System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于多模态数据分析的传送带故障预测系统及方法技术方案_技高网

基于多模态数据分析的传送带故障预测系统及方法技术方案

技术编号:43282020 阅读:11 留言:0更新日期:2024-11-12 16:05
本发明专利技术涉及传送带故障技术领域,尤其涉及基于多模态数据分析的传送带故障预测系统及方法。本发明专利技术公开了基于多模态数据分析的传送带故障预测系统,该系统包括带式传送机和故障预测模块;所述带式传送机包括辊架、托辊、传送带、限位条、限位凸块和L形架,所述辊架上设置有若干托辊,传送带包裹在若干托辊的外壁,位于传送带两端的两个所述托辊为限位托辊,所述限位托辊外壁的两端对称设有限位凸块,所述传送带内壁的两端固定设有限位条,所述限位条位于两端的限位凸块之间,所述限位凸块通过限位条对传送带的位置进行限制。本发明专利技术降低检测和分析的技术难度,提高对传送带是否偏移检测和跑偏故障预测的准确度。

【技术实现步骤摘要】

本专利技术涉及传送带故障,具体为基于多模态数据分析的传送带故障预测系统及方法


技术介绍

1、多模态数据分析是指在处理和分析数据时,同时考虑不同类型的数据,如,图像、文本、音频,帮助人们更好地理解数据、发现隐藏的规律和特征。

2、带式传送机包括传送带、托辊组、驱动装置、拉紧装置、清扫装置和保护装置。驱动装置带动托辊组转动,托辊组带动传送带转动。为了确保传送带稳定、安全的运行,需要即使发现传送带的故障,或者在故障对生产造成损害前面对传送带进行维修、更换。一般使用转速传感器对传送带打滑故障检测进行数据采集、通过视觉传感器对传送带跑偏故障检测进行数据采集、使用张力传感器对传送带断带故障检测进行数据采集等等,从而获得多模态数据。然后故障预测模块利用提取的特征数据建立机器学习模型进行故障预测,基于历史故障数据训练分类模型预测传送带的故障,使用聚类分析检测异常波动,帮助识别潜在的故障状态,利用时间序列模型分析振动数据趋势,输出故障预测;制定相应的维护计划,以防止潜在的故障,减少停机时间和维修成本。

3、其中通过视觉传感器对传送带跑偏故障进行检测的过程较为复杂,常见的手段有在传达带的正上方搭建支撑架和摄像机,利用深度学习目标检测找到皮带托辊的位置,自适应确定多种规格带式传送机的皮带位移最大边沿,利用图像处理方法,找到皮带的边沿信息,对其偏移情况进行判定,只能在皮带出现偏移后才能检测出来故障,对激光投射先、图像像素、传送带颜色和图像提取模型的要求较高,导致对传送带跑偏故障检测过程中受到的干扰因素较多、技术过程复杂,对传送带边沿的确定非常困难,导致无法准确的对传送带跑偏故障进行预测。


技术实现思路

1、本专利技术的目的在于提供基于多模态数据分析的传送带故障预测系统及方法,以解决上述
技术介绍
中提出的现有问题。

2、为了解决上述技术问题,本专利技术提供如下技术方案:基于多模态数据分析的传送带故障预测系统,该系统包括带式传送机和故障预测模块;

3、所述带式传送机包括辊架、托辊、传送带、限位条、限位凸块和l形架,所述辊架上设置有若干托辊,传送带包裹在若干托辊的外壁,位于传送带两端的两个所述托辊为限位托辊,所述限位托辊外壁的两端对称设有限位凸块,所述传送带内壁的两端固定设有限位条,所述限位条位于两端的限位凸块之间,所述限位凸块通过限位条对传送带的位置进行限制,所述辊架的外壁对称设有l形架;所述l形架位于所述传送带的中部,所述l形架的顶端设有矩块一和矩块二,同侧的一个限位条、一个所述矩块一和一个所述矩块二为一组;

4、所述故障预测模块包括:

5、数据收集模块,用于通过传感器收集相关的模态数据,所述传感器包括用于检测光照强度的光照度传感器;

