CN115285621B - 基于人工智能的皮带托辊故障监测系统 - Google Patents

Abstract

本发明涉及故障监测技术领域，具体公开了基于人工智能的皮带托辊故障监测系统。本发明实施例公开的基于人工智能的皮带托辊故障监测系统，其中：音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。通过音频监测来判断皮带托辊有无异常，通过视频监测定位具体的故障托辊，能够通过视频与音频结合的方式，对皮带托辊进行故障监测，有效提高检测准确率，减少了人力成本，提高了安全性。

Description

基于人工智能的皮带托辊故障监测系统

技术领域

本发明属于故障监测技术领域，尤其涉及基于人工智能的皮带托辊故障监测系统。

背景技术

皮带运输机广泛运用于煤矿井下运输、码头货物运输等领域。由于经常运输重物，导致皮带托辊及其轴承极易发生故障，常见的故障包括：托辊长期运行致其发生形变、托辊轴承劣化导致托辊卡死等。传统的皮带运输机采用人工巡检的方式对托辊进行故障检查，然而这种方式及其依赖巡检人员的经验，效率低下，并不能保证巡检工作的可靠性。

近年来，基于音频技术对皮带托辊进行故障检测得到了越来越多的运用，该技术利用托辊产生的噪音来判断托辊是否产生故障，该技术能一定程度上节省人力，但考虑到皮带运输机的作业现场噪音情况较为复杂，仅凭噪音难以准确定位故障托辊。

