进行降噪处理,按时间获取降噪后的传送带运行频谱并保存,该降噪后的传送带运行频谱被输出为包括频率和能量值的中间文件,对所保存的传送带运行频谱按时间、单个频率统计每个频率的能量变化值,获取故障特征频率,其中能量变化值大的频率即为传送带的故障特征频率。
(4)判断后续采集的传送带运行声音的频谱是否出现在所述普适故障分类和所述故障特征频率中,从而对有破坏趋势的传送带提前预警,并进行传送带寿命预估。
本发明所述音频频谱数据处理程序包括:预采集传送带正常运行音频数据并形成预采集频谱,将后续采集的音频以预采集频谱进行降噪处理,将降噪后的音频输出为包括频率和能量值的中间文件。所述中间文件按时间序列排序,对每个频率按时间先后组成包含时间和能量值的数组,考察数组中的能量值按时间的变化及变化趋势,能量值随时间变化大的识别为异常信号,所获得的异常信号频率及其泛音频即为传送带故障特征频率。
传送带运行时如果有故障出现,将会有特定的声音出现。本发明通过机器分类学习和能量值变化统计结果,可以识别出传送带初期故障及其发展,从而实现传送带等的预警。
下面将对本发明的具体实现过程进行更加详尽的分析和说明。
由不同因素的振动引起的噪音其音频的频谱是不同的,从分类角度看,可以认为音频的组成分类相似或相同。当传送带工况有变化时,将产生不同的噪音。
20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时,发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出了卷积神经网络(Convolutional Neural Networks,简称CNN)。卷积神经网络的工作过程包括:卷积运算、池化运算、全连接运算、识别运算。卷积神经网络算法是一种能够有效对数据进行分类的神经网络算法,它的特点是简单、高效。
本发明的基于音频的传送带预警方法,需要一个完整的传送带寿命周期的音频数据,才能实现故障分类识别。本发明在实施时,对已采集的音频按时间段分类标记,根据检修需求,具体分类方法是断裂前8小时、24小时和24小时以上,标签设为0、1、2来代表皮带的损坏程度,通过机器学习分类,来初步标记包含有故障的音频。采用傅里叶变换将音频转换为包含了频率和能量值的频谱,将频谱输入到二维卷积神经网络后,输出音频的分类向量,分类向量值代表该样本属于每一类别的概率。通过实验验证,该方法识别精度约65%。本实施例中的预测采用的是轮询方式,因此故障出现时可能在前一时刻没有识别到,多次轮询后将不断提高实际的识别精度。这里,也可以使用小波变换为包含频率、能量值、时间等的数组,进行更多维度的卷积分类。
实际上,传送带由于制造和安装方式等的不同,同类传送带的故障特征频率是有不同的,因此所获得的分类数据用在同类其它传送带的识别精度会有所下降。从传送带的破坏形式上看,除因偶发超负荷断裂之外,大多数则是逐步破坏的,因此其破坏的特征频率依然在一定的范围内,通过卷积神经网络算法所获得的分类可以作为该类传送带的普适故障预判依据。
对于没有完整寿命周期音频数据的传送带,将采集的音频经傅里叶变换后得到包含了频率和能量的频谱(频率-能量频谱),每轮询采集一次作为一个时间点,按照频率,统计在时间变化时该频率的能量值变化。为了减小随机变化对结果的影响,本实例中采用了5点移动平均值变化来查找趋势变化,当某频率的能量值随时间而增加时,将该频率标记为故障特征频率,可以作为初步故障识别。
关于本发明的降噪处理方法:
众所周知,噪声是由多种简单的波形相加而来的,所有的声音都由一定的频谱组成,如果可以找到一种声音,其频谱与所要消除的噪声完全一样,只是相位刚好相反(相差180°),就可以将该噪声完全抵消掉。针对传送带的故障噪音,本发明的实施例采用了自适应频谱抵消方法来实现降噪,就是将预采集的音频作为基础噪音,对运行中采集到的传送带音频以方差或均方差最小为准则进行抵消,从而获得较为明确的传送带故障频谱,大幅减小数据量和随机噪音的影响,还可以将出现的故障频率的倍频(泛音)归类为同频,进一步减小计算量,提高预测的即时性,具体做法是:将传送带正常运行时采集的音频频谱视为噪音谱,对后续采集的音频以该噪音谱进行降噪处理,输出降噪后的频率-能量频谱,按频率以时间为序,计算能量值方差和移动平均值,方差小且能量值上升大的频率即为故障特征频率。
为了进一步提高识别精度,将经卷积神经网络算法所获得的分类与按频率统计的移动平均能量变化集成为判据,经过实验验证,按预警时间划分的识别率超过95%。
