項 目 簡 介
項 目 名 稱 皮帶無人值守智能監(jiān)測系統(tǒng)
主要完成單位 西山煤電（集團）有限公司屯蘭選煤廠
簡 介
一、立項背景
屯蘭選煤廠708矸石外運皮帶主要用于矸石運輸。一旦該皮帶發(fā)生嚴重故障將直接影響礦廠正常生產(chǎn)，造成巨大經(jīng)濟損失。盡管皮帶機具有跑偏、堆煤與打滑等常規(guī)保護裝置，能在一定程度上保護皮帶運行在可控范圍內(nèi)，但存在傳感器老化嚴重、故障檢測方式傳統(tǒng)與精確性較差等缺點。皮帶托輥為易損設備，上托輥是1.2米一組，下托輥是6米一組，托輥數(shù)量龐大且故障表象具有間歇性特征，當前崗位工人主要依靠人耳聽聲音與肉眼觀測兩種方式判別托輥損壞程度。同時，由于缺乏輸送帶帶面檢測裝置，輸送帶故障情況僅靠人工在機頭或機尾觀測。因此，當前選煤廠帶式輸送機設備設施故障監(jiān)測存在維護難度高、診斷模式傳統(tǒng)、巡檢工人勞動強度大、人為因素影響大等問題。同時，由于人工檢測非在線實時檢測，往往存在較大滯后性且容易造成漏檢現(xiàn)象，造成較為嚴重的經(jīng)濟損失。
二、項目研究主要內(nèi)容
本項目重點利用人工智能機器視覺技術和聲波信號智能分析技術對帶式輸送機輸送帶跑偏、撕裂故障以及托輥磨損狀態(tài)進行檢測，同時開發(fā)移動終端APP軟件，實現(xiàn)遠程移動可視化監(jiān)測。各關鍵技術分析如下：
（一）聲波檢測和分析技術的皮帶托輥磨損程度監(jiān)測
在皮帶支架側面安裝聲波檢測傳感器，每隔10米安裝一個，一共64個。每個聲波傳感器檢測前后5米距離托輥聲波信號，通過光纖輸送至服務器進行信號分析，最終實現(xiàn)故障檢測和定位。
本托輥故障診斷系統(tǒng)主要實現(xiàn)目標包括以下四個方面：1、故障分級檢驗；2、嚴重故障識別1) 基于音頻信號所含信息識別出鎖死托輥，2) 采用機器學習技術（深度學習）進行斷裂識別；3、基于音頻故障定位。具體技術路線如下圖所示：
托輥監(jiān)測技術路線框圖
（二）機器視覺技術的輸送帶跑偏和撕裂故障監(jiān)測
1、對輸送帶撕裂故障診斷采用機器視覺中的區(qū)域分割，提取皮帶撕裂輪廓，對輪廓區(qū)域進行數(shù)學分析，對區(qū)域面積采用逐級切割和累計的方法對皮帶撕裂的面積進行計算。通過對皮帶正常和皮帶撕裂信息進行分析和建模，結合實驗分析和現(xiàn)場工人的工作經(jīng)驗確定皮帶撕裂面積的報警閾值。當皮帶撕裂面積超出所確定閾值，智能監(jiān)測系統(tǒng)將故障信息傳送到上位機界面并發(fā)出語音報警提示。通過監(jiān)控，對視頻圖像進行查看并確認皮帶是否發(fā)生嚴重撕裂、是否需要對皮帶進行及時維修，避免發(fā)生二次故障傷害。其原理圖如下：
皮帶撕裂原理分析圖
2、通過圖像處理方法對皮帶是否跑偏進行故障診斷。皮帶跑偏智能檢測系統(tǒng)采用圖像處理中霍夫變換算法。通過確定安裝相機位置建立坐標系，由霍夫變換的算法檢測皮帶兩邊緣直線，由相機采集的圖像信息進行分析，建立系統(tǒng)模型并確定皮帶正常運行閾值，當皮帶運行時偏離所確定的閾值，根據(jù)所確定閾值再進行實驗分析，對皮帶跑偏故障進行分級，系統(tǒng)將故障信息和等級顯示在上位機界面。其技術路線圖如下：
皮帶跑偏技術路線圖
（三）Android手持智能終端的遠程移動監(jiān)測
將皮帶輸送機運行狀態(tài)自動推送至移動終端APP中，在有故障情況下，通過顏色與聲音等方式提醒相關人員及時進行處理。其流程圖如下：
APP開發(fā)流程圖
三、社會經(jīng)濟效益
（一）通過項目實施，原崗位由8人守崗可減少至4人巡崗，按照目前該崗位系數(shù)核算，年節(jié)省崗位工資約：4700元/月*12月*4=22.56萬元，降低檢修人員勞動強度同時也達到減員提效目的，為轉崗分流政策的實施開辟新途徑。
（二）通過項目實施，可及時定位問題托輥，使維檢工有針對性的進行托輥維護，延長托輥的使用壽命，有效減少更換托輥的材料費用。
（三）708皮帶全長1400米，項目實施前，皮帶撕裂導致停車維護時間12小時，按1小時生產(chǎn)產(chǎn)品450噸、每噸770元計算，造成經(jīng)濟損失約12*450*770=416萬元；項目實施后，維檢人員可及時對皮帶撕裂進行實時監(jiān)測及維護，如需維修，停車時間可降至3小時，避免因撕裂口徑大、維修時間長導致重大生產(chǎn)事故，造成巨大經(jīng)濟損失。
四、應用效果及推廣前景。
帶式輸送機作為煤礦采選過程中應用最為廣泛，也是最為重要的運輸設備，是保證礦廠連續(xù)穩(wěn)定運行的重要因素。就選煤廠運輸皮帶而言，整個皮帶運行過程僅僅依靠人工觀測排查故障，未實現(xiàn)運行狀態(tài)的在線連續(xù)監(jiān)測和故障信息自動識別，因而存在較大的安全隱患。本項目通過采用聲波檢測和分析技術實現(xiàn)托輥故障識別和定位；通過機器視覺技術，建立輸送帶跑偏和撕裂的故障診斷；同時開發(fā)了基于Android手持智能終端APP，實現(xiàn)皮帶運行狀態(tài)的遠程移動監(jiān)測。上述研究綜合保障了帶式輸送機的連續(xù)穩(wěn)定運行，降低了工人的勞動強度，推動了選煤廠智能化的發(fā)展，因此本項目研究對屯蘭選煤廠乃至全國的礦廠中帶式輸送機監(jiān)測系統(tǒng)建設都有重要的借鑒意義和廣闊的推廣應用前景。
