一种永磁自卸除铁器的托辊故障识别方法、设备及介质技术

本说明书实施例公开了一种永磁自卸除铁器的托辊故障识别方法、设备及介质，用于提高托辊故障检测的精确度。方法包括：采集永磁自卸除铁器上待检测托辊的音频信号与振动信号，对音频信号与振动信号的进行时间对齐，获得初始音频信号与初始振动信号；对初始信号进行预处理获得待分析音频信号与待分析振动信号；基于预设小波变换算法，分别获取待分析信号的第一故障特征分量以及第二故障特征分量；基于自注意力机制获取故障特征分量的权重，将大于预设权重值的两类故障特征分量进行融合，获得待检测托辊的故障特征表示分量；获取故障特征表示分量的特征向量，以基于符合要求的最小二乘向量机模型对特征向量进行故障识别，提高了故障识别的精确性。障识别的精确性。障识别的精确性。

【技术实现步骤摘要】
一种永磁自卸除铁器的托辊故障识别方法、设备及介质


[0001]本说明书涉及数据识别
，尤其涉及一种永磁自卸除铁器的托辊故障识别方法、设备及介质。

技术介绍

[0002]除铁器是一种能产生强大磁场吸引力的设备，它能够将混杂在物料中铁磁性杂质有效清除。永磁自卸除铁器是除铁器中的一种，它能将混杂在非磁性物料中的铁磁性杂质清除。当前的永磁自卸除铁器一般由永磁磁芯、弃铁输送带、减速电机、框架、滚筒等部分组成，配合带式输送机使用，被广泛用于矿山、选煤厂、港口等场合。永磁自卸除铁器中以及弃铁输送带中的托辊结构用于实现皮带纠偏等相关功能，是当前永磁自卸除铁器中的重要组成部件之一。因此，对永磁自卸除铁器的托辊进行故障检测，是保证除铁器正常工作的一项重要环节。
[0003]传统技术手段中仅基于音频信号对托辊运行状态进行检测时，由于音频信号的信噪比较小，且设备运行时的环境噪声较大，导致了仅基于音频信号进行故障识别时，采集到的故障特征并不明显，容易造成故障识别精确度较低的问题。此外，由于托辊基于托辊外壳、托辊轴、轴承等多个组件构成，故障信息及导致故障的原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种永磁自卸除铁器的托辊故障识别方法，其特征在于，所述方法包括：采集永磁自卸除铁器上待检测托辊的音频信号与振动信号，基于所述音频信号与所述振动信号的采集时间，对所述音频信号与所述振动信号进行时间对齐，获得初始音频信号与初始振动信号；其中，所述采集时间包括：所述音频信号与所述振动信号的采集起始时间、所述音频信号与所述振动信号的采集结束时间；对所述初始音频信号与所述初始振动信号进行预处理，以获得待分析音频信号与待分析振动信号；基于预设小波变换算法，分别获取所述待分析音频信号的第一故障特征分量以及所述待分析振动信号的第二故障特征分量；其中，所述第一故障特征分量与所述第二故障特征分量为时频特征分量；基于预置自注意力机制获取所述第一故障特征分量的权重，以及所述第二故障特征分量的权重，以将所述权重大于预设权重值的第一故障特征分量与第二故障特征分量进行融合，获得所述待检测托辊的故障特征表示分量；提取所述故障特征表示分量的能量熵，以基于所述能量熵确定所述待检测托辊的特征向量；根据预设搜索算法对预设最小二乘向量机模型进行参数优化，获得符合要求的最小二乘向量机模型，以基于所述符合要求的最小二乘向量机模型对所述待检测托辊的特征向量进行故障识别。2.根据权利要求1所述的一种永磁自卸除铁器的托辊故障识别方法，其特征在于，所述采集永磁自卸除铁器上待检测托辊的音频信号与振动信号之前，所述方法还包括：基于所述永磁自卸除铁器的型号，确定所述永磁自卸除铁器中传输带部件的结构特点，以基于所述结构特点确定各采集设备的安装线路；通过工业互联网获取所述型号的永磁自卸除铁器对于托辊检测的检测数据，基于所述检测数据确定各所述特征表示分量所对应的采集设备布设位置及所述布设位置所对应的布设方向；其中，所述布设位置包括：托辊外壳、托辊轴、轴承、轴承座；基于欧氏距离对所述布设位置以及所述布设位置所对应的布设方向进行聚类，获得多个类簇；基于各类簇中分量的数量确定预设数量的类簇作为待选择类簇，并获取各待选择类簇中心点所对应的布设位置及所述布设位置所对应的布设方向作为待布设位置及待布设方向；基于所述待布设位置与待布设方向在各采集设备的安装路线上，布设各采集设备，以便基于所述采集设备采集待检测托辊的音频信号与振动信号。3.根据权利要求1所述的一种永磁自卸除铁器的托辊故障识别方法，其特征在于，所述基于所述音频信号与所述振动信号的采集时间，对所述音频信号与所述振动信号进行时间对齐，具体包括：基于预设采集周期启动所述永磁自卸除铁器的托辊上预设的采集设备，以采集所述音频信号与所述振动信号；获取各所述音频信号与各所述振动信号的多个起始采集时间与多个结束采集时间；基于时间顺序对所述起始采集时间进行排序获得起始采集时间序列，并基于时间顺序
对所述结束采集时间进行排序获得结束采集时间序列；根据所述起始采集时间序列的末端时间以及所述结束采集时间序列的首端时间，确定各所述音频信号与各所述振动信号的有效采集时间范围，以实现所述音频信号与所述振动信号的时间对齐，获得所述初始音频信号与所述初始振动信号。4.根据权利要求3所述的一种永磁自卸除铁器的托辊故障识别方法，其特征在于，所述对所述初始音频信号与所述初始振动信号进行预处理，具体包括：对所述有效采集时间范围内各所述初始音频信号与各所述初始振动信号进行下采样，获得待处理音频信号与待处理振动信号；基于最大相关峭度解卷积算法的迭代计算，获取滤波器长度与冲击周期，以基于所述滤波器长度与所述冲击周期确定有限长单位冲激响应滤波器，并基于所述有限长单位冲击响应滤波器对所述待处理音频信号进行过滤，获得待分析音频信号；获取所述有效采集时间范围内各待处理振动信号的平均幅值，并获取所述待处理振动信号各采样点的实际幅值；获取各采样点的所述实际幅值与所述平均幅值的差值，以基于各采样点的差值构成所述有效采集时间范围内的第一振动信号；基于预设高通滤波器与预设低通滤波器，对所述第一振动信号分别进行高频过滤与低频过滤，获得第二振动信号；基于梯形积分算法对所述第二振动信号进行处理，以实现对所述第二振动信号的过滤，获得待分析振动信号。5.根据权利要求1所述的一种永磁自卸除铁器的托辊故障识别方法，其特征在于，所述基于预设小波变换算法，分别获取所述待分析音频信号的第一故障特征分量以及所述待分析振动信号的第二故障特征分量，具体包括：获取所述待...

【专利技术属性】
技术研发人员：王金刚，孙胜，姚子胜，田伟，傅文明，
申请(专利权)人：潍坊百特磁电科技有限公司，
类型：发明
国别省市：