一种大型行车车轮智能监测方法技术

本发明专利技术公开了一种大型行车车轮智能监测方法，采用深度学习的方法将一种大型行车车轮运行时的声音及温度与大型行车车轮运行状态进行关联，并实时采集大型行车车轮运行时的声音及温度，从而对大型行车车轮的运行状态进行智能监测，完成大型行车车轮状态评估和故障预警，当发现有状态异常的车轮后，可在最近的定修或检修过程中进行维护，从而避免了车轮异常导致的安全隐患和非正常停机，确保炼钢物流的正常。同时，也可以为点检人员提供远程声音监听，方便点检人员对预警进行评估和把控所有车轮的工作状态，保证监测效果。本申请的一种大型行车车轮智能监测方法具有监测效果好，智能化程度高，使用灵活的优点。使用灵活的优点。使用灵活的优点。

【技术实现步骤摘要】
一种大型行车车轮智能监测方法


[0001]本专利技术涉及人工智能
，尤其涉及一种通过人工智能进行大型行车车轮智能监测的方法。

技术介绍

[0002]大型液态吊承担着钢铁厂的熔融金属吊运任务，是钢铁生产的关键设备。由于其重要性及安全性要求较高，所以如何保障大型冶金行车的良好工作状态和设备状态稳定可控一直是行车设备管理的核心任务。目前，在大型液态吊的系统中配置了各种监控系统以确保其安全生产和设备状态。根据多年的使用经验，目前最不好把控的就是行车车轮的状态，而且目前对于行车车轮还没有任何的监控手段，一般采用周期更换和事后维修的方式。行车车轮发生故障不仅会导致故障停机，而且存在安全生产隐患，若多个车轮同时出现问题，会导致严重后果。
[0003]一台大型行车配置有32个车轮，正常更换周期为5年。但是，根据多年经验，在车轮正常的寿命周期内，经常发生由于车轮轴承故障导致的异常损坏问题。经过初步统计，二炼钢1#～5#450T行车，由于轴承故障导致的非正常车轮更换多达18次，其中2019年至今就发生了6次非正常更换。每次非正常更换需要7-8小时，严重影响炼钢的正常物流。而且，每次更换除了备件费用外，还需要额外的检修和吊车等更换费用。
[0004]目前，随着设备工作负荷的增大，以及对安全生产要求越来越高，尤其是有一些车轮由于安装位置的原因，设备点检人员是无法直接接触的，也就无法进行五感点检，存在较大安全隐患。因此，非常有必要通过先进的技术手段对行车车轮进行监控和劣化趋势分析，从而预估设备状态，把故障抢修转变为事前维护，这样不仅可以降低生产安全隐患，也可降低设备维护成本。目前，在轴承类旋转机械设备的在线故障诊断方面，主要的技术手段是通过振动监测进行故障诊断和状态预警。但是，对于行车类的低速重载，尤其是负载经常发生变化的应用场景，其效果并不明显，而且应用机械振动在线检测方法进行故障诊断的成本较高，也不适用于行车车轮这样有着大量装机量的设备监测。
[0005]因此，有必要提出一种改进，以克服现有技术缺陷。

