一种电铲提升钢丝绳损伤在线监测与分级预警方法、系统与流程

摘要: 本公开涉及露天煤矿电铲提升系统安全监测,具体来说,涉及一种电铲提升钢丝绳损伤在线监测与分级预警方法、系统。本公开可以用于电铲提升钢丝绳断丝、磨损、锈蚀在线监测与...
一种电铲提升钢丝绳损伤在线监测与分级预警方法、系统与流程

本公开涉及露天煤矿电铲提升系统安全监测,具体来说,涉及一种电铲提升钢丝绳损伤在线监测与分级预警方法、系统。本公开可以用于电铲提升钢丝绳断丝、磨损、锈蚀在线监测与分级预警等,可以适用于wk系列、p&h系列、be系列等大型矿用电铲。

背景技术:

1、电铲是露天煤矿的核心采掘装备,其提升钢丝绳承担着铲斗升降、物料挖掘的全部载荷。以wk-35电铲为例,其提升钢丝绳直径约50-60mm,单根破断力超过200吨,电铲作业时钢丝绳承受频繁的冲击载荷和交变应力。一台大型电铲每年提升物料总量可达数百万吨,钢丝绳在采掘作业中长期处于高应力状态。钢丝绳一旦发生断裂,不仅造成设备长时间停机,还可能引发铲斗坠落事故,对下方人员和设备构成严重威胁。

2、目前矿用钢丝绳检测主要存在以下几种方式及其缺陷:

3、(1)人工目视检查:传统钢丝绳检测依赖维修人员定期人工巡检,通过目视观察钢丝绳表面磨损、断丝情况。该方法只能发现表面明显损伤,无法检测内部断丝;电铲作业时钢丝绳处于运动状态,人工无法在运行中进行全面检查;且在-40℃极寒或雨雪天气下,人工巡检受限。

4、(2)定期电磁探伤:部分矿山采用定期停机,使用手持式电磁探伤仪对钢丝绳进行检测。该方法检测时必须停机,影响正常生产;检测周期长,无法实时掌握钢丝绳状态变化;检测结果受操作人员经验影响较大。

5、(3)现有在线监测产品:目前市场上存在一些钢丝绳在线监测产品,但主要针对矿山提升机、斜井等场景设计,直接应用于电铲存在以下问题:一是电铲钢丝绳的工况更为恶劣,冲击载荷大、速度变化频繁;二是电铲有四根提升钢丝绳和绷绳需同步监测,现有产品多为单绳检测;三是缺乏针对电铲钢丝绳损伤规律的专门识别模型和寿命预测功能。

6、综合分析,现有钢丝绳监测技术主要存在以下空白:第一,缺乏电铲专用的多传感器融合检测方案;第二,缺乏损伤程度分级预警和剩余寿命预测功能;第三,损伤位置精确定位能力不足;第四,缺乏针对电铲变载荷工况的损伤特征提取算法。

技术实现思路

1、为了解决现有技术中存在的问题,本公开提出一种电铲提升钢丝绳损伤在线监测与分级预警方法、系统,以解决上述至少一个技术问题,本公开采用的技术方案为:

2、本公开第一方面,提供了一种电铲提升钢丝绳损伤在线监测与分级预警方法,所述方法包括以下步骤:

3、步骤s100:通过安装于电铲提升钢丝绳导向轮或天轮位置的tmr阵列传感器、视觉传感器及位移编码器,同步采集钢丝绳的漏磁信号、表面图像及运行位置信息;

4、步骤s200:对采集的漏磁信号进行预处理,得到预处理后的漏磁信号;

5、步骤s300:对预处理后的漏磁信号提取特征参数得到漏磁信号特征,对表面图像提取可见损伤特征得到损伤信号;

6、步骤s400:将漏磁信号特征与标定数据库中的断丝特征进行比对,识别得到断丝数量;基于漏磁信号特征的基线漂移分析钢丝绳的金属截面积损失率,评估磨损程度;综合断丝数量、金属截面积损失率和磨损程度,按照预设分级标准判定损伤等级;

