CN114739503A - 一种带式输送机托辊故障的分布式光纤监测系统及方法 - Google Patents

一种带式输送机托辊故障的分布式光纤监测系统及方法 Download PDF

Info

Publication number
CN114739503A
CN114739503A CN202210382924.7A CN202210382924A CN114739503A CN 114739503 A CN114739503 A CN 114739503A CN 202210382924 A CN202210382924 A CN 202210382924A CN 114739503 A CN114739503 A CN 114739503A
Authority
CN
China
Prior art keywords
mean square
belt conveyor
root mean
square value
frequency domain
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.)
Pending
Application number
CN202210382924.7A
Other languages
English (en)
Inventor
梁堃
王驰
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202210382924.7A priority Critical patent/CN114739503A/zh
Publication of CN114739503A publication Critical patent/CN114739503A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一种带式输送机托辊故障的分布式光纤监测系统及方法，先搭建分布式光纤声波传感系统；对DAS系统采集到的原始信号先做数据预处理；对DAS采集数据做时域分析，计算原始数据的均方根值，获取均方根值‑位置对应曲线图；对数据的频域和时频域分析，确定在时频图上的故障点，通过信号均方根值与对应位置的曲线图，确定带式输送带故障发生位置；对DAS信号的频域进行分析，确定不同工况的托辊运行情况。

Description

一种带式输送机托辊故障的分布式光纤监测系统及方法
技术领域
本发明属于分布式光纤传感技术领域，尤其是一种带式输送机托辊故障的分布式光纤监测系统及方法。
背景技术
带式输送机俗称皮带机，是煤矿、钢厂、港口等企业运输物料的主要设备，具有运输量大、输送距离长、输送范围广、运行费用低等优点。带式输送机中，托辊是拖曳传送带、实现物料传送的核心部件。托辊在长期运行后，容易发生卡死、变形、断裂等故障，继而引起带式输送机损坏甚至起火的事故。目前托辊故障检测主要采用人工徒步巡检的方式，现场运维工作量大，检测难度高。因此，针对托辊运行状况进行实时监测技术就显得尤为重要。
声音信号中含有大量的现场环境信息，通过采集声音来监测故障的方法已经被广泛应用于工业领域。但是传统的声音传感器不仅需要带电工作，而且易损坏。分布式光纤传感技术具有无需现场供电、抗电磁干扰能力强、耐腐蚀性能好、灵敏度高、长距离连续感知等特点。如何将分布式光纤传感技术在带式输送带工作应用是亟需解决的课题。
因此，发明一种带式输送机托辊故障的分布式光纤监测系统及方法来解决上述问题很有必要。
发明内容
为了解决现有技术中的不足，本发明提供了一种带式输送机托辊故障的分布式光纤监测系统及方法。
为了实现上述目的，本发明提供如下技术方案：
搭建分布式光纤声波传感系统(DAS：Distributed Acoustic Sensing)，模拟不同托辊故障，利用DAS高灵敏度、信号进行时域、频域和时频域分析，实现托辊的故障诊断。
进一步的，DAS系统工作过程为：窄线宽光源发出的光脉冲被耦合器分为探测光和本地光，其中探测光经过声光调制器转化成光脉冲信号，再通过掺铒光纤放大器(EDFA：Erbium Doped FiberAmplifier)和隔离器注入探测光纤；
进一步的，对DAS系统采集到的原始信号先做数据预处理，数据预处理包括两个过程：1.数据归一化、2.加窗分帧：
数据归一化步骤如下：求数据均值：
Figure BDA0003592564480000021
所有数据进行去均值处理：
x(n)＝x(n)-mX
找出去均值数据的最大值|x(n)|max，并对所有数据进行归一化处理，
得到：
Figure BDA0003592564480000022
式中，x(n)表示原始数列，mX表示数据均值，|x(n)|max表示原始数列最大值的绝对值。
加窗分帧处理方法如下：
通过对光纤信号在时间上进行分帧，以帧为单位对信号进行处理。将窗函数W(n)与原始信号S(n)相乘，对信号加窗获取帧信号，表达式如下：
Sw(n)＝W(n)×S(n)
本文选取Hamming窗对信号进行分帧，Hamming窗的数学表达式如下：
Figure BDA0003592564480000023
式中，n表示采样点序列，N表示采样点总数。
进一步的，对DAS采集数据做时域分析，计算原始数据的均方根值，获取均方根值-位置对应曲线图，均方根值超过阈值振动点为疑似故障点，发生故障位置的托辊振动信号均方根值变化较大，而没有故障处信号均方根值较小：
均方根值计算公式为：
Figure BDA0003592564480000031
其中XRMS表示信号的均方根值，n是输入序列X的元素个数。
进一步的，通过数据的频域和时频域分析，在时频图上确定该点是否为故障点：
采用短时傅里叶变换(STFT)对光纤振动信号进行时频分析，对于非平稳信号x(t)∈L2(R)，其短时傅里叶变化可以表示为：
Figure BDA0003592564480000032
上式中，g(t)为窗函数，加窗后使得信号在以t时刻为中心的一个微小范围的信号特征得到凸显，当t变化时，g(t)所确定的时间窗也随之改变，并在t轴对信号进行滑动分割截取。
进一步的，通过信号均方根值与对应位置的曲线图，可以判断出带式输送带故障发生位置：
将正常托辊、托辊卡死、托辊无轴承和托辊断裂处每5秒信号的均方根值曲线放在同一坐标系内，得出均方根值随托辊工况的变化趋势：正常托辊的波形平稳，在0.05上下平稳波动；故障托辊的波形较正常托辊的变化明显，托辊卡死时波形集中在0.1～0.3，托辊无轴承和断裂两种情况均方根值均集中在0.4～1的区间。
进一步的，对DAS信号的频域进行分析，不同工况的托辊信号能量在频域上的分布有所不同，对相应单元的归一化数据加窗分帧做快速傅里叶变化(FFT)：
正常运行的托辊信号能量最小，而托辊无轴承情况的信号能量最大，故障托辊信号能量的极值主要集中于100～500Hz。
以上可得到一种基于分布式光纤声波传感的带式输送机故障诊断方法，在上述技术方案中，本发明提供的技术效果和优点：
可实现托辊的在线监测和故障诊断，准确检验并判断出故障点。
附图说明
图1为本发明的DAS系统原理图
图2为本发明的DAS系统数据分析方法总体流程框图
图3为带式输送带故障点对应位置均方根曲线
图4为不同工况托辊均方根值-时间对应曲线
图5为不同工况托辊FFT频域曲线；
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
本发明提供了如图1-5所示的一种带式输送机托辊故障的分布式光纤监测系统及方法，本发明工作原理：
参照说明书附图1-5，搭建分布式光纤声波传感系统(DAS：Distributed AcousticSensing)，对DAS系统采集到的原始信号先做数据预处理，对DAS采集数据做时域分析，计算原始数据的均方根值，获取均方根值-位置对应曲线图，对数据的频域和时频域分析，在时频图上的故障点，通过信号均方根值与对应位置的曲线图，确定带式输送带故障发生位置，对DAS信号的频域进行分析，确定不同工况的托辊运行情况，通过模拟不同托辊故障，利用DAS系统采集带式输送带的声波实时数据，通过时频域的分析实现托辊的在线监测和故障诊断，有效诊断故障、灵敏度高。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

