一种胶带输送机运行状态诊断方法及装置制造方法及图纸

本发明专利技术公开了一种胶带输送机运行状态诊断方法及装置，该方法包括：实时采集待进行运行状态诊断的胶带输送机的运行时序数据；对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。本发明专利技术是一种高效的能从原始运行时序信号学习信号的高层次特征的胶带输送机运行状态诊断方法。可识别胶带输送机的早期故障，提前采取相应的预防措施降低胶带输送机运行风险。

【技术实现步骤摘要】
一种胶带输送机运行状态诊断方法及装置
本专利技术涉及胶带输送机运行状态诊断
，特别涉及一种基于多源数据深度学习的胶带输送机运行状态诊断方法及装置。
技术介绍
胶带运输机是采选生产过程中的重要物料转运工具，胶带运输机运行的好坏直接关系到矿山生产能否正常进行的关键。目前胶带输送机通过安装保护开关对胶带输送机发生的异常状态进行保护，比如，申请号为CN106115219A的专利申请提出了一种具有故障定位功能的胶带输送机监控系统，其方案通过CAN总线实时传输胶带输送机上的跑偏、堆煤、打滑、撕裂、超温、烟雾等故障并定位，但该方案需要在胶带输送机上安装布置各种检测传感器，成本较高。
技术实现思路
本专利技术提供了一种胶带输送机运行状态诊断方法及装置，以解决现有的胶带输送机运行状态诊断技术的实现成本较高的技术问题。为解决上述技术问题，本专利技术提供了如下技术方案：一方面，本专利技术提供一种胶带输送机运行状态诊断方法，该方法包括：实时采集待进行运行状态诊断的胶带输送机的运行时序数据；对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，所述胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。进一步地，所述胶带输送机的运行时序数据包括胶带输送机运行过程中的电机电流、功率、液压张紧力、胶带速度、滚筒速度以及单位时间输送量中的任意一种或多种的组合。进一步地，所述对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化，包括：使用均值替换法对采集的运行时序数据进行缺失值处理，以补全缺失值；对补全缺失值后的运行时序数据，使用min-max归一化法进行数据归一化处理，将各运行时序数据分别归一化到[0,1]区间，得到预处理后的运行时序数据。进一步地，所述胶带输送机的运行状态包括轻度跑偏、重度跑遍、打滑、撕裂、启动、停机、正常运行以及失速中的任意一种或多种的组合。进一步地，所述胶带输送机运行状态识别诊断模型的构建过程，包括：获取胶带输送机的运行时序数据和运行状态，以所述运行时序数据为样本，以所述运行时序数据对应的所述运行状态为标签，构建样本数据集；对所述样本数据集中的样本数据进行预处理，以补全数据缺失值并进行数据归一化；将预处理后的样本数据集按照8:2的比例分成训练集和测试集；构建卷积深度学习模型；其中，所述卷积深度学习模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态；采用所述训练集对所述卷积深度学习模型进行训练，并采用所述测试集对训练完的卷积深度学习模型进行验证，得到胶带输送机运行状态识别诊断模型。另一方面，本专利技术还提供一种胶带输送机运行状态诊断装置，该装置包括：胶带输送机运行数据采集模块，用于实时采集待进行运行状态诊断的胶带输送机的运行时序数据；数据预处理模块，用于对所述胶带输送机运行数据采集模块所采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；胶带输送机运行状态诊断识别模块，用于基于经过所述数据预处理模块预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，所述胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。进一步地，所述胶带输送机运行数据采集模块所采集的胶带输送机的运行时序数据包括胶带输送机运行过程中的电机电流、功率、液压张紧力、胶带速度、滚筒速度以及单位时间输送量中的任意一种或多种的组合。进一步地，所述数据预处理模块具体用于：使用均值替换法对采集的运行时序数据进行缺失值处理，以补全缺失值；对补全缺失值后的运行时序数据，使用min-max归一化法进行数据归一化处理，将各运行时序数据分别归一化到[0,1]区间，得到预处理后的运行时序数据。进一步地，所述胶带输送机运行状态诊断识别模块所识别出的运行状态包括轻度跑偏、重度跑遍、打滑、撕裂、启动、停机、正常运行以及失速中的任意一种或多种的组合。进一步地，所述胶带输送机运行状态识别诊断模型的构建过程，包括：获取胶带输送机的运行时序数据和运行状态，以所述运行时序数据为样本，以所述运行时序数据对应的所述运行状态为标签，构建样本数据集；对所述样本数据集中的样本数据进行预处理，以补全数据缺失值并进行数据归一化；将预处理后的样本数据集按照8:2的比例分成训练集和测试集；构建卷积深度学习模型；其中，所述卷积深度学习模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态；采用所述训练集对所述卷积深度学习模型进行训练，并采用所述测试集对训练完的卷积深度学习模型进行验证，得到胶带输送机运行状态识别诊断模型。再一方面，本专利技术还提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。又一方面，本专利技术还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。本专利技术提供的技术方案带来的有益效果至少包括：本专利技术通过实时采集待进行运行状态诊断的胶带输送机的运行时序数据；对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；实现了一种高效的能从原始运行时序信号学习信号的高层次特征的胶带输送机运行状态诊断方法，可以诊断识别胶带输送机的早期故障，从而便于提前采取相应的预防措施，降低胶带输送机运行风险。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的胶带输送机运行状态诊断方法的流程图；图2为本专利技术实施例提供的胶带输送机运行状态识别诊断模型网络结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。第一实施例针对现有的胶带输送机运行状态诊断技术实现成本较高的问题，考虑到现代胶带输送机普遍安装了胶带监控自动化系统，采集了电流、功率、速度、张紧力、运输量等时序信号，这些时序信号在不同运行状态时大小、变化频率和形态都不一样，分析这些信号，通过建立深度学习模型识别数据的行为特征可以识别诊断胶带输送机的正常运行、轻度跑偏、重度跑遍、打滑、撕裂、堵料、启动、停机和失速等运行状态。本实施例提供了一种胶带输送机运行状态诊断方法，应用胶带输送机运行数据，如电流、速本文档来自技高网...

