CN117540331A - 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 - Google Patents
一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 Download PDFInfo
- Publication number
- CN117540331A CN117540331A CN202410032799.6A CN202410032799A CN117540331A CN 117540331 A CN117540331 A CN 117540331A CN 202410032799 A CN202410032799 A CN 202410032799A CN 117540331 A CN117540331 A CN 117540331A
- Authority
- CN
- China
- Prior art keywords
- grinding roller
- monitoring period
- roller
- degree
- working
- 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.)
- Withdrawn
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 398
- 238000012544 monitoring process Methods 0.000 title claims abstract description 127
- 239000003245 coal Substances 0.000 title claims abstract description 32
- 238000005299 abrasion Methods 0.000 title claims description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 21
- 238000005336 cracking Methods 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明涉及工业自动化技术领域,具体而言,涉及一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,包括外观检测模块、外观分析模块、工作状态检测模块、工作状态分析模块、磨损程度分析模块、磨损趋势分析模块、工作时长预测模块、管理数据库,本系统通过分析磨辊的外观影响系数、各监测周期工作状态影响系数得到各监测周期磨辊的磨损程度指数,可以更准确地了解磨辊的实际状况,避免不准确的评估导致的误判或漏判,同时根据各监测周期磨辊的磨损程度指数构建了磨辊的磨损趋势曲线,以此得到磨辊的预计剩余工作时长,便于合理安排维护和更换操作,避免因磨辊磨损导致的生产中断,确保设备的正常运行,提高生产效率。
Description
技术领域
本发明涉及工业自动化技术领域,具体而言,是一种用于辊式中速磨煤机的磨辊磨损度监测分析系统。
背景技术
辊式中速磨煤机是一种用于煤炭粉磨的设备,通常用于煤炭粉磨和燃烧系统中,由一组水平放置的磨辊组成,煤炭通过磨辊之间的空间被压碎和研磨,最终产生所需的煤粉,这种类型的磨煤机通常具有中等速度和较高的粉磨效率,适用于煤粉的生产和加工过程。
辊式中速磨煤机的磨辊是该设备中的一个重要部件,用于在磨煤机内部对煤炭等物料进行研磨和粉碎,磨辊通常由耐磨合金材料制成,以承受高速旋转和对物料的高强度研磨作用,对磨煤机的工作效率和性能具有重要影响。
专利名称为一种磨煤机的磨辊检修方法和系统(专利号为202110426437.1)的中国专利公布的技术方案,该方案通过将采集的实时运行状态数据输入到磨损度预测模型中,获得磨辊的预测磨损值,并将预测磨损值与对比数据进行对比,判断磨辊的当前状态,进而进行相应的处理,解决了目前无法在线监测磨煤机的磨辊损耗程度的问题,但仍存在不足之处,具体表现在以下方面:一、该方案中实时运行状态数据包括磨煤机的累积收煤量、累积给煤量、累积用电量和累积运行时间,并没有针对磨辊进行磨损数据检测,可能无法准确了解磨辊的磨损情况,难以进行精确的维护和调整。