技术实现思路

[0006]本专利技术的目的是解决现有技术中的问题，提供一种基于深度学习的大型行车车轮智能监测方法。
[0007]本专利技术的技术方案是：
[0008]一种大型行车车轮智能监测方法，包括以下步骤：
[0009]S1、建立基于深度学习的大型行车车轮智能检测分类模型，所述大型行车车轮智能检测分类模型包括声音检测分类模型和温度检测分类模型；
[0010]S2、采集大型行车车轮各种状态下的不同声音数据和温度数据，并对所述不同声音数据和温度数据分别进行数据清洗、标记，形成大型行车车轮声音训练数据和大型行车
车轮温度训练数据；
[0011]S3、使用所述大型行车车轮声音训练数据和大型行车车轮温度训练数据分别训练所述声音检测分类模型和温度检测分类模型；声音检测分类模型和温度检测分类模型经过训练后，将大型行车车轮的声音与所述大型行车车轮声音训练数据中的标记产生关联，将大型行车车轮的温度与所述大型行车车轮温度训练数据中的标记产生关联；
[0012]S4、采集大型行车车轮运行时的声音及温度，将大型行车车轮运行时的声音及温度输入训练后的所述声音检测分类模型和温度检测分类模型，所述声音检测分类模型和温度检测分类模型分别输出大型行车车轮运行时声音对应的声音标记及温度对应的温度标记，根据声音标记和温度标记对大型行车车轮进行检测。
[0013]作为一种优选的技术方案，在步骤S4之前还包括以下步骤：S5、搭建基于深度学习的大型行车车轮智能检测分类系统；所述基于深度学习的大型行车车轮智能检测分类系统包括声音采集模块、温度采集模块、计算模块及信号输出模块，所述计算模块为计算机模块或云计算模块。
[0014]作为一种进一步优选的技术方案，所述声音采集模块为声音传感器，所述温度采集模块为温度检测元件；所述声音传感器及所述温度检测元件设置于所述大型行车的车轮轴承部位。
[0015]作为一种优选的技术方案，所述步骤S2中，对所述不同声音数据进行数据清洗包括删除与设备运行声音不相关的噪音、将所述不同的声音数据进行处理和裁剪。
[0016]作为一种优选的技术方案，所述步骤S2中，对所述不同声音数据和温度数据进行标记包括以下步骤：
[0017]S2a、根据大型行车车轮运行的不同状态，建立大型行车车轮状态分类标准；
[0018]S2b、将大型行车车轮运行状态各种不同的声音及温度与大型行车车轮状态分类标准进行对应；
[0019]S2c、将所述不同声音数据和温度数据基于所述大型行车车轮状态分类标准进行标记分类，所述大型行车车轮状态分类标准中每一大型行车车轮状态分类下均有对应声音数据和温度数据；所有标记分类后的声音数据组成大型行车车轮声音训练数据，所有标记分类后的温度数据组成大型行车车轮温度训练数据。
[0020]作为一种进一步优选的技术方案，所述步骤S2c中将所述不同声音数据基于所述大型行车车轮状态分类标准进行标记分类具体为将所述不同声音数据对应的声音波形与所述大型行车车轮状态分类标准进行对应并标记分类。
[0021]作为另一种进一步优选的技术方案，所述步骤S2a中，所述大型行车车轮的不同状态包括大型行车车轮正常状态、异常状态。
[0022]作为一种更进一步优选的技术方案，所述异常状态包括多种异常，每种异常均设置有对应的分类名称。
[0023]作为再一种进一步优选的技术方案，所述步骤S2c所述大型行车车轮状态分类标准中每一大型行车车轮状态分类下均有对应声音数据和温度数据中，每一设备状态分类下均有多条对应声音数据和温度数据。
[0024]作为一种优选的技术方案，所述步骤S4采集大型行车车轮运行时的声音后，包括将所述大型行车车轮运行时的声音远程输出给检测人员监测。
[0025]本专利技术的一种大型行车车轮智能监测方法，采用深度学习的方法将一种大型行车车轮运行时的声音及温度与大型行车车轮运行状态进行关联，并实时采集大型行车车轮运行时的声音及温度，从而对大型行车车轮的运行状态进行智能监测，完成大型行车车轮状态评估和故障预警，当发现有状态异常的车轮后，可在最近的定修或检修过程中进行维护，从而避免了车轮异常导致的安全隐患和非正常停机，确保炼钢物流的正常。同时，也可以为点检人员提供远程声音监听，方便点检人员对预警进行评估和把控所有车轮的工作状态，保证监测效果。本申请的一种大型行车车轮智能监测方法具有监测效果好，智能化程度高，使用灵活的优点。
附图说明
[0026]图1为本专利技术一种一种大型行车车轮智能监测方法具体实施方式流程框图。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中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一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大型行车车轮智能监测方法，其特征在于：包括以下步骤：S1、建立基于深度学习的大型行车车轮智能检测分类模型，所述大型行车车轮智能检测分类模型包括声音检测分类模型和温度检测分类模型；S2、采集大型行车车轮各种状态下的不同声音数据和温度数据，并对所述不同声音数据和温度数据分别进行数据清洗、标记，形成大型行车车轮声音训练数据和大型行车车轮温度训练数据；S3、使用所述大型行车车轮声音训练数据和大型行车车轮温度训练数据分别训练所述声音检测分类模型和温度检测分类模型；声音检测分类模型和温度检测分类模型经过训练后，将大型行车车轮的声音与所述大型行车车轮声音训练数据中的标记产生关联，将大型行车车轮的温度与所述大型行车车轮温度训练数据中的标记产生关联；S4、采集大型行车车轮运行时的声音及温度，将大型行车车轮运行时的声音及温度输入训练后的所述声音检测分类模型和温度检测分类模型，所述声音检测分类模型和温度检测分类模型分别输出大型行车车轮运行时声音对应的声音标记及温度对应的温度标记，根据声音标记和温度标记对大型行车车轮进行检测。2.根据权利要求1所述的一种大型行车车轮智能监测方法，其特征在于：在步骤S4之前还包括以下步骤：S5、搭建基于深度学习的大型行车车轮智能检测分类系统；所述基于深度学习的大型行车车轮智能检测分类系统包括声音采集模块、温度采集模块、计算模块及信号输出模块，所述计算模块为计算机模块或云计算模块。3.根据权利要求2所述的一种大型行车车轮智能监测方法，其特征在于：所述声音采集模块为声音传感器，所述温度采集模块为温度检测元件；所述声音传感器及所述温度检测元件设置于所述大型行车的车轮轴承部位。4.根据权利要求1所述的一种大型行车车轮智能监测方法，其特征在于：所述步骤S2中，对所述不同声音数据进行数据清洗包括删除与设备...

【专利技术属性】
技术研发人员：陈祥兴，徐林，刘国强，刘毅，
申请(专利权)人：上海鼎实科技有限公司，
类型：发明
国别省市：