[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

说明书

本发明提出一种基于音频的皮带运输机托辊智能故障诊断方法。包括以下步骤：首先，通过在托辊旁边安装音频传感器采集托辊的音频信号，将音频信号通过光纤发送到服务器；其次，在处理机上对发送过来的托辊音频信号进行预处理；然后，对每一个频段都提取均值作为该频段的数据特征；最后使用卷积神经网络对特征提取后的数据进行分类。最终，诊断算法将故障诊断完成后，显示到上位机界面上，供使用者查看。本发明能够实时的检测到托辊故障，不依赖人工，提高了选煤厂的经济效益与智能化水平。

技术领域

本发明涉及工业自动化生产线大型机械设备故障诊断领域，具体是一种基于音频的皮带运输机托辊智能故障诊断方法。

背景技术

托辊是选煤厂皮带运输机中使用最多、故障最多、维修最多的部件。托辊在工作中容易发生偏心、卡死、断裂等故障，使皮带跑偏，严重影响工厂设备的正常使用。

传统的托辊故障诊断为人工巡检法，需要安排工人定期对托辊进行检查。人工巡检法耗时耗力，并且不能及时发现故障。近年来，故障诊断方法飞速进步，从传统的人工诊断不断向智能化诊断发展。基于数据的故障诊断方法基本过程主要包括信号处理、特征提取、故障分类。常用的信号处理方法有经验模态分解(Empirical mode decomposition，EMD)，傅里叶变换，小波包变换等。故障分类是利用预处理后的数据对故障进行分类，常用的分类方法有支持向量机，聚类，神经网络等。

郝洪涛等通过对托辊音频数据进行时域分析提取均方根、正峰值、反峰值等，以及FFT(Fast Fourier Transform)峰值检测来诊断托辊故障，但是FFT不适用于分析非平稳信号、不能进行良好的时频分析,而托辊工作现场环境复杂，有大量非平稳信号。

Li Wei等利用小波包和支持向量机(Support vector machine，SVM)诊断托辊卡死故障。小波包变换有良好的时频分辨率，可以有效的分析托辊的信号；但是SVM难以处理大规模样本数据，并且难以进行多分类。

因此，现有的托辊故障诊断方法无法同时诊断多种故障，并且实时性较差。

发明内容

本发明旨在提供一种基于音频的皮带运输机托辊智能故障诊断方法，以解决现有技术中存在的无法检测多种托辊故障、实时性低等问题。

为了实现上述目的，本发明的构思是：

本发明提出一种基于音频的皮带运输机托辊智能故障诊断方法。首先通过在托辊旁边安装音频传感器采集托辊的音频信号，将音频信号通过光纤发送到服务器；其次在处理机上对发送过来的托辊音频信号进行预处理，即通过小波包对托辊音频数据进行分解，利用8层的二阶Daubechies小波作为小波基函数，将托辊音频数据分解为256个频段。由于托辊故障信息主要表现在高频数据中，但是托辊数据中低频数据占比太大。因此降低低频数据的能量占比，然后对每一个频段都提取均值作为该频段的数据特征；最后使用卷积神经网络对特征提取后的数据进行分类。由于卷积神经网络需要二维数据输入，因此首先将一维的256个数据变为二维的16*16的数据。本方法所用的卷积神经网络为5层，包含两个卷积层、两个池化层、一个输出层，输出层有3个节点，代表将托辊音频数据分为三类，即正常、异常、故障。诊断算法将故障诊断完成后，显示到上位机界面上，供使用者查看。