二、该方案通过将预测磨损值与对比数据进行对比,判断磨辊的当前状态,进而进行相应的处理,但未提及对磨辊损坏到达时间的预测,可能无法提前规划维护和更换计划,可能导致在磨辊损坏之前无法及时采取措施,导致生产中断和额外的维修成本。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:本发明提供了一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,包括:外观检测模块,用于对磨辊的外观参数进行检测,外观参数包括开裂程度、凹陷程度、圆度、颜色变化程度。
外观分析模块,用于根据磨辊的外观参数分析得到磨辊的外观影响系数。
工作状态检测模块,用于对磨辊在各监测周期内的工作状态参数进行检测,工作状态参数包括温度、噪音分贝值、振动频率。
工作状态分析模块,用于根据磨辊的工作状态参数分析得到磨辊的各监测周期工作状态影响系数。
磨损程度分析模块,用于根据磨辊的外观影响系数、各监测周期工作状态影响系数分析得到各监测周期磨辊的磨损程度指数。
磨损趋势分析模块,用于根据各监测周期磨辊的磨损程度指数构建磨辊的磨损趋势曲线。
工作时长预测模块,用于根据磨辊的磨损趋势曲线分析得到磨辊的预计剩余工作时长,并将其和磨辊的下一阶段工作时长进行比对,进而得到磨辊的使用情况并根据使用情况向系统预警。
管理数据库,用于储存各类目颜色对应的色度值范围、磨辊表面初始色度对应颜色类目、磨辊的磨损程度限值、磨辊各工作阶段工作时长。
优选的,所述外观检测模块的具体分析过程如下:第一步,通过摄像头对辊式中速磨煤机的磨辊进行静态图像获取,记为磨辊信息图像,利用边缘检测算法检测磨辊信息图像中的裂纹边缘轮廓,根据裂纹边缘轮廓将磨辊信息图像中的裂纹部分分割出来,并对分割出来的裂纹部分进行特征提取,特征包括裂纹条数、各裂纹长度、各裂纹深度,将其分别记为,其中/>表示第/>条裂纹的编号,/>,将其代入到公式得到磨辊的开裂程度/>,其中/>分别表示裂纹条数、裂纹长度、裂纹深度的权值因子,且/>,/>分别表示设定的裂纹条数、裂纹长度、裂纹深度参考值,/>表示自然常数。
第二步,通过边缘检测技术提取磨辊信息图像中凹陷区域的边缘轮廓,同时统计各凹陷区域的像素点数量,记为,其中/>表示第/>个凹陷区域的编号,/>,提取磨辊信息图像的总像素,将其代入到公式/>得到磨辊的凹陷程度/>,/>表示磨辊信息图像的总像素。
第三步,确定磨辊轴线,同时将磨辊外表面划分为若干个等面积的子区域,取各子区域的中点作为测量点,记为各测量点,并分别测量各测量点到磨辊轴线的距离,记为,其中/>表示第/>个测量点的编号,/>,从中筛选出最大值和最小值分别记为磨辊的最大距离/>和磨辊的最小距离/>,将其代入到公式得到磨辊的圆度/>,/>表示测量点的数量。
第四步,读取磨辊信息图像,对磨辊信息图像中的各像素点的色度值进行检测,同时从管理数据库中读取各类目颜色对应的色度值范围,将其同磨辊信息图像中的各像素点的色度值进行匹配,得到各像素点的色度值对应颜色类目,记为各像素点颜色类目,同时读取磨辊表面初始色度对应颜色类目,筛选与磨辊表面初始色度对应颜色类目属于同一颜色类目的像素点数量,记为同色像素点数量,通过将各同色像素点的色度值同磨辊初始状态的表面色度值进行比对,得到各同色像素点的色度差,记为/>,其中/>表示第/>个同色像素点的编号,/>,将其代入到公式得到磨辊的颜色变化程度/>,其中/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的参考值,/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的权值因子,且/>。
优选的,所述外观分析模块的具体分析方法为:分别读取磨辊的开裂程度、磨辊的凹陷程度/>、磨辊的圆度/>、磨辊的颜色变化程度/>,分析磨辊的外观影响系数,其中/>分别表示磨辊的开裂程度、凹陷程度、圆度、颜色变化程度的权值因子,且/>。
优选的,所述工作状态检测模块的具体分析过程如下:第一步,根据设定工作时长划分监测周期,记为各监测周期,分别对各监测周期内各预设时间点磨辊的温度进行检测,记为各监测周期各预设时间点温度,通过对各监测周期各预设时间点温度求取平均值得到各监测周期磨辊的平均温度,记为各监测周期磨辊温度,其中/>表示第/>个监测周期的编号,/>。
第二步,对各监测周期内磨辊工作时产生的噪音值进行实时监测,并获取噪音在各频率点的分贝值,记为各监测周期各频率点噪音分贝值,通过对各监测周期各频率点噪音分贝值求取平均值得到各监测周期磨辊的噪音平均分贝值,记为各监测周期磨辊噪音分贝值。
第三步,通过磨辊上安装的振动传感器对磨辊在各监测周期内的振动次数进行检测,记为各监测周期磨辊的振动次数,同时提取监测周期的时长,通过用各监测周期磨辊的振动次数除以监测周期的时长,得到各监测周期磨辊的振动频率,记为。
