CN115283125A - 一种基于石料破碎设备的运行异常监测方法 - Google Patents

一种基于石料破碎设备的运行异常监测方法 Download PDF

Info

Publication number
CN115283125A
CN115283125A CN202211230039.3A CN202211230039A CN115283125A CN 115283125 A CN115283125 A CN 115283125A CN 202211230039 A CN202211230039 A CN 202211230039A CN 115283125 A CN115283125 A CN 115283125A
Authority
CN
China
Prior art keywords
stone
vibration
acquiring
abnormal
connected 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
CN202211230039.3A
Other languages
English (en)
Inventor
蔡可建
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.)
Rugao Zhongru New Material Technology Co ltd
Original Assignee
Rugao Zhongru New Material 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 Rugao Zhongru New Material Technology Co ltd filed Critical Rugao Zhongru New Material Technology Co ltd
Priority to CN202211230039.3A priority Critical patent/CN115283125A/zh
Publication of CN115283125A publication Critical patent/CN115283125A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C25/00—Control arrangements specially adapted for crushing or disintegrating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group

Abstract

本发明涉及石料破碎技术领域，具体涉及一种基于石料破碎设备的运行异常监测方法，该方法采集石料图像和振动信号；通过提取连通域获取石料图像中石料的形态参数估计值，结合连通域的大小获取石料结构参数，通过石料结构参数的数值变化获取破碎过程的转折时间点，将振动信号划分为多段振动区间；获取每段振动区间波动程度，基于每段振动区间的振动信号的幅值、石料结构参数与波动程度获取异常程度阈值；通过比较振动信号的幅值和异常程度阈值，对石料破碎设备进行运行异常监测。本发明综合考虑了石料对振动信号的影响，获取不同阶段的自适应异常程度阈值，避免了设置统一阈值的错误监测结果，提高了对石料破碎设备的运行异常监测的准确性。

