基于多傳感器融合的皮帶縱向撕裂檢測系統(tǒng)研究①

潘 巖

(安徽理工大學(xué)電氣與信息工程學(xué)院,安徽 淮南 232001)

0 引 言

皮帶運輸機作為煤炭運輸?shù)年P(guān)鍵性設(shè)備，其利用滾輪和皮帶、皮帶和煤炭之間的摩擦力實現(xiàn)煤炭的運輸，因其具有結(jié)構(gòu)簡單、輸送量大、運輸?shù)男矢叩忍攸c，所以在礦井、港口、建材、電廠等領(lǐng)域都有著廣泛地應(yīng)用[1]。輸送帶作為連接滾輪和煤炭的紐帶，必然成為了皮帶運輸機最關(guān)鍵的部分，其價格也是占到了皮帶運輸機的一半以上。

由于井下工作環(huán)境復(fù)雜，在運輸煤炭的過程中，當(dāng)煤炭中混有棱角的研石、細桿狀物等尖銳物體時，很大概率會直接從輸送帶中穿過，并會出現(xiàn)卡在托輯上的現(xiàn)象；或者在煤炭輸送過程中突加物料或出現(xiàn)卡煤，致使煤炭和輸送帶之間的摩擦力增大，這些都有可能導(dǎo)致了皮帶發(fā)生磨損和縱向撕裂。此外，如果輸送帶長期處于工作狀態(tài)，也可能出現(xiàn)皮帶的表面受力不均的情況，這就會造成其表面磨損較大,使皮帶表面存在劃痕、劃傷，如果不能夠及時發(fā)現(xiàn)，同樣會發(fā)生皮帶撕裂事故[2]。

目前，當(dāng)皮帶發(fā)生縱向撕裂情況時，現(xiàn)場的工作人員會聞到刺激性氣體的氣味發(fā)現(xiàn)皮帶發(fā)生縱向撕裂。對于機器而言，它則是能夠直接感知周圍氣體濃度的變化，比人的嗅覺感知更強。因此，利用氣體檢測的方法檢測皮帶縱向撕裂是可行的。

1 多傳感器信息融合技術(shù)

多傳感器信息融合技術(shù)[3-6]是現(xiàn)在飛速發(fā)展的一種監(jiān)測技術(shù)，利用多種類型的傳感器，加上傳感器大規(guī)模的布置，采集不同種類的信息，利用信息處理技術(shù)保證監(jiān)測系統(tǒng)準確率，與傳統(tǒng)的單傳感器監(jiān)測方法相比，其監(jiān)測效果更佳，所以本文利用多傳感器技術(shù)對皮帶撕裂氣體進行檢測。

1.1 皮帶檢測數(shù)據(jù)的采集

皮帶撕裂檢測需要實現(xiàn)時間上的不間斷檢測、空間上皮帶工作范圍的全覆蓋以及對撕裂故障的及時準確的判斷。為了能夠得到一個皮帶撕裂氣體檢測模型，檢測皮帶撕裂時產(chǎn)生的氣體就十分的重要。使用風(fēng)速、溫度、SO2、甲烷、粉塵、HCl氣體傳感器采集皮帶機正常運行、不同程度劃傷和縱向撕裂的數(shù)據(jù)信息。

由于皮帶與皮帶的轉(zhuǎn)接處經(jīng)常發(fā)生縱向撕裂，故選擇在轉(zhuǎn)接處放置傳感器，這樣就能夠得到皮帶在不同程度劃傷和縱向撕裂情況下的傳感器數(shù)據(jù)。考慮到礦井工作環(huán)境的復(fù)雜性和多變性，所有傳感器需在皮帶開始工作前通電，對皮帶機周圍環(huán)境情況進行數(shù)據(jù)采集，同時在轉(zhuǎn)接處和轉(zhuǎn)接處周圍放置多組傳感器，保證數(shù)據(jù)采集的可靠性。傳感器具體分布方式如圖1所示。

1.2 監(jiān)測數(shù)據(jù)的預(yù)處理

數(shù)據(jù)在傳感器采集和通信線傳輸?shù)倪^程中，會受到周圍變化的風(fēng)速、空氣中的煤灰、電機產(chǎn)生磁場的影響。這些因素都可能導(dǎo)致傳感器數(shù)據(jù)不準確，影響檢測效果。在保證數(shù)據(jù)采集時效性的同時，需要對采集數(shù)據(jù)進行預(yù)處理，便于之后的數(shù)據(jù)融合。