优选的,所述工作状态分析模块的具体分析方法为:分别读取各监测周期磨辊温度、噪音分贝值/>、振动频率/>,分析磨辊的各监测周期工作状态影响系数/>,其公式为:/>,其中/>分别表示设定的磨辊温度、噪音分贝值、振动频率的参考值,/>分别表示设定的磨辊温度、噪音分贝值、振动频率的权值因子,且/>。
优选的,所述各监测周期磨辊的磨损程度指数的具体分析方法为:读取磨辊的外观影响系数和磨辊的各监测周期工作状态影响系数/>,将其代入到公式得到各监测周期磨辊的磨损程度指数/>,其中/>分别表示磨辊的外观影响系数、工作状态影响系数的权值因子。
优选的,所述磨损趋势分析模块的具体分析方法为:读取各监测周期磨辊的磨损程度指数和各监测周期的时长,通过对各监测周期的时长依次进行累加得到各监测周期结束时磨辊的累计工作时长,以累计工作时长为横坐标,以磨辊的磨损程度指数为纵坐标,构建二维坐标系,进而针对各监测周期结束时磨辊的累计工作时长对应磨辊的磨损程度在所构建的二维坐标系中标注若干点,形成累计工作时长-磨损程度曲线,记为磨辊的磨损趋势曲线。
优选的,所述磨辊的剩余工作时长的具体分析方法为:读取磨辊的磨损趋势曲线,从管理数据库中提取磨辊的磨损程度限值,将磨辊的磨损程度限值代入到磨辊的磨损趋势曲线中,得到磨辊的磨损程度限值对应的累计工作时长,记为磨辊的可工作时长,同时读取磨辊的当前累计工作时长,通过用磨辊的可工作时长减去磨辊的当前累计工作时长得到磨辊的预计剩余工作时长。
优选的,所述磨辊的使用情况的具体分析方法为:从管理数据库中读取磨辊各工作阶段工作时长,根据磨辊的当前累计工作时长判断磨辊的当前工作阶段,并从磨辊各工作阶段工作时长中获取磨辊下一工作阶段的工作时长,并将其和磨辊的预计剩余工作时长进行比对,若磨辊的预计剩余工作时长大于或等于磨辊下一工作阶段的工作时长,则表示磨辊可以继续工作至下一工作阶段结束,若磨辊的预计剩余工作时长小于磨辊下一工作阶段的工作时长,则表示磨辊无法继续工作至下一工作阶段结束,向系统发送更换预警。
相对于现有技术,本发明具有以下有益效果:一、本发明通过检测磨辊的外观参数分析得到磨辊的外观影响系数,通过检测磨辊的工作状态参数分析得到磨辊的各监测周期工作状态影响系数,进而分析得到各监测周期磨辊的磨损程度指数,可以以此制定合理的维护计划,对于已经达到一定磨损程度的磨辊,可以及时进行更换或修复,避免磨损引起的设备性能下降和质量问题。
二、本发明通过分析各监测周期磨辊的磨损程度指数构建了磨辊的磨损趋势曲线,可以直观地展示磨辊的磨损情况随时间的变化,通过分析曲线的变化规律,可以预测磨辊何时达到维护或更换的标准,从而合理安排维护计划,避免设备故障和生产中断。
三、本发明通过构建磨辊的磨损趋势图像分析得到磨辊的预计剩余工作时长,并将其和磨辊的下一阶段工作时长进行比对,进而得到磨辊的使用情况并根据使用情况向系统预警,比较剩余工作时长与下一阶段工作时长,可以预测磨辊的使用情况,通过准确评估磨辊的寿命,可以合理安排维护和更换操作,避免因磨辊故障导致的生产中断和额外的维修成本。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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,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他的附图。
图1为本发明的系统模块连接图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,包括外观检测模块、外观分析模块、工作状态检测模块、工作状态分析模块、磨损程度分析模块、磨损趋势分析模块、工作时长预测模块、管理数据库。
所述管理数据库和外观分析模块、工作状态分析模块、工作时长预测模块、磨损程度分析模块连接,磨损程度分析模块和外观分析模块、工作状态分析模块、工作时长预测模块连接,工作状态分析模块和工作状态检测模块连接,外观分析模块和外观检测模块连接,工作时长预测模块和磨损趋势分析模块连接。
外观检测模块,用于对磨辊的外观参数进行检测,外观参数包括开裂程度、凹陷程度、圆度、颜色变化程度。
所述外观检测模块的具体分析过程如下:第一步,通过摄像头对辊式中速磨煤机的磨辊进行静态图像获取,记为磨辊信息图像,利用边缘检测算法检测磨辊信息图像中的裂纹边缘轮廓,根据裂纹边缘轮廓将磨辊信息图像中的裂纹部分分割出来,并对分割出来的裂纹部分进行特征提取,特征包括裂纹条数、各裂纹长度、各裂纹深度,将其分别记为,其中/>表示第/>条裂纹的编号,/>,将其代入到公式得到磨辊的开裂程度/>,其中/>分别表示裂纹条数、裂纹长度、裂纹深度的权值因子,且/>,/>分别表示设定的裂纹条数、裂纹长度、裂纹深度参考值,/>表示自然常数;分析磨辊的开裂程度能够实时监测磨煤机磨辊的开裂情况,提前预警和识别裂纹,有助于避免磨辊的进一步破损和事故发生,同时,利用图像处理和特征提取技术,可以自动化地进行裂纹的检测和评估,提高了工作效率和准确性。
