CN114426187B - 一种数据融合及深度学习的刮板链条预警系统 - Google Patents

一种数据融合及深度学习的刮板链条预警系统 Download PDF

Info

Publication number
CN114426187B
CN114426187B CN202210229076.6A CN202210229076A CN114426187B CN 114426187 B CN114426187 B CN 114426187B CN 202210229076 A CN202210229076 A CN 202210229076A CN 114426187 B CN114426187 B CN 114426187B
Authority
CN
China
Prior art keywords
chain
data
deep learning
explosion
point cloud
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
Application number
CN202210229076.6A
Other languages
English (en)
Other versions
CN114426187A (zh
Inventor
王永强
张幸福
李春鹏
徐沐
任乐乐
张佳
杨文明
崔科飞
李国威
王东安
李平辉
张翅
董梦磊
黄莹
杨元凯
朱轩成
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.)
Hydraulic & Electric Control Equipment Co Ltd Zhengzhou Coal Mining Machinery Group Co ltd
Original Assignee
Zhengzhou Hengda Intelligent 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 Zhengzhou Hengda Intelligent Control Technology Co ltd filed Critical Zhengzhou Hengda Intelligent Control Technology Co ltd
Priority to CN202210229076.6A priority Critical patent/CN114426187B/zh
Publication of CN114426187A publication Critical patent/CN114426187A/zh
Application granted granted Critical
Publication of CN114426187B publication Critical patent/CN114426187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B65G43/06—Control devices, e.g. for safety, warning or fault-correcting interrupting the drive in case of driving element breakage; Braking or stopping loose load-carriers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种数据融合及深度学习的刮板链条预警系统，包括链条检测装置和上位机，所述链条检测装置安装于刮板机的机尾，所述链条检测装置包括防爆箱体和设于防爆箱体中的激光3D轮廓相机，所述防爆箱体的可视面设置为透明防爆玻璃，所述激光3D轮廓相机通过透明防爆玻璃对刮板机机尾处的链条进行扫描取景，所述防爆箱体上设置有针对透明防爆玻璃的雨刷结构，所述上位机通过控制线路连接激光3D轮廓相机和所述雨刷结构的控制端。该系统在井下实时检测，及时预警，精准定位，大幅提高矿下生产的安全。