Description

一种基于石料破碎设备的运行异常监测方法
技术领域
本发明涉及石料破碎技术领域，具体涉及一种基于石料破碎设备的运行异常监测方法。
背景技术
石料的破碎方式极大的影响着碎石的质量。石料破碎机是常用的石料破碎设备，若设备出现故障，会对碎石质量以及生产效率产生较大的影响，因而对于石料破碎设备的运行异常监测极为重要。
目前对石料破碎设备的运行异常监测的常用手段是在石料破碎机的表面布置振动传感器，采集石料破碎机在工作状态过程中的振动信号数据，并通过振动信号数据进行破碎机设备运行异常监测。
而在异常监测过程中，往往通过设置某个固定的异常程度阈值来对采集的振动信号进行判定，然而对于石料破碎机的振动监测过程中，除了受到传统的设备噪声及周围环境的因素，同时还会受到石料的影响，比如石料在粉碎过程中会由于大小不一产生碰撞，造成设备的振动，这种由于石料产生的振动是正常的振动。但是在传统的振动信号异常监测过程中，不考虑石料影响造成的异常振动，进而设置错误的异常程度阈值进行异常监测，产生了错误的结果。
发明内容
为了解决上述技术问题，本发明提供一种基于石料破碎设备的运行异常监测方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于石料破碎设备的运行异常监测方法，该方法包括以下步骤：
俯视采集石料进入石料破碎设备时和石料破碎过程中的石料图像，在石料破碎过程中采集石料破碎设备外壳的振动信号；
获取所述石料图像的灰度图像并提取连通域，获取每个连通域的质心坐标；基于所述质心坐标获取每个连通域与其最近的相邻连通域之间的最短距离，根据所有最短距离获取石料图像中石料的形态参数估计值；
基于连通域的大小以及所述形态参数估计值获取石料结构参数，通过石料结构参数的数值变化获取破碎过程的转折时间点，基于所述转折时间点将所述振动信号划分为多段振动区间；
获取每段振动区间的多个峰值点，并根据相邻峰值点之间的斜率获取对应振动区间的波动程度，基于每段振动区间的振动信号的幅值、所述石料结构参数与所述波动程度获取每段振动区间的异常程度阈值；通过比较振动信号的幅值和所述异常程度阈值，对石料破碎设备进行运行异常监测。
优选的，所述获取每个连通域的质心坐标，包括：
通过高斯滤波对所述灰度图像进行去噪处理，然后通过边缘检测得到每块石料的边缘，对边缘检测结果进行连通域分析，得到每个连通域的质心坐标。
优选的，所述形态参数估计值的获取方法为：
计算每个连通域与其他连通域之间的欧氏距离，以所有欧式距离中的最小值作为对应连通域的最短距离，计算所有连通域对应的最短距离的方差作为所述形态参数估计值。
优选的，所述石料结构参数的获取方法为：
统计每个连通域中的像素点数量作为该连通域的大小，计算所有联通域的大小的平均值，乘上所述形态参数估计值得到所述石料结构参数。
优选的，所述通过石料结构参数的数值变化获取破碎过程的转折时间点，包括：
对于每个破碎过程，获取石料进入石料破碎设备时的时刻作为初始时间点，出现在出料口的时刻作为结束时间点；将所述石料结构参数归一化得到归一化数值，并设置差值阈值，当与初始时间点对应的归一化数值的差值首次大于所述差值阈值时，对应的时刻为第一个转折时间点；然后当与第一个转折时间点对应的归一化数值的差值首次大于所述差值阈值时，对应的时刻为第二个转折时间点。
优选的，所述基于所述转折时间点将所述振动信号划分为多段振动区间，包括：
统计多个破碎过程下初始时间点和结束时间点之间的时间差值，计算所有时间差值的平均值作为分段时长，将采集的振动信号划分为多段时长为所述分段时长的振动段；根据所述转折时间点将每个振动段划分为多段振动区间。
优选的，所述峰值点的获取方法为：
对于每三个相邻的振动信号，当中间的振动信号的幅值大于两端的振动信号的幅值时，则中间的振动信号的幅值即为一个峰值点。
优选的，所述波动程度的获取方法为：
将所有峰值点顺序相连，计算每两个相邻峰值点之间的斜率，计算所有斜率的方差作为所述波动程度。
优选的，所述每段振动区间的异常程度阈值的获取方法为：
获取每段振动区间对应时长内每张石料图像的石料结构参数，计算所有石料结构参数的均值作为该段振动区间的平均结构参数，计算所述平均结构参数与所述波动程度的比值，计算该段振动区间的振动信号的幅值的平均值作为调整超参数，以所述比值和所述调整超参数的乘积作为所述异常程度阈值。
优选的，所述对石料破碎设备进行运行异常监测，包括：
设置异常数量阈值，若振动区间的振动信号的幅值大于对应的异常程度阈值的数据点的数量大于所述异常数量阈值，石料破碎设备运行异常。
本发明实施例至少具有如下有益效果：