发明内容

本发明实施例的目的在于提供基于人工智能的皮带托辊故障监测系统，旨在解决背景技术中提出的问题。

为实现上述目的，本发明实施例提供如下技术方案：

基于人工智能的皮带托辊故障监测系统，所述系统包括音频监测子系统和视频监测子系统，其中：

音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；

视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

作为本发明实施例技术方案进一步的限定，所述音频监测子系统具体包括：

音频传感器，用于对皮带运输机进行噪音采集，得到噪音信号数据；

音频处理分析单元，用于接收音频传感器传输的噪音信号数据，对所述噪音信号数据进行处理分析，判断是否存在运行异常。

作为本发明实施例技术方案进一步的限定，所述音频处理分析单元具体包括：

音频接收模块，用于接收音频传感器传输的噪音信号数据；

音频处理模块，用于对所述噪音信号数据进行处理，生成音频处理数据；

音频分析模块，用于对所述音频处理数据进行异常分析，判断是否存在运行异常。

作为本发明实施例技术方案进一步的限定，所述音频分析模块具体包括：

音频分析子模块，用于对所述音频处理数据进行异常分析，生成异常分析结果；

异常判断子模块，用于根据所述异常分析结果，判断是否存在运行异常；

异常信号子模块，用于在存在运行异常时，生成异常信号。

作为本发明实施例技术方案进一步的限定，所述视频监测子系统具体包括：

视频监测单元，用于接收所述异常信号，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据；

故障定位单元，用于对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

作为本发明实施例技术方案进一步的限定，所述视频监测单元具体包括：

信号接收子单元，用于接收所述异常信号；

智能相机，用于根据所述异常信号，对皮带托辊的圆形截面和偏心圆进行拍摄，生成托辊拍摄视频；

红外温度相机，用于根据所述异常信号，对皮带托辊的表面温度进行监测，生成温度监测数据。

作为本发明实施例技术方案进一步的限定，所述故障定位单元具体包括：

视频分析模块，用于对所述托辊拍摄视频进行处理分析，定位形变和/或卡死的故障托辊；

温度分析模块，用于将所述温度监测数据与预设的温度阈值进行比较，定位发生干摩擦的故障托辊。

作为本发明实施例技术方案进一步的限定，所述视频分析模块具体包括：

形变判断子模块，用于根据所述托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果；

逐帧化处理子模块，用于将所述托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片；

卡死判断子模块，用于根据多个所述逐帧拍摄图片，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果；

第一故障定位子模块，用于根据所述形变判断结果和所述卡死判断结果，定位形变和/或卡死的故障托辊。

作为本发明实施例技术方案进一步的限定，所述温度分析模块具体包括：

阈值获取子模块，用于获取预设的温度阈值；

温度比较子模块，用于将所述温度监测数据与预设的温度阈值进行比较，生成温度比较结果；

干摩擦判断子模块，用于根据所述温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果；

第二故障定位子模块，用于根据所述干摩擦判断结果，定位干摩擦的故障托辊。

与现有技术相比，本发明的有益效果是：

本发明实施例公开的基于人工智能的皮带托辊故障监测系统，其中：音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。通过音频监测来判断皮带托辊有无异常，通过视频监测定位具体的故障托辊，能够通过视频与音频结合的方式，对皮带托辊进行故障监测，有效提高检测准确率，减少了人力成本，提高了安全性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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地介绍，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。

图1示出了本发明实施例提供的皮带托辊的截面示意图。

图2示出了本发明实施例提供的系统的部分结构示意图。

图3示出了本发明实施例提供的工作流程的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解的是，近年来，基于音频技术对皮带托辊进行故障检测得到了越来越多的运用，该技术利用托辊产生的噪音来判断托辊是否产生故障，该技术能一定程度上节省人力，但考虑到皮带运输机的作业现场噪音情况较为复杂，仅凭噪音难以准确定位故障托辊。

为解决上述问题，本发明实施例公开的基于人工智能的皮带托辊故障监测系统，其中：音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。通过音频监测来判断皮带托辊有无异常，通过视频监测定位具体的故障托辊，能够通过视频与音频结合的方式，对皮带托辊进行故障监测，有效提高检测准确率，减少了人力成本，提高了安全性。

具体的，图3示出了本发明实施例提供的工作流程的示意图，基于人工智能的皮带托辊故障监测系统，所述系统包括：

音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常。

在本发明实施例中，音频监测子系统设置在皮带托辊的附近，在皮带托辊运行时，对皮带托辊运行产生的噪音进行采集，实时生成噪音信号数据，通过对噪音信号数据进行过滤、放大增益和异常波动分离分析处理，得到音频处理数据，进而按照音频处理数据进行异常分析，生成异常分析结果，按照异常分析结果，判断皮带托辊在运行的过程中是否存在运行异常，并在确定存在异常时，生成异常信号。

可以理解的是，在皮带输送机正常工作过程中，由于托辊出现的故障问题占到输送机总故障约30%，主要的故障类别有轴承异常、表皮脱落以及托辊卡死等。出现托辊卡死故障主要是当托辊内的轴承混入水、杂质等时，引起托辊出现异常。同时托辊与皮带输送机皮带持续出现摩擦，托辊表面温度，托辊表面温度循环的出现、降低，引起托辊表面出现破损，严重时出现裂纹，影响正常到煤炭或者其他材料输送工作。皮带输送机的托辊出现异常故障时，托辊出现振动、各个部件出现摩擦碰撞，从而引起激发异常的发射波，因此，能够采用音频监测子系统对皮带机托辊激发的异常波进行检测，在对异常波进行接收时先通过信号放大器对接收到的信号进行增益，然后依据EMD、FFT等技术方法对接收到的噪声波异常情况进行分离分析，综合判断托辊特征，对检测的托辊运转状态及故障进行诊断。