7、步骤s500:将损伤信号与位移编码器记录的运行位置信息进行关联定位,得到钢丝绳的断丝损伤精确位置;

8、步骤s600:根据损伤等级、断丝损伤精确位置生成预警信息,并将预警信息上传至调度中心;预警信息包括损伤等级、断丝损伤精确位置等。

9、可优地,步骤s100中,所述tmr阵列传感器由多个tmr元件沿钢丝绳周向均匀布置形成环形检测阵列。

10、可选地,步骤s100中,采用永磁励磁机构在钢丝绳中建立轴向磁场。

11、可选地,步骤s100中,所述视觉传感器采用高分辨率工业相机配合环形led补光灯,与tmr传感器同轴布置;

12、所述位移编码器采用增量式光电编码器采用双冗余设计。

13、可优地,步骤s200中,所述预处理包括放大、滤波、去噪和模数转换等。

14、可选地,采用自适应滤波器滤除电磁干扰和机械振动干扰,以对漏磁信号进行滤波。

15、可选地,采用陷波滤波器消除钢丝绳股波噪声,以对漏磁信号进行去噪。

16、可优地,步骤s300中,所述特征参数包括漏磁信号峰值、峰峰值、波形面积和过零率等;

17、所述对表面图像提取可见损伤特征得到损伤信号中,采用小波变换去除噪声。

18、可优地,步骤s400中,所述标定数据库通过制作标准断丝试件进行标定建立;

19、所述分级标准基于不同钢丝绳损伤程度划分出正常、注意、警告、危险四个损伤等级;

20、所述正常、注意、警告、危险等级分别对应第ⅰ、ⅱ、ⅲ、ⅳ预警等级。

21、可选地,所述分级标准基于不同钢丝绳损伤程度划分出正常、注意、警告、危险四个损伤等级。

22、可优地,步骤s600还包括:

23、若损伤等级对应第ⅰ预警等级—即损伤等级为“正常”,忽略;

24、若损伤等级对应第ⅱ预警等级—即损伤等级为“注意”,基于预警信息进行黄色预警;

25、若损伤等级对应第ⅲ预警等级—即损伤等级为“警告”,基于预警信息进行橙色预警,声光报警器间歇鸣响;

26、若损伤等级对应第ⅳ级预警等级—即损伤等级为“危险”,基于预警信息进行红色预警,声光报警器持续鸣响,输出限速信号至电铲控制系统,强制降低钢丝绳的提升速度。

27、可优地,所述方法还包括:

28、步骤s700:基于预警信息,采用长短期记忆网络算法拟合钢丝绳的损伤发展趋势,预测得到钢丝绳达到各预警等级的时间节点,基于钢丝绳达到各预警等级的时间节点预测得到钢丝绳的剩余寿命。

29、可优地,所述方法还包括:

30、步骤s800:若钢丝绳的剩余寿命低于预设寿命阈值,则对钢丝绳进行替换,记录钢丝绳的更换日期、运行时长和累计提升吨位信息,形成钢丝绳的全生命周期管理档案。

31、本公开第二方面,提供了一种电铲提升钢丝绳损伤在线监测与分级预警系统,所述系统包括:

32、多传感器检测单元100,用于通过安装于电铲提升钢丝绳导向轮或天轮位置的tmr阵列传感器、视觉传感器及位移编码器,同步采集钢丝绳的漏磁信号、表面图像及运行位置信息;

33、信号预处理单元200,用于对采集的漏磁信号进行预处理,得到预处理后的漏磁信号;

34、损伤识别单元300,用于对预处理后的漏磁信号提取特征参数得到漏磁信号特征,对表面图像提取可见损伤特征得到损伤信号;

35、损伤等级判定单元400,用于将漏磁信号特征与标定数据库中的断丝特征进行比对,识别得到断丝数量;基于漏磁信号特征的基线漂移分析钢丝绳的金属截面积损失率,评估磨损程度;综合断丝数量、金属截面积损失率和磨损程度,按照预设分级标准判定损伤等级;

