[发明专利]一种大型运载皮带跑偏故障智能检测方法

摘要

本发明涉及一种基于动态图像的大型运载皮带跑偏故障智能检测方法，先针对大型运载皮带运输系统，确定运载皮带正常运行时离两边缘的坐标值；再确定某一皮带边缘智能相机的安装位置；将皮带正常运行时离皮带架边缘的距离有效值d1和d2转换成在图像中的像素值，标定横坐标像素值分别为f1和f2；再通过图像处理，确定皮带两边缘直线的横坐标值s1和s2。若p1＜|s1‑f1|≤p2或p1＜|s2‑f2|≤p2，皮带实际跑偏距离为c1～c2，判别为二级故障；若|s1‑f1|＞p2或|s2‑f2|＞p2，皮带实际跑偏距离大于c3，判别为一级故障。与现有技术相比，本发明具有智能识别跑偏故障、不用人工干预的优点，用三个智能相机就能精确地自动判别L(大于700)米长、W(大于1)米宽的大型运载皮带是否发生跑偏故障。

主权项

1.一种大型运载皮带跑偏故障智能检测方法，用于获得运载皮带运动控制系统中皮带的跑偏量和故障等级，其特征在于，所述的方法包括以下步骤：步骤1、针对大型运载皮带运行系统，确定运载皮带正常运行时皮带边缘离皮带架的距离：基于大型运载皮带具有左右平行跑偏的特点，只需确定运载皮带正常运行时皮带某一边缘离皮带架的横向距离有效值d₁和d₂；步骤2、基于所获得的皮带正常运行时皮带边缘离皮带架的距离，在皮带机尾处某一边缘选择恰当的位置安装智能相机，以便更好地实时采集皮带运行的动态图像；通过多次采集图像样本，对图像进行坐标变换，将皮带正常运行时离左或右皮带架边缘的距离有效值d₁和d₂转换成在图像中对应的像素值，标定其横坐标像素值分别为f₁和f₂；步骤3、基于智能相机采集的视频图像，采用图像处理中的霍夫变换方法对图像进行实时处理，确定皮带两边缘的直线横坐标值s₁和s₂；若p₁＜|s₁‑f₁|≤p₂或p₁＜|s₂‑f₂|≤p₂，对应运载皮带实际跑偏距离为c₁～c₂，判定为二级故障，即中度跑偏；若|s₁‑f₁|＞p₁或|s₂‑f₂|＞p₂，对应运载皮带实际跑偏距离大于c₃，判定为一级故障，即严重跑偏；从而确定了皮带的跑偏量和跑偏故障等级；其中p₁,p₂分别为预先确定的皮带跑偏的坐标像素阈值。