[发明专利]一种基于多信息融合的刮板机故障检测方法及其检测系统

说明书

本发明一种基于多信息融合的刮板机故障检测方法及其检测系统，属于刮板机故障检测方法及其检测系统技术领域；所要解决的技术问题为：提供一种基于多信息融合的刮板机故障检测方法的改进；解决上述技术问题采用的技术方案为：步骤一：控制中央控制器获取刮板机的刮板和链条工作时的目标信息；步骤二：中央控制器对步骤一中获取的目标信息分别进行数据分析处理，并将分析处理后的计算结果分别进行缺陷判断；步骤三：建立缺陷诊断模型，中央控制器通过对步骤二中的缺陷判断结果在缺陷诊断模型中进行数据融合；步骤四：所述中央控制器的内部设置有不同刮板机故障对应的预警响应等级；本发明应用于刮板机故障检测。

技术领域

本发明一种基于多信息融合的刮板机故障检测系统及其检测方法，属于刮板机故障检测系统及其检测方法技术领域。

背景技术

刮板机运输系统是原煤生产运输的命脉，是煤矿采掘工作面时必要的、价格昂贵的大型工作系统。刮板机具有运输能力不受货载块度和湿度影响，机身高度小便于装载，机身长度调节方便，机体坚固能蹋于瀑破装，媒的工作面等优点，是进行采煤工作面和采区顺槽运输，煤巷，半煤岩巷道掘进工作面的主要运输装备。

刮板机刮板和链条如链条环接处、刮板链接处等易发生应力集中的部位由于工作过程中高强度的运作与磨损，以及一些意外因素，可能会造成刮板与链条的这些部位发生形变、裂纹甚至断裂，从而造成刮板脱落、链条脱节，这会影响生产、使刮板机受损，甚至造成人员伤亡的严重后果。在刮板和链条被原煤层层掩埋的恶劣工作环境中，对刮板和链条的易发生应力集中的薄弱部位进行准确智能的实时诊断监测，在某一节刮板或链条产生金属疲劳的时候及时预警止损是世界范围内亟待解决的技术难题。因此，需要一种可以精确诊断、实时监测刮板机刮板和链条工作中发生故障并且及时止损报警的故障检测方法及其检测系统，来解决上述问题。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种基于多信息融合的刮板机故障检测方法的改进及其刮板机故障检测系统硬件结构的改进。

为了解决上述技术问题，本发明采用的技术方案为：一种基于多信息融合的刮板机故障检测方法，包括如下步骤：

步骤一：控制中央控制器获取刮板机的刮板和链条工作时的目标信息，所述目标信息包括图像信息、声音信息、漏磁场信息、直接物理形变信息、超声波脉冲反射信息、电机电流信息，所述图像信息通过安装在防护支架上的摄像头采集，所述声音信息通过麦克风阵列采集，所述麦克风阵列安装在刮板机机头的链条上方，所述漏磁场信息通过安装在防护支架下方的金属磁记忆检测仪采集，所述直接物理形变信息通过RFID读写器采集缺陷感知标签的信息获取，所述缺陷感知标签设置在链环连接处，所述超声波脉冲反射信息通过安装在防护支架下方的超声波探伤仪采集，所述电机电流信息通过与电机相连的电流检测仪采集；

步骤二：中央控制器对步骤一中获取的目标信息分别进行数据分析处理，并将分析处理后的计算结果分别进行缺陷判断；

步骤三：建立缺陷诊断模型，中央控制器通过对步骤二中的缺陷判断结果在缺陷诊断模型中进行数据融合，在数据融合之后，中央控制器将缺陷诊断模型的诊断结果输出至显示屏；

步骤四：所述中央控制器的内部设置有不同刮板机故障对应的预警响应等级，所述预警响应等级的触发通过中央控制器实现，所述中央控制器根据缺陷诊断模型得出的数据控制刮板机向报警装置发送报警信号。

所述步骤二中对图像信息的分析处理采用YOLOv1算法，以刮板机链条正常状态、缺陷状态的图片为训练集，将图片全部缩放为448*448像素，通过卷积神经网络模型提取特征图，具体步骤为：

步骤2.1：将输入图片划分为S*S个单元格区域，用于实现将缺陷部分中心的定位检测，每个单元格输出B个边界框，所述边界框包含目标缺陷的矩形区域；