基于多模态感知的带式输送机故障检测方法及系统与流程

本发明涉及设备故障检测，特别是基于多模态感知的带式输送机故障检测方法及系统。

背景技术：

1、带式输送机是矿山、港口、冶金、电力、化工等大宗物料运输领域的核心装备，其运行可靠性直接关系到生产连续性、作业安全和维护成本，带式输送机通常处于高负荷、长时间连续运转状态，关键部件（如托辊、滚筒、输送带、轴承等）在恶劣工况下极易发生磨损、裂纹、偏心、撕裂等故障，一旦故障未能及时发现，轻则导致设备停机停产，重则引发火灾、断带等重大安全事故，因此，实现对带式输送机运行状态的实时监测与早期故障预警，已成为工业安全生产的迫切需求；

2、随着传感器技术、信号处理技术和人工智能技术的快速发展，带式输送机故障检测领域已涌现出多种技术手段，现有诊断方法主要包括：基于振动的故障诊断、基于声学的故障检测、基于红外热成像的温度监测、基于机器视觉的表面损伤检测、基于磁通量泄漏的钢丝绳芯检测等；这些方法在一定程度上能够识别特定类型的设备故障，推动了带式输送机状态监测从人工巡检向自动化检测的转变，近年来，多传感器数据融合技术也开始受到关注——研究表明，将超声、声学和振动数据集成到单一决策模型中，相比基于单一传感模态的系统误报率显著降低。

3、但目前常见的解决方案存在诸多缺点，包括：现有技术的多模态融合不充分且稳定性差，绝大多数方法仍局限于单模态分析或视觉-音频等极少数特定双模态场景，难以将振动、声学、温度、视觉等多源异构信息整合至统一的诊断架构中实现互补验证；异构传感器之间的时空对齐缺乏有效手段，不同传感器的采样频率、传输协议差异以及工业现场的速度波动和时钟漂移，使得依赖硬件授时或软件插值的传统同步方案在长距离复杂工况下精度受限且部署成本高昂；早期微弱故障信号难以有效提取，轴承微裂纹、托辊轻微磨损等初期征兆往往被强烈的背景噪声所淹没，且受多工况耦合影响，故障特征呈现强耦合、弱可辨的特点，常规频谱分析或包络分析难以实现早期预警；领域内尚未构建统一的多模态故障知识库和损伤表征框架，各部件间复杂关联难以充分表达，诊断结果的可比性和可迁移性较差。

技术实现思路

1、针对相关技术中的问题，本发明提供了基于pcba缺陷智能检测系统及检测方法，以克服现有相关技术所存在的所述技术问题。

2、为解决所述技术问题，本发明是通过以下技术方案实现的：

3、第一方面，本发明实施例提供了基于多模态感知的带式输送机故障检测方法，其包括获取各传感器的多模态原始信号，提取由带式输送机自身周期性运动产生的特征信号作为天然时间基准，利用所述天然时间基准对各所述多模态原始信号进行时空配准，消除各传感器之间的相对时延和空间偏移，获得对齐后的多模态信号；提取所述对齐后的多模态信号在不同频段和不同空间位置上的能量分布，计算所述能量分布的信息熵，并将各模态的所述信息熵进行融合，构建表征系统整体能量分布有序度的多模态联合熵特征矩阵；将所述联合熵特征矩阵输入随机共振系统，动态调节所述随机共振系统的噪声强度参数，使所述联合熵特征矩阵中因早期故障引发的熵特征扰动发生随机共振增强，输出信噪比提升后的增强故障特征；将所述增强故障特征与预设判定条件进行比较，当所述增强故障特征满足所述预设判定条件时，输出早期故障预警信号。

4、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述提取由带式输送机自身周期性运动产生的特征信号作为天然时间基准，包括：提取各传感器信号中由托辊旋转产生的周期性振动分量作为第一天然时间基准，所述周期性振动分量包括托辊通过固定支撑点时产生的冲击响应序列；提取各传感器信号中由输送带接头经过固定监测点时产生的冲击响应分量作为第二天然时间基准，所述输送带接头包括机械接头或硫化接头；将所述第一天然时间基准和/或所述第二天然时间基准作为各传感器信号进行时空配准的共同时间锚点。

5、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述利用所述天然时间基准对各所述多模态原始信号进行时空配准，包括：基于所述共同时间锚点，检测各传感器输出信号中对应于同一物理事件的特征峰值时刻；计算各特征峰值时刻与理论期望时刻之间的差值，得到各传感器相对于所述共同时间锚点的个体时延偏移量，所述个体时延偏移量包含传感器时钟漂移分量和信号传播时延分量；根据带式输送机的空间几何布局，计算各传感器之间的理论空间传递距离，并结合所述个体时延偏移量，构建时空联合配准映射矩阵；利用所述时空联合配准映射矩阵对各传感器的原始信号进行时序重采样和空间坐标变换，完成所述时空配准。

