[发明专利]一种基于音频的皮带运输机托辊智能故障诊断方法

权利要求书

1.一种基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，包括以下步骤：

步骤1：将LM386以及Arduino Ethernet W1500安装到Arduino上面，然后将每个装好外设的Arduino都安装在托辊旁边；

步骤2：将Arduino通过光纤连接到交换机，使得多个传感器共同连接到一个交换机上，然后再将信号传输出去；

步骤3：将托辊音频数据通过交换机与路由器传输到终端服务器，同时将托辊的音频数据保存到数据库中；

步骤4：托辊音频数据预处理：利用小波包算法对托辊音频数据进行预处理，将音频数据划分为多个频段；

步骤5：托辊音频数据的特征提取：首先调整最低频段的数据，然后对托辊小波包变换后的每个频段都提取均值作为数据特征；

步骤6：托辊状态判断：每组托辊数据提取256个特征值，将256个特征值输入到一个5层的卷积神经网络中进行判断，通过卷积神经网络的输出判断托辊所处的状态；

步骤7：将托辊的实时状态输出到上位机界面中。

2.根据权利要求1所述的基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，所述步骤1包括以下步骤：

步骤1.1：首先编写的LM386控制程序以及数据采集程序，然后烧录到Arduino中，并将LM386连接到合适的端口；

步骤1.2：将Arduino板子连接电源，并将LM386安装到托辊旁边，以便清晰实时的采集到托辊声音数据；

步骤1.3：在Arduino上安装Arduino Ethernet W5100网络扩展模块，并连接光纤，以便将托辊声音数据转换为网络信号传输出去；

步骤1.4：将Arduino板子以及外设封装到一个盒子中，然后将整体安装到皮带机上，实时的采集到托辊运行的声音数据，并且通过光纤将数据传递出去。

3.根据权利要求1所述的基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1：将各个交换机的输出通过光纤传递到路由器中；

步骤2.2：将路由器连接到终端服务器上，通过终端服务器接收到所有托辊的数据，并进行故障诊断。

4.根据权利要求1所述的基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1：将各个交换机通过光纤连接到终端服务器上，使得所有的托辊音频数据都传输到终端服务器上进行故障诊断；

步骤3.2：终端服务器将托辊音频数据保存到数据库中以备后续使用；

步骤3.3：每隔5分钟通过托辊音频数据对托辊状态进行诊断。

5.根据权利要求1所述的基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1：首先在终端服务器上获得托辊的声音数据，采集的声音数据的频率为44100Hz，每隔5分钟对数据进行一次诊断；通过对不同种类数据的观察，当托辊故障时，声音的高频信号会增加，声音信号的幅值也会增加，因此信号的高频部分包含了很多故障信息；

步骤4.2：对每组托辊音频数据都使用小波包变换进行预处理；采用8层的小波包变换，每组托辊音频数据得到256个频段；小波包变换所有的小波基函数为Daubechies小波中的db2小波，即使用二阶消失矩。

6.根据权利要求1所述的基于音频的皮带运输机托辊智能故障诊断方法，其特征在于，所述步骤5包括以下步骤：

步骤5.1：经过8层的小波包变换后，每组音频数据会得到256个频段数据，对每个频段都提取数据的特征值；

步骤5.2：将小波包变换后的最低频段的数据调整为与次低频段的数据相同，调整之后的小波包频谱中低频部分的占比明显降低，减弱了其对信号分析的影响，有利于对高频部分进行更加精确的分析；

步骤5.3：当托辊故障发生时，数据的波动变快，波动幅度变大，因此其均值会发生改变；托辊发生故障时的音频数据均值与托辊正常时有所不同；提取小波包变换后每个频段的均值作为每个频段的数据特征。