【技术保护点】
1.一种胶带输送机运行状态诊断方法，其特征在于，包括：/n实时采集待进行运行状态诊断的胶带输送机的运行时序数据；/n对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；/n基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，所述胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。/n

【技术特征摘要】
1.一种胶带输送机运行状态诊断方法，其特征在于，包括：
实时采集待进行运行状态诊断的胶带输送机的运行时序数据；
对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化；
基于预处理后的运行时序数据，利用预设的胶带输送机运行状态识别诊断模型识别出当前胶带输送机的运行状态；其中，所述胶带输送机运行状态识别诊断模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态。


2.如权利要求1所述的胶带输送机运行状态诊断方法，其特征在于，所述胶带输送机的运行时序数据包括胶带输送机运行过程中的电机电流、功率、液压张紧力、胶带速度、滚筒速度以及单位时间输送量中的任意一种或多种的组合。


3.如权利要求1所述的胶带输送机运行状态诊断方法，其特征在于，所述对采集的运行时序数据进行预处理，以补全数据缺失值并进行数据归一化，包括：
使用均值替换法对采集的运行时序数据进行缺失值处理，以补全缺失值；
对补全缺失值后的运行时序数据，使用min-max归一化法进行数据归一化处理，将各运行时序数据分别归一化到[0,1]区间，得到预处理后的运行时序数据。


4.如权利要求1所述的胶带输送机运行状态诊断方法，其特征在于，所述胶带输送机的运行状态包括轻度跑偏、重度跑遍、打滑、撕裂、启动、停机、正常运行以及失速中的任意一种或多种的组合。


5.如权利要求1所述的胶带输送机运行状态诊断方法，其特征在于，所述胶带输送机运行状态识别诊断模型的构建过程，包括：
获取胶带输送机的运行时序数据和运行状态，以所述运行时序数据为样本，以所述运行时序数据对应的所述运行状态为标签，构建样本数据集；
对所述样本数据集中的样本数据进行预处理，以补全数据缺失值并进行数据归一化；将预处理后的样本数据集按照8:2的比例分成训练集和测试集；
构建卷积深度学习模型；其中，所述卷积深度学习模型的输入为胶带输送机的运行时序数据，输出为胶带输送机的运行状态；
采用所述训练集对所述卷积深度学习模型进行训练，并采用所述测试集对训练完的卷积深度学习模型进行验证，得到胶带输送机运行状态识别诊断模型。


6.一种胶带输送机运行状态诊断装置，其特征在于，包括：
胶带...

【专利技术属性】
技术研发人员：肖成勇，李擎，李希圣，苗磊，崔家瑞，任继平，栗辉，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11