基于光纤拉直布设的皮带机托辊故障监测方法与流程

摘要: 本发明涉及基于光纤拉直布设的皮带机托辊故障监测方法,属于机械设备状态监测。背景技术:1、皮带机广泛应用于采矿、冶金等工业领域,其沿线的托辊长期高负荷运行,易发生...
基于光纤拉直布设的皮带机托辊故障监测方法与流程

本发明涉及基于光纤拉直布设的皮带机托辊故障监测方法,属于机械设备状态监测。

背景技术:

1、皮带机广泛应用于采矿、冶金等工业领域,其沿线的托辊长期高负荷运行,易发生故障,因此对其进行连续状态监测至关重要。分布式光纤声波传感(das)技术因其长距离、分布式定位等优势,被用于皮带机托辊监测。

2、现有技术中,光纤布设主要有两种方式:一是在托辊附近设置盘纤结构以增强局部震动响应,但这增加了安装维护工作量,并限制了单根光纤的覆盖距离;二是将光纤沿皮带机机架连续、近似直线铺设,虽提高了覆盖能力,但导致单个托辊的震动响应较弱。同时,受安装耦合、机架结构等因素影响,不同采样点的原始信号幅值存在差异,直接用于模型学习会干扰对托辊状态特征的准确识别。

3、经分析,现有das托辊故障监测方案在实际应用中面临多重技术瓶颈。首先,常规的幅值归一化等信号补偿方法容易将故障频带内增加的能量一并归一化,从而削弱了故障特征;同时,皮带摩擦、物料撞击等产生的沿线共同背景噪声难以有效抑制,极易掩盖微弱的局部故障信号。其次,现有的空间共模噪声抑制方法在估计共同背景时,可能将目标托辊的局部异常响应误判为背景而一并削弱。此外,由于皮带速度、载荷等运行工况的变化会导致正常状态信号差异显著,加之现场经确认的异常故障样本极为稀缺,导致传统监督分类模型难以有效训练,极易将工况波动误判为故障。最后,单次状态判别极易受到物料瞬时撞击等临时干扰的影响,从而产生误报,严重影响在线报警的稳定性。

4、综上,现有技术在连续拉直光纤布设条件下,难以同时解决局部响应弱、采样点响应不一致、背景噪声强及异常样本少等问题。

技术实现思路

1、为了解决目前连续拉直光纤布设条件下,难以同时解决局部响应弱、采样点响应不一致、背景噪声强及异常样本少等问题,本发明提供了基于光纤拉直布设的皮带机托辊故障监测方法,所述技术方案如下:

2、步骤1:建立分布式光纤声波传感空间采样单元与皮带机沿线托辊物理位置的对应关系;

3、步骤2:获取各空间采样单元的震动信号,并对所述震动信号依次进行平滑滤波、离散小波变换以及空间共模噪声抑制处理,得到局部残差信号;

4、步骤3:对所述局部残差信号进行能量提取,并对提取的时域能量信号执行频域或时频域变换,形成不含绝对位置标识的能量频域或时频域特征向量;

5、步骤4:计算所述特征向量相对于统一正常特征基准的偏离程度,并将所述特征向量及所述偏离程度输入预先训练的状态判别模型,得到当前监测窗口的综合状态评分,表示为:

6、

7、其中,表示所述偏离程度,表示所述状态判别模型输出的异常分类评分,和表示权值;

8、步骤5:对所述综合状态评分进行时间累积,表示为:

9、

10、其中,表示当前时刻的累积状态评分,为时间平滑系数,表示当前监测窗口的综合状态评分;

11、当累积状态评分达到异常进入阈值并满足最短持续时间时,将相应托辊判定为异常;进入异常状态后,只有当累积状态评分持续低于异常解除阈值时,才将相应托辊恢复为正常状态。

12、可选的,所述方法还包括:提取所述局部残差信号的频率特征、空间特征和时间特征,并与所述特征向量及偏离程度同时输入状态判别模型。

13、可选的,所述步骤4采用正则化马氏距离计算偏离程度。

14、可选的,所述空间共模噪声抑制处理具体包括:

15、利用多个空间位置的信号估计沿线共同背景响应,从目标位置的信号中减去所估计的共同背景响应,以保留目标托辊产生的局部异常响应。

16、可选的,所述状态判别模型为支持向量机二分类模型,所述支持向量机二分类模型输出的决策函数值经归一化或概率校准后得到所述异常分类评分。

17、可选的,所述状态判别模型为以下任一种或多种:逻辑回归分类模型、朴素贝叶斯分类模型、k近邻分类模型、决策树分类模型、极端随机树分类模型、梯度提升树分类模型、xgboost分类模型、轻量梯度提升机分类模型或神经网络分类模型。

18、可选的,所述状态判别模型的训练过程包括:

19、对离线采集的各空间采样单元信号采用统一的平滑滤波、离散小波变换、能量提取以及频域或时频域变换规则进行处理;

20、将处理后的特征向量汇总为统一训练集,所述统一训练集包含正常样本和经确认的异常样本;

21、利用所述统一训练集训练状态判别模型,使不同空间采样单元采用相同的判别规则。

22、可选的,所述传感光纤沿皮带机槽钢内侧连续、近似直线地布设,通过钢丝、u型夹和扎带进行支撑和固定,且在各托辊位置无盘纤结构。

23、第二方面,本发明提供一种基于光纤拉直布设的皮带机托辊故障监测系统,所述系统包括:

24、空间关系构建模块,被配置为建立分布式光纤声波传感空间采样单元与皮带机沿线托辊物理位置的对应关系;

25、残差信号提取模块,被配置为获取各空间采样单元的震动信号,并对所述震动信号依次进行平滑滤波、离散小波变换以及空间共模噪声抑制处理,得到局部残差信号;

26、特征提取模块,被配置为对所述局部残差信号进行能量提取,并对提取的时域能量信号执行频域或时频域变换,形成不含绝对位置标识的能量频域或时频域特征向量;

27、综合状态评估模块,被配置为计算所述特征向量相对于统一正常特征基准的偏离程度,并将所述特征向量及所述偏离程度输入预先训练的状态判别模型,得到当前监测窗口的综合状态评分,表示为:

28、

29、其中,表示所述偏离程度,表示所述状态判别模型输出的异常分类评分,和表示权值;

30、故障监测模块,被配置为对所述综合状态评分进行时间累积,表示为:

31、

32、其中,表示当前时刻的累积状态评分,为时间平滑系数,表示当前监测窗口的综合状态评分;

33、当累积状态评分达到异常进入阈值并满足最短持续时间时,将相应托辊判定为异常;进入异常状态后,只有当累积状态评分持续低于异常解除阈值时,才将相应托辊恢复为正常状态。

34、第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一项所述基于光纤拉直布设的皮带机托辊故障监测方法的步骤。

35、第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上任一项所述基于光纤拉直布设的皮带机托辊故障监测方法的步骤。

36、本发明有益效果是:

37、本发明通过采用光纤沿皮带机槽钢内侧连续、近似直线地布设,摒弃了传统逐点盘纤的复杂结构,并与包含空间共模噪声抑制、统一特征提取的专用监测算法深度耦合,解决了传统盘纤方式工程量大、成本高,且拉直布设下信号易受沿线共同背景噪声淹没、难以区分局部故障与全局干扰的技术问题,在保证长距离、低成本监测的同时,利用算法有效地剥离共模噪声并保留微弱局部故障特征,实现了工程简易性与监测高灵敏度的协同提升。

38、本发明通过构建不含绝对位置标识的能量频域或时频域特征向量,并计算该向量相对于统一正常特征基准的偏离程度,将两者共同作为状态判别的输入特征,解决了由于皮带机沿线各位置工况差异大、现有方法难以建立统一判别标准导致模型泛化能力差的问题,本发明不依赖具体物理位置即可精准量化当前状态与正常基准的差异,显著提升了模型在不同工况和不同托辊位置间的通用性与鲁棒性。

39、本发明通过引入综合状态评分公式,将基于统计特性的偏离程度与基于机器学习的分类评分进行加权融合,解决了单一判别逻辑在面对复杂干扰时易出现漏报或误报的缺陷,达到了兼顾无监督监测对未知故障的敏感性与有监督模型对已知故障的识别准确率,实现了对托辊健康状态的多维度、高置信度评估。

40、本发明进一步引入累积状态评分公式进行时间维度的平滑处理,并结合异常进入与解除的双重阈值判定逻辑,解决了物料瞬时撞击、皮带跑偏抖动等临时性干扰容易触发系统误报警的问题,利用历史信息平滑当前波动、通过迟滞比较器过滤瞬时噪声,确保了故障报警的稳定性与严肃性,极大降低了运维人员的无效巡检工作量。

41、在本发明的一种实施方式中,进一步引入局部残差信号的频率特征、空间特征和时间特征,并与所述特征向量及偏离程度同时输入状态判别模型,解决了仅依赖能量分布特征难以全面刻画复杂故障模式、在强噪声背景下容易出现特征混淆的技术问题,达到了构建多维度、立体化的故障特征体系的效果;其中,频率特征能够精准捕捉与托辊故障相关的特定频段能量变化,空间特征有助于区分故障源的空间集中程度以排除分布式干扰,时间特征则反映了异常响应的持续性与稳定性,这种多源特征融合机制显著增强了模型对微弱故障信号的辨识能力和抗干扰能力,进一步降低了误报率与漏报率,提升了故障监测的准确性与可靠性。