Description

一种数据融合及深度学习的刮板链条预警系统
技术领域
本发明涉及煤矿机械领域，具体的说，涉及了一种数据融合及深度学习的刮板链条预警系统和检测方法。
背景技术
刮板输送机是用于矿下煤矿输送的设备，其工作原理是电机驱动链条、链条带动刮板做往复运动，刮板推动煤炭进行输送，但由于刮板机在承受煤炭重量后，链条会发生弹性形变和塑性形变，在链条加剧形变后，会发生断链的情况，影响设备正常运行的同时，极易引发安全事故增加安全风险。
目前市场上仅有地面应用的表面检测装置，由于井下光线环境差等问题，暂无可适用于井下使用场景的产品，将链条取下拿到地面检测后再装回十分繁琐，还影响工期，且有可能在装卸的过程中导致链条受损。
另外，目前井下使用的断链检测方法目前滞后性较强，均为断链后的停机保护，无法做到提前预警。
因为无法实时准确检测链条状态，进而引发断链事故，导致生产停滞，增加安全风险等问题，故该问题已经成为煤矿开采过程中的痛点。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供一种井下实时检测，及时预警，精准定位，大幅提高矿下生产的安全的一种数据融合及深度学习的刮板链条预警系统和检测方法。
为了实现上述目的，本发明所采用的技术方案是：一种数据融合及深度学习的刮板链条预警系统，包括链条检测装置和上位机，所述链条检测装置安装于刮板机的机尾，所述链条检测装置包括防爆箱体和设于防爆箱体中的激光3D轮廓相机，所述防爆箱体的可视面设置为透明防爆玻璃，所述激光3D轮廓相机通过透明防爆玻璃对刮板机机尾处的链条进行扫描取景，所述防爆箱体上设置有针对透明防爆玻璃的雨刷结构，所述上位机通过控制线路连接激光3D轮廓相机和所述雨刷结构的控制端。
基上所述，所述上位机中部署点云数据处理系统和深度学习系统；
所述点云数据处理系统用于提取链条信息，并构建链条的三维曲面模型，所述深度学习系统用于识别裂纹。
基上所述，所述链条检测装置通过安装架安装在刮板机上。
一种数据融合及深度学习的刮板链条预警检测方法，包括激光3D轮廓相机和上位机，所述上位机中部署，点云数据处理系统和深度学习系统，其中，点云数据处理系统根据链条点云的几何数据、散射率数据进行测量训练，以便从获取的数据中提取出链条数据；深度学习系统包括神经网络模型，是这样形成的：导入具有链条点云的几何数据、散射率数据的数据样本集，将数据转化为灰度共生矩阵，并对其中的特征值进行训练，用训练结果对链条上的裂纹进行识别，并进行分类；然后通过以下步骤进行检测：
步骤一，激光3D轮廓相机对链条进行扫描拍摄，将获取的数据发送至上位机；
步骤二，上位机中的点云数据处理系统接收到数据后，从获取的数据中辨别出链条特征，剔除不相关数据和误差数据，通过融合分析的点云分割方法对点云数据进行分割，然后再根据曲面拟合方法，构建链条的三维曲面模型；
步骤三，深度学习系统获取链条的三维曲面模型后，根据内置的神经网络训练模型，识别出链条上的裂纹信息，并根据裂纹信息进行分级。
基上所述，所述的深度学习系统中，通过多参数融合的方式提高识别率，结合深度学习神经网络结构，建立多参数链条裂纹识别模型，模型中包括：
输入层：用于表示预处理后的传感器信号；
输出层：用于表示结果；
根据深度学习神经网络模型的训练，将裂纹程度分为轻度、重度预警。
基上所述，所述上位机根据裂纹程度进行预警和报警后，启动计数器，计算报警后经过的链环数量N，根据计数结果，准确定位问题链环的位置。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明依托于激光3D轮廓相机、点云数据处理系统，和深度学习神经网络，对井下运行状态下的刮板机链条进行实时的检测和预警，发现裂纹后能够及时报警，避免引发断链事故，保证生产的连续和连贯。
进一步的，链条检测装置部署在刮板机尾端，刮板机尾端的煤量较少，链条经过机尾时，多数时间为裸露状态，可提高检测的准确率。
进一步的，通过点云数据处理系统，可以将激光3D轮廓相机获取的数据进行除杂，仅留存链条数据，减小数据冗余，然后通过点云分割、曲面拟合的方式，构建链条的三维数据模型。
进一步的，通过深度学习神经网络的构建，对链条的裂纹进行识别和分级，进而完成对链条状态的检测和预警工作。
进一步的，通过计数器的引入，结合报警器，可以准确定位出问题链条，及时更换维修，避免引发安全事故。
附图说明
图1是本发明中数据融合及深度学习的刮板链条预警系统的结构示意图。
图2是本发明中距离点云图对比图。
图3是本发明中散射率点云图对比图。
图4是本发明中强度点云图对比图。
图5是本发明中3D轮廓图对比图。
图6是本发明中深度学习神经网络结构图。
图中：1.刮板机；2.链条；3.上位机；4.激光3D轮廓相机；5.防爆箱体。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
如图1所示，一种数据融合及深度学习的刮板链条预警系统，包括链条检测装置和上位机3，所述链条检测装置通过安装架安装于刮板机1的机尾，也可以安装在刮板机1的任意位置，以能够排到链条2为准。
所述链条检测装置包括防爆箱体5和设于防爆箱体中的激光3D轮廓相机4，所述防爆箱体5的可视面设置为透明防爆玻璃，所述激光3D轮廓相机4通过透明防爆玻璃对刮板机机尾处的链条进行扫描取景，所述防爆箱体上设置有针对透明防爆玻璃的雨刷结构，所述上位机通过控制线路连接激光3D轮廓相机和所述雨刷结构的控制端。
激光3D轮廓相机主要用于取景，获取包含有链条的数据信息，防爆箱体主要用于保护激光3D轮廓相机和线路，雨刷结构主要用于定时的对防爆箱体进行清扫，避免影响激光3D轮廓相机的工作环境，雨刷由上位机控制，既可以定时启动，也可以根据激光3D轮廓相机所获取的图像判断是否需要清理。
所述上位机中部署点云数据处理系统和深度学习系统；
如图2-图5所示，点云数据处理系统根据链条点云的几何数据、散射率数据进行测量训练，其中，几何数据包括距离、强度、外轮廓形状等，以便从获取的数据中提取出链条数据，再根据曲面拟合原理和方法，构建链条的三维曲面模型。
所述深度学习系统神经网络模型，是这样形成的：导入具有链条点云的几何数据、散射率数据的数据样本集，将数据转化为灰度共生矩阵，并对其中的特征值进行训练，用训练结果对链条上的裂纹进行识别，并进行分类。
如图6所示，深度学习系统中，通过多参数融合的方式提高识别率，结合深度学习神经网络结构，建立多参数链条裂纹识别模型，模型中包括：
X为输入层：用于表示预处理后的传感器信号；
Y为输出层：用于表示结果；
如图2-图5所示，根据深度学习神经网络模型的训练，将裂纹程度分为轻度、重度预警。基于上述系统的链条预警检测方法，包括以下步骤：
步骤一，激光3D轮廓相机对链条进行扫描拍摄，将获取的数据发送至上位机。
步骤二，上位机中的点云数据处理系统接收到数据后，从获取的数据中辨别出链条特征，剔除不相关数据和误差数据，通过融合分析的点云分割方法对点云数据进行分割，然后再根据曲面拟合方法，构建链条的三维曲面模型。
步骤三，深度学习系统获取链条的三维曲面模型后，根据内置的神经网络训练模型，识别出链条上的裂纹信息，并根据裂纹信息进行分级。
步骤四，所述上位机根据裂纹程度进行预警和报警后，启动计数器，计算报警后经过的链环数量N，根据计数结果，准确定位问题链环的位置。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (2)