具体的，图2示出了本发明实施例提供的系统的部分结构示意图。

其中，在本发明提供的优选实施方式中，所述音频监测子系统具体包括。

音频传感器，用于对皮带运输机进行噪音采集，得到噪音信号数据。

音频处理分析单元，用于接收音频传感器传输的噪音信号数据，对所述噪音信号数据进行处理分析，判断是否存在运行异常。

具体的，在本发明提供的优选实施方式中，所述音频处理分析单元具体包括：

音频接收模块，用于接收音频传感器传输的噪音信号数据。

音频处理模块，用于对所述噪音信号数据进行处理，生成音频处理数据。

音频分析模块，用于对所述音频处理数据进行异常分析，判断是否存在运行异常。

具体的，在本发明提供的优选实施方式中，所述音频分析模块具体包括：

音频分析子模块，用于对所述音频处理数据进行异常分析，生成异常分析结果。

异常判断子模块，用于根据所述异常分析结果，判断是否存在运行异常。

异常信号子模块，用于在存在运行异常时，生成异常信号。

进一步的，所述基于人工智能的皮带托辊故障监测系统还包括：

视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

在本发明实施例中，如图1示出了本发明实施例提供的皮带托辊的截面示意图，皮带托辊的侧面均设置有一个偏心圆，视频监测子系统设置在皮带托辊的一侧，在皮带托辊运行时，对皮带托辊的圆形截面和偏心圆进行视频拍摄，生成托辊拍摄视频，根据托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果，进而将托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片，将每两个逐帧拍摄图片进行对比分析，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果，综合形变判断结果和卡死判断结果，定位发生形变和/或卡死的故障托辊，考虑到皮带运输机的工作条件较为复杂，因此在皮带托辊运行时，视频监测子系统对托辊表面温度进行监测，用以辅助判断托辊的运行情况，通过获取皮带托辊的温度监测数据，并将温度监测数据与预设的温度阈值进行比较，生成温度比较结果，进而根据温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果，根据干摩擦判断结果，定位干摩擦的故障托辊，从而能够综合视频拍摄和红外监测的结果，可定位到具体的故障托辊，在显示屏上将定位的故障托辊进行标记显示，并将进行警报提醒，方便工作人员快速发现故障托辊。

具体的，图2示出了本发明实施例提供的系统的部分结构示意图。

其中，在本发明提供的优选实施方式中，所述视频监测子系统具体包括：

视频监测单元，用于接收所述异常信号，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据。

具体的，在本发明提供的优选实施方式中，所述视频监测单元具体包括：

信号接收子单元，用于接收所述异常信号。

智能相机，用于根据所述异常信号，对皮带托辊的圆形截面和偏心圆进行拍摄，生成托辊拍摄视频。

红外温度相机，用于根据所述异常信号，对皮带托辊的表面温度进行监测，生成温度监测数据。

进一步的，所述视频监测子系统还包括：

故障定位单元，用于对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

具体的，在本发明提供的优选实施方式中，所述故障定位单元具体包括：

视频分析模块，用于对所述托辊拍摄视频进行处理分析，定位形变和/或卡死的故障托辊。

具体的，在本发明提供的优选实施方式中，所述视频分析模块具体包括：

形变判断子模块，用于根据所述托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果。

逐帧化处理子模块，用于将所述托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片。

卡死判断子模块，用于根据多个所述逐帧拍摄图片，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果。

第一故障定位子模块，用于根据所述形变判断结果和所述卡死判断结果，定位形变和/或卡死的故障托辊。

进一步的，所述故障定位单元还包括：

温度分析模块，用于将所述温度监测数据与预设的温度阈值进行比较，定位发生干摩擦的故障托辊。

具体的，在本发明提供的优选实施方式中，所述温度分析模块具体包括：

阈值获取子模块，用于获取预设的温度阈值。

温度比较子模块，用于将所述温度监测数据与预设的温度阈值进行比较，生成温度比较结果。

干摩擦判断子模块，用于根据所述温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果。

第二故障定位子模块，用于根据所述干摩擦判断结果，定位干摩擦的故障托辊。

进一步的，在本发明提供的又一个优选实施方式中，基于人工智能的皮带托辊故障监测方法，所述方法包括：

步骤一、对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常。

在本发明实施例中，在皮带托辊运行时，对皮带托辊运行产生的噪音进行采集，实时生成噪音信号数据，通过对噪音信号数据进行过滤、放大增益和异常波动分离分析处理，得到音频处理数据，进而按照音频处理数据进行异常分析，生成异常分析结果，按照异常分析结果，判断皮带托辊在运行的过程中是否存在运行异常，并在确定存在异常时，生成异常信号。

