CN121361663A - 一种检测皮带打滑的在线监测装置及在线监测方法 - Google Patents

Abstract

本发明提供了一种检测皮带打滑的在线监测装置及在线监测方法，在线监测装置包括毫米波雷达传感器、机器视觉模块、防跳摇臂测速机构和中央处理器。本发明通过毫米波雷达直接测量皮带速度，同时通过机器视觉模块分析设置在滚筒端面的感应条图像来计算滚筒转速，融合两种传感器的数据精确计算出皮带与滚筒之间的滑差率；利用毫米波雷达的强抗干扰能力和机器视觉的直观精确性，形成优势互补，并通过数据融合算法实现皮带打滑的实时、高精度在线监测与预警，有效克服了现有技术易受环境影响、测量不精确的问题。

Description

一种检测皮带打滑的在线监测装置及在线监测方法

技术领域

本发明属于工业输送设备安全监测技术领域，涉及一种检测皮带打滑的在线监测装置及在线监测方法。

背景技术

带式输送机是连续散状物料运输的关键设备。皮带与传动滚筒之间发生打滑是常见故障，轻则导致物料洒落、运输效率降低，重则可能引发皮带磨损、断裂甚至火灾等严重事故。因此，对皮带打滑进行实时、可靠的监测至关重要。

现有的皮带测速技术主要有接触式测速如测速轮，缺点是易磨损、打滑，与皮带接触不良时会产生较大误差。接近开关计数式通过检测滚筒轴上的感应片计算转速，缺点是间接测量，无法反映皮带与滚筒间的真实滑差，且易受电磁干扰。单一非接触式传感器如激光测速仪，但在高粉尘工况下性能急剧下降；或普通摄像头视觉识别，但在光线变化、粉尘遮挡情况下可靠性低。这些方法均存在一定的局限性，难以在煤炭等行业复杂恶劣的工况下实现持续稳定、高精度的监测。

因此，迫切需要一种能适应恶劣环境、抗干扰能力强、测量精度高的皮带打滑监测方案。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种检测皮带打滑的在线监测装置及在线监测方法，尤其涉及一种基于毫米波雷达与机器视觉的皮带打滑在线监测装置及方法；适用于煤矿、港口、电厂等领域的带式输送机皮带。本发明中利用毫米波雷达的强抗干扰能力和机器视觉的直观精确性，形成优势互补，并通过数据融合算法实现皮带打滑的实时、高精度在线监测与预警，有效克服了现有技术易受环境影响、测量不精确的问题。

为达此目的，本发明采用以下技术方案：

第一方面，本发明提供了一种检测皮带打滑的在线监测装置，所述在线监测装置包括毫米波雷达传感器、机器视觉模块、防跳摇臂测速机构和中央处理器；

所述毫米波雷达传感器用于向带式输送机的动滚筒或皮带表面发射调频连续波并接收回波，通过信号处理获取皮带的线速度数据；

所述机器视觉模块包括相机和光源，所述相机对应设置于动滚筒端板上的感应条，用于采集滚筒旋转的图像序列，并通过图像处理算法计算滚筒的旋转角速度；

所述防跳摇臂测速机构包括测速轮、摇杆、转轴和配重块，所述测速轮与皮带的非承料面接触，用于获取皮带的线速度参考数据；

所述中央处理器分别与所述毫米波雷达传感器、所述机器视觉模块和所述防跳摇臂测速机构电性连接。

优选地，所述在线监测装置还包括通信模块，所述通信模块电性连接所述中央处理器，所述通信模块用于将打滑预警信号、速度数据及滑差率远程传输至上位监控系统。

优选地，所述中央处理器采用自适应加权数据融合算法对所述毫米波雷达传感器和所述机器视觉模块测得的速度数据进行融合，得到皮带的最终线速度，并根据融合后的皮带线速度与机器视觉测得的滚筒转速计算滑差率，当所述滑差率超过预设阈值时，生成打滑预警信号。

优选地，所述中央处理器对数据进行融合按照如下方式配置：

中央处理器根据环境粉尘浓度动态调整毫米波雷达传感器的数据与机器视觉模块的数据的权重系数，粉尘浓度高时提高毫米波雷达传感器的数据权重，粉尘浓度低且光照良好时提高机器视觉模块的数据权重。

第二方面，本发明提供了一种检测皮带打滑的在线监测方法，所述在线监测方法采用第一方面所述的在线监测装置进行。

优选地，所述在线监测方法包括：

（1）通过毫米波雷达传感器获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将所述滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警。

