[发明专利]基于托辊搬运小车检测的托辊运行状态监测方法和装置有效

专利信息
申请号: 202211003017.3 申请日: 2022-08-22
公开(公告)号: CN115096375B 公开(公告)日: 2022-11-04
发明(设计)人: 张书燕 申请(专利权)人: 启东亦大通自动化设备有限公司
主分类号: G01D21/02 分类号: G01D21/02;G06K9/62;G06N3/04;G06N3/08
代理公司: 南京桦森专利代理事务所(普通合伙) 32652 代理人: 袁瑞娟
地址: 226200 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 搬运 小车 检测 运行 状态 监测 方法 装置
【说明书】:

发明涉及运输或贮存装置领域,具体涉及基于托辊搬运小车检测的托辊运行状态监测方法和装置。方法包括:利用综合检测仪采集音频数据和托辊的旋转速度,计算当前时刻旋转速度与标准速度差值的绝对值;判断绝对值是否小于阈值,若小于,则将当前时间段的音频数据输入到目标神经网络中,判断当前时间段的音频数据的类别;目标神经网络的损失函数为交叉熵损失函数与第一损失函数之和,第一损失函数是根据各帧音频数据对应的实际音频值和各帧音频对应的标准音频值得到的;若当前时间段的音频数据的类别为异常音频数据类别,则判定托辊运行异常。本发明提高了托辊运行状态监测的自动化程度和效率。

技术领域

本发明涉及运输或贮存装置领域,具体涉及基于托辊搬运小车检测的托辊运行状态监测方法和装置。

背景技术

带式输送机具备结构简单、造价和维护成本低等优点,当前,带式输送机应用广泛,而托辊是决定带式输送机使用效果的重要部件之一,起着支撑输送带和物料重量的作用,托辊转动的灵活可靠对于减小摩擦力、延长输送带的寿命起着关键作用。但托辊在运行过程中会出现各种不同的异常工况,由于托辊异常影响输送机正常运行的情况时有发生,如托辊轴承失效、辊子运转不良、辊子表面粘附粉尘、托辊架螺栓松动、托辊断裂等,轻则可能会使输送机胶带跑偏,重则可能导致输送机无法正常使用,如果未能及时发现处理,可能会造成更严重的生产事故。目前,带式输送机运行过程中托辊的运行状况主要是人工定期巡检,人工定期巡检的方式存在巡检间隔较小时消耗人力资源较大,而巡检间隔较大时不能及时发现托辊异常的问题。

发明内容

为了解决现有通过人工定期巡检的方法进行托辊的运行状况监测时存在的上述问题,本发明的目的在于提供一种基于托辊搬运小车检测的托辊运行状态监测方法和装置,所采用的技术方案具体如下:

第一方面,本发明提供了一种基于托辊搬运小车检测的托辊运行状态监测方法,该方法包括以下步骤:

利用搬运小车携带的综合检测仪实时采集音频数据和托辊的旋转速度;

计算当前时刻托辊的旋转速度与标准速度的差值的绝对值;判断所述绝对值是否小于设定阈值,若小于,则将当前时间段的音频数据输入到训练好的目标神经网络中,判断当前时间段的音频数据对应的类别;所述类别包括正常音频数据类别和异常音频数据类别,目标神经网络的损失函数为交叉熵损失函数与第一损失函数之和,所述第一损失函数是根据各帧音频数据对应的实际音频值和各帧音频对应的标准音频值得到的;所述当前时间段为距离当前时刻不大于设定时间间隔的各历史采集时刻的集合;

若当前时间段的音频数据对应的类别为异常音频数据类别,则判定托辊运行异常。

第二方面,本发明提供了一种基于托辊搬运小车检测的托辊运行状态监测装置,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现上述所述的基于托辊搬运小车检测的托辊运行状态监测方法。

优选的,所述目标神经网络的损失函数为:

其中,为目标神经网络的损失函数,为交叉熵损失函数,为双曲正切函数,为第帧音频数据对应的异常指标,为第帧音频数据对应的异常指标,为第帧音频数据对应的标注值,为超参数,为音频数据的总帧数。

优选的,在对目标神经网络进行训练的过程中,将训练集中正常音频数据的标签标注为-1,将训练集中异常音频数据的标签标注为1。

优选的,各帧音频数据对应的异常指标的计算公式为:

其中,为第帧音频数据对应的异常指标,为交叉熵损失函数,为第帧音频数据的实际音频值,为托辊正常时第帧音频数据的音频值。

优选的,若所述绝对值大于等于设定阈值,则判定托辊运行异常。

优选的,若当前时间段的音频数据对应类别为正常音频数据类别,则判定托辊运行正常。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于启东亦大通自动化设备有限公司,未经启东亦大通自动化设备有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211003017.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top