[发明专利]一种巡检机器人对皮带机托辊故障的检测方法

说明书

一种巡检机器人对皮带机托辊故障的检测方法，涉及一种带式皮带机托辊故障的检测方法，巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，根据机架部署，分析机架变形处对托辊受力影响的程度，依据机架整体变形量归一化的函数关系加权；巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理获取基于机架变形程度对托辊早期故障检测的加权序列，综合加权得出托辊异常信息融合判断值；本发明极大降低了皮带机现场巡视，提高了人工智能故障检测精确，优化检测资源的利用效率。

技术领域

本发明涉及一种带式皮带机托辊故障的检测方法，尤其是涉及一种巡检机器人基于皮带机机架变形和托辊异响信息融合的托辊早期故障检测方法。

背景技术

公知的，巡检机器人利用多传感器采集数据和人工智能检测算法，预期实现对巡检目标状态的实时检测，及时反馈巡检发现的各类故障，协助或取代人类进行巡检的工作任务。散料带式皮带机适用长距离输送，带式皮带机一般可长达数公里甚至数十公里，广泛应用于港口、电力、矿山、钢铁、水泥、化工等行业，所以其巡检保障的工作量尤为繁重。带式皮带机运维巡检为了能够及时有效地发现皮带机运行时发生的安全隐患与故障，需要大量皮带机巡检人员进行不间断巡检，以便能及时上报，并进行检修；但由于巡检人员的能力参差不齐，人员管理偶有疏忽，问题依然不能避免。除此之外，无法对皮带机进行实时监控，一旦发生故障问题，会造成相关不必要的损失，并增加了巡检运维人员的劳动强度。因而，急需一款可以对皮带机自行巡检的机器人来代替人工巡检，需要一种高效的故障检测方法来实现智能检测。

据现有的故障数据统计，目前带式皮带机的托辊故障主要诊断来源于对托辊异响或温度的判断，一般托辊异响是一个渐变过程；而皮带机的机架变形比较稳定，一般随皮带机运行时间缓慢渐变；根据物理模型，不同程度的机架变形直接影响到托辊和皮带之间接触的作用力的大小；根据现有数据统计显示：机架变形和托辊异响在空域两者显著相关；为充分利用数据，有效提高对托辊的早期故障诊断效率，本发明提出一种基于带式皮带机的机架变形和托辊故障信息融合的托辊早期故障检测方法。

发明内容

为了克服背景技术中的不足，本发明公开了一种巡检机器人对皮带机托辊故障的检测方法。

为了实现所述发明目的，本发明采用如下技术方案：

一种巡检机器人对皮带机托辊故障的检测方法，包括如下步骤：

(1)、巡检机器人上搭载的高清摄像机对机架边缘处的变形量进行识别获取，通过图像坐标转换成实际的变形程度量序列J_l(l＝1，2，3…，N)；l表示此时托辊位置序号；

根据机架部署，分析机架变形处对托辊受力影响的程度，机架无变形处的影响为0，机架变形量为J_mk处导致托辊受力等于正常的3倍，机架变形严重程度归一化0.9，依据机架整体变形量归一化的函数关系加权，加权序列函数为

(2)、巡检机器人上搭载的声音传感器对皮带机沿线托辊运行时产生的噪音进行采集，托辊声音异响由时频域特征提取检测判断，归一化处理表示声音的故障程度；

(3)、托辊早期故障与机架变形加权系数设为0.37，获取基于机架变形程度对托辊早期故障的加权序列0.37K_1，l，中间按规定的测试加权序列函数对应设立；

(4)、提取相应的托辊声音异响特征序列，理想的正常托辊特征归一化为0，各特征指标达到或超过托辊故障界限归一化为1，取相应的托辊声音异响特征距离托辊故障界限线性最大值(取1范数)为特征序列归一化值，获得异响特征序列K_2，l，加权系数为0.63，得到异响特征加权托辊早期故障序列0.63K_2，l；