[发明专利]一种基于多模态数据融合的传送带异常检测方法

说明书

本发明公开了一种基于多模态数据融合的传送带异常检测方法，包括以下步骤：数据收集：通过分布在传送带上的振动传感器，温度传感器收集传送带运行时产生的振动数据和温度数据；数据分析：将压力传感器作为诊断系统的触发器，当触发诊断系统时，调取特定时间段内的振动数据和温度数据并输入进数据分析模块，对数据进行处理得出诊断结果；故障处理：通过系统诊断结果生成相应的解决方法并且生成解决方案，便于用户开展线下维护和维修工作。本发明使得诊断覆盖面更广，诊断结论准确性更高，针对性更强，减少数据规模，同时提高诊断效益，有效地对传送带零件松动，缺少润滑油，碰磨等故障进行诊断，避免产生损失。

技术领域

本发明涉及一种基于多模态数据融合的传送带异常检测方法，属于物料填装生产线中传送装置的异常检测。

背景技术

由于生产线运行强度高，在传送运输模块发生机器零件松动，缺少润滑油，由于安装原因而产生重心偏移导致异常振动，转子失衡等故障，使用单一的检测系统无法满足需求，从而导致故障得不到及时检修造成经济，人力上的损失。因此，设备故障检测是工业生产过程中必不可少的环节，其中，状态检测与各种诊断故障技术的应用推动了智能化工业的发展，进而产生越来越多有效而实用的诊断技术。

随着工业自动化进程的不断发展，传统的故障诊断系统的局限性不断暴露，不能满足生产力的需求。而近年来，随着传感网技术和计算机技术的快速发展，越来越多的机器学习技术应用在了工业故障诊断上，使得诊断系统从准确率和效率上得到了巨大的提升。

多源数据融合技术能够将各个不同数据源手机的不完整形象整合起来。相较于单一数据，多源数据融合技术能够补充不同的数据之间的内容，从而提高检测精度，数据融合技术现如今广泛应用在目标识别，故障检测，自动化控制，环境监测，遥感图像等领域。

发明内容

为解决现有技术中的不足，本发明提供一种基于多模态数据融合的传送带异常检测方法，解决物料填装生产线中传送装置的异常检测问题，进一步提高检测的准确度。

本发明中主要采用的技术方案为：

一种基于多模态数据融合的传送带异常检测方法，包括以下步骤：

步骤1、数据收集：通过分布在传送带上的振动传感器，温度传感器收集传送带运行时产生的振动数据和温度数据；

步骤2、数据分析：将压力传感器作为诊断系统的触发器，当触发诊断系统时，调取特定时间段内的振动数据和温度数据并输入进数据分析模块，对数据进行处理，包括特征提取，分类，融合后得出诊断结果；

步骤3、故障处理：通过系统诊断结果生成相应的解决方法并且生成解决方案，便于用户开展线下维护和维修工作。

优选地，所述步骤2中，数据分析具体步骤如下：

步骤2-1：将压力传感器布置于传送带终端，在传送带运行时以特定频率接收压力信号，当特定的频率内未接收到压力信号时，启用诊断系统；

步骤2-2：调取特定时间段内采集到的振动数据和温度数据，并将其输入数据分析模块进行数据分析；

步骤2-3：对输入的振动数据进行特征提取，通过经验模态分解算法将其分解成各阶IMF分量，其中，前六阶包含振动主要能量，计算前六阶的六个分量在该时间周期的能量值作为特征向量，并做归一化处理，将经行归一化处理后的特征向量输入到训练好的支持向量机中，得到振动数据诊断结果；

步骤2-4：对采集到的温度信号进行特征提取，通过设置报警阈值的方法诊断故障，得到温度数据诊断结果；