需要说明的是,所述磨辊信息图像中的裂纹边缘轮廓的具体分析方法为:将磨辊信息图像转换为灰度图像,记为磨辊信息灰度图像,分别获取磨辊信息灰度图像中各像素点的灰度值,并根据预设的灰度值分别设定高阈值和低阈值,将磨辊信息灰度图像中各像素点的灰度值和设定的高阈值、低阈值进行比对,将灰度值大于高阈值的像素点标记为强边缘像素点,将灰度值介于低阈值和高阈值之间的像素点标记为弱边缘像素点,其余像素点舍弃,统计所有强边缘像素点和弱边缘像素点,通过连接强边缘像素点,形成完整的裂纹边缘,并将与强边缘像素点相连的弱边缘像素点也标记为裂纹边缘,将得到的裂纹边缘记为裂纹边缘轮廓;根据灰度值的差异划分出强边缘和弱边缘,从而更精确地提取裂纹边缘轮廓,有助于提高磨辊裂纹检测的准确性和效率。
第二步,通过边缘检测技术提取磨辊信息图像中凹陷区域的边缘轮廓,同时统计各凹陷区域的像素点数量,记为,其中/>表示第/>个凹陷区域的编号,/>,提取磨辊信息图像的总像素,将其代入到公式/>得到磨辊的凹陷程度/>,/>表示磨辊信息图像的总像素;可以定量地评估磨辊的凹陷程度,直观地了解磨辊的磨损情况,通过统计凹陷区域的像素点数量和总像素数量的比值,可以得到凹陷程度的指标,这有助于及时发现磨辊的损坏情况,采取相应的维修和更换措施,以避免进一步损坏和影响工作效率,同时,利用边缘检测技术进行凹陷区域的提取,可以自动化地完成凹陷程度的评估,提高了工作效率和准确性。
需要说明的是,所述磨辊信息图像中凹陷区域的边缘轮廓的具体分析方法为:读取磨辊信息灰度图像和磨辊信息灰度图像中各像素点的灰度值,将磨辊信息灰度图像中各像素点的灰度值同设定的灰度值阈值进行比对,将大于或等于设定的灰度值阈值的像素点记为凹陷像素点,其余像素点记为背景像素点,同时设定灰度值差异阈值,将各凹陷像素点灰度值同各凹陷像素点周边的像素点灰度值进行比对,得到各周边像素点灰度值差异值,若某周边像素点灰度值差异值大于设定的灰度值差异阈值,则将该周边像素点记为边缘像素点,统计所有边缘像素点,通过连接边缘像素点,形成完整的边缘,记为凹陷区域的边缘轮廓。
第三步,确定磨辊轴线,同时将磨辊外表面划分为若干个等面积的子区域,取各子区域的中点作为测量点,记为各测量点,并分别测量各测量点到磨辊轴线的距离,记为,其中/>表示第/>个测量点的编号,/>,从中筛选出最大值和最小值分别记为磨辊的最大距离/>和磨辊的最小距离/>,将其代入到公式得到磨辊的圆度/>,/>表示测量点的数量;通过测量各个测量点到轴线的距离,可以获取磨辊表面的各个区域的形状信息,从中筛选出最大距离和最小距离,可以分别得到磨辊的最大偏离程度和最小偏离程度,通过计算这两个值之间的差异,可以得到磨辊的圆度指标,有助于判断磨辊的工作状态和精度,及时进行调整和维护,以提高工作效率和产品质量。
第四步,读取磨辊信息图像,对磨辊信息图像中的各像素点的色度值进行检测,同时从管理数据库中读取各类目颜色对应的色度值范围,将其同磨辊信息图像中的各像素点的色度值进行匹配,得到各像素点的色度值对应颜色类目,记为各像素点颜色类目,同时读取磨辊表面初始色度对应颜色类目,筛选与磨辊表面初始色度对应颜色类目属于同一颜色类目的像素点数量,记为同色像素点数量,通过将各同色像素点的色度值同磨辊初始状态的表面色度值进行比对,得到各同色像素点的色度差,记为/>,其中/>表示第/>个同色像素点的编号,/>,将其代入到公式得到磨辊的颜色变化程度/>,其中/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的参考值,/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的权值因子,且/>;通过将像素点的色度值与颜色类别进行匹配,可以确定磨辊表面的实际颜色,筛选出与磨辊初始状态表面色度相同的像素点,并计算各同色像素点的色度差,可以评估颜色变化的程度,通过公式计算磨辊的颜色变化程度指标,可以及时发现磨辊表面颜色的异常变化情况,从而调整和维护磨辊的工作状态,以确保产品质量和生产效率。
外观分析模块,用于根据磨辊的外观参数分析得到磨辊的外观影响系数。