可以理解的是，在皮带输送机正常工作过程中，由于托辊出现的故障问题占到输送机总故障约30%，主要的故障类别有轴承异常、表皮脱落以及托辊卡死等。出现托辊卡死故障主要是当托辊内的轴承混入水、杂质等时，引起托辊出现异常。同时托辊与皮带输送机皮带持续出现摩擦，托辊表面温度，托辊表面温度循环的出现、降低，引起托辊表面出现破损，严重时出现裂纹，影响正常到煤炭或者其他材料输送工作。皮带输送机的托辊出现异常故障时，托辊出现振动、各个部件出现摩擦碰撞，从而引起激发异常的发射波，因此，能够采用音频监测子系统对皮带机托辊激发的异常波进行检测，在对异常波进行接收时先通过信号放大器对接收到的信号进行增益，然后依据EMD、FFT等技术方法对接收到的噪声波异常情况进行分离分析，综合判断托辊特征，对检测的托辊运转状态及故障进行诊断。

具体的，在本发明提供的优选实施方式中，所述对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常具体包括以下步骤：

对皮带运输机进行噪音采集，得到噪音信号数据；

接收音频传感器传输的噪音信号数据，对所述噪音信号数据进行处理分析，判断是否存在运行异常。

具体的，在本发明提供的优选实施方式中，所述接收音频传感器传输的噪音信号数据，对所述噪音信号数据进行处理分析，判断是否存在运行异常具体包括以下步骤：

接收音频传感器传输的噪音信号数据；

对所述噪音信号数据进行处理，生成音频处理数据；

对所述音频处理数据进行异常分析，判断是否存在运行异常。

具体的，在本发明提供的优选实施方式中，所述对所述音频处理数据进行异常分析，判断是否存在运行异常具体包括以下步骤：

对所述音频处理数据进行异常分析，生成异常分析结果；

根据所述异常分析结果，判断是否存在运行异常；

在存在运行异常时，生成异常信号。

进一步的，所述基于人工智能的皮带托辊故障监测方法还包括以下步骤：

步骤二、在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

在本发明实施例中，皮带托辊的侧面均设置有一个偏心圆，在皮带托辊运行时，对皮带托辊的圆形截面和偏心圆进行视频拍摄，生成托辊拍摄视频，根据托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果，进而将托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片，将每两个逐帧拍摄图片进行对比分析，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果，综合形变判断结果和卡死判断结果，定位发生形变和/或卡死的故障托辊，考虑到皮带运输机的工作条件较为复杂，因此在皮带托辊运行时，对托辊表面温度进行监测，用以辅助判断托辊的运行情况，通过获取皮带托辊的温度监测数据，并将温度监测数据与预设的温度阈值进行比较，生成温度比较结果，进而根据温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果，根据干摩擦判断结果，定位干摩擦的故障托辊，从而能够综合视频拍摄和红外监测的结果，可定位到具体的故障托辊，在显示屏上将定位的故障托辊进行标记显示，并将进行警报提醒，方便工作人员快速发现故障托辊。

具体的，在本发明提供的优选实施方式中，所述在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊具体包括以下步骤：

接收所述异常信号，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据。

具体的，在本发明提供的优选实施方式中，所述接收所述异常信号，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据具体包括以下步骤：

接收所述异常信号；

根据所述异常信号，对皮带托辊的圆形截面和偏心圆进行拍摄，生成托辊拍摄视频；

根据所述异常信号，对皮带托辊的表面温度进行监测，生成温度监测数据。

进一步的，所述在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊还包括以下步骤：

对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。

具体的，在本发明提供的优选实施方式中，所述对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊具体包括以下步骤：

对所述托辊拍摄视频进行处理分析，定位形变和/或卡死的故障托辊。

具体的，在本发明提供的优选实施方式中，所述对所述托辊拍摄视频进行处理分析，定位形变和/或卡死的故障托辊具体包括以下步骤：

根据所述托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果；

将所述托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片；

根据多个所述逐帧拍摄图片，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果；

根据所述形变判断结果和所述卡死判断结果，定位形变和/或卡死的故障托辊。

进一步的，所述在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊还包括以下步骤：

将所述温度监测数据与预设的温度阈值进行比较，定位发生干摩擦的故障托辊。

具体的，在本发明提供的优选实施方式中，所述将所述温度监测数据与预设的温度阈值进行比较，定位发生干摩擦的故障托辊具体包括以下步骤：

获取预设的温度阈值；

将所述温度监测数据与预设的温度阈值进行比较，生成温度比较结果；

根据所述温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果；

根据所述干摩擦判断结果，定位干摩擦的故障托辊。

综上所述，本发明实施例公开的基于人工智能的皮带托辊故障监测系统，其中：音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊。通过音频监测来判断皮带托辊有无异常，通过视频监测定位具体的故障托辊，能够通过视频与音频结合的方式，对皮带托辊进行故障监测，有效提高检测准确率，减少了人力成本，提高了安全性。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.基于人工智能的皮带托辊故障监测系统，其特征在于，所述系统包括音频监测子系统和视频监测子系统，其中：