优选地，步骤（3）中，在所述数据融合步骤中，所述自适应加权数据融合算法的权重系数根据实时监测的环境粉尘浓度和图像清晰度进行动态调整。

优选地，步骤（4）中，所述滑差率公式为：η=(v-v2)/v×100%。

优选地，步骤（5）中，所述预设的安全阈值不超过1.5%，例如可以是1.5%、1.2%、1%、0.8%、0.6%、0.5%等，但并不仅限于所列举的数值，该数值范围内其他未列举的数值同样适用。

优选地，所述在线监测方法具体包括：

（1）通过毫米波雷达传感器获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将所述滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警；

步骤（3）中，在所述数据融合步骤中，所述自适应加权数据融合算法的权重系数根据实时监测的环境粉尘浓度和图像清晰度进行动态调整；

步骤（4）中，所述滑差率公式为：η=(v-v2)/v×100%；

步骤（5）中，所述预设的安全阈值不超过1.5%。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

与现有技术相比，本发明的有益效果为：

本发明提供了一种测量精度高、环境适应性好、可靠性强的基于多传感器融合的皮带打滑得在线监测装置，通过多传感器数据融合，相互校验补偿，显著降低了单一传感器的随机误差和系统误差；毫米波雷达抗干扰能力强，机器视觉直观精确，二者结合，确保装置在煤炭行业高粉尘、强干扰等复杂工况下的稳定运行；冗余设计，当某一传感器故障时，系统可依赖其他传感器降级运行，同时发出故障警报，保障了监测的连续性；能够实时计算滑差率，并在打滑发生初期及时发出预警，为采取处理措施赢得时间，有效避免事故扩大。

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，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为本发明一个具体实施方式提供的检测皮带打滑的在线监测装置的结构示意图；

图2为本发明中毫米波雷达测速原理的流程图；

图3为本发明中机器视觉模块计算滚筒转速的软件算法流程图；

图4为本发明中中央处理器内部进行数据融合与打滑判断的核心算法流程图；

其中，1-带式输送机上层皮带（承料面），2-动滚筒，3-毫米波雷达传感器，4-相机，5-感应条，6-防跳摇臂测速机构，7-测速轮，8-中央处理器。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

在一个具体实施方式中，本发明提供了一种检测皮带打滑的在线监测装置，如图1所示，所述在线监测装置包括毫米波雷达传感器3、机器视觉模块、防跳摇臂测速机构6和中央处理器8；毫米波雷达传感器3用于向带式输送机的动滚筒2或皮带表面发射调频连续波并接收回波，通过信号处理获取皮带的线速度数据；机器视觉模块包括相机4和光源，相机4对应设置于动滚筒2端板上的感应条5，用于采集滚筒旋转的图像序列，并通过图像处理算法计算滚筒的旋转角速度；防跳摇臂测速机构6包括测速轮7、摇杆、转轴和配重块，测速轮7与皮带的非承料面接触，用于获取皮带的线速度参考数据；中央处理器8分别与毫米波雷达传感器3、机器视觉模块和防跳摇臂测速机构6电性连接。

其中，带式输送机的皮带表面可以表示为带式输送机上层皮带（承料面）1。

如图2所示，为毫米波雷达测速原理的流程图，展示了从信号发射到速度解算的全过程；具体包括发射调频连续波（FMCW）201、接收目标回波202、混频生成中频信号203、信号调理（滤波、放大）204、距离维FFT处理205、速度维FFT处理206、峰值检测与速度解算207、输出皮带线速度v1208。

如图3所示，为机器视觉模块计算滚筒转速的软件算法流程图。

如图4所示，为中央处理器8内部进行数据融合与打滑判断的核心算法流程图。

需要说明的是，本发明中毫米波雷达传感器3安装在动滚筒2侧方，基于多普勒效应原理，直接测量皮带的运行线速度，毫米波具有良好的穿透性，受粉尘、烟雾、光线变化影响小，能在恶劣环境下稳定工作；机器视觉模块包括高速工业相机和辅助光源，相机4对准安装在滚筒端板上的特定感应条5（如反光条），通过分析连续图像序列中感应条5的位置变化，精确计算滚筒的旋转角速度，进而换算出皮带的理论线速度；防跳摇臂测速机构6作为辅助和备份测速单元，其测速轮7在配重作用下始终与皮带非承料面保持良好接触，提供直接的速度参考；中央处理器8是系统的核心，负责接收并处理所有传感器数据，采用自适应加权数据融合算法，该算法不是简单的数据平均，而是根据实时环境参数（如由图像清晰度反演的粉尘浓度、环境光照度）动态分配毫米波雷达数据与机器视觉数据的权重。例如，在粉尘大、图像质量差时，赋予毫米波雷达数据更高权重；在环境清晰时，则更信任视觉数据。最终输出融合后的高精度皮带线速度，并与视觉测得的滚筒理论线速度比较，实时计算滑差率。