6、数据前处理模块,用于对收集的模态数据进行前处理,去除模态数据受到噪声影响。

7、在同一组中,所述矩块一和所述矩块二分别贴合在所述限位条的两侧,所述矩块一和所述矩块二对限位条的位置进行限制,所述矩块一和所述矩块二靠近所述限位条的一侧均设有凹槽,所述凹槽包括上开口,所述凹槽的底面a高于所述限位条的底面b;所述矩块一内壁的凹槽、所述限位条和所述传送带的c面构成封闭腔一,所述矩块二内壁的凹槽、所述限位条和所述传送带的c面构成封闭腔二,所述封闭腔一的内壁设有射线灯,所述凹槽二的内壁设有用于检测封闭腔二内壁光照强度的光照度传感器。

8、所述传感器还包括用于监测传送带的振动特性的振动传感器、用于捕捉工作时的声音变化的声音传感器、用于检测传送带及其组件的温度的温度传感器和用于监测电机的电流波动的电流传感器;

9、所述前处理包括滤波处理、去趋势处理和归一化处理;在滤波过程中,使用低通滤波器或高通滤波器去除不必要的高频或低频噪声;在去趋势过程中,消除趋势,以便分析周期性变化;在归一化过程中,将数据调整到同一标准,以便进行有效比较。

10、所述故障预测模块还包括:

11、模态分析模块,用于通过频域分析单元和模态形状识别单元提取系统动力学特性,频域分析单元通过快速傅里叶变换方法,分析系统的频谱,识别主要的振动模式和谐振频率;模态形状识别单元通过计算和比较模态形状,识别相关的振动模式;

12、特征提取模块,用于利用模态分析结果提取特征数据,特征数据包括用于表示振动强度的振幅、用于表示关键频率和谐振模式的频率、用于表示振动的方向和模式的方向性和用于表示主频率和带宽的频谱特征;

13、故障预测模块,用于利用提取的特征数据建立机器学习模型进行故障预测,基于历史故障数据训练分类模型预测传送带的故障,使用聚类分析检测异常波动,帮助识别潜在的故障状态,利用时间序列模型分析振动数据趋势,输出故障预测。

14、基于多模态数据分析的传送带故障预测方法,该方法包括:

15、s100、辊架对托辊进行支撑,托辊带动传送带转动,限位托辊通过限位凸块对限位条的位置进行限制,限位条对传送带的位置进行限制,使得传送带在转动过程中无法左右偏移,数据收集模块通过传感器收集相关的模态数据,所述传感器包括用于检测光照强度的光照度传感器;

16、s200、数据前处理模块对收集的模态数据进行前处理,去除模态数据受到噪声影响;

17、s300、模态分析模块通过频域分析单元和模态形状识别单元提取系统动力学特性,频域分析单元通过快速傅里叶变换方法,分析系统的频谱,识别主要的振动模式和谐振频率;模态形状识别单元通过计算和比较模态形状,识别相关的振动模式;

18、s400、特征提取模块利用模态分析结果提取特征数据,特征数据包括用于表示振动强度的振幅、用于表示关键频率和谐振模式的频率、用于表示振动的方向和模式的方向性和用于表示主频率和带宽的频谱特征;

19、s500、故障预测模块利用提取的特征数据建立机器学习模型进行故障预测,基于历史故障数据训练分类模型预测传送带的故障,使用聚类分析检测异常波动,帮助识别潜在的故障状态,利用时间序列模型分析振动数据趋势,输出故障预测。

20、s100中所述传感器还包括用于监测传送带的振动特性的振动传感器、用于捕捉工作时的声音变化的声音传感器、用于检测传送带及其组件的温度的温度传感器和用于监测电机的电流波动的电流传感器;

21、s200中所述前处理包括滤波处理、去趋势处理和归一化处理;在滤波过程中,使用低通滤波器或高通滤波器去除不必要的高频或低频噪声;在去趋势过程中,消除趋势,以便分析周期性变化;在归一化过程中,将数据调整到同一标准,以便进行有效比较。

22、s100中所述通过传感器收集相关的模态数据包括:

23、射线灯发出射线,射线照射在封闭腔一内;

24、在封闭腔二内,光照度传感器实时获取封闭腔二内的光照强度数值。

25、s500中所述故障预测模块进行故障预测包括:

26、若经过矩块一的限位条处于正常使用状态,则射线无法穿过限位条到达封闭本文档来自技高网...