根据采集的石料图像计算得到石料的结构参数，并根据先验历史图像数据的结构参数的变化来进行振动信号区间的划分通过计算振动信号的波动特征以及对应的该段振动信号区间的图像数据中的结构参数，进行自适应异常程度阈值的计算。综合考虑了石料破碎设备中石料对振动信号的影响，根据不同阶段的石料特征获取自适应异常程度阈值，在进行异常程度监测时，更加准确，避免了传统的设置统一阈值的错误监测结果，提高了对石料破碎设备的运行异常监测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种基于石料破碎设备的运行异常监测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于石料破碎设备的运行异常监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于石料破碎设备的运行异常监测方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于石料破碎设备的运行异常监测方法的步骤流程图，该方法包括以下步骤：
步骤S001，俯视采集石料进入石料破碎设备时和石料破碎过程中的石料图像，在石料破碎过程中采集石料破碎设备外壳的振动信号。
具体的步骤包括：
布置度多个高速相机进行石料图像的采集，获取当前石料破碎设备功率下石料破碎过程中的石料的图像，作为一个示例，本发明实施例中将高速相机安装在石料破碎机的进料口处，腔内
Figure DEST_PATH_IMAGE002
处、腔内
Figure DEST_PATH_IMAGE004
处以及出料口处安装相机。石料图像中包括石料以及部分石料破碎设备机壁。
在石料破碎机的外壳安装振动传感器进行设备工作过程中振动信号的采集。为了计算简便，将高速相机的采集时间以及振动传感器的采集时间设置相同。得到多张石料图像和一段连续的振动信号。
步骤S002，获取石料图像的灰度图像并提取连通域，获取每个连通域的质心坐标；基于质心坐标获取每个连通域与其最近的相邻连通域之间的最短距离，根据所有最短距离获取石料图像中石料的形态参数估计值。
具体的步骤包括：
通过高斯滤波对灰度图像进行去噪处理，然后通过边缘检测得到每块石料的边缘，对边缘检测结果进行连通域分析，得到每个连通域的质心坐标。
通过对采集的石料图像进行灰度化处理，并通过高斯滤波进行图像去噪预处理，减少噪声的影响。对预处理之后的图像进行Canny边缘检测得到每块石料的边缘，对检测结果进行连通域分析，获取每个连通域的质心坐标。其中上述所述图像处理方法均为公知技术，在实施例中不再赘述具体过程。
计算每个连通域与其他连通域之间的欧氏距离，以所有欧式距离中的最小值作为对应连通域的最短距离，计算所有连通域对应的最短距离的方差作为形态参数估计值。
记第
Figure DEST_PATH_IMAGE006
个连通域的质心坐标为
Figure DEST_PATH_IMAGE008
，获取该连通域相邻的最近的连通域的质心，两个质心之间的欧式距离为第
Figure 320889DEST_PATH_IMAGE006
个连通域的最短距离，记作
Figure DEST_PATH_IMAGE010
，类似此操作，得到所有连通域的距离对应的最短距离
Figure DEST_PATH_IMAGE012
。通过
Figure 706871DEST_PATH_IMAGE012
值的分布计算当前石料的形态参数估计值，则石料的形态参数估计值
Figure DEST_PATH_IMAGE014
的计算表达式为：
Figure DEST_PATH_IMAGE016
，其中，
Figure DEST_PATH_IMAGE018
表示图像中连通域的数量；
Figure 407979DEST_PATH_IMAGE010
表示第
Figure 68768DEST_PATH_IMAGE006
个连通域对应的最短距离。
Figure DEST_PATH_IMAGE020
表示
Figure 351982DEST_PATH_IMAGE018
个连通域中所有最短距离的均值；
Figure DEST_PATH_IMAGE022
表示
Figure 377706DEST_PATH_IMAGE018
个连通域中所有最短距离的方差。
通过计算每个连通域的质心与其最近连通域的质心之间的欧式距离的方差，来表征当前批次石料的形态的异质性来表征当前的石料形态参数估计值。距离方差越大，表明当前石料的形态异质性越大，即形态参数越大，表明当前石料越不均匀，即石料的形态大小不一。
步骤S003，基于连通域的大小以及形态参数估计值获取石料结构参数，通过石料结构参数的数值变化获取破碎过程的转折时间点，基于转折时间点将振动信号划分为多段振动区间。
具体的步骤包括：
统计每个连通域中的像素点数量作为该连通域的大小，计算所有连通域的大小的平均值，乘上形态参数估计值得到石料结构参数。
在石料破碎机的振动信号采集过程中，大小较小的、形态参数估计值较小的石料对振动信号的影响较小；而大小较大的、形态参数估计值较大的石料对振动信号的影响较大。引入石料大小参数，与形态参数估计值进行结合计算石料结构参数
Figure DEST_PATH_IMAGE024
，其中石料结构参数
Figure 362849DEST_PATH_IMAGE024
的计算表达式为：