所述外观分析模块的具体分析方法为:分别读取磨辊的开裂程度、磨辊的凹陷程度/>、磨辊的圆度/>、磨辊的颜色变化程度/>,分析磨辊的外观影响系数,其中/>分别表示磨辊的开裂程度、凹陷程度、圆度、颜色变化程度的权值因子,且/>;通过分析磨辊的外观影响系数,可以得知磨辊的开裂程度、凹陷程度、圆度以及颜色变化程度,从而评估磨辊的健康状况,有助于早期发现磨辊存在的问题,及时采取维修或更换措施,避免磨辊损坏或生产异常。
工作状态检测模块,用于对磨辊在各监测周期内的工作状态参数进行检测,工作状态参数包括温度、噪音分贝值、振动频率。
所述工作状态检测模块的具体分析过程如下:第一步,根据设定工作时长划分监测周期,记为各监测周期,分别对各监测周期内各预设时间点磨辊的温度进行检测,记为各监测周期各预设时间点温度,通过对各监测周期各预设时间点温度求取平均值得到各监测周期磨辊的平均温度,记为各监测周期磨辊温度,其中/>表示第/>个监测周期的编号,;通过监测周期内各预设时间点磨辊的温度,并计算平均温度,可以及时发现磨辊温度是否在正常范围内,如果出现异常高温或异常低温,即可发出预警,及时采取措施进行调整或维修,防止磨辊因温度异常而受损或导致生产问题。
第二步,对各监测周期内磨辊工作时产生的噪音值进行实时监测,并获取噪音在各频率点的分贝值,记为各监测周期各频率点噪音分贝值,通过对各监测周期各频率点噪音分贝值求取平均值得到各监测周期磨辊的噪音平均分贝值,记为各监测周期磨辊噪音分贝值;磨辊工作时产生的噪音变化可能是由于磨辊的不正常磨损、摩擦或失衡等问题引起的,通过对磨辊噪音的实时监测和分析,可以及时发现异常的噪音变化,并判断是否需要对磨辊进行维修或更换,从而保证设备的正常运行和可靠性。
第三步,通过磨辊上安装的振动传感器对磨辊在各监测周期内的振动次数进行检测,记为各监测周期磨辊的振动次数,同时提取监测周期的时长,通过用各监测周期磨辊的振动次数除以监测周期的时长,得到各监测周期磨辊的振动频率,记为;通过监测磨辊的振动次数和振动频率,可以及时检测到磨辊是否存在异常的振动情况,异常的振动往往是由于磨辊失衡、磨损不均衡或其他故障引起的,这些问题如果得不到及时发现和解决,会进一步加剧磨辊的损坏和影响生产效果。
工作状态分析模块,用于根据磨辊的工作状态参数分析得到磨辊的各监测周期工作状态影响系数。
所述工作状态分析模块的具体分析方法为:分别读取各监测周期磨辊温度、噪音分贝值/>、振动频率/>,分析磨辊的各监测周期工作状态影响系数/>,其公式为:,其中/>分别表示设定的磨辊温度、噪音分贝值、振动频率的参考值,/>分别表示设定的磨辊温度、噪音分贝值、振动频率的权值因子,且/>;通过将磨辊的温度、噪音分贝值和振动频率纳入综合评估,可以更全面地了解磨辊的工作状态,如果某个参数超出设定参考值或对工作状态影响系数有较高的权值,则可能意味着磨辊存在问题或故障,通过及时发现异常情况,可以采取相应的维护和修复措施,避免设备进一步损坏和生产中断。
磨损程度分析模块,用于根据磨辊的外观影响系数、各监测周期工作状态影响系数分析得到各监测周期磨辊的磨损程度指数。
所述各监测周期磨辊的磨损程度指数的具体分析方法为:读取磨辊的外观影响系数和磨辊的各监测周期工作状态影响系数/>,将其代入到公式得到各监测周期磨辊的磨损程度指数/>,其中/>分别表示磨辊的外观影响系数、工作状态影响系数的权值因子;通过结合外观影响系数和工作状态影响系数来计算磨损程度指数,可以综合考虑磨辊的外观状况和工作状态对磨损程度的影响,这样可以更全面地评估磨辊的磨损情况,较准确地了解磨辊的使用寿命和更好地进行维护计划的制定。
磨损趋势分析模块,用于根据各监测周期磨辊的磨损程度指数构建磨辊的磨损趋势曲线。
所述磨损趋势分析模块的具体分析方法为:读取各监测周期磨辊的磨损程度指数和各监测周期的时长,通过对各监测周期的时长依次进行累加得到各监测周期结束时磨辊的累计工作时长,以累计工作时长为横坐标,以磨辊的磨损程度指数为纵坐标,构建二维坐标系,进而针对各监测周期结束时磨辊的累计工作时长对应磨辊的磨损程度在所构建的二维坐标系中标注若干点,形成累计工作时长-磨损程度曲线,记为磨辊的磨损趋势曲线;通过观察磨损趋势曲线,可以判断磨辊在累计工作时长的变化下是否存在磨损加剧的趋势,如果磨损趋势曲线呈现出明显的上升趋势,即磨损程度指数随着累计工作时长不断增加,那么可以提前预警磨辊可能存在的问题,并采取相应的维护和更换措施,避免磨辊在关键时刻发生故障或导致生产质量问题。
工作时长预测模块,用于根据磨辊的磨损趋势曲线分析得到磨辊的预计剩余工作时长,并将其和磨辊的下一阶段工作时长进行比对,进而得到磨辊的使用情况并根据使用情况向系统预警。
