[发明专利]基于卷积神经网络的提升系统尾绳健康监测系统及方法

权利要求书

1.基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，所述的提升系统包括滚筒(1)，提升钢丝绳(2)，提升容器(3)及尾绳(4)，图像采集系统，移动无线传感器网络，上位机；所述的滚筒(1)牵引提升钢丝绳(2)移动；两个所述提升容器(3)的顶端分别与提升钢丝绳(2)相连；两个所述提升容器(3)的底端分别通过尾绳(4)相连；还包括；所述的图像采集系统用于采集尾绳状态，图像采集系统将尾绳(4)状态通过移动无线传感器网络传输至上位机，由上位机对图像数据进行深度挖掘，并针对尾绳状态进行故障分析与预警；所述的图像采集系统包括背景板，光源，CCD相机，采集卡，控制器，存储器；两个所述提升容器(3)之间相连的尾绳(4)之间设有背景板，背景板平行置于尾绳(4)悬垂面；CCD相机的光轴垂直于背景板，CCD相机上设有光源；CCD相机与采集卡相连，采集卡与控制器相连；光源与储存器分别与控制器相连；其特征在于：步骤如下：

1)、通过图像采集系统采集尾绳状态，并将收集到的图像数据集进行划分；

尾绳典型特征为正常(a)、间距不均(b)、绞绳(c)、缺陷(d)和断裂(e)五种典型特征状态图片数据，设尾绳正常间距为D，相机所拍图片视场长L，宽W，则状态表述式如下：

d₃＝0，0h₁≤W，0h₂≤W；

式中d1为正常状态时两绳之间的距离，d2为间距不均状态时两绳之间的距离，d3为咬绳状态时两绳之间的距离，h1为断股状态时，断股缺陷距离图片下边缘的距离，h2为绳子断裂状态时，绳头距离图片下边缘的距离；

2)、进行卷积神经网络训练，针对图像数据进行正向传播及反向传播；确定误差并建立卷积神经网络模型；

3)、采用步骤2)中卷积神经网络模型针对输入的尾绳状态图像进行实时预测分类，并反馈至预警程序，由预警程序针对分类结果进行判断预警。

2.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：所述的移动无线传感器网络包括绳罐道及移动传感器节点；所述的移动传感器节点沿绳罐道延伸方向一端与图像采集系统相连，另一端与上位机相连。

3.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：所述的上位机内含有卷积神经网络程序，预警程序；通过卷积神经网络程序对尾绳状态进行判断，并将结果反馈至预警程序，预警程序控制提升系统启停及加减速。

4.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：步骤1)中图像采集系统针对采集的图像数据生成训练数据集，测试数据集，训练标签集，测试标签集。

5.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：所述的数据正向传播方式为：设定网络的训练参数，初始化网络的权值和偏置；输入特征图经过卷积层、采样层、全连接层处理后，传输至输出层，每一层的输出为下一层的输入；

所述的数据反向传播方式为：将实际输出与期望输出间的误差通过BP算法逐层反向传播，并将误差分配到各层，对网络的权值和偏置进行调整，直至满足收敛条件。

6.根据权利要求1所述的基于卷积神经网络的提升系统尾绳健康监测系统的监测方法，其特征在于：针对采集的图像数据建立尾绳特征数据库；并对图像数据进行扩充。