音频监测子系统，用于对皮带运输机进行噪音采集，得到噪音信号数据，并对所述噪音信号数据进行处理分析，判断是否存在运行异常；

视频监测子系统，用于在存在运行异常时，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据，并对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊；

具体的，皮带托辊的侧面均设置有一个偏心圆，视频监测子系统设置在皮带托辊的一侧，在皮带托辊运行时，对皮带托辊的圆形截面和偏心圆进行视频拍摄，生成托辊拍摄视频，根据托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果，进而将托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片，将每两个逐帧拍摄图片进行对比分析，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果，综合形变判断结果和卡死判断结果，定位发生形变和/或卡死的故障托辊；

所述音频监测子系统具体包括：

音频传感器，用于对皮带运输机进行噪音采集，得到噪音信号数据；音频处理分析单元，用于接收音频传感器传输的噪音信号数据，对所述

噪音信号数据进行处理分析，判断是否存在运行异常；

所述音频处理分析单元具体包括：

音频接收模块，用于接收音频传感器传输的噪音信号数据；

音频处理模块，用于对所述噪音信号数据进行处理，生成音频处理数据；音频分析模块，用于对所述音频处理数据进行异常分析，判断是否存在

运行异常；

所述音频分析模块具体包括：

音频分析子模块，用于对所述音频处理数据进行异常分析，生成异常分析结果；

异常判断子模块，用于根据所述异常分析结果，判断是否存在运行异常；异常信号子模块，用于在存在运行异常时，生成异常信号；

所述视频监测子系统具体包括：

视频监测单元，用于接收所述异常信号，对皮带运输机的皮带托辊进行视频拍摄和红外监测，生成拍摄监测数据；

故障定位单元，用于对所述拍摄监测数据进行故障定位分析，定位具体的故障托辊；

所述视频监测单元具体包括：

信号接收子单元，用于接收所述异常信号；

智能相机，用于根据所述异常信号，对皮带托辊的圆形截面和偏心圆进行拍摄，生成托辊拍摄视频；

红外温度相机，用于根据所述异常信号，对皮带托辊的表面温度进行监

测，生成温度监测数据；

所述故障定位单元具体包括：

视频分析模块，用于对所述托辊拍摄视频进行处理分析，定位形变和/或卡死的故障托辊；

温度分析模块，用于将所述温度监测数据与预设的温度阈值进行比较，定位发生干摩擦的故障托辊。

2.根据权利要求1所述的基于人工智能的皮带托辊故障监测系统，其特征在于，所述视频分析模块具体包括：

形变判断子模块，用于根据所述托辊拍摄视频，对皮带托辊的截面圆度进行分析，判断是否发生形变，生成形变判断结果；

逐帧化处理子模块，用于将所述托辊拍摄视频进行逐帧化处理，得到多个逐帧拍摄图片；

卡死判断子模块，用于根据多个所述逐帧拍摄图片，计算每两帧之间的偏心圆的相对距离，判断是否发生卡死，生成卡死判断结果；

第一故障定位子模块，用于根据所述形变判断结果和所述卡死判断结果，定位形变和/或卡死的故障托辊。

3.根据权利要求2所述的基于人工智能的皮带托辊故障监测系统，其特征在于，所述温度分析模块具体包括：

阈值获取子模块，用于获取预设的温度阈值；

温度比较子模块，用于将所述温度监测数据与预设的温度阈值进行比较，生成温度比较结果；

干摩擦判断子模块，用于根据所述温度比较结果，判断是否存在干摩擦，生成干摩擦判断结果；

第二故障定位子模块，用于根据所述干摩擦判断结果，定位干摩擦的故障托辊。

Images