1.一种数据融合及深度学习的刮板链条预警系统，其特征在于：包括链条检测装置和上位机，所述链条检测装置安装于刮板机的机尾，所述链条检测装置包括防爆箱体和设于防爆箱体中的激光3D轮廓相机，所述防爆箱体的可视面设置为透明防爆玻璃，所述激光3D轮廓相机通过透明防爆玻璃对刮板机机尾处的链条进行扫描取景，所述防爆箱体上设置有针对透明防爆玻璃的雨刷结构，所述上位机通过控制线路连接激光3D轮廓相机和所述雨刷结构的控制端；所述上位机中部署点云数据处理系统和深度学习系统；
所述点云数据处理系统用于提取链条信息，并构建链条的三维曲面模型，所述深度学习系统用于识别裂纹；
具体的，点云数据处理系统根据链条点云的几何数据、散射率数据进行测量训练，以便从获取的数据中提取出链条数据；深度学习系统包括神经网络模型，是这样形成的：导入具有链条点云的几何数据、散射率数据的数据样本集，将数据转化为灰度共生矩阵，并对其中的特征值进行训练，用训练结果对链条上的裂纹进行识别，并进行分类；然后通过以下步骤进行检测：
步骤一，激光3D轮廓相机对链条进行扫描拍摄，将获取的数据发送至上位机；
步骤二，上位机中的点云数据处理系统接收到数据后，从获取的数据中辨别出链条特征，剔除不相关数据和误差数据，通过融合分析的点云分割方法对点云数据进行分割，然后再根据曲面拟合方法，构建链条的三维曲面模型；
步骤三，深度学习系统获取链条的三维曲面模型后，根据内置的神经网络训练模型，识别出链条上的裂纹信息，并根据裂纹信息进行分级；
所述的深度学习系统中，通过多参数融合的方式提高识别率，结合深度学习神经网络结构，建立多参数链条裂纹识别模型，模型中包括：
输入层：用于表示预处理后的传感器信号；
输出层：用于表示结果；
根据深度学习神经网络模型的训练，将裂纹程度分为轻度、重度预警；
所述上位机根据裂纹程度进行预警和报警后，启动计数器，计算报警后经过的链环数量N，根据计数结果，准确定位问题链环的位置。
2.根据权利要求1所述的数据融合及深度学习的刮板链条预警系统，其特征在于：所述链条检测装置通过安装架安装在刮板机上。
CN202210229076.6A 2022-03-10 2022-03-10 一种数据融合及深度学习的刮板链条预警系统 Active CN114426187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210229076.6A CN114426187B (zh) 2022-03-10 2022-03-10 一种数据融合及深度学习的刮板链条预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210229076.6A CN114426187B (zh) 2022-03-10 2022-03-10 一种数据融合及深度学习的刮板链条预警系统