号，当中间的振动信号的幅值大于两端的振动信号的幅值时，则中间的振动信号的幅值即为一个峰值点。
将所有峰值点顺序相连，
Figure DEST_PATH_IMAGE026
式中，
Figure 30591DEST_PATH_IMAGE018
表示当前图像中连通域的数量；
Figure DEST_PATH_IMAGE028
表示当前图像中第
Figure 168311DEST_PATH_IMAGE006
个连通域的像素点的数量；
Figure 427254DEST_PATH_IMAGE014
表示当前图像中的形态参数估计值；
Figure DEST_PATH_IMAGE030
表示当前图像中
Figure 384846DEST_PATH_IMAGE018
个连通域的像素点平均数量，用于表征石料的平均大小。
石料的平均大小越大，形态参数估计值越大，对振动信号的影响越大。
对于每个破碎过程，获取石料进入石料破碎设备时的时刻作为初始时间点，出现在出料口的时刻作为结束时间点；将石料结构参数归一化得到归一化数值，并设置差值阈值，当与初始时间点对应的归一化数值的差值首次大于差值阈值时，对应的时刻为第一个转折时间点；然后当与第一个转折时间点对应的归一化数值的差值首次大于差值阈值时，对应的时刻为第二个转折时间点。
石料在石料破碎机中是由大到小的过程，因此会经过对振动的影响从小到大（石料从大石料、形态参数估计值较小的石料进入到石料破碎机中，经过破碎作用，变成大小相间石料、形态参数估计值较大的石料），由大到小（石料从大小相间石料、形态参数估计值较大的石料进入到石料破碎机中，经过破碎作用，变成小石料、形态参数估计值较小的石料）的过程。
对石料结构参数进行归一化，设置结构参数的差值阈值
Figure DEST_PATH_IMAGE032
，计算每个破碎过程中结构参数的变化，统计采集的每张石料图像中，石料进入石料破碎设备时的时刻
Figure DEST_PATH_IMAGE034
作为初始时间点，此时为大石料；当结构参数的变化首次大于差值阈值
Figure DEST_PATH_IMAGE036
时，此时大石料转化为部分小石料，对应的时间点
Figure DEST_PATH_IMAGE038
为第一个转折时间点；然后再次出现大于差值阈值
Figure 308808DEST_PATH_IMAGE036
时，此时全都转化为小石料，对应的时间点
Figure DEST_PATH_IMAGE040
为第二个转折时间点；所有小石料出现在出料口的时间点
Figure DEST_PATH_IMAGE042
为结束时间点。
统计多个破碎过程下初始时间点和结束时间点之间的时间差值，计算所有时间差值的平均值作为分段时长，将采集的振动信号划分为多段时长为分段时长的振动段；根据转折时间点将每个振动段划分为多段振动区间。
计算每个破碎过程下初始时间点和结束时间点之间的时间差值
Figure DEST_PATH_IMAGE044
，计算所有破碎过程下的时间差值的平均值作为分段时长
Figure DEST_PATH_IMAGE046
；计算每个破碎过程下第一个转折时间点与初始时间点之间的时间差值
Figure DEST_PATH_IMAGE048
，计算所有破碎过程下的
Figure DEST_PATH_IMAGE050
的平均值作为第一个分段时长；计算每个破碎过程下第二个转折时间点与第一个转折时间点之间的时间差值
Figure DEST_PATH_IMAGE052
，计算所有破碎过程下的
Figure DEST_PATH_IMAGE054
的平均值作为第二个分段时长。
采集的振动信号为一段连续的振动信号，首先将振动信号分为多段
Figure 753565DEST_PATH_IMAGE046
长度的振动段，一个振动段代表一个破碎过程，然后对每个振动过程依据第一个分段时长和第二个分段时长划分为多个振动区间，每个振动区间代表了一个转折过程，即大石料转化为部分小石料和全都转化为小石料的两个过程。
步骤S004，获取每段振动区间的多个峰值点，并根据相邻峰值点之间的斜率获取对应振动区间的波动程度，基于每段振动区间的振动信号的幅值、石料结构参数与波动程度获取每段振动区间的异常程度阈值；通过比较振动信号的幅值和异常程度阈值，对石料破碎设备进行运行异常监测。
具体的步骤包括：
结构参数越大，石料对振动的影响程度越大，则对应的在自适应异常程度阈值时阈值设置的就要越大；振动信号的波动程度越大，则该段信号出现异常信号的概率就越大，则对应的在自适应异常程度阈值时阈值的设置要较小。因此每段振动区间获取一个自适应的异常阈值。
对于每三个相邻的振动信计算每两个相邻峰值点之间的斜率，计算所有斜率的方差作为波动程度。
以第i段振动区间为例，第
Figure DEST_PATH_IMAGE056
段振动信号区间的第
Figure DEST_PATH_IMAGE058
个峰值点
Figure DEST_PATH_IMAGE060
和下一个峰值点
Figure DEST_PATH_IMAGE062
的连线斜率值
