[发明专利]一种基于字典学习的卸载式多驱输送机故障监测方法

说明书

本发明公开了一种基于字典学习的卸载式多驱输送机故障监测方法，包括以下步骤：构建描述输送带上的物料分布特征；获取学习样本；进行字典学习；建立故障诊断的指标用于输送机的实时监测；进行输送机状态监测与故障诊断的离线学习；进行输送机状态监测与故障诊断的在线监测。上述技术方案通过将输送带承载段分成定长的n等份，结合电子皮带秤定义分布向量来描述输送带上的物料分布特征，基于字典学习建立多驱输送机数据驱动故障诊断模型，并且提出了新的初始字典生成方法，改善多点驱动输送机字典学习模型的故障诊断性能，实现输送机工作过程的实时状态监测和故障预警，为多驱动输送机运行的状态监测和故障诊断提供了一种有效方法。

技术领域

本发明涉及故障监测技术领域，尤其涉及一种基于字典学习的卸载式多驱输送机故障监测方法。

背景技术

带式输送机是用于中、远距离输送散状物料的主要设备之一，具有速度快、输送量大、自动连续性等优势。经过长久发展，带式输送机已在矿业、电力、化工等领域得到了广泛的应用。带式输送机正朝着运送距离越来越长、输送带带速越来越快、运输功率越来越大、装载量越来越高以及安装倾斜角度越来越大等方向发展。在长距离物料输送中，由于单台驱动电机所能提供的驱动力有限，且输送胶带所能承受的最大张力也有限，故大型带式输送机通常采用多台电机驱动。增加中部卸料驱动站是降低带强，降低整机价的一种有效方式。目前广泛用于带式输送机的调速装置有CST、可调速液力偶合器、变频器。从设备全生命周期的成本考虑，变频器具有较大优势。输送机属于恒转矩负载，一般选用矢量控制类变频器，具有可控输出转矩。

带式输送机系统包含大量的运动部件，且运行状态多变，容易出现故障。在文献中针对输送机故障监测与诊断的研究较多，可以分为几类：

①基于特殊装置的故障判断。前期文献主要开发专用装置来直接判断特定故障类型，例如，采用跑偏开关和打滑开关来检测跑偏和打滑故障。

②旋转设备故障诊断。在文献中也出现了较多针对关键旋转设备进行故障诊断的研究报道，主要测量振动信号再通过信号处理的手段来获得故障特征。

③基于图像的故障诊断。近年来，出现了采用红外热成像、工业相机等设备对电动机、托辊等关键部件进行故障诊断的研究。所采用的核心技术是图像处理和模式识别，图像测量可以方便地与巡检机器人配合使用以扩大检测区域。

④数据驱动故障诊断。近年来也出现了基于大数据学习的输送机故障诊断方法；例如，收集带式输送机正常、跑偏、撕裂、打滑等状态下带速、瞬时运输重量、电动机电流等信号，并将这些数据作为学习样本进行神经网络监督学习，训练完成后模型即可用于故障诊断。

第①和第②类方法针对具体的设备进行故障判断，设备范围小。第③类基于视觉的方法发展迅速，但对前期故障和微小故障的检出率不高。第④类方法能实现故障的在线判断，由于训练样本中必须包含故障类标，故训练样本难以获得。

中国专利文献CN112027562A公开了一种“多点驱动带式输送机通信侦听系统、控制系统及方法”。其控制系统是由机头控制主站，机中控制分站组成；机头控制主站与机中控制分站通过通信光缆相互交互，通信侦听系统设置在控制主站控制器与控制分站控制器上。上述技术方案针对于设备前期故障和微小故障的检出率不高。

发明内容

本发明主要解决原有的技术方案针对设备的范围小，对于前期故障和微小故障的检出率不高的技术问题，提供一种基于字典学习的卸载式多驱输送机故障监测方法，通过将输送带承载段分成定长的n等份，结合电子皮带秤定义分布向量来描述输送带上的物料分布特征，基于字典学习建立多驱输送机数据驱动故障诊断模型，字典学习算法具有强大的挖掘数据底层结构与特征的能力，对复杂的多变量过程有较好的故障诊断性能，并且提出了新的初始字典生成方法，对字典学习故障诊断方法进行优化，改善多点驱动输送机字典学习模型的故障诊断性能，实现输送机工作过程的实时状态监测和故障预警，为多驱动输送机运行的状态监测和故障诊断提供了一种有效方法。