所述磨辊的剩余工作时长的具体分析方法为:读取磨辊的磨损趋势曲线,从管理数据库中提取磨辊的磨损程度限值,将磨辊的磨损程度限值代入到磨辊的磨损趋势曲线中,得到磨辊的磨损程度限值对应的累计工作时长,记为磨辊的可工作时长,同时读取磨辊的当前累计工作时长,通过用磨辊的可工作时长减去磨辊的当前累计工作时长得到磨辊的预计剩余工作时长;通过比较磨辊的当前累计工作时长与可工作时长之差,可以得到磨辊的预计剩余工作时长,如果预计剩余工作时长较短,则意味着磨辊即将到达寿命限制,可能存在故障风险或性能下降的问题,通过提前预警磨辊寿命问题,可以制定相应的维护和更换计划,避免因磨辊故障或性能下降而导致生产中断或品质问题。
所述磨辊的使用情况的具体分析方法为:从管理数据库中读取磨辊各工作阶段工作时长,根据磨辊的当前累计工作时长判断磨辊的当前工作阶段,并从磨辊各工作阶段工作时长中获取磨辊下一工作阶段的工作时长,并将其和磨辊的预计剩余工作时长进行比对,若磨辊的预计剩余工作时长大于或等于磨辊下一工作阶段的工作时长,则表示磨辊可以继续工作至下一工作阶段结束,若磨辊的预计剩余工作时长小于磨辊下一工作阶段的工作时长,则表示磨辊无法继续工作至下一工作阶段结束,向系统发送更换预警。
管理数据库,用于储存各类目颜色对应的色度值范围、磨辊表面初始色度对应颜色类目、磨辊的磨损程度限值、磨辊各工作阶段工作时长。
本系统通过分析磨辊的外观影响系数、各监测周期工作状态影响系数得到各监测周期磨辊的磨损程度指数,可以更准确地了解磨辊的实际状况,避免不准确的评估导致的误判或漏判,同时根据各监测周期磨辊的磨损程度指数构建了磨辊的磨损趋势曲线,以此得到磨辊的预计剩余工作时长,便于合理安排维护和更换操作,避免因磨辊磨损导致的生产中断,确保设备的正常运行,提高生产效率。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型,仍涵盖在本发明的保护范围。
Claims (9)
1.一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,该系统具体包括以下模块:
外观检测模块,用于对磨辊的外观参数进行检测,外观参数包括开裂程度、凹陷程度、圆度、颜色变化程度;
外观分析模块,用于根据磨辊的外观参数分析得到磨辊的外观影响系数;
工作状态检测模块,用于对磨辊在各监测周期内的工作状态参数进行检测,工作状态参数包括温度、噪音分贝值、振动频率;
工作状态分析模块,用于根据磨辊的工作状态参数分析得到磨辊的各监测周期工作状态影响系数;
磨损程度分析模块,用于根据磨辊的外观影响系数、各监测周期工作状态影响系数分析得到各监测周期磨辊的磨损程度指数;
磨损趋势分析模块,用于根据各监测周期磨辊的磨损程度指数构建磨辊的磨损趋势曲线;
工作时长预测模块,用于根据磨辊的磨损趋势曲线分析得到磨辊的预计剩余工作时长,并将其和磨辊的下一阶段工作时长进行比对,进而得到磨辊的使用情况并根据使用情况向系统预警;
管理数据库,用于储存各类目颜色对应的色度值范围、磨辊表面初始色度对应颜色类目、磨辊的磨损程度限值、磨辊各工作阶段工作时长。
2.根据权利要求1所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述外观检测模块的具体分析过程如下:
第一步,通过摄像头对辊式中速磨煤机的磨辊进行静态图像获取,记为磨辊信息图像,利用边缘检测算法检测磨辊信息图像中的裂纹边缘轮廓,根据裂纹边缘轮廓将磨辊信息图像中的裂纹部分分割出来,并对分割出来的裂纹部分进行特征提取,特征包括裂纹条数、各裂纹长度、各裂纹深度,将其分别记为,其中/>表示第/>条裂纹的编号,,将其代入到公式/>得到磨辊的开裂程度/>,其中/>分别表示裂纹条数、裂纹长度、裂纹深度的权值因子,且,/>分别表示设定的裂纹条数、裂纹长度、裂纹深度参考值,/>表示自然常数;
第二步,通过边缘检测技术提取磨辊信息图像中凹陷区域的边缘轮廓,同时统计各凹陷区域的像素点数量,记为,其中/>表示第/>个凹陷区域的编号,/>,提取磨辊信息图像的总像素,将其代入到公式/>得到磨辊的凹陷程度/>,/>表示磨辊信息图像的总像素;
第三步,确定磨辊轴线,同时将磨辊外表面划分为若干个等面积的子区域,取各子区域的中点作为测量点,记为各测量点,并分别测量各测量点到磨辊轴线的距离,记为,其中表示第/>个测量点的编号,/>,从中筛选出最大值和最小值分别记为磨辊的最大距离/>和磨辊的最小距离/>,将其代入到公式得到磨辊的圆度/>,/>表示测量点的数量;