由于传送带工作时背景噪音大,随机噪音频率也多,往往会弱化故障频率的能量。本发明针对特定类型的传送带,根据特定故障频率共振,物理放大了特征故障频率,因而提高了传送带故障预测的准确性。
本发明的实施例对采集后经降噪获得的频谱数据的处理结果如下表1所示:
表1按时间为序的能量值5点移动平均值变化表(节选)
表1中,freq为频率,mean_div0~mean_div3分别为当前采集时间各频率的能量值与前推连续4个采集时间点的同频率能量值的代数平均值(即5点移动平均值),按mean_div1-mean_div0、mean_div2-mean_div1……差值进行排序,表中mean_div0~mean_div3表示的是时间先后顺序,mean_div0时间点在前。表1中只是抽取了部分数据,且只保留了能量移动平均值差值变化较大的部分,重新按频率排序获得的。
图3为根据上述表1所形成的故障特征频率及其倍频(泛音频)的能量值变化图。从图3中可以看到,本实施例中,传送带断裂前5天,故障特征频率及其倍频(泛音频)的能量值就有变化,表1中部分频率在断裂前2天内都没有出现在继续采集的能量变化表上,可能引起这个频率产生的局部构造已经断裂。这间接地说明了传送带从发生异常到断裂是可以预警的。
需要说明的是,表1和图3仅供说明本发明其中一个实施例的情况,可以根据需要选取。数据太多,只能选其中一段,具体是5点移动平均值还是其它数量的移动平均值更加有效,目前在继续研究和实验中。
本发明中,判断后续采集的传送带运行声音的频谱是否出现在普适故障分类和故障特征频率中,从而进行传送带寿命预估。本实施例的技术方案已经进行实验实施,从传送带工作的流水线现场使用效果来看,用本方法的第(2)步,即通过卷积神经算法分类深度学习后,按预警时间划分,其识别精度约为65%,加上故障特征频率识别后,按预警时间划分的识别准确率已经超过95%,按故障产生的识别率则达到98%以上。因此,具有很大的推广价值,为实现网络监控、智能化生产提供了设备运行健康监测方法,同时大幅减少了车间巡查员,为生产厂节约了大量人力和资金。
另外,对于特定传送带,本发明还可以在传送带上增设振动传感器和/或张力传感器,用于检测传送带的振动和/或张力,以进一步提高传送带的预警和判断精度。
虽然已经对本发明的优选实施例进行了详细的描述和说明,但是本发明并不局限于此。应当知道,本领域的技术人员可以在不背离本发明的精神和原理的条件下进行多种修改和变化,而不脱离其由权利要求书所限定的本发明的保护范围。
Claims (10)
1.一种基于音频的传送带预警装置,包括至少1个音频采集器、1个时序分配器和1个计算机系统;其特征在于:所述音频采集器固定安装在被测传送带的机架上,用于采集传送带的音频数据;所述计算机系统包括进行音频数字化输入和存储的声卡、音频频谱数据处理程序和数据库;所述音频采集器通过线缆与所述时序分配器连接,所述时序分配器分左右通道与所述计算机系统的声卡连接,所述时序分配器实现计算机系统的单个音频通道对多个采集位置的音频采集器的分时多位采集,并由计算机系统分声卡通道处理且将所采集的音频数据保存在数据库中,再进行分析和比较,实现对传送带损坏的判断和预警;其中,
所述音频采集器采集至少一个传送带完整寿命周期的传送带正常运行音频数据;
所述计算机系统对所述传送带正常运行音频数据按时间划片,初步标记声音信号,再采用卷积神经网络算法,对所述传送带正常运行音频数据通过深度学习,获取普适故障分类;
所述计算机系统将最早采集的传送带正常运行声音作为噪音,并形成噪声谱;对后续采集的传送带运行声音以所述噪声谱进行降噪处理,按时间获取降噪后的传送带运行频谱并保存,该降噪后的传送带运行频谱被输出为包括频率和能量值的中间文件,对所保存的传送带运行频谱按时间、单个频率统计每个频率的能量变化值,获取故障特征频率,其中能量变化值大的频率即为传送带的故障特征频率;
所述计算机系统判断后续采集的传送带运行声音的频谱是否出现在所述普适故障分类和所述故障特征频率中,从而进行传送带寿命预估。
2.根据权利要求1所述的基于音频的传送带预警装置,其特征在于:所述音频采集器包括音频采集头和采集头支架,所述音频采集头通过软接触元件固定在所述采集头支架内。
3.根据权利要求2所述的基于音频的传送带预警装置,其特征在于:所述音频采集器通过螺栓联接或粘接在被测传送带的机架上。
