[发明专利]一种基于声波信号的皮带运输机托辊六类运行状态识别方法

说明书

本发明提出一种基于声波信号的皮带运输机托辊六类运行状态识别方法，建立了基于声波信号的皮带运输机托辊运行状态识别方法技术框架与算法模型，同时针对现有支持向量机多分类算法存在的缺陷，设计了新型支持向量机多类别分类方法，该分类方法具有运算速度快、实现容易与分类正确度率的优点，相对于传统的支持向量机分类算法具有更好的性能。本发明设计的支持向量机多类分类方法，有效兼顾了训练时间、训练样本均衡和结构复杂度等指标，实现了皮带运输机托辊运行状态的精确识别，为工业现场的实际应用提供了新的技术方法并奠定了理论基础。

技术领域：

本发明涉及工业大型运载设备故障识别领域，尤其是涉及皮带运输机托辊故障与正常状态分类领域，具体是一种基于声波信号的皮带运输机托辊六类运行状态识别方法。

背景技术：

托辊作为皮带输送机的核心机械部件，起着支撑皮带、传动皮带和皮带上方物料重量的作用，托辊对皮带的承托作用对减小输送带同托辊的摩擦力，延长输送带的寿命起着关键作用。当托辊磨损严重后，往往出现轴承处高温、堵转、卡阻、表皮开裂与轴承断裂等情况，在皮带运输机运行过程中容易划伤输送皮带。实现对皮带运输机托辊运行状态识别，尤其是托辊的故障状态识别至关重要。

皮带运输机运行时，皮带运输机机架沿线有皮带带动托辊转动声、托辊接头处碰撞声、调偏机械模块处噪声、微调装置的摩擦声、上下电机出机械振动声、电机运行声、中部过往车辆鸣笛轰鸣以及附近工厂干扰等杂音，由于各种噪音来源复杂，且振幅、频率等变换多样，因此需要实现托辊的运行状态识别是一个极大的挑战。目前应用于旋转机械部件的状态识别算法很多，但是大量的工作是针对轴承状态识别问题，且大都基于振动信号作为数据源。目前对基于声波信号对托辊的状态识别问题研究较少，本发明采用声波信号作为托辊状态识别的数据源，为旋转机械设备运行状态识别提供了新的思路，同时有效降低了托辊运行状态识别的成本，为皮带运输机运行状态智能化监测提供了技术支持。

支持向量机算法是机械设备状态诊断领域中典型的算法之一。支持向量机算法对小样本、非线性信号样本分类问题反应灵敏，相较于传统的机器学习算法，在机械旋转设备运行状态识别研究领域中具有良好的应用性能表现，是旋转机械设备故障状态识别中重要的方法。标准支持向量机模型最初是针对二分类问题提出的一种学习算法，多分类问题常常被转化为二分类问题，目前研究人员有效地扩展到了多分类问题中，比如说一对多算法、一对一算法、二叉树算法与有向无环图算法等。本发明针对现有多分类算法的不足，提出新的多分类算法。

本发明提出了一种基于声波信号的皮带运输机托辊六类运行状态判别方法，对托辊运行状态识别算法进行研究。通过对托辊六类运行状态数据样本(五类托辊故障运行状态和一类托辊正常运行状态)进行分类，并作为输入训练支持向量机故障分类模型，实现托辊运行状态类别的精确识别，有效解决了工业现场皮带运输机托辊运行状态类型识别难题。

发明内容

本发明的目的就是为了解决皮带运输机托辊运行状态识别的难题，本发明有效克服了现有旋转机械设备运行状态识别方法硬件安装难度大，完整系统成本高等缺点。同时克服了现有支持向量机多类分类算法存在的缺陷，提供了一种基于声波信号的皮带运输机托辊运行状态识别方法，该方法具有思路新颖、运算速度快、实现容易与分类正确度率的优点，相对于传统的旋转机械设备运行状态识别算法具有更好的性能。

为实现上述目标，本发明的构思如下：

将声波信号传感器安装在皮带运输机机架上，每间隔10米安装一个声波传感器，一个声波传感器采集10米范围内的托辊运行状态下的声波信号。采样频率设为20000Hz，将采集得到的声波信号传输至服务器端，通过算法模型识别出该传感器监测范围内的托辊处于何种状态，本发明中托辊的六类运行状态分别为正常、托辊轴承断裂、托辊盖板松动、托辊盖板脱落、托辊断裂、托辊振荡。