基于卷积神经网络的提升系统尾绳健康监测系统及方法技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
基于卷积神经网络的提升系统尾绳健康监测系统及方法
本专利技术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。
技术介绍
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，本专利技术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。
技术实现思路
本专利技术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。本专利技术采用如下技术方案：本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统，所述的提升系统包括滚筒，提升钢丝绳，提升容器及尾绳；所述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；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。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统，所述的图像采集系统包括背景板，光源，CCD相机，采集卡，控制器，存储器；两个所述提升容器之间相连的尾绳之间设有背景板，背景板平行置于尾绳悬垂面；CCD相机的光轴垂直于背景板，CCD相机上设有光源；CCD相机与采集卡相连，采集卡与控制器相连；光源与储存器分别于控制器相连。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统，所述的移动无线传感器网络包括绳罐道及移动传感器节点；所述的移动传感器节点沿绳罐道延伸方向一端与图像采集系统相连，另一端与上位机相连。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统，所述的上位机内含有卷积神经网络程序，预警程序；通过卷积神经网络程序对尾绳状态进行检测判断，并将结果反馈至预警程序，预警程序控制提升系统启停。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统的方法，步骤如下：1）、通过图像采集系统采集尾绳状态，并将收集到的图像进行分类；2）、进行卷积神经网络训练，针对图像数据进行正向传播及反向传播；确定误差并建立卷积神经网络模型；3）、采用步骤2）中卷积神经网络模型针对输入的尾绳状态图像进行实时预测分类，并反馈至预警程序，由预警程序针对分类结果进行判断预警。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统的方法，步骤1）中图像采集系统针对采集的图像数据生成训练数据集，测试数据集，训练标签集，测试标签集。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统的方法，所述的数据正向传播方式为：设定网络的训练参数，初始化网络的权值和偏置；输入特征图经过卷积层、采样层、全连接层处理后，传输至输出层，每一层的输出为下一层的输入；所述的数据反向传播方式为：将实际输出与期望输出间的误差通BP算法逐层反向传播，并将误差分配到各层，对网络的权值和偏置进行调整，直至满足收敛条件。本专利技术所述的基于卷积神经网络的提升系统尾绳健康监测系统的方法，针对采集的图像数据建立尾绳特征数据库；并对图像数据进行扩充。有益效果本专利技术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。本专利技术提供的提升系统尾绳健康监测预警方法，其采用CNN算法，能有效避免人工特征提取和描述等复杂步骤，摆脱对大量信号处理技术及诊断经验的依赖，完成故障特征的自适应提取与健康状况的智能诊断，其故障识别率超过99%，识别精度远高于K最近邻(k-NearestNeighbor，KNN)和BP神经网络(ArtificialNeuralNetworkwithBackPropagations,BPNN)，具有较高的准确性和实时性；该方法可实时发现尾绳间距不均、断股、绞绳和断绳等故障，解决了目前尾绳故障难以检测、检测周期长和无法及时发现的难题，是一种矿井提升系统尾绳安全监测的可行方案。同时，该方法和结论可推广到其他机械系统健康监测与故障诊断当中。附图说明图1为本专利技术的监测系统架构示意图；图2为本专利技术的监测方法流程示意图；图3为本专利技术的卷积神经网络结构图；图4为本专利技术的尾绳典型特征示意图；图5为本专利技术的尾绳特征种子图；图6为本专利技术的数据集扩充方法流程图；图7为本专利技术的数据集9种状态示例图；图8为本专利技术的卷积神经网络诊断过程迭代示意图；图9为本专利技术中不同算法的分类结果比较示例图。具体实施方式为使本专利技术实施例的目的和技术方案更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属本文档来自技高网...

【技术保护点】
1.基于卷积神经网络的提升系统尾绳健康监测系统，所述的提升系统包括滚筒（1），提升钢丝绳（2），提升容器（3）及尾绳（4）；所述的滚筒（1）牵引提升钢丝绳（2）移动；两个所述提升容器（3）的顶端分别与钢丝绳（3）相连；两个所述提升容器（3）的底端分别通过尾绳（4）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（4）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。

【技术特征摘要】
1.基于卷积神经网络的提升系统尾绳健康监测系统，所述的提升系统包括滚筒（1），提升钢丝绳（2），提升容器（3）及尾绳（4）；所述的滚筒（1）牵引提升钢丝绳（2）移动；两个所述提升容器（3）的顶端分别与钢丝绳（3）相连；两个所述提升容器（3）的底端分别通过尾绳（4）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（4）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。2.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统，其特征在于：所述的图像采集系统包括背景板，光源，CCD相机，采集卡，控制器，存储器；两个所述提升容器（3）之间相连的尾绳（4）之间设有背景板，背景板平行置于尾绳（4）悬垂面；CCD相机的光轴垂直于背景板，CCD相机上设有光源；CCD相机与采集卡相连，采集卡与控制器相连；光源与储存器分别与控制器相连。3.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统，其特征在于：所述的移动无线传感器网络包括绳罐道及移动传感器节点；所述的移动传感器节点沿绳罐道延伸方向一端与图像采集系统相连，另一端与上位机相连。4.根据权利要求1所述的提升系统尾绳健康监测预警系统，其特征在于：所述的上位机内含有卷积神经网络程序，预警程序；通过卷积神经网络程序...

【专利技术属性】
技术研发人员：周坪，周公博，朱真才，孙源，唐超权，郝本良，舒鑫，李伟，彭玉兴，曹国华，何贞志，江帆，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32