4.根据权利要求3所述的基于音频的传送带预警装置,其特征在于:所述音频采集头的截面是圆形或方形形状,用以产生特定频率并抑制正常的噪音频。
5.根据权利要求1-4任一项所述的基于音频的传送带预警装置,其特征在于:所述预警装置还在传送带上设有振动传感器和/或张力传感器,用于检测传送带的振动和/或张力。
6.一种利用权利要求1-5任一项所述的基于音频的传送带预警装置进行传送带预警的预警方法,该预警方法包括以下步骤:
(1)利用音频采集器采集至少一个传送带完整寿命周期的传送带正常运行音频数据;
(2)对采集的所述传送带正常运行音频数据按时间划片,初步标记声音信号;再采用卷积神经算法,对采集的所述传送带正常运行音频数据通过深度学习,获取普适故障分类;
(3)将最早采集的传送带正常运行声音作为噪音,并形成噪声谱;对后续采集的传送带运行声音以所述噪声谱进行降噪处理,按时间获取降噪后的传送带运行频谱并保存,该降噪后的传送带运行频谱被输出为包括频率和能量值的中间文件,对所保存的传送带运行频谱按时间、单个频率统计每个频率的能量变化值,获取故障特征频率,其中能量变化值大的频率即为传送带的故障特征频率;
(4)判断后续采集的传送带运行声音的频谱是否出现在所述普适故障分类和所述故障特征频率中,从而进行传送带寿命预估。
7.根据权利要求6所述的预警方法,其特征在于:所述音频采集器包括音频采集头和采集头支架,该音频采集头根据获取到的传送带故障特征频率制造,用于物理放大故障特征频率的能量值。
8.根据权利要求7所述的预警方法,其特征在于:所述中间文件按时间序列排序,对每个频率按时间先后组成包含时间和能量值的数组,考察所述数组中的能量值按时间的变化及变化趋势,能量值随时间变化大的识别为异常信号,所获得的异常信号频率及其泛音频即为传送带的故障特征频率。
9.根据权利要求7所述的预警方法,其特征在于:所述降噪处理是,将预采集的音频作为基础噪音,对运行中采集到的传送带音频以方差或均方差最小为准则进行抵消,输出降噪后的频率-能量频谱,按频率以时间为序,计算能量值方差和移动平均值,方差小且能量值上升大的频率即为故障特征频率。
10.根据权利要求7-9任一项所述的预警方法,其特征在于:在多个采集位置设置所述音频采集器,通过音频信道8路切换以实现分时多位采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504958.6A CN112722757B (zh) | 2020-12-18 | 2020-12-18 | 基于音频的传送带预警装置及其预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504958.6A CN112722757B (zh) | 2020-12-18 | 2020-12-18 | 基于音频的传送带预警装置及其预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112722757A CN112722757A (zh) | 2021-04-30 |
CN112722757B true CN112722757B (zh) | 2021-09-07 |
Family
ID=75603182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011504958.6A Active CN112722757B (zh) | 2020-12-18 | 2020-12-18 | 基于音频的传送带预警装置及其预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112722757B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6782915B2 (ja) * | 2016-08-09 | 2020-11-11 | 清水建設株式会社 | ベルトコンベアの異常検知装置および異常検知方法 |
JP2020183307A (ja) * | 2019-05-08 | 2020-11-12 | 三菱電機株式会社 | ベルトコンベア監視システム |
CN110208022A (zh) * | 2019-06-12 | 2019-09-06 | 济南雷森科技有限公司 | 基于机器学习的电力设备多特征音频指纹故障诊断方法及系统 |