需要说明的是，本发明中毫米波雷达传感器3安装于带式输送机传动滚筒2附近，对准皮带表面或滚筒面，确保波束有效覆盖检测区域。机器视觉模块的工业相机安装于能清晰拍摄到滚筒端板感应条5的位置，并配备防护罩和清洁装置，保证图像质量，防跳摇臂机构安装于回程皮带上。

在一些实施方式中，在线监测装置还包括通信模块，通信模块电性连接中央处理器8，通信模块用于将打滑预警信号、速度数据及滑差率远程传输至上位监控系统。

在一些实施方式中，中央处理器8采用自适应加权数据融合算法对毫米波雷达传感器3和机器视觉模块测得的速度数据进行融合，得到皮带的最终线速度，并根据融合后的皮带线速度与机器视觉测得的滚筒转速计算滑差率，当滑差率超过预设阈值时，生成打滑预警信号。

在一些实施方式中，中央处理器8对数据进行融合按照如下方式配置：

中央处理器8根据环境粉尘浓度动态调整毫米波雷达传感器3的数据与机器视觉模块的数据的权重系数，粉尘浓度高时提高毫米波雷达传感器3的数据权重，粉尘浓度低且光照良好时提高机器视觉模块的数据权重。

在一个具体实施方式中，本发明提供了一种检测皮带打滑的在线监测方法，采用上述的在线监测装置进行，在线监测方法包括：

（1）通过毫米波雷达传感器3获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器8，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警。

在一些实施方式中，步骤（3）中，在数据融合步骤中，自适应加权数据融合算法的权重系数根据实时监测的环境粉尘浓度和图像清晰度进行动态调整。

在一些实施方式中，步骤（4）中，滑差率公式为：η=(v-v2)/v×100%。

在一些实施方式中，步骤（5）中，预设的安全阈值不超过1.5%，例如可以是1.5%、1.2%、1%、0.8%、0.6%、0.5%等，但并不仅限于所列举的数值，该数值范围内其他未列举的数值同样适用。

需要说明的是，本发明中在线监测装置的工作流程可以包括：

数据采集：各传感器同步开始数据采集。

信号处理：毫米波雷达对中频信号进行FFT处理，提取多普勒频率并计算速度v1。机器视觉模块对采集的图像进行预处理、特征提取（识别感应条5），通过连续帧间感应条5的位移计算滚筒角速度，并换算为皮带理论速度v2。

数据融合：中央处理器8读取环境传感器数据（或通过图像清晰度间接判断环境状况），根据预设的权重模型动态确定v1和v2的权重w1和w2（w1+w2=1），计算融合速度v = w1×v2 + w2×v2。

打滑判断与预警：根据公式计算滑差率η，若η连续多次超过设定阈值（如1.5%），则判定为打滑，触发声光报警并通过通信模块上报监控中心。

实施例1

本实施例提供了一种检测皮带打滑的在线监测装置，其中：

在线监测装置包括毫米波雷达传感器3、机器视觉模块、防跳摇臂测速机构6和中央处理器8；毫米波雷达传感器3用于向带式输送机的动滚筒2或皮带表面发射调频连续波并接收回波，通过信号处理获取皮带的线速度数据；机器视觉模块包括相机4和光源，相机4对应设置于动滚筒2端板上的感应条5，用于采集滚筒旋转的图像序列，并通过图像处理算法计算滚筒的旋转角速度；防跳摇臂测速机构6包括测速轮7、摇杆、转轴和配重块，测速轮7与皮带的非承料面接触，用于获取皮带的线速度参考数据；中央处理器8分别与毫米波雷达传感器3、机器视觉模块和防跳摇臂测速机构6电性连接。

在线监测装置还包括通信模块，通信模块电性连接中央处理器8，通信模块用于将打滑预警信号、速度数据及滑差率远程传输至上位监控系统。

中央处理器8采用自适应加权数据融合算法对毫米波雷达传感器3和机器视觉模块测得的速度数据进行融合，得到皮带的最终线速度，并根据融合后的皮带线速度与机器视觉测得的滚筒转速计算滑差率，当滑差率超过预设阈值时，生成打滑预警信号。

中央处理器8对数据进行融合按照如下方式配置：中央处理器8根据环境粉尘浓度动态调整毫米波雷达传感器3的数据与机器视觉模块的数据的权重系数，粉尘浓度高时提高毫米波雷达传感器3的数据权重，粉尘浓度低且光照良好时提高机器视觉模块的数据权重。

本实施例中采用在线监测装置的在线监测方法包括：

（1）通过毫米波雷达传感器3获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器8，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警。

