一种球磨机衬板螺栓松动在线识别方法及系统与流程

本技术涉及球磨机故障监测识别，具体的为一种球磨机衬板螺栓松动在线识别方法及系统。

背景技术：

1、球磨机是选矿磨矿作业的核心设备，承担矿石破碎后的再磨与矿物解离任务，其连续稳定运行直接影响选矿系统的处理能力与生产安全。球磨机筒体内壁通过大量螺栓固定耐磨衬板，螺栓松动后，衬板与筒体接触刚度下降，随筒体转动过程中钢球、矿石的抛落冲击会产生间隙碰撞与周期性敲击，表现为壳体振动信号中冲击事件增多、极端幅值冲击占比上升。若不能及时识别螺栓松动并处置，轻则引发误停机与维护资源浪费，重则导致衬板脱落、筒体磨损损伤，造成选矿系统非计划停车。

2、现有衬板螺栓松动监测方案多通过在筒体壳体布置振动或声发射传感器，结合转速基准信号对振动信号进行滤波、包络解调与冲击检测，提取峰值、均方根、峭度、冲击计数等特征，通过固定阈值或分工况分组阈值判定异常；部分方案采用分类器或聚类模型进行异常检测，基于历史数据训练判别模型并在线输出告警。

3、上述现有技术在工业现场应用中，壳体冲击的幅值分布随给矿硬度、装载率、衬板磨损状态及转速持续漂移，使得固定幅值阈值或者分组阈值的异常语义无法跨工况对齐，导致同一阈值在不同矿石硬度与负荷条件下对应不同的风险程度，易引发频繁误报或故障漏报；同时，采用固定时长窗口统计冲击异常数量时，转速波动会改变窗口内包含的筒体转动圈数，导致统计量与每转一圈周期性敲击的故障机理脱节，统计口径随转速变化而失真，影响在线判定的稳定性。

技术实现思路

1、针对现有技术的不足，本发明能够解决工况漂移导致异常阈值失效以及转速波动导致统计口径失真的问题，在故障标注稀缺的现场条件下，实现跨工况语义统一，同时实现与转动机理对齐的衬板螺栓松动可靠在线识别，为实现上述目的，本发明的目的在于提供一种球磨机衬板螺栓松动在线识别方法，包括以下步骤：

2、s1、获取球磨机筒体壳体振动信号和转动基准信号，并接收紧固确认标记；从壳体振动信号中提取各冲击事件并计算对应的壳体冲击强度值，形成壳体冲击强度序列，同时根据转动基准信号生成每转一圈标记序列；

3、s2、根据紧固确认标记从壳体冲击强度序列中筛选健康冲击样本集；在冲击强度增大时分位值同步增大的单调性约束、以及分位值随冲击强度变化连续的连续性约束下，对健康冲击样本集训练一维正则化流，得到健康分位换算模型，并确定定义于健康分位值空间的异常尾部界限值，所述异常尾部界限值用于在不同运行工况下统一异常冲击的判别基准；

4、s3、通过健康分位换算模型将壳体冲击强度序列逐点换算为健康分位序列，将健康分位序列与异常尾部界限值逐点比较，生成包含尾部冲击标记与尾部程度值的尾部冲击事件序列；

5、s4、根据每转一圈标记序列按筒体转动周期对尾部冲击事件序列进行分段汇总，计算每个转动周期对应的每转尾部比例和每转尾部程度总和，形成每转尾部统计序列；在连续转数阈值的约束下，基于每转尾部统计序列计算松动风险指标，将松动风险指标与松动阈值比较，得到松动判定状态；

6、s5、根据松动判定状态确定对应的松动等级，并生成与松动等级匹配的螺栓松动告警信号。

7、优选的，所述s1具体包括以下步骤：

8、s101、对壳体振动信号依次进行去直流处理和带通滤波，采用全波整流与低通滤波生成包络信号，并对包络信号采用滑动时间窗计算均方根序列作为冲击检测序列；

9、s102、将冲击检测序列与冲击提取阈值进行比较，确定候选冲击片段，将间隔小于片段间隔阈值的相邻候选冲击片段合并为冲击窗口，在每个冲击窗口内计算包络信号的绝对峰值与包络均方根的乘积作为该冲击事件对应的壳体冲击强度值，按冲击发生时刻排序形成壳体冲击强度序列；