Figure DEST_PATH_IMAGE064
的计算表达式为：
Figure DEST_PATH_IMAGE066
，式中，
Figure DEST_PATH_IMAGE068
表示第
Figure 589934DEST_PATH_IMAGE056
段振动信号区间的第
Figure 284089DEST_PATH_IMAGE058
个峰值点
Figure 559213DEST_PATH_IMAGE060
的坐标；
Figure DEST_PATH_IMAGE070
表示第
Figure 671525DEST_PATH_IMAGE056
段振动信号区间的第
Figure DEST_PATH_IMAGE072
个峰值点
Figure 272271DEST_PATH_IMAGE062
的坐标。
则对应的第
Figure 204455DEST_PATH_IMAGE056
段振动信号区间的波动程度
Figure DEST_PATH_IMAGE074
的计算表达式为：
Figure DEST_PATH_IMAGE076
，式中，
Figure DEST_PATH_IMAGE078
表示第
Figure 17690DEST_PATH_IMAGE056
段振动信号区间的峰值点的个数；
Figure 515667DEST_PATH_IMAGE064
表示第
Figure 751563DEST_PATH_IMAGE056
段振动信号区间的第
Figure 967781DEST_PATH_IMAGE058
个峰值点和第
Figure 850286DEST_PATH_IMAGE072
个峰值点之间连线的斜率值；
Figure DEST_PATH_IMAGE080
表示相邻峰值点连线的斜率均值。
通过计算峰值点连线的斜率值的方差来表征该段振动信号区间的波动程度，波动程度越大，该段信号出现异常信号的概率就越大。
获取每段振动区间对应时长内每张石料图像的石料结构参数，计算所有石料结构参数的均值作为该段振动区间的平均结构参数，计算平均结构参数与波动程度的比值，计算该段振动区间的振动信号的幅值的平均值作为调整超参数，以比值和调整超参数的乘积作为异常程度阈值。
同样以第i段振动区间为例，第
Figure 671611DEST_PATH_IMAGE056
段振动信号区间的自适应异常程度阈值
Figure DEST_PATH_IMAGE082
的计算表达式为：
Figure DEST_PATH_IMAGE084
，其中
Figure DEST_PATH_IMAGE086
表示第
Figure 286264DEST_PATH_IMAGE056
段振动信号区间的平均结构参数，
Figure 724198DEST_PATH_IMAGE074
表示第
Figure 410394DEST_PATH_IMAGE056
段振动信号区间的波动程度，
Figure DEST_PATH_IMAGE088
表示调整超参数。调整超参数为第i段振动区间的振动信号的幅值的平均值。
设置异常数量阈值若振动区间的振动信号的幅值大于对应的异常程度阈值的数据点的数量大于异常数量阈值，石料破碎设备运行异常。
在本发明实施例中异常数量阈值设置为
Figure DEST_PATH_IMAGE090
，其中F为当前段振动信号区间的振动信号点的数量，当振动区间的振动信号的幅值大于对应的异常程度阈值的数据点的数量大于异常数量阈值
Figure DEST_PATH_IMAGE092
时，石料破碎设备运行异常，进行预警。
综上所述，本发明实施例俯视采集石料进入石料破碎设备时和石料破碎过程中的石料图像，在石料破碎过程中采集石料破碎设备外壳的振动信号；获取石料图像的灰度图像并提取连通域，获取每个连通域的质心坐标；基于质心坐标获取每个连通域与其最近的相邻连通域之间的最短距离，根据所有最短距离获取石料图像中石料的形态参数估计值；基于连通域的大小以及形态参数估计值获取石料结构参数，通过石料结构参数的数值变化获取破碎过程的转折时间点，基于转折时间点将振动信号划分为多段振动区间；获取每段振动区间的多个峰值点，并根据相邻峰值点之间的斜率获取对应振动区间的波动程度，基于每段振动区间的振动信号的幅值、石料结构参数与波动程度获取每段振动区间的异常程度阈值；通过比较振动信号的幅值和异常程度阈值，对石料破碎设备进行运行异常监测。本发明综合考虑了设备中石料对振动信号的影响，根据不同阶段的石料特征来进行自适应异常程度阈值，避免了传统的设置统一阈值得到错误的监测结果，提高了对石料破碎设备的运行异常监测的准确性。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；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，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于石料破碎设备的运行异常监测方法，其特征在于，该方法包括以下步骤：