以一台煤矿用带式输送机为例，设定打滑预警阈值为1.5%。当系统监测到滑差率持续3秒超过1.5%时，中央处理器8立即生成一级预警信号；若滑差率进一步扩大至5%，则生成二级严重报警信号，并可联动控制系统采取降低负载或停机等措施。

本发明通过毫米波雷达与机器视觉的创造性结合，有效解决了复杂工业环境下皮带打滑精确监测的难题，具有重大的实践意义和应用价值。

综上，本发明提供了一种测量精度高、环境适应性好、可靠性强的基于多传感器融合的皮带打滑得在线监测装置，通过多传感器数据融合，相互校验补偿，显著降低了单一传感器的随机误差和系统误差；毫米波雷达抗干扰能力强，机器视觉直观精确，二者结合，确保装置在煤炭行业高粉尘、强干扰等复杂工况下的稳定运行；冗余设计，当某一传感器故障时，系统可依赖其他传感器降级运行，同时发出故障警报，保障了监测的连续性；能够实时计算滑差率，并在打滑发生初期及时发出预警，为采取处理措施赢得时间，有效避免事故扩大。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种检测皮带打滑的在线监测装置，其特征在于，所述在线监测装置包括毫米波雷达传感器、机器视觉模块、防跳摇臂测速机构和中央处理器；

所述毫米波雷达传感器用于向带式输送机的动滚筒或皮带表面发射调频连续波并接收回波，通过信号处理获取皮带的线速度数据；

所述机器视觉模块包括相机和光源，所述相机对应设置于动滚筒端板上的感应条，用于采集滚筒旋转的图像序列，并通过图像处理算法计算滚筒的旋转角速度；

所述防跳摇臂测速机构包括测速轮、摇杆、转轴和配重块，所述测速轮与皮带的非承料面接触，用于获取皮带的线速度参考数据；

所述中央处理器分别与所述毫米波雷达传感器、所述机器视觉模块和所述防跳摇臂测速机构电性连接。

2.根据权利要求1所述的在线监测装置，其特征在于，所述在线监测装置还包括通信模块，所述通信模块电性连接所述中央处理器，所述通信模块用于将打滑预警信号、速度数据及滑差率远程传输至上位监控系统。

3.根据权利要求1或2所述的在线监测装置，其特征在于，所述中央处理器采用自适应加权数据融合算法对所述毫米波雷达传感器和所述机器视觉模块测得的速度数据进行融合，得到皮带的最终线速度，并根据融合后的皮带线速度与机器视觉测得的滚筒转速计算滑差率，当所述滑差率超过预设阈值时，生成打滑预警信号。

4.根据权利要求3所述的在线监测装置，其特征在于，所述中央处理器对数据进行融合按照如下方式配置：

中央处理器根据环境粉尘浓度动态调整毫米波雷达传感器的数据与机器视觉模块的数据的权重系数，粉尘浓度高时提高毫米波雷达传感器的数据权重，粉尘浓度低且光照良好时提高机器视觉模块的数据权重。

5.一种检测皮带打滑的在线监测方法，其特征在于，所述在线监测方法采用权利要求1-4中任一项所述的在线监测装置进行。

6.根据权利要求5所述的在线监测方法，其特征在于，所述在线监测方法包括：

（1）通过毫米波雷达传感器获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将所述滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警。

7.根据权利要求6所述的在线监测方法，其特征在于，步骤（3）中，在所述数据融合步骤中，所述自适应加权数据融合算法的权重系数根据实时监测的环境粉尘浓度和图像清晰度进行动态调整。

8.根据权利要求6或7中所述的在线监测方法，其特征在于，步骤（4）中，所述滑差率公式为：η=(v-v2)/v×100%。

9.根据权利要求6-8任一项所述的在线监测方法，其特征在于，步骤（5）中，所述预设的安全阈值不超过1.5%。

10.根据权利要求6所述的在线监测方法，其特征在于，所述在线监测方法具体包括：

（1）通过毫米波雷达传感器获取皮带的线速度数据v1；

（2）通过机器视觉模块获取滚筒的旋转角速度，并计算出对应的皮带理论线速度v2；

（3）通过中央处理器，采用自适应加权数据融合算法，对v1和v2进行数据融合，得到皮带的精确线速度v；

（4）根据滑差率公式计算皮带的实时滑差率；

（5）将所述滑差率与预设的安全阈值进行比较，若超过阈值，则触发打滑预警；

步骤（3）中，在所述数据融合步骤中，所述自适应加权数据融合算法的权重系数根据实时监测的环境粉尘浓度和图像清晰度进行动态调整；

步骤（4）中，所述滑差率公式为：η=(v-v2)/v×100%；

步骤（5）中，所述预设的安全阈值不超过1.5%。