第四步,读取磨辊信息图像,对磨辊信息图像中的各像素点的色度值进行检测,同时从管理数据库中读取各类目颜色对应的色度值范围,将其同磨辊信息图像中的各像素点的色度值进行匹配,得到各像素点的色度值对应颜色类目,记为各像素点颜色类目,同时读取磨辊表面初始色度对应颜色类目,筛选与磨辊表面初始色度对应颜色类目属于同一颜色类目的像素点数量,记为同色像素点数量,通过将各同色像素点的色度值同磨辊初始状态的表面色度值进行比对,得到各同色像素点的色度差,记为/>,其中/>表示第/>个同色像素点的编号,/>,将其代入到公式得到磨辊的颜色变化程度/>,其中/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的参考值,/>分别表示设定的同色像素点数量、色度差、不同色像素点数量的权值因子,且/>。
3.根据权利要求2所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述外观分析模块的具体分析方法为:
分别读取磨辊的开裂程度、磨辊的凹陷程度/>、磨辊的圆度/>、磨辊的颜色变化程度,分析磨辊的外观影响系数/>,其中分别表示磨辊的开裂程度、凹陷程度、圆度、颜色变化程度的权值因子,且/>。
4.根据权利要求1所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述工作状态检测模块的具体分析过程如下:
第一步,根据设定工作时长划分监测周期,记为各监测周期,分别对各监测周期内各预设时间点磨辊的温度进行检测,记为各监测周期各预设时间点温度,通过对各监测周期各预设时间点温度求取平均值得到各监测周期磨辊的平均温度,记为各监测周期磨辊温度,其中/>表示第/>个监测周期的编号,/>;
第二步,对各监测周期内磨辊工作时产生的噪音值进行实时监测,并获取噪音在各频率点的分贝值,记为各监测周期各频率点噪音分贝值,通过对各监测周期各频率点噪音分贝值求取平均值得到各监测周期磨辊的噪音平均分贝值,记为各监测周期磨辊噪音分贝值;
第三步,通过磨辊上安装的振动传感器对磨辊在各监测周期内的振动次数进行检测,记为各监测周期磨辊的振动次数,同时提取监测周期的时长,通过用各监测周期磨辊的振动次数除以监测周期的时长,得到各监测周期磨辊的振动频率,记为。
5.根据权利要求4所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述工作状态分析模块的具体分析方法为:
分别读取各监测周期磨辊温度、噪音分贝值/>、振动频率/>,分析磨辊的各监测周期工作状态影响系数/>,其公式为:/>,其中/>分别表示设定的磨辊温度、噪音分贝值、振动频率的参考值,分别表示设定的磨辊温度、噪音分贝值、振动频率的权值因子,且。
6.根据权利要求1所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述各监测周期磨辊的磨损程度指数的具体分析方法为:
读取磨辊的外观影响系数和磨辊的各监测周期工作状态影响系数/>,将其代入到公式/>得到各监测周期磨辊的磨损程度指数/>,其中/>分别表示磨辊的外观影响系数、工作状态影响系数的权值因子。
7.根据权利要求1所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述磨损趋势分析模块的具体分析方法为:
读取各监测周期磨辊的磨损程度指数和各监测周期的时长,通过对各监测周期的时长依次进行累加得到各监测周期结束时磨辊的累计工作时长,以累计工作时长为横坐标,以磨辊的磨损程度指数为纵坐标,构建二维坐标系,进而针对各监测周期结束时磨辊的累计工作时长对应磨辊的磨损程度在所构建的二维坐标系中标注若干点,形成累计工作时长-磨损程度曲线,记为磨辊的磨损趋势曲线。
8.根据权利要求7所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述磨辊的剩余工作时长的具体分析方法为:
读取磨辊的磨损趋势曲线,从管理数据库中提取磨辊的磨损程度限值,将磨辊的磨损程度限值代入到磨辊的磨损趋势曲线中,得到磨辊的磨损程度限值对应的累计工作时长,记为磨辊的可工作时长,同时读取磨辊的当前累计工作时长,通过用磨辊的可工作时长减去磨辊的当前累计工作时长得到磨辊的预计剩余工作时长。
9.根据权利要求8所述的一种用于辊式中速磨煤机的磨辊磨损度监测分析系统,其特征在于,所述磨辊的使用情况的具体分析方法为:
从管理数据库中读取磨辊各工作阶段工作时长,根据磨辊的当前累计工作时长判断磨辊的当前工作阶段,并从磨辊各工作阶段工作时长中获取磨辊下一工作阶段的工作时长,并将其和磨辊的预计剩余工作时长进行比对,若磨辊的预计剩余工作时长大于或等于磨辊下一工作阶段的工作时长,则表示磨辊可以继续工作至下一工作阶段结束,若磨辊的预计剩余工作时长小于磨辊下一工作阶段的工作时长,则表示磨辊无法继续工作至下一工作阶段结束,向系统发送更换预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410032799.6A CN117540331A (zh) | 2024-01-10 | 2024-01-10 | 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410032799.6A CN117540331A (zh) | 2024-01-10 | 2024-01-10 | 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117540331A true CN117540331A (zh) | 2024-02-09 |
Family
ID=89788491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410032799.6A Withdrawn CN117540331A (zh) | 2024-01-10 | 2024-01-10 | 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540331A (zh) |
-
2024
- 2024-01-10 CN CN202410032799.6A patent/CN117540331A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202036016A (zh) | 異常判定支援裝置 | |
CN115238829B (zh) | 一种热轧机的轧辊磨损程度分析方法 | |
CN108685158B (zh) | 基于自动光学检测技术的切丝机智能维护方法和系统 | |
CN112173636B (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
CN114004306A (zh) | 一种基于物联网多维度数据的设备故障评估系统及其方法 | |
CN114065509A (zh) | 一种地质灾害防治用裂缝计的故障排查方法 | |
CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
CN117540331A (zh) | 一种用于辊式中速磨煤机的磨辊磨损度监测分析系统 | |
CN114200888A (zh) | 特征量筛选方法以及健康状态评价方法 | |
CN110555188B (zh) | 一种动车组车轮参数磨耗趋势的分析方法 | |
CN115684349B (zh) | 一种基于振动信号的管路磨穿实时预警方法 | |
RU2502572C2 (ru) | Способ классификации дефектов и выполнения шлифования прокатных валков | |
CN115861294A (zh) | 一种基于计算机视觉的混凝土生产异常检测方法及装置 | |
CN112796920B (zh) | 立式混流式水轮发电机转轮贯穿性裂纹早期预警的方法 | |
CN115541109A (zh) | 一种基于机器视觉叶轮不平衡监测的方法 | |
CN113359655A (zh) | 铸件打磨智能生产信息模型的建立方法 | |
CN105224792B (zh) | 一种滚动轴承性能保持可靠性的预测方法 | |
TWI745912B (zh) | 高爐之異常判定裝置、高爐之異常判定方法及高爐之操作方法 | |
CN109828146B (zh) | 一种通过设备电参数ad采样判断设备工况的方法 | |
CN117367845B (zh) | 一种陆军装备维修设备健康诊断方法 | |
CN117741090B (zh) | 一种变速箱精密铸件质量缺陷检测方法 | |
CN117906678A (zh) | 一种装备维修设备健康监测管理系统 | |
CN117250201B (zh) | 一种泳池砖层缺陷检测方法及系统 | |
CN117662510B (zh) | 一种风机故障诊断系统及其方法 | |
US11573153B2 (en) | Prediction of machine failure based on vibration trend information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240209 |