[发明专利]基于卷积神经网络的提升系统尾绳健康监测系统及方法

说明书

本发明涉及基于卷积神经网络的提升系统尾绳健康监测系统及方法，属于机械系统健康监测领域。监测系统的滚筒牵引提升钢丝绳移动；两个所述提升容器的顶端分别与钢丝绳相连；两个所述提升容器的底端分别通过尾绳相连；其特征在于：还包括图像采集系统，移动无线传感器网络，上位机；所述的图像采集系统用于采集尾绳状态，图像采集系统将尾绳状态通过移动无线传感器网络传输至上位机，由上位机对图像数据进行深度挖掘，并针对尾绳状态进行故障分析与预警。本发明提供的基于卷积神经网络的提升系统尾绳健康监测系统及方法，可代替人工巡检，实现尾绳数据信息的“采集‑学习‑预测‑预警”的全过程自动化。

技术领域

本发明涉及基于卷积神经网络的提升系统尾绳健康监测系统及方法，属于机械系统健康监测领域。

背景技术

尾绳在矿井提升系统中主要为平衡提升钢丝绳重力、获取等力矩而设置，是提升系统的一个重要部件，其工作状况直接影响着提升安全。平衡尾绳位于提升容器底部，绝大部分时间位于无光照的井筒中。常见的尾绳故障为间距不均、绞绳、断股、断绳等。研究及生产经验表明，尾绳故障原因包括：运行中的振动、启停中的旋转、矿石脱落冲击、井筒风场和腐蚀等；事故危害为：影响提升系统的稳定、断绳砸坏井中设备、危及人员生命安全、造成停产等。

然而，目前对于提升尾绳的管理问题上一直处于“重视但无有效手段”的局面，传统的平衡尾绳检修工作依靠工人手持手电筒检查，难度较大、效率低，且存在人员安全问题。平衡尾绳故障频发，给提升系统的安全运行带来严重威胁。例如，童亭煤矿主井提升系统采用两根尾绳，在1989-1998年间拉断拉伤尾绳5次，因事故更换尾绳10根，造成严重的人力、物力和财产损失；北洺河铁矿主井采用三根尾绳，在2011年2月14日，发生平衡锤侧尾绳断裂坠井事故，致使井筒损坏，造成大量经济损失。因此，识别平衡尾绳的故障并作出预警以便于采用合理的措施消除故障，这对于提升系统的安全及高效生产意义重大。

机器视觉是用各种成像设备获取物体信息并且通过运算处理器对获取信息进行分析处理。机器视觉检测系统以运算处理器为核心，包括图像信息采集与数字化、图像处理与决策和执行处理控制等模块，其中图像处理及识别算法为其核心技术。机器视觉涉及的领域十分广泛，涉及图形学、图像和视频信息处理、人工智能与模式识别等技术，它具有处理速度快、可以对物体进行无损检测、获取特征信息直观全面等特点，因此，在航空航天、机械加工、农业生产、食物检测、健康监测等领域有重要应用。

无线传感器网络是一种分布式传感网络，由若干感知和检查外部世界的传感器节点组成。WSN中的传感器通过无线方式通信，因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线连接。而可移动式无线传感网因其节点的灵活性使得网络拓扑结构多变，从而提高了网络的环境适应性，近年来越来越受到学术界及工业界的关注。

随着大数据时代的到来及深度学习的快速发展，近年来卷积神经网络成为了机器视觉的核心算法，其不需要复杂的人工特征提取过程，可以直接从原始图像中自动挖掘特征信息，完成特征自适应的识别和分类，具有精度高、实时性好等特点。

因此，本发明结合尾绳的健康监测现状及先进的机器视觉、无线传感器网络与卷积神经网络技术，对提升系统尾绳进行实时健康监测与故障诊断。机器视觉、无线传感器网络及深度学习在机械装备健康监测领域具有广阔的应用前景，而应用在矿山机械装备健康监测领域，对矿产的安全生产意义重大。

发明内容

本发明针对上述不足提供了一种基于卷积神经网络的提升系统尾绳健康监测系统及方法。

本发明采用如下技术方案：