托辊搬运小车运行异常智能检测方法及系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及托辊搬运小车运行异常智能检测方法及系统，该方法包括：获取多个声音信号数据及对应的运行异常类别；对每个声音信号数据进行硬阈值去噪处理和软阈值处理得到第一高频信号数据及低频信号数据、第二高频信号数据；获取第一高频信号数据中信号值为0的目标采样点，确定目标采样点中信号缺失的缺失采样点；计算缺失采样点的信号值的补齐值，根据补齐值对缺失采样点的信号值进行补值得到最终高频信号数据；根据低频信号数据、最终高频信号数据对神经网络进行训练得到训练好的神经网络；利用训练好的神经网络实现待检测声音信号数据对应的运行异常类别，本发明专利技术方法提高了运行异常的检测精度。本发明专利技术方法提高了运行异常的检测精度。本发明专利技术方法提高了运行异常的检测精度。

【技术实现步骤摘要】
托辊搬运小车运行异常智能检测方法及系统


[0001]本专利技术涉及数据处理
，具体涉及托辊搬运小车运行异常智能检测方法及系统。

技术介绍

[0002]托辊是用来支撑输送带和物料的，其在运转过程中必须灵活可靠，以减少输送带同托辊的摩擦力，对输送带的寿命起着关键作用，因此，需要对托辊的运行进行检测。
[0003]托辊运行过程中通常是通过对声音数据进行检测，从而实现对托辊异常检测时，现有检测技术中都是先对声音信号进行数据去噪，进而将去噪后的数据输入到神经网络中，进而完成托辊异常检测。
[0004]但是由于运行环境复杂，往往会存在大量的噪声，因此，现有技术通过采用小波分解的方法实现对声音信号的去噪处理，该方法考虑了软硬阈值的缺点，提出了一种折中阈值，实现对了声音信号较好的去噪效果，但是其所提出的折中滤波公式的调节因子由人为设定，采用折中法，只是在软硬阈值的缺点之间找到一个相对较好的平衡点，但并未解决硬阈值去噪时存在的缺失问题，因此，折中法去噪处理后的声音数据其精度并不高，进而也会影响托辊的检测精度。
[0005]因此，需要提供一种托辊搬运小车运行异常智能检测方法及系统，予以解决上述问题。