Publications (2)

Publication Number Publication Date
CN114426187A CN114426187A (zh) 2022-05-03
CN114426187B true CN114426187B (zh) 2023-08-22

Family

ID=81312402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210229076.6A Active CN114426187B (zh) 2022-03-10 2022-03-10 一种数据融合及深度学习的刮板链条预警系统

Country Status (1)

Country Link
CN (1) CN114426187B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116424802B (zh) * 2023-01-19 2023-10-20 陕西朗浩传动技术有限公司 刮板输送机链条工况监测系统及监控方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202939619U (zh) * 2012-10-31 2013-05-15 中国矿业大学(北京) 一种基于图像离散多小波变换的煤岩识别系统
CN105016054A (zh) * 2015-06-15 2015-11-04 淄博矿业集团有限责任公司许厂煤矿 一种刮板输送机断链监测保护系统
CN106185196A (zh) * 2015-05-26 2016-12-07 乔伊·姆·特拉华公司 控制采矿系统内的输送机
CN109685793A (zh) * 2018-12-25 2019-04-26 安徽科大智能物流系统有限公司 一种基于三维点云数据的管身缺陷检测方法及系统
CN111965246A (zh) * 2020-08-11 2020-11-20 太原理工大学 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
CN112213317A (zh) * 2020-09-28 2021-01-12 武汉科技大学 基于三维激光扫描技术的输送带撕裂检测系统及其检测方法
CN112712495A (zh) * 2020-12-15 2021-04-27 北京格灵深瞳信息技术有限公司 防松件断裂识别方法、系统、终端及存储介质
CN215379035U (zh) * 2021-01-28 2021-12-31 耐力克(山东)电子科技有限公司 一种带有雨刷的球形监控摄像机
CN113899752A (zh) * 2021-09-30 2022-01-07 三峡大学 双排链刮板机内链板裂纹的视觉检测装置及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017119300A1 (de) * 2017-08-23 2019-02-28 Iwis Antriebssysteme Gmbh & Co. Kg Vorrichtung und Verfahren zur Ermittlung des Verschleisszustandes einer Kette

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202939619U (zh) * 2012-10-31 2013-05-15 中国矿业大学(北京) 一种基于图像离散多小波变换的煤岩识别系统
CN106185196A (zh) * 2015-05-26 2016-12-07 乔伊·姆·特拉华公司 控制采矿系统内的输送机
CN105016054A (zh) * 2015-06-15 2015-11-04 淄博矿业集团有限责任公司许厂煤矿 一种刮板输送机断链监测保护系统
CN109685793A (zh) * 2018-12-25 2019-04-26 安徽科大智能物流系统有限公司 一种基于三维点云数据的管身缺陷检测方法及系统
CN111965246A (zh) * 2020-08-11 2020-11-20 太原理工大学 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
CN112213317A (zh) * 2020-09-28 2021-01-12 武汉科技大学 基于三维激光扫描技术的输送带撕裂检测系统及其检测方法
CN112712495A (zh) * 2020-12-15 2021-04-27 北京格灵深瞳信息技术有限公司 防松件断裂识别方法、系统、终端及存储介质
CN215379035U (zh) * 2021-01-28 2021-12-31 耐力克(山东)电子科技有限公司 一种带有雨刷的球形监控摄像机
CN113899752A (zh) * 2021-09-30 2022-01-07 三峡大学 双排链刮板机内链板裂纹的视觉检测装置及方法

