导语:输煤皮带机是煤矿常用的运输货物和材料的设备,具有使用方便、效率高、自动化程度高的特点。本期转化果平台推荐的《输煤皮带机异音监测系统》具有多项技术优势,通过对皮带机沿线安装智声听诊仪,结合软硬件系统平台,利用设备运行声音判断设备运行状态,解决了巡检难度大、效率低、可靠性差、检修成本高、设备数据信息采集不完备等问题。可广泛应用于皮带机及旋转机械等领域。
研究背景
输煤皮带机是一种运输货物和材料的设备,具有使用方便、效率高、自动化程度高的特点。皮带机长度动辄数千米,甚至十几千米。皮带机托辊是易损耗部件,经常出现磨损、断轴、掉皮等问题,托辊故障会导致皮带跑偏、撕裂、磨损、堵料、漏料等,皮带与机架剧烈摩擦使皮带软化、烧焦甚至发生火灾,造成突发停机停产、人员伤亡。
在传统的工业运维中,对托辊工作状态的检测通常以人工巡检的方式进行。由于输煤线路较长、环境恶劣,加之肉眼难以识别,存在工作盲区,巡检难度较大,存在效率低下、可靠性差、人员安全没保障、检修成本高、设备数据信息采集不完备等弊端,导致巡检效果具有单一性、粗放性和低效性。
技术人员通过长期观察研究发现,皮带机在正常工作状态下会发出平稳而有规律的噪声,而当托辊出现老化或者发生其它故障时,则会发出明显异于正常的杂音。基于此,技术人员开发了输煤皮带机异音监测系统,实现了以设备运行声音判断设备运行状态的监控。
1.基本原理
智声诊断仪运用麦克风阵列技术,搜集变压器运行声音,通过声源定位、去混响、信号增强与提取等手段,实现声音无差别采集和信号提取。采集及提取的数据通过有线方式上传至平台。平台支持公有云和私有云部署,采用数理模型与机理模型相结合的方式,整合设备声纹监测算法和模型,实现设备健康状态监测和常见故障判断。通过应用层实现设备状态展示、异常告警、故障诊断等人机交互功能。
2.应用功能
(1)软件功能
托辊异常声音检测系统采用以节点为边缘计算单元的方式,显著降低远程服务器的计算负担。其中,轮询报警机制使远程服务器能定时查询所有声呐节点,一旦发现托辊异常,便及时向后台监控中心发出警报。监控中心具备实时监听功能,可在接收到节点报警后,远程听取现场声音以判断是否出现异常。此外,监控中心还可选择任意节点进行现场声音的频谱分析。全寿命周期健康管理方面,通过对每台输煤皮带机设备建立基于声纹数据的健康档案,实现基于设备状态的维护和全生命周期管理。
(2)硬件参数
3.应用场景
(1)煤料监控:在煤料输送过程中,应对其进行温度监测,以便及时发现高温区域;同时,对廊道内积煤、积粉以及粉尘扩散情况进行识别。
(2)输煤设备监控:需关注电机、减速器等设备的温度和振动状况,并对皮带跑偏、泄漏、托辊异响等现象进行识别。
通过对皮带机沿线安装适量智声听诊仪,实现对皮带机运行状况的365天×24小时在线监测,实时搜集设备工作噪声,运用深度学习声音识别与声源定位技术,进行声学特征自动提取与比对记录。根据声音特征,判断设备工作状态,一旦发现显著偏离正常工作状态的背景噪声,系统将实时发出警报。
通过网络连接,数据存储在监控服务器上,监控人员可在办公室利用监控终端实时监测设备运行状况,分析故障位置,实现设备全寿命周期的健康管理。
1.整体优势
2.麦克风阵列
麦克风阵列技术是一种基于声学传感器(通常为麦克风)的系统,其一定数量的布置方式用于捕捉并处理变压器声场的空间特性。
该技术能够实现声源定位、消除混响、增强语音信号以及实现盲源分离等功能。
、
3.声纹识别
从声学角度解决故障问题,主要任务在于提取故障音频特征。然而,特征提取后通常难以提供一个定量值来判断故障类型,因此需要采用模式识别方法对大量采集的数据进行建模,通过模型得出识别结果。此外,经过阵列增强后的数据能够有效抑制噪声和干扰,降低训练分类时的误判率,提高分类模型的准确度。
4.人工智能
人工智能高性能核心板设计稳定可靠,为设备提供强大的计算力和人工智能能力。
该产品支持多种计算资源,实现云边互动,支持多种容器运行,提供物联网设备管理功能,以满足工业边缘场景的智能化需求。
·支持多种计算资源
·支持云边互动
·支持多种容器运行
·提供物联网设备管理功能
·满足工业边缘场景的智能化需求
产品搭载具有自主知识产权的主控芯片和人工智能芯片,基于声纹识别算法,融合深度学习和边缘计算技术,构建复杂高效的深度神经网络。通过对设备进行原始声信号训练,借助大量样本进行自主学习,提高故障诊断的准确性,快速分析鉴别异常,实现设备潜在故障的预警。
5.算法优势
(1)多维降噪技术
采用中位提取算法,剔除波动较大的声信号,以权值整合,融合为一路信号。精准抑制复杂声场环境噪声及本底噪声。
(2)归一化多维映射降噪技术
传统降噪算法难以提取强噪声环境中的微弱异音信号。通过对微弱异音信号进行归一化多维曲线映射处理,实现精准增强;对复杂环境噪声进行二次精准抑制。
(3)混响抑制技术
受混响影响,特定声信号在时域和频域受到污染,导致失真。
建立多通道线性预测模型,通过各通道早期多点加权确定此通道晚期混响成分,采用最优化权重系数,实现精准抑制混响。
多维特征提取技术的设计原理基于异音产生机理,具备十五维特征提取处理能力。该技术能够精确获取异音特征及其变化趋势,通过设计异音模型库,将所需训练样本量减少至十分之一。在较少异音信号的情况下,能更快地实现故障的准确识别,展现出显著的技术优势。
针对每台输煤皮带机设备,构建基于声纹数据的的健康档案,实现基于设备状态的维护以及全生命周期管理,以确保在保障设备安全的前提下,延长其使用寿命。
该系统不仅适用于输煤皮带机,还可扩展至其他皮带机及旋转机械等领域。输煤皮带机异音监测系统为企业带来诸多益处。随着技术的普及,该系统必将在更多领域得到广泛推广应用。