10、s103、对转动基准信号进行边沿检测，识别每转一圈触发点时刻，按时刻递增排列形成每转一圈标记序列，所述紧固确认标记为检修确认螺栓紧固的时刻区间标记，用于筛选螺栓处于紧固状态下的冲击数据。

11、优选的，所述s2中，筛选健康冲击样本集包括以下步骤：

12、s201、根据紧固确认标记对应的紧固时刻区间，将落入该时刻区间内的壳体冲击强度值筛选出来，组成覆盖不同给矿硬度、装载率和转速工况的健康冲击样本集；

13、s202、将健康冲击样本集按壳体冲击强度值由小到大排序，将排序位置序号按样本总数归一化为0～1之间的数值，作为对应冲击的健康分位标签，且健康分位标签随壳体冲击强度值增大而同步增大。

14、优选的，所述s2中，一维正则化流包括依次串联的第一全连接层、第二全连接层、第三全连接层、输出全连接层和累计概率换算层；一维正则化流以单个壳体冲击强度值为输入，经各全连接层进行非线性映射后输出流映射值，将流映射值输入累计概率换算层并由累计概率换算层输出健康分位值，累计概率换算层为确定性换算层；

15、训练一维正则化流时，采用如下损失函数更新网络参数：

16、

17、其中，为损失函数值；为健康冲击样本集的样本总数；为样本排序位置序号；为第个样本对应的健康分位标签；为第个样本经健康分位换算模型输出的健康分位值；为反序惩罚项权重系数；为跳变惩罚项权重系数；为连续性阈值；为取最大值运算。

18、优选的，所述s2中，异常尾部界限值的确定过程包括以下步骤：

19、s211、设定尾部比例阈值，在排序后的健康冲击样本集中，取排序位置对应处的壳体冲击强度值作为尾部冲击强度界限值，其中为样本总数，为向上取整运算；

20、s212、将尾部冲击强度界限值输入健康分位换算模型，得到对应的尾部分位界限值，将该尾部分位界限值确定为异常尾部界限值。

21、优选的，所述s3具体包括以下步骤：

22、s301、将壳体冲击强度序列中的每个壳体冲击强度值依次输入健康分位换算模型，经映射运算与累计概率换算得到对应健康分位值，按时间顺序排列形成健康分位序列；

23、s302、将健康分位序列逐点与异常尾部界限值比较：若健康分位值大于异常尾部界限值，则标记为尾部冲击，并计算健康分位值与异常尾部界限值的差值作为尾部程度值；若健康分位值不大于异常尾部界限值，则标记为非尾部冲击，尾部程度值置为零；

24、s303、将各冲击对应的尾部冲击标记与尾部程度值按时间顺序组合，形成尾部冲击事件序列。

25、优选的，所述s4具体包括以下步骤：

26、s401、根据每转一圈标记序列提取相邻每转一圈触发点的时间区间，以该时间区间对尾部冲击事件序列进行分段，每个分段对应一个筒体转动周期；

27、s402、对每个转动周期，计算周期内尾部冲击事件数量与总冲击事件数量的比值，作为每转尾部比例；

28、s403、累加周期内所有尾部冲击的尾部程度值，作为每转尾部程度总和；按转动周期顺序排列形成每转尾部统计序列；

29、s404、根据连续转数阈值，取连续个转动周期的每转尾部统计序列，分别计算每转尾部比例均值和每转尾部程度总和均值，并通过下式计算第个转动周期对应的松动风险指标，即；

30、s405、将松动风险指标与松动阈值比较，若松动风险指标不小于松动阈值则判定为松动，否则判定为紧固。

31、优选的，所述s5具体包括：

32、当松动判定状态为紧固时，松动等级置为零，生成解除告警的螺栓松动告警信号；

33、当松动判定状态为松动时，将松动风险指标与依次增大的第一松动等级阈值、第二松动等级阈值、第三松动等级阈值进行比较：满足第三松动等级阈值则判定为三级松动，满足第二松动等级阈值且不满足第三松动等级阈值则判定为二级松动，满足第一松动等级阈值且不满足第二松动等级阈值则判定为一级松动；