36、损伤精确位置单元500,用于将损伤信号与位移编码器记录的运行位置信息进行关联定位,得到钢丝绳的断丝损伤精确位置;

37、预警信息生成单元600,用于根据损伤等级、断丝损伤精确位置生成预警信息,并将预警信息上传至调度中心;预警信息包括损伤等级、断丝损伤精确位置等。

38、可选地,所述系统还包括:

39、剩余寿命预测单元700,用于基于预警信息,采用长短期记忆网络算法拟合钢丝绳的损伤发展趋势,预测得到钢丝绳达到各预警等级的时间节点,基于钢丝绳达到各预警等级的时间节点预测得到钢丝绳的剩余寿命。

40、可选地,所述系统还包括:

41、周期管理档案单元800,用于若钢丝绳的剩余寿命低于预设寿命阈值,则对钢丝绳进行替换,记录钢丝绳的更换日期、运行时长和累计提升吨位信息,形成钢丝绳的全生命周期管理档案。

42、进一步地,所述系统可以采用边缘计算架构,在设备端完成大部分数据处理,仅上传损伤特征数据和预警信息。

43、本公开第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的电铲提升钢丝绳损伤在线监测与分级预警方法。

44、本公开第四方面,提供了一种电子设备,其包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如上所述的电铲提升钢丝绳损伤在线监测与分级预警方法。

45、相对于现有技术,本公开具有以下优势:

46、(1)本公开首次将tmr阵列传感器与视觉传感器、位移编码器相融合,形成"漏磁检测+视觉检测+精确定位"的多源融合方案,并针对电铲提升钢丝绳这一特定应用场景进行优化设计,实现了内部损伤和表面损伤的同时检测,两种技术优势互补。

47、(2)本公开采用tmr阵列传感器替代传统霍尔元件,利用tmr元件高灵敏度、抗温度漂移的特性,解决电铲高粉尘、大温差环境下的检测稳定性问题。tmr元件在-40℃至+80℃范围内灵敏度变化≦5%,远优于霍尔元件(变化≧20%),且能有效抑制电磁干扰;视觉传感器用于辅助识别表面损伤,本公开将tmr阵列传感器、视觉传感器所采集的数据融合互补,不仅提升了适用场景,还进一步提高了检测准确率。

48、(3)本公开通过tmr阵列传感器中集成位移编码器,实时记录钢丝绳运行长度,将检测到损伤信号与钢丝绳运行位置信息关联,实现断丝损伤的米级精确定位,大幅减少维修人员的排查时间。采用双冗余编码器设计,主编码器故障时自动切换至备用编码器,确保在电铲高振动工况下定位功能不中断。

49、(4)本公开建立起损伤程度多等级标准与多级别预警机制,基于钢丝绳断丝数量、磨损深度、金属截面积损失率等参数,将损伤程度划分为正常、注意、警告、危险四个等级,分别对应不同预警级别。其中,预警信息可以通过驾驶室显示屏、声光报警器、远程监控平台等进行多级推送。

50、(5)本公开基于记录钢丝绳全生命周期的历史损伤发展数据构建损伤发展趋势模型,采用长短期记忆网络算法对钢丝绳进行剩余寿命预测,建立起钢丝绳损伤程度与运行时间的回归模型,通过预测钢丝绳的剩余使用寿命,为计划性更换钢丝绳提供科学依据,从传统的"事后报警"升级为"事前预测",实现钢丝绳的计划性更换,避免突发断绳事故导致的长时间非计划停机,同时避免因过度保守而过早更换造成的浪费。

51、(6)本公开检测精度高,tmr阵列传感器对单根断丝的识别率≧95%,磨损检测精度≦3%,损伤定位精度≦0.5m,检测效率0.1-20m/s,完全覆盖电铲钢丝绳的运行速度范围。

52、(7)本公开中,各传感器采用采用全密封防护结构,可以全天候在线监测,适应高粉尘、高振动、-40℃极寒环境等各种复杂工况,检测过程无需停机,不干扰正常作业。