俯视采集石料进入石料破碎设备时和石料破碎过程中的石料图像，在石料破碎过程中采集石料破碎设备外壳的振动信号；
获取所述石料图像的灰度图像并提取连通域，获取每个连通域的质心坐标；基于所述质心坐标获取每个连通域与其最近的相邻连通域之间的最短距离，根据所有最短距离获取石料图像中石料的形态参数估计值；
基于连通域的大小以及所述形态参数估计值获取石料结构参数，通过石料结构参数的数值变化获取破碎过程的转折时间点，基于所述转折时间点将所述振动信号划分为多段振动区间；
获取每段振动区间的多个峰值点，并根据相邻峰值点之间的斜率获取对应振动区间的波动程度，基于每段振动区间的振动信号的幅值、所述石料结构参数与所述波动程度获取每段振动区间的异常程度阈值；通过比较振动信号的幅值和所述异常程度阈值，对石料破碎设备进行运行异常监测。
2.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述获取每个连通域的质心坐标，包括：
通过高斯滤波对所述灰度图像进行去噪处理，然后通过边缘检测得到每块石料的边缘，对边缘检测结果进行连通域分析，得到每个连通域的质心坐标。
3.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述形态参数估计值的获取方法为：
计算每个连通域与其他连通域之间的欧氏距离，以所有欧式距离中的最小值作为对应连通域的最短距离，计算所有连通域对应的最短距离的方差作为所述形态参数估计值。
4.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述石料结构参数的获取方法为：
统计每个连通域中的像素点数量作为该连通域的大小，计算所有联通域的大小的平均值，乘上所述形态参数估计值得到所述石料结构参数。
5.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述通过石料结构参数的数值变化获取破碎过程的转折时间点，包括：
对于每个破碎过程，获取石料进入石料破碎设备时的时刻作为初始时间点，出现在出料口的时刻作为结束时间点；将所述石料结构参数归一化得到归一化数值，并设置差值阈值，当与初始时间点对应的归一化数值的差值首次大于所述差值阈值时，对应的时刻为第一个转折时间点；然后当与第一个转折时间点对应的归一化数值的差值首次大于所述差值阈值时，对应的时刻为第二个转折时间点。
6.根据权利要求5所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述基于所述转折时间点将所述振动信号划分为多段振动区间，包括：
统计多个破碎过程下初始时间点和结束时间点之间的时间差值，计算所有时间差值的平均值作为分段时长，将采集的振动信号划分为多段时长为所述分段时长的振动段；根据所述转折时间点将每个振动段划分为多段振动区间。
7.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述峰值点的获取方法为：
对于每三个相邻的振动信号，当中间的振动信号的幅值大于两端的振动信号的幅值时，则中间的振动信号的幅值即为一个峰值点。
8.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述波动程度的获取方法为：
将所有峰值点顺序相连，计算每两个相邻峰值点之间的斜率，计算所有斜率的方差作为所述波动程度。
9.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述每段振动区间的异常程度阈值的获取方法为：
获取每段振动区间对应时长内每张石料图像的石料结构参数，计算所有石料结构参数的均值作为该段振动区间的平均结构参数，计算所述平均结构参数与所述波动程度的比值，计算该段振动区间的振动信号的幅值的平均值作为调整超参数，以所述比值和所述调整超参数的乘积作为所述异常程度阈值。
10.根据权利要求1所述的一种基于石料破碎设备的运行异常监测方法，其特征在于，所述对石料破碎设备进行运行异常监测，包括：
设置异常数量阈值，若振动区间的振动信号的幅值大于对应的异常程度阈值的数据点的数量大于所述异常数量阈值，石料破碎设备运行异常。
CN202211230039.3A 2022-10-09 2022-10-09 一种基于石料破碎设备的运行异常监测方法 Pending CN115283125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211230039.3A CN115283125A (zh) 2022-10-09 2022-10-09 一种基于石料破碎设备的运行异常监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211230039.3A CN115283125A (zh) 2022-10-09 2022-10-09 一种基于石料破碎设备的运行异常监测方法