技术实现思路

[0006]本专利技术提供一种托辊搬运小车运行异常智能检测方法及系统，以解决现有的问题。
[0007]本专利技术的一种托辊搬运小车运行异常智能检测方法采用如下技术方案：该方法包括：获取历史数据中包括缺陷信号的多个声音信号数据，并获取每个声音信号数据对应的运行异常类别；对每个声音信号数据进行小波分解得到小波系数，对小波系数进行硬阈值去噪处理得到第一高频信号数据及低频信号数据，对小波系数进行软阈值去噪处理得到第二高频信号数据；获取第一高频信号数据中信号值为0的目标采样点，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值、目标采样点在第一高频信号数据和第二高频信号数据中的对应的信号值确定目标采样点中信号缺失的缺失采样点；根据缺失采样点的相邻两个采样点的信号值、缺失采样点在第一高频信号数据和第二高频信号数据中的对应的信号值、缺失采样点与相邻目标采样点之间每个采样点在第一高频信号数据和第二高频信号数据中的对应的信号值计算缺失采样点的信号值的补齐
值，根据补齐值对缺失采样点的信号值进行补值得到最终高频信号数据；根据低频信号数据、最终高频信号数据获取对应声音信号数据的特征向量；将每个声音信号数据的特征向量作为神经网络的输入，运行异常类别作为神经网络的输出，对神经网络进行训练得到训练好的神经网络；获取每个待检测声音信号数据的特征向量，将待检测声音信号数据的特征向量输入训练好的神经网络进行检测确定运行异常类别。
[0008]进一步的，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值、目标采样点在第一高频信号数据和第二高频信号数据中的对应信号值确定目标采样点中信号缺失的缺失采样点的步骤包括：根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值计算该目标采样点对应信号值的缺失程度；根据第一高频信号数据和第二高频信号数据分别获取一条曲线，根据同一个目标采样点在两条曲线上对应点的信号值确定该目标采样点的欧式距离值；根据每个目标采样点的欧式距离值和其对应信号值的缺失程度确定目标采样点中信号缺失的缺失采样点。
[0009]进一步的，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值计算该目标采样点对应信号值的缺失程度的步骤包括：分别获取每个目标采样点与其相邻两个目标采样点之间的目标信号段；获取每个目标信号段内采样点的数量，并获取采样点的数量最少的目标信号段对应的最小采样点数量；根据最小采样点数量及两个目标信号段中所有关于目标采样点对称的采样点信号值的差值计算该目标采样点对应信号值的缺失程度。
[0010]进一步的，根据第一高频信号数据和第二高频信号数据分别获取一条曲线的步骤包括：分别对第一高频信号数据和第二高频信号数据进行归一化处理，获取归一化处理后的第一高频信号数据和第二高频信号数据；获取归一化处理后的第一高频信号数据中每个采样点对应的信号值及归一化处理后的第二高频信号数据中每个采样点对应的信号值；根据归一化处理后的第一高频信号数据中每个采样点对应的信号值和时间在坐标系中建立第一高频信号数据对应的曲线；归一化处理后的第二高频信号数据中每个采样点对应的信号值和时间在坐标系中建立第二高频信号数据对应的曲线。
[0011]进一步的，根据同一个目标采样点在两条曲线上对应点的信号值确定该目标采样点的欧式距离值的步骤包括：获取每个目标采样点在两条曲线上对应点的信号值；根据对应点的信号值计算对应点之间的欧式距离值。
[0012]进一步的，根据每个目标采样点的欧式距离值和其对应信号值的缺失程度确定目
标采样点中信号缺失的缺失采样点的步骤包括：根据每个目标采样点的欧式距离值和其对应信号值的缺失程度计算每个目标采样点对应信号值的补齐程度；根据补齐程度及预设的补齐程度阈值获取目标采样点中信号缺失的缺失采样点。
[0013]进一步的，根据缺失采样点的相邻两个采样点的信号值、缺失采样点在第一高频信号数据和第二高频信号数据中的对应的信号值、缺失采样点与相邻目标采样点之间每个采样点在第一高频信号数据和第二高频信号数据中的对应的信号值计算缺失采样点的信号值的补齐值的步骤包括：获取缺失采样点的相邻两个采样点的信号值的均值，将该均值作为缺失采样点的信号值的补偿值；根据缺失采样点与相邻目标采样点之间每个采样点在第一高频信号数据和第二高频信号数据中的对应的信号值计算每个采样点对应的欧式距离值；计算缺失采样点与相邻目标采样点之间所有采样点对应的欧式距离值的均值，将欧式距离值的均值记为缺失采样点的信号值的失真程度；根据缺失采样点在第一高频信号数据和第二高频信号数据中的对应的信号值计算缺失采样点对应的欧式距离值；根据缺失采样点的信号值的失真程度、补偿值及缺失采样点对应的欧式距离值计算缺失采样点的信号值的补齐值。