Claims (3)

1.一种带式输送机托辊故障的分布式光纤监测系统及方法，其特征在于通过下述方式实现：
搭建分布式光纤声波传感系统；
对DAS系统采集到的原始信号先做数据预处理；
对DAS采集数据做时域分析，计算原始数据的均方根值，获取均方根值-位置对应曲线图；
对数据的频域和时频域分析，确定在时频图上的故障点，通过信号均方根值与对应位置的曲线图，确定带式输送带故障发生位置；
对DAS信号的频域进行分析，确定不同工况的托辊运行情况。
2.根据权利要求1所述的一种带式输送机托辊故障的分布式光纤监测系统及方法，其特征在于：
均方根值计算公式为：
Figure FDA0003592564470000011
其中XRMS表示信号的均方根值，n是输入序列X的元素个数。
3.根据权利要求1所述的一种带式输送机托辊故障的分布式光纤监测系统及方法，其特征在于：
光纤振动信号数据的频域和时频域分析，其短时傅里叶变化可以表示为：
Figure FDA0003592564470000012
CN202210382924.7A 2022-04-12 2022-04-12 一种带式输送机托辊故障的分布式光纤监测系统及方法 Pending CN114739503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210382924.7A CN114739503A (zh) 2022-04-12 2022-04-12 一种带式输送机托辊故障的分布式光纤监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210382924.7A CN114739503A (zh) 2022-04-12 2022-04-12 一种带式输送机托辊故障的分布式光纤监测系统及方法

Publications (1)

Publication Number Publication Date
CN114739503A true CN114739503A (zh) 2022-07-12