34、根据对应松动等级生成标注等级的螺栓松动告警信号。

35、优选的，还包括s6：：根据每转一圈标记序列提取各每转一圈触发点时刻，按时刻递增生成转动周期序号，并确定各转动周期序号对应的起始时刻与终止时刻；将松动判定状态、松动等级、螺栓松动告警信号分别与对应转动周期序号相关联，按转动周期序号递增排列，形成包含周期时序、状态、等级与告警信息的结构化在线识别结果并输出。

36、一种球磨机衬板螺栓松动在线识别系统，包括信号采集预处理模块、健康分位模型构建模块、尾部检测模块、松动判定模块和分级告警生成模块，其中：

37、所述信号采集预处理模块的输出端分别连接健康分位模型构建模块和尾部检测模块的输入端，用于获取球磨机筒体壳体振动信号、转动基准信号与紧固确认标记，提取各冲击事件并计算对应的壳体冲击强度值，向健康分位模型构建模块与分位换算与尾部检测模块同步输出壳体冲击强度序列与每转一圈标记序列；

38、所述健康分位模型构建模块的参数输出端连接尾部检测模块的配置输入端，用于根据紧固确认标记从壳体冲击强度序列中筛选健康冲击样本集，在单调性约束与连续性约束下训练一维正则化流，得到健康分位换算模型与定义于健康分位值空间的异常尾部界限值，并输出至尾部检测模块；

39、所述尾部检测模块的事件输出端连接松动判定模块的输入端，用于调用接收到的健康分位换算模型，将壳体冲击强度序列逐点换算为健康分位序列，结合异常尾部界限值生成尾部冲击事件序列并输出；

40、所述松动判定模块的状态输出端连接分级告警生成模块的输入端，用于根据每转一圈标记序列按筒体转动周期汇总尾部冲击事件，计算每转尾部比例与每转尾部程度总和，并在连续转数阈值约束下计算得到松动风险指标与松动判定状态并输出；

41、所述分级告警生成模块用于根据接收到的松动判定状态与松动风险指标确定对应的松动等级，并生成匹配松动等级的螺栓松动告警信号。

42、本发明的有益效果如下：

43、1.本发明通过改进的壳体冲击强度统一语义化方法，利用紧固确认标记在实际选矿生产中筛选覆盖多给矿硬度、多装载率与转速波动的健康冲击样本集，并以壳体冲击强度值的一维标量为输入训练一维正则化流，输出健康分位值作为冲击强弱在健康分布中的相对位置。训练过程中引入“冲击强度增大时分位值同步增大”的排序一致性约束，避免强冲击被映射为低分位造成物理语义反转；同时引入“分位值随冲击强度变化连续”的连续性约束，抑制映射函数分段跳变导致尾部事件误触发。异常尾部界限值定义在健康分位空间而非固定幅值空间，使不同工况下的冲击强度能够用同一尾部界限完成异常程度对齐，从机制上缓解现有固定阈值或分工况阈值随工况漂移带来的判别语义不一致问题。

44、2.将在线壳体冲击强度序列换算为健康分位序列，并以异常尾部界限值生成尾部冲击事件与尾部程度值，尾部程度值采用健康分位值与尾部分位界限值的差值表征超尾部的幅度。转动基准信号提供每转一圈触发点，使尾部冲击事件按相邻触发点时间区间汇总形成每转尾部比例与每转尾部程度总和，统计单位与筒体完成一圈转动的冲击分布直接对应，避免固定时长窗口在转速波动时产生窗口含义变化。连续转数阈值对统计判别施加持续性约束，松动风险指标由连续多个转动周期的每转尾部比例均值与每转尾部程度总和均值构成，使判别更符合衬板螺栓松动导致周期性敲击持续增多的机理，并降低单次大块矿石冲击或偶发落点集中对判定的干扰。

45、3.基于壳体振动信号、转动基准信号与紧固确认标记完成冲击提取、健康分位换算、尾部事件生成、按转统计判别与等级告警输出的闭环链路。紧固确认标记提供工程上可获得的健康样本筛选依据，无需依赖大量故障标注数据；壳体冲击强度采用包络绝对峰值与包络均方根的乘积，使冲击强度表征兼顾尖峰与能量；松动等级由松动风险指标与多级阈值对应，便于维护侧按风险程度组织检修。整体方案在仅依赖现场常规可部署的壳体振动与转动基准数据条件下，实现跨工况一致的异常尾部判别基准与按转机理对齐的统计判定，从而支撑选矿设备运行过程中的可落地在线识别与告警。