6、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述提取对齐后的多模态信号在不同频段和不同空间位置上的能量分布，计算所述能量分布的信息熵，包括：采用时频变换将对齐后的各模态信号分解至多个预设子频带，并计算各子频带内的能量占比；将带式输送机沿线各传感器的空间坐标映射至预设的多个空间格点，采用空间插值法计算各空间格点上的能量密度；分别计算所述多个预设子频带的能量占比的频域信息熵，以及所述多个空间格点的能量密度的空间信息熵；将所述频域信息熵和所述空间信息熵进行加权求和，得到各模态的单模态联合熵特征。

7、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述将各模态的信息熵进行融合，构建表征系统整体能量分布有序度的多模态联合熵特征矩阵，包括：获取振动模态的单模态联合熵特征、声学模态的单模态联合熵特征和温度模态的单模态联合熵特征；以传感器空间布局为拓扑约束，构建以空间位置为行索引、以模态类型为列索引的初始熵特征矩阵；计算各模态熵特征之间的互信息值，根据所述互信息值确定各模态熵特征在融合时的自适应权重系数；利用所述自适应权重系数对所述初始熵特征矩阵进行加权融合，生成所述多模态联合熵特征矩阵。

8、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述将联合熵特征矩阵输入随机共振系统，动态调节所述随机共振系统的噪声强度参数，包括：将所述联合熵特征矩阵作为所述随机共振系统的输入信号，所述随机共振系统为基于双稳态模型的非线性系统，所述双稳态模型包含势垒高度参数和噪声强度参数；采用自适应步长算法，在预设噪声强度区间内遍历搜索使所述随机共振系统输出的信噪比达到最大值的全局最优噪声强度；将所述全局最优噪声强度作为当前时刻的实际噪声强度参数注入所述随机共振系统，使所述随机共振系统运行于共振匹配状态。

9、作为本发明所述基于多模态感知的带式输送机故障检测方法的一种优选方案，其中：所述将增强故障特征与预设判定条件进行比较，当所述增强故障特征满足所述预设判定条件时，输出早期故障预警信号，包括：获取正常运行状态下同一工况对应的历史增强故障特征的统计分布，以所述统计分布的置信区间上界作为当前动态预警阈值；实时计算当前增强故障特征超过所述动态预警阈值的单次持续时长和累计超越时长；当所述单次持续时长超过第一时长阈值且所述累计超越时长在滑动时间窗口内超过第二时长阈值时，判定所述增强故障特征满足所述预设判定条件，输出对应级别的早期故障预警信号。

10、第二方面，本发明为进一步解决上述技术问题，实施例提供了基于多模态感知的带式输送机故障检测系统，其包括：多模态传感器阵列，部署于带式输送机沿线，用于获取各传感器的多模态原始信号；第一处理模块，与多模态传感器阵列连接，用于获取各传感器的多模态原始信号，提取由带式输送机自身周期性运动产生的特征信号作为天然时间基准，利用天然时间基准对各多模态原始信号进行时空配准，消除各传感器之间的相对时延和空间偏移，获得对齐后的多模态信号；第二处理模块，与第一处理模块连接，用于提取对齐后的多模态信号在不同频段和不同空间位置上的能量分布，计算能量分布的信息熵，并将各模态的信息熵进行融合，构建表征系统整体能量分布有序度的多模态联合熵特征矩阵；第三处理模块，与第二处理模块连接，用于将联合熵特征矩阵输入随机共振系统，动态调节随机共振系统的噪声强度参数，使联合熵特征矩阵中因早期故障引发的熵特征扰动发生随机共振增强，输出信噪比提升后增强的故障特征；第四处理模块，与第三处理模块连接，用于将增强故障特征与预设判定条件进行比较，当增强故障特征满足预设判定条件时，输出早期故障预警信号；以及显示与报警终端，与第四处理模块连接，用于显示所述早期故障预警信号并进行声光报警。

11、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于多模态感知的带式输送机故障检测方法的任一步骤。

12、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于多模态感知的带式输送机故障检测方法的任一步骤。

13、本发明的有益效果为：本发明通过四个核心环节的紧密协同，实现带式输送机早期微弱故障的敏锐感知与精准预警：利用托辊旋转和输送带接头通过等周期性运动特征作为天然时间基准，无需外部同步设备即可完成多传感器信号的时空配准，为后续融合提供可靠数据基础；在配准信号上构建频域-空间域联合熵特征矩阵，将振动、声学、温度等不同量纲数据统一至“能量分布有序度”框架下，并通过互信息自适应权重融合抑制单模态异常干扰；将联合熵特征矩阵输入双稳态随机共振系统，动态搜索最优噪声强度使微弱熵扰动发生共振增强，突破传统去噪方法在极低信噪比下的局限；基于同工况历史数据统计分布确定动态阈值，结合单次越限持续时长与窗口内累计越限时长的双重判定机制，有效抑制瞬态噪声误报并输出分级预警，四个步骤逐级递进、相互支撑，共同构成从数据采集、微弱信号增强到智能决策的完整闭环，显著提升了检测灵敏度、抗干扰能力和部署经济性。