[发明专利]带式输送机突发故障预警方法及系统

说明书

本发明提供了一种带式输送机突发故障预警方法及系统，包括：健康指标获取步骤：将设备突发故障数据清洗后进行时域、频域特征计算，按照表征故障能力强弱顺序对特征进行排序，对前序特征进行主成分分析降维融合，得到表征突发故障期间皮带失效过程的健康指标；故障预测步骤：利用长短期记忆神经网络对健康指标进行短期预测，在突发故障早期阶段预测皮带失效阶段健康状态曲线，判别健康状态曲线中的异常值，根据异常值定位皮带划伤失效发生时间。本发明能够达到突发故障早期阶段的预测报警功能，保障设备安全，提高隧道掘进机的施工效率。

技术领域

本发明涉及带式输送机智能检测技术领域，具体地，涉及一种带式输送机突发故障预警方法及系统。

背景技术

带式输送机作为隧道掘进机后配套系统的关键组成部分，是一种复杂地质环境下常用的长距离连续式渣土物料输送设备。带式输送机的健康状况关系到隧道掘进机的安全稳定行进，一旦发生故障不仅严重损害设备状态，而且将直接导致掘进停止，大大影响施工效率。为保障其安全可靠运行，建立有效的带式输送机故障预警系统至关重要。

现阶段，对于带式输送机的维护和故障检测仍然以人工巡检与定期更换为主，这是由于带式输送机结构简单、成本相对较低。但这种方式并不适用于地质条件恶劣且运输渣土的情况，复杂多变的外部工况将导致带式输送机容易发生异物卡死导致的皮带纵撕、打滑、拉断及跑偏等突发故障。

目前，基于数据驱动的带式输送机故障预警方法得到了广泛的关注，例如在公开号为CN114662834A的中国发明专利文献中，公开了一种矿用带式输送机健康状态在线评估方法，通过利用获取的特征参数，采用多维时间序列聚类算法TICC，得出健康状况变化趋势，根据现场经验划分健康状态等级。

在公开号为CN204549270U的中国实用新型专利文献中，公开了一种带式输送机的故障预警系统，通过计算各部件振动传感器数据的频谱曲线，与标准频谱曲线偏差超过阈值则发出预警信号。

在公开号为CN112232366A的中国发明专利文献中，公开了一种基于RFID监测的电气设备故障预警方法及系统，通过将时序温度数据集分别通过去噪自编码网络和长短时记忆网络训练得到第一故障预警信息和第二故障预警信息，再输入训练好的XGBoost模型获得故障预警等级。

然而，现有的故障预警方法无法在故障趋势还不显著时进行预测报警，具体原因是：

1)对于突发故障而言，早期故障特征曲线变化不明显，失效发生时特征曲线短时间内梯度迅速增长。现有的带式输送机故障预警方法不能针对突发故障做到提早预警，容易导致报警不及时，当报警信号发出时故障往往已经造成了严重后果。

2)依靠现场经验或历史故障曲线设定报警阈值，容易导致漏报警或错误报警情况发生。部分预警系统采用深度学习方法进行分类诊断，对于故障训练集的需求量庞大且计算效率低下。

隧道掘进机后配套系统的带式输送机长期运转在复杂地质环境下运输渣土出洞，异物掉落易导致皮带纵撕、打滑、拉断及跑偏等突发故障。现有的故障预警方法缺少从历史数据预测故障趋势的能力，无法在故障早期发出报警信号。此外，依靠现场经验或历史故障曲线判别故障发生，易导致漏报警或错误报警。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种带式输送机突发故障预警方法及系统。

根据本发明提供的一种带式输送机突发故障预警方法，包括：

健康指标获取步骤：将设备突发故障数据清洗后进行时域、频域特征计算，按照表征故障能力强弱顺序对特征进行排序，对前序特征进行主成分分析降维融合，得到表征突发故障期间皮带失效过程的健康指标；

故障预测步骤：利用长短期记忆神经网络对健康指标进行短期预测，在突发故障早期阶段预测皮带失效阶段健康状态曲线，判别健康状态曲线中的异常值，根据异常值定位皮带划伤失效发生时间。