CN110239914B (zh) * | 2019-06-19 | 2020-12-22 | 太原理工大学 | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 |
CN111259921B (zh) * | 2019-12-19 | 2023-09-05 | 杭州安脉盛智能技术有限公司 | 基于改进小波包和深度学习的变压器声音异常检测方法 |
CN210807582U (zh) * | 2019-12-25 | 2020-06-19 | 声耕智能科技(西安)研究院有限公司 | 一种基于fpga的多通道音频采集系统 |
-
2020
- 2020-12-18 CN CN202011504958.6A patent/CN112722757B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112722757A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cui et al. | Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv | |
Kang et al. | Time-varying and multiresolution envelope analysis and discriminative feature analysis for bearing fault diagnosis | |
CN103190904B (zh) | 基于缺项特征的脑电图分类检测装置 | |
CN112393906B (zh) | 一种地铁车辆转向架轴承微弱信号故障诊断、分类和健康评估的方法 | |
CN109236587B (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
CN115935243B (zh) | 一种基于数据处理的故障分析方法 | |
CN112207631B (zh) | 刀具检测模型的生成方法、检测方法、系统、设备及介质 | |
CN111401661B (zh) | 一种机械设备的预测性维护方法和维护系统 | |
CN112173636B (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
CN208537479U (zh) | 一种基于声发射检测的滚动轴承故障诊断装置 | |
CN113567162A (zh) | 基于声传感器的风机故障智能诊断装置及方法 | |
CN109598309B (zh) | 一种金属包装冲压机的检测系统及其监测方法 | |
CN111811819A (zh) | 一种基于机器学习的轴承故障诊断方法及装置 | |
CN112722757B (zh) | 基于音频的传送带预警装置及其预警方法 | |
CN115078912A (zh) | 车顶高压电缆接头异常实时检测方法、系统及列车 | |
CN114354184A (zh) | 一种基于深度学习的大型回转装备主轴健康预警模型建立方法和装置 | |
CN112454008A (zh) | 一种基于网络模型的切割平台寿命预测方法、系统及可读存储介质 | |
CN116593829A (zh) | 基于数据分析的输电线路隐患在线监测系统 | |
CN113392874A (zh) | 轨道车辆异常状态诊断方法、装置及终端设备 | |
CN108287197A (zh) | 声发射塔吊安全检测系统的信号处理方法 | |
CN107121493A (zh) | 一种设备损伤检测方法及系统 | |
Hou et al. | Machine fault diagnosis using industrial wireless sensor networks and on-sensor wavelet transform | |
CN110057587A (zh) | 一种核电用泵轴承智能故障诊断方法及系统 | |
CN102890119A (zh) | 基于wpt策略和df策略的在役az31镁合金结构件疲劳损伤状态表征与定量评估系统 | |
CN111824207A (zh) | 一种基于轨底应变识别车轮失圆的方法 |
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 |