Publications (1)

Publication Number Publication Date
CN115283125A true CN115283125A (zh) 2022-11-04

Family

ID=83819428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211230039.3A Pending CN115283125A (zh) 2022-10-09 2022-10-09 一种基于石料破碎设备的运行异常监测方法

Country Status (1)

Country Link
CN (1) CN115283125A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115577246A (zh) * 2022-12-09 2023-01-06 杭州贝斯特气体有限公司 一种气瓶防护罩抗振性能检测方法
CN116335925A (zh) * 2023-05-19 2023-06-27 山东海纳智能装备科技股份有限公司 基于数据增强的煤矿井下乳化泵站智能调控系统
CN117599942A (zh) * 2024-01-24 2024-02-27 山东山矿机械有限公司 一种矿石破碎机设备运行状态监测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB702052A (en) * 1949-08-20 1954-01-06 Wilhelm Degen Process for the production of coarse concrete and articles made therefrom
CN113674280A (zh) * 2021-10-25 2021-11-19 启东万惠机械制造有限公司 一种电站锅炉炉膛温度测量方法
CN114549522A (zh) * 2022-04-24 2022-05-27 启东新朋莱纺织科技有限公司 基于目标检测的纺织品质量检测方法
CN114882228A (zh) * 2022-07-08 2022-08-09 海门市三德体育用品有限公司 基于知识蒸馏的健身场所布局优化方法
CN115115644A (zh) * 2022-08-31 2022-09-27 启东市德立神起重运输机械有限公司 一种基于人工智能的车辆焊接缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB702052A (en) * 1949-08-20 1954-01-06 Wilhelm Degen Process for the production of coarse concrete and articles made therefrom
CN113674280A (zh) * 2021-10-25 2021-11-19 启东万惠机械制造有限公司 一种电站锅炉炉膛温度测量方法
CN114549522A (zh) * 2022-04-24 2022-05-27 启东新朋莱纺织科技有限公司 基于目标检测的纺织品质量检测方法
CN114882228A (zh) * 2022-07-08 2022-08-09 海门市三德体育用品有限公司 基于知识蒸馏的健身场所布局优化方法
CN115115644A (zh) * 2022-08-31 2022-09-27 启东市德立神起重运输机械有限公司 一种基于人工智能的车辆焊接缺陷检测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115577246A (zh) * 2022-12-09 2023-01-06 杭州贝斯特气体有限公司 一种气瓶防护罩抗振性能检测方法
CN116335925A (zh) * 2023-05-19 2023-06-27 山东海纳智能装备科技股份有限公司 基于数据增强的煤矿井下乳化泵站智能调控系统
CN116335925B (zh) * 2023-05-19 2023-08-04 山东海纳智能装备科技股份有限公司 基于数据增强的煤矿井下乳化泵站智能调控系统
CN117599942A (zh) * 2024-01-24 2024-02-27 山东山矿机械有限公司 一种矿石破碎机设备运行状态监测方法
CN117599942B (zh) * 2024-01-24 2024-04-09 山东山矿机械有限公司 一种矿石破碎机设备运行状态监测方法

Similar Documents

Publication Publication Date Title
CN115283125A (zh) 一种基于石料破碎设备的运行异常监测方法
US11443437B2 (en) Vibe-based three-dimensional sonar point cloud image segmentation method
CN110648480B (zh) 一种基于变化速率的单变量报警系统及方法
CN111462066B (zh) 一种基于机器视觉的螺纹参数检测方法
CN109540917B (zh) 一种多角度模式下纱线外观特征参数提取与分析方法
CN105095957A (zh) 一种基于图像分割的蚕茧计数方法
CN103927553B (zh) 基于多尺度微纹理和对比度联合分布的煤岩识别方法
CN105095958A (zh) 一种蚕茧计数方法
CN115797473B (zh) 一种土建工程用混凝土成型评估方法
CN110682159A (zh) 一种刀具磨损状态识别方法及装置
CN112380992B (zh) 一种加工过程监控数据准确性评估与优化方法及装置
CN114872290B (zh) 一种注塑件的自适应生产异常监测方法
CN116383754A (zh) 一种机车车辆配件生产在线监测系统及方法
CN114167838A (zh) 一种伺服系统多尺度健康评估与故障预测方法
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN107153728B (zh) 一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法
CN109472779B (zh) 一种基于形态结构的纱线外观特征参数提取与分析方法
CN114817228A (zh) 一种湖泊水位长时间序列监测数据的异常值剔除方法
US20150039117A1 (en) Apparatus and method of segmenting sensor data output from a semiconductor manufacturing facility
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN115270894B (zh) 用于甲醇发电机的异常振动信号提取方法
CN113569695B (zh) 基于双谱三特征的海面目标检测方法及系统
CN113627885A (zh) 一种电网供电异常监测系统及其监测方法
CN114859297A (zh) 桥梁振动目标检测方法及装置
CN106291344B (zh) 基于分闸压力曲线的断路器刚分点检测方法及系统

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