Also Published As

Publication number Publication date
CN114426187A (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN109230351B (zh) 一种皮带输送机运行异常的识别方法
CN111661590B (zh) 矿用带式输送机输送带撕裂损伤检测方法
CN104608799A (zh) 基于信息融合技术列车轮对踏面损伤在线检测与识别方法
CN103217111B (zh) 一种非接触式接触线几何参数检测方法
CN114426187B (zh) 一种数据融合及深度学习的刮板链条预警系统
CN111862064A (zh) 一种基于深度学习的银质丝材表面瑕疵识别方法
CN110111303A (zh) 一种基于动态图像的大型运载皮带撕裂故障智能检测方法
CN101907453A (zh) 基于机器视觉的块状农产品尺寸在线测量方法与装置
CN104732235A (zh) 一种消除夜间道路反光干扰的车辆检测方法
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
CN204564598U (zh) 玻璃管分选装置及玻璃管外观自动化检测设备
CN204564599U (zh) 一种玻璃管外观自动化检测设备
CN110517233A (zh) 一种基于人工智能的缺陷分类学习系统及其分类方法
CN111889387B (zh) 一种安全带扣尺寸与表面缺陷的检测装置及图像识别方法
CN105913445A (zh) 一种基于机器视觉的煤岩界面识别及定位方法
CN113537016A (zh) 一种道路巡查中道路损伤自动检测预警的方法
Zhao et al. Image-based comprehensive maintenance and inspection method for bridges using deep learning
CN114803386A (zh) 基于双目线激光相机的输送带纵向撕裂检测系统及方法
CN103091330A (zh) 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法
CN116051586A (zh) 一种适用于检测浅色系胶水轮廓的检测方法
CN115775374A (zh) 矿区人员安全预警方法、装置及存储介质
CN215624882U (zh) 基于机器视觉的井下皮带异物监测装置
CN114445398A (zh) 采煤机液压支架护帮板状态监测方法及装置
CN101718527A (zh) 一种基于图像识别计算尾矿库干滩长度的方法
CN212093316U (zh) 一种基于kinect相机的木材缺陷检测装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220728

Address after: 450016 No. 167, 9th Street, Zhengzhou area (Economic Development Zone), Henan pilot Free Trade Zone, Zhengzhou City, Henan Province

Applicant after: HYDRAULIC & ELECTRIC CONTROL EQUIPMENT CO LTD ZHENGZHOU COAL MINING MACHINERY GROUP Co.,Ltd.

Address before: No.167, 9th Street, Zhengzhou Economic and Technological Development Zone, Henan Province, 450000

Applicant before: ZHENGZHOU COAL MINING MACHINERY GROUP Co.,Ltd.

Applicant before: HYDRAULIC & ELECTRIC CONTROL EQUIPMENT CO LTD ZHENGZHOU COAL MINING MACHINERY GROUP Co.,Ltd.

Applicant before: ZHENGZHOU COAL MINING MACHINERY LONGWALL EQUIPMENT CO.,LTD.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: No.167, 9th Street, Zhengzhou Economic and Technological Development Zone, Henan Province, 450016

Applicant after: Zhengzhou Hengda Intelligent Control Technology Co.,Ltd.

Address before: 450016 No. 167, 9th Street, Zhengzhou area (Economic Development Zone), Henan pilot Free Trade Zone, Zhengzhou City, Henan Province

Applicant before: HYDRAULIC & ELECTRIC CONTROL EQUIPMENT CO LTD ZHENGZHOU COAL MINING MACHINERY GROUP Co.,Ltd.

GR01 Patent grant
GR01 Patent grant