Family

ID=82280952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210382924.7A Pending CN114739503A (zh) 2022-04-12 2022-04-12 一种带式输送机托辊故障的分布式光纤监测系统及方法

Country Status (1)

Country Link
CN (1) CN114739503A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016011431A1 (en) * 2014-07-17 2016-01-21 Halliburton Energy Services, Inc. Noise removal for distributed acoustic sensing data
CN111537056A (zh) * 2020-07-08 2020-08-14 浙江浙能天然气运行有限公司 基于svm与时频域特征的管道沿线第三方施工动态预警方法
CN112033669A (zh) * 2020-09-04 2020-12-04 南京大学 基于das的带式输送机槽型托辊故障监测方法
CN113347633A (zh) * 2021-05-21 2021-09-03 华中科技大学 一种物联网入侵智能在线监测系统及方法
CN114199362A (zh) * 2021-12-17 2022-03-18 齐鲁工业大学 一种分布式光纤振动传感器模式识别的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016011431A1 (en) * 2014-07-17 2016-01-21 Halliburton Energy Services, Inc. Noise removal for distributed acoustic sensing data
CN111537056A (zh) * 2020-07-08 2020-08-14 浙江浙能天然气运行有限公司 基于svm与时频域特征的管道沿线第三方施工动态预警方法
CN112033669A (zh) * 2020-09-04 2020-12-04 南京大学 基于das的带式输送机槽型托辊故障监测方法
CN113347633A (zh) * 2021-05-21 2021-09-03 华中科技大学 一种物联网入侵智能在线监测系统及方法
CN114199362A (zh) * 2021-12-17 2022-03-18 齐鲁工业大学 一种分布式光纤振动传感器模式识别的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
P. ROHWETTER 等: "Fibre-optic distributed acoustic and vibration sensing for monitoring of industrial plants and installations", 《RESEARCHGATE》 *
YI LIU 等: "Research on the fault analysis method of belt conveyor idlers based on sound and thermal infrared image features", 《MEASUREMENT》 *
孙维 等: "基于φ—OTDR技术的带式输送机托辊故障检测", 《工矿自动化》 *
苗长云 等: "基于声音的带式输送机输送带纵向撕裂检测方法", 《天津工业大学学报》 *
郝洪涛 等: "基于声音信号的托辊故障诊断方法", 《噪声与振动控制》 *

Similar Documents

Publication Publication Date Title
Elforjani et al. Accelerated natural fault diagnosis in slow speed bearings with acoustic emission
CN109883703B (zh) 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法
CN103134679B (zh) 轴承状态监视方法以及轴承状态监视装置
Klausen et al. Multi-band identification for enhancing bearing fault detection in variable speed conditions
WO2023279382A1 (zh) 一种电机轴承运行状态故障检测方法及系统
CN107478729A (zh) 流体机械叶片多裂纹的声发射检测方法
CN111598039A (zh) 用于石油管道监控的异常声音监测方法及监测装置
JPWO2015072130A1 (ja) 漏洩判定システムおよび漏洩判定方法
CN114486259A (zh) 优化变分模态分解的分布式光纤声传感系统的信号处理方法
Wijaya et al. Automatic fault detection system for mining conveyor using distributed acoustic sensor
JP3788297B2 (ja) Ｆｆｔアルゴリズムを応用した周波数解析装置及び異常判定装置並びに異常判定システム
CN114739503A (zh) 一种带式输送机托辊故障的分布式光纤监测系统及方法
CN116412895A (zh) 一种基于光纤传感器的托辊振动测量装置
Jiang et al. Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure
US20230265976A1 (en) Method for monitoring fluid-tightness and detecting leaks in a pipe with a valve
Wang et al. Fault diagnosis of rolling bearings based on enhanced optimal morphological gradient product filtering
Sun et al. Detection of abnormal noises from tapered roller bearings by a sound sensing system
CN107631697B (zh) 一种基于cotdr的地铁隧道施工安全临时监测方法
CN113533497A (zh) 一种极端环境中气瓶声发射信号的检测系统及缺陷诊断方法
CN112178360A (zh) 次声波管道机器人快速定位系统及方法
Sokolov et al. Advanced Filtering Methods Application for Sensitivity Enhancement During AE Testing of Operating Structures
US20210356317A1 (en) Complex and phase domain vibration strength estimation for coherent distributed acoustic sensing
CN220436260U (zh) 一种输气管道的泄漏检测系统
CN115388343B (zh) 一种高效的海洋油气管线泄漏检测与定位方法及系统
Xie et al. Research on roller monitoring technology based on distributed fiber optic sensing system

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240220