【技术保护点】

1.基于多模态数据分析的传送带故障预测系统,其特征在于,该系统包括带式传送机和故障预测模块;

2.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,在同一组中,所述矩块一(7)和所述矩块二(8)分别贴合在所述限位条(4)的两侧,所述矩块一(7)和所述矩块二(8)对限位条(4)的位置进行限制,所述矩块一(7)和所述矩块二(8)靠近所述限位条(4)的一侧均设有凹槽(9),所述凹槽(9)包括上开口,所述凹槽(9)的底面a高于所述限位条(4)的底面b;所述矩块一(7)内壁的凹槽(9)、所述限位条(4)和所述传送带(3)的c面构成封闭腔一,所述矩块二(8)内壁的凹槽(9)、所述限位条(4)和所述传送带(3)的c面构成封闭腔二,所述封闭腔一的内壁设有射线灯(11),所述凹槽(9)二的内壁设有用于检测封闭腔二内壁光照强度的光照度传感器(10)。

3.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,所述传感器还包括用于监测传送带(3)的振动特性的振动传感器、用于捕捉工作时的声音变化的声音传感器、用于检测传送带(3)及其组件的温度的温度传感器和用于监测电机的电流波动的电流传感器;

4.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,所述故障预测模块还包括:

5.基于多模态数据分析的传送带故障预测方法,应用于权利要求1-4任意一项所述的基于多模态数据分析的传送带故障预测系统,其特征在于,该方法包括:

6.根据权利要求5所述的基于多模态数据分析的传送带故障预测方法,其特征在于,S100中所述传感器还包括用于监测传送带(3)的振动特性的振动传感器、用于捕捉工作时的声音变化的声音传感器、用于检测传送带(3)及其组件的温度的温度传感器和用于监测电机的电流波动的电流传感器;

7.根据权利要求5所述的基于多模态数据分析的传送带故障预测方法,其特征在于,S100中所述通过传感器收集相关的模态数据包括:

8.根据权利要求5所述的基于多模态数据分析的传送带故障预测方法,其特征在于,S500中所述故障预测模块进行故障预测包括:

9.根据权利要求8所述的基于多模态数据分析的传送带故障预测方法,其特征在于,所述非正常使用状态包括限位条(4)破裂和限位条(4)与c面的连接处破裂。

10.根据权利要求5所述的基于多模态数据分析的传送带故障预测方法,其特征在于,S400中所述利用模态分析结果提取特征数据包括:输入数据、…后,提取数据之间的相互关系,根据不同时间节点点建立不同信息层数,通过、…第一层参数的运算,形成更新后的数据,再与原始输入数据、…完成计算,得到有效的特征数据,计算公式如下:

...

【技术特征摘要】

1.基于多模态数据分析的传送带故障预测系统,其特征在于,该系统包括带式传送机和故障预测模块;

2.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,在同一组中,所述矩块一(7)和所述矩块二(8)分别贴合在所述限位条(4)的两侧,所述矩块一(7)和所述矩块二(8)对限位条(4)的位置进行限制,所述矩块一(7)和所述矩块二(8)靠近所述限位条(4)的一侧均设有凹槽(9),所述凹槽(9)包括上开口,所述凹槽(9)的底面a高于所述限位条(4)的底面b;所述矩块一(7)内壁的凹槽(9)、所述限位条(4)和所述传送带(3)的c面构成封闭腔一,所述矩块二(8)内壁的凹槽(9)、所述限位条(4)和所述传送带(3)的c面构成封闭腔二,所述封闭腔一的内壁设有射线灯(11),所述凹槽(9)二的内壁设有用于检测封闭腔二内壁光照强度的光照度传感器(10)。

3.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,所述传感器还包括用于监测传送带(3)的振动特性的振动传感器、用于捕捉工作时的声音变化的声音传感器、用于检测传送带(3)及其组件的温度的温度传感器和用于监测电机的电流波动的电流传感器;

4.根据权利要求1所述的基于多模态数据分析的传送带故障预测系统,其特征在于,所述故障预测模块还包括:

5....

【专利技术属性】
技术研发人员:徐永辉李允恒
申请(专利权)人:江苏星辉新能源科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1