[0014]进一步的，根据低频信号数据、最终高频信号数据获取对应声音信号数据的特征向量的步骤包括：将低频信号数据、最终高频信号数据对应的信号值作为最终小波系数；根据低频信号数据、最终高频信号数据对应的最终小波系数及最终小波系数的数量计算低频信号数据、最终高频信号数据对应的特征值；根据低频信号数据、最终高频信号数据对应的特征值获取特征向量，并将该特征向量记为对应声音信号数据的特征向量。
[0015]本专利技术还提供了一种托辊搬运小车运行异常智能检测系统，该系统包括：数据采集模块，用于获取历史数据中包括缺陷信号的多个声音信号数据，并获取每个声音信号数据对应的运行异常类别；去噪处理模块，用于对每个声音信号数据进行小波分解得到小波系数，对小波系数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.托辊搬运小车运行异常智能检测方法，其特征在于，该方法包括：获取历史数据中包括缺陷信号的多个声音信号数据，并获取每个声音信号数据对应的运行异常类别；对每个声音信号数据进行小波分解得到小波系数，对小波系数进行硬阈值去噪处理得到第一高频信号数据及低频信号数据，对小波系数进行软阈值去噪处理得到第二高频信号数据；获取第一高频信号数据中信号值为0的目标采样点，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值、目标采样点在第一高频信号数据和第二高频信号数据中的对应的信号值确定目标采样点中信号缺失的缺失采样点；根据缺失采样点的相邻两个采样点的信号值、缺失采样点在第一高频信号数据和第二高频信号数据中的对应的信号值、缺失采样点与相邻目标采样点之间每个采样点在第一高频信号数据和第二高频信号数据中的对应的信号值计算缺失采样点的信号值的补齐值，根据补齐值对缺失采样点的信号值进行补值得到最终高频信号数据；根据低频信号数据、最终高频信号数据获取对应声音信号数据的特征向量；将每个声音信号数据的特征向量作为神经网络的输入，运行异常类别作为神经网络的输出，对神经网络进行训练得到训练好的神经网络；获取每个待检测声音信号数据的特征向量，将待检测声音信号数据的特征向量输入训练好的神经网络进行检测确定运行异常类别。2.根据权利要求1所述的托辊搬运小车运行异常智能检测方法，其特征在于，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值、目标采样点在第一高频信号数据和第二高频信号数据中的对应信号值确定目标采样点中信号缺失的缺失采样点的步骤包括：根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值计算该目标采样点对应信号值的缺失程度；根据第一高频信号数据和第二高频信号数据分别获取一条曲线，根据同一个目标采样点在两条曲线上对应点的信号值确定该目标采样点的欧式距离值；根据每个目标采样点的欧式距离值和其对应信号值的缺失程度确定目标采样点中信号缺失的缺失采样点。3.根据权利要求2所述的托辊搬运小车运行异常智能检测方法，其特征在于，根据目标采样点分别与其相邻两个目标采样点之间的采样点的数量、目标采样点与其相邻两个目标采样点之间每个采样点对应的信号值计算该目标采样点对应信号值的缺失程度的步骤包括：分别获取每个目标采样点与其相邻两个目标采样点之间的目标信号段；获取每个目标信号段内采样点的数量，并获取采样点的数量最少的目标信号段对应的最小采样点数量；根据最小采样点数量及两个目标信号段中所有关于目标采样点对称的采样点信号值的差值计算该目标采样点对应信号值的缺失程度。
4.根据权利要求2所述的托辊搬运小车运行异常智能检测方法，其特征在于，根据第一高频信号数据和第二高频信号数据分别获取一条曲线的步骤包括：分别对第一高频信号数据和第二高频信号数据进行归一化处理，获取归一化处理后的第一高频信号数据和第二高频信号数据；获取归一化处理后的第一高频信号数据中每个采样点对应的信号值及归一化处理后的第二高频信号数据中每个采样点对应的信号值；根据归一化处理后的第一高频信号数据中每个采样点对应的信号值和时间在坐标系中建立第一高频信号数据对应的曲线；归一化处理后的第二高频信号数据中每个采样点对应的信号值和时间在坐标系中建立第二高频信号数据对应的曲线。5.根据权利要求2所述的托辊搬运小车运行异常智能检测方法，其特征在于，根据同一个目标采样点在两条曲线上对应点的...

【专利技术属性】
技术研发人员：郑兆宗，孙善金，高乾坤，邱雷明，张营，
申请(专利权)人：山东山矿机械有限公司，
类型：发明
国别省市：