[发明专利]基于音频信息和PSO-MSVM的传送带托辊设备故障检测方法

说明书

本发明提供一种基于音频信息和PSO‑MSVM的传送带托辊设备故障检测方法，涉及故障监测与诊断技术领域。该现场采集标记过的传送带托辊设备运转过程中的音频信息；对每个音频所对应的托辊设备的磨损程度进行标记，确定采集到的多组带标签的正常传送带托辊音频数据集和故障传送带托辊音频数据集；然后提取正常和故障的传送带托辊音频数据提取音频信息的MFCC特征，并进行归一化处理；对归一化后的带标签的MFCC特征数据矩阵利用支持向量机模型对其进行训练，并利用粒子群算法对训练的支持向量机模型的参数进行优化，进而得到优化后的托辊故障检测模型，实现对托辊故障的检测。该方法能够指导传送带运输现场对托辊设备的实时检测，保障了采矿工业运输现场的安全。

技术领域

本发明涉及故障监测与诊断技术领域，尤其涉及一种基于音频信息和PSO-MSVM的传送带托辊设备故障检测方法。

背景技术

传送带作为工业体系生产运输中不可或缺的核心设备之一，具有运行成本低、操作简单、效率高和运距远等特点，是重要的散装物料运输工具。既可以输送散装物料，如矿石、煤炭、沙子等，又可以输送包装好的整件物料。现已广泛应用于电力、港口码头、石油化工、煤炭等行业。远程带式输送机的广泛运用可以大大减少人力的投入、提高企业自动化程度，为企业创造更多的效益。

作为传送带系统的运输载体，工作过程中托辊的运行状态出现问题是非常经常和普遍的事，环境恶劣，运输材料不均匀，负荷变化大，输送机运行中托辊的筒皮与皮带做既滚又滑的运动，在长时间负载运行中，长期的高速运转容易使其表面磨损严重，发生断裂失效。而托辊表面破损所形成的裂口，极有可能划破正在高速运转的输送带，对整个输送系统造成极其严重的损失。

托辊运行的小问题可能成为生产过程中的一个巨大安全隐患，目前对托辊的故障检测方法较少，目前的人工巡检方式需要大量的维护人员巡检传送带的托辊状态并且需要进行三天一次的停机巡检，对工作人员和企业设备的安全维护提出了巨大的挑战，然而由于巡检人员操作全凭经验，巡检过程走马观花等因素会导致托辊损坏无法及时发现，造成生产过程中断。所以对传送带托辊的故障监测就显得十分必要。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供基于音频信息和PSO-MSVM的传送带托辊设备故障检测方法，针对工业现场托辊设备巡检过程繁琐、巡检过程效率低下且检测准确率低以及停机巡检设备中断运行所带来的损失，能够解决对托辊巡检过程的漏报问题，并提高检测的准确率。

为解决上述技术问题，本发明所采取的技术方案是：基于音频信息和PSO-MSVM的传送带托辊设备故障检测方法，包括以下步骤：

步骤1、标记正常传送带托辊和故障传送带托辊，并现场采集标记过的传送带托辊设备运转过程中的音频信息；

步骤2、对每个音频所对应的托辊设备的磨损程度进行标记，确定采集到的多组带标签的正常传送带托辊音频数据集和故障传送带托辊音频数据集；

步骤3、对步骤2所得到的正常和故障的传送带托辊音频数据提取音频信息的MFCC特征，并进行归一化处理；

步骤4、对归一化后的带标签的MFCC特征数据矩阵利用支持向量机模型对其进行训练，并利用粒子群算法对训练的支持向量机模型的参数进行优化，进而得到优化后的托辊故障检测模型；

步骤5、实时采集托辊运转过程的音频数据，对采集到的每一段音频数据按照步骤3的方法，对采集到的音频数据进行预处理，得到音频信息的MFCC特征数据矩阵；

步骤6、对步骤5得到的音频信息的MFCC特征数据矩阵采用与步骤3相同的归一化方法进行归一化处理，得到归一化后的MFCC数据特征矩阵；

步骤7、将步骤6得到的归一化后的MFCC特征数据矩阵在训练优化后的故障检测模型中进行测试，检测托辊状态。

进一步地，所述步骤1的具体方法为：