利用小波變換閾值去噪[7]，則可以達到很好的預(yù)處理效果。假設(shè)帶噪信號為g(t)，方法具體過程如下：

1)將g(t)進行小波變換轉(zhuǎn)換成G(ω)，并得到每次轉(zhuǎn)換對應(yīng)的系數(shù)為ωi。

而這個冠軍獎杯并不僅僅屬于IG戰(zhàn)隊，更屬于所有曾經(jīng)倒在沖鋒路上的LPL追夢人。這場比賽的勝利，意味著兩代電競?cè)说膶糁?，終于劃上了一個完美的句號。奪冠的這一天，所有的英雄聯(lián)盟玩家都沸騰了。IG戰(zhàn)隊讓所有人的夢想變得完整，讓所有人的青春，變成了圓滿，讓電競游戲成為了青春的代名詞。

(1)

其中λ表示預(yù)設(shè)的閾值，t表示時間，sgn(t)表示t的符號。選取閾值為3α，選取采集開始時的100組數(shù)據(jù)組成的g(t)，將其所有小波變換系數(shù)按大小順序排列，選擇中位數(shù)除以0.6745，得到相應(yīng)層的α。閾值|t|≤λ，即ω≥3α為噪聲信號。

3)將得到的G(ω*)進行小波反變換，得到處理后的傳感器信號g(t*)。

1.3 監(jiān)測數(shù)據(jù)的融合與分析

隨機森林(RF)作為一種經(jīng)典的組合分類模型[8-10]，本身是多個決策樹分類模型組成的，這些決策樹分類模型都可以對最后的分類結(jié)果進行“投票”，找到最合適的分類結(jié)果。很多的實例研究和充分的理論分析都證明了隨機森林能夠到達很高的預(yù)測準確率，對噪聲信號和異常值有著很好的包容性。其本身在對多個非線性數(shù)據(jù)處理時有交叉驗證的優(yōu)勢，同時在訓(xùn)練的過程中能夠生成輸入變量的重要性程度。因此采用隨機森林對皮帶縱向撕裂程度進行預(yù)測。RF示意圖如圖2所示。

隨機特征(輸入變量X)包含粉塵濃度、SO2濃度、甲烷濃度、風(fēng)速大小、溫度大小、HCl濃度共計6種輸入；輸出變量Y則包含正常、輕度撕裂、一般撕裂、重度撕裂、嚴重撕裂共計5種結(jié)果，用于表示皮帶撕裂的具體情況。隨機森林會將數(shù)據(jù)進行隨機分組，然后每組數(shù)據(jù)需生成隨機向量Θ，這些Θ之間滿足獨立同分布，然后利用數(shù)據(jù)和隨機向量一棵決策樹，即得到一組分類模型h(X,Θ)。對于輸入變量X和輸出變量Y，定義邊緣函數(shù)為：

F(X，Y)=akI(hi(X,Θk))=

(2)

式中，ak(·)為平均函數(shù)(k取正整數(shù))，I(·)為示性函數(shù)，hi(·)為單組決策樹分類模型(i取正整數(shù))，j為所有分類結(jié)果中的一類。

由式(2)可以得到，函數(shù)F(X，Y)描述了由給定X與分類模型h(X,Θ)得到正確分類結(jié)果Y的得票數(shù)要高于其它分類結(jié)果的最大值。即F(X，Y)≥0時，對皮帶撕裂的判斷結(jié)果就是正確的，同時函數(shù)的值越大，說明結(jié)果越是可信；當(dāng)F(X，Y)<0時，對皮帶撕裂的判斷結(jié)果就是不準確的，由此可以得到隨機森林的泛化誤差為：

PE*=PX,Y(F(X，Y)<0)

(3)

式中，PX,Y(·)表示發(fā)生某事件的概率，PE*表示發(fā)生皮帶撕裂的判斷結(jié)果不準確事件的概率。

每組分類模型會對皮帶撕裂的程度進行一次分析，最后選擇分類模型對皮帶撕裂的程度分析情況出現(xiàn)最多的一組作為分類結(jié)果。最終分類的結(jié)果為：

(4)

式中，H(X)表示所有分類模型中出現(xiàn)最多的結(jié)果。

2 實驗結(jié)果分析

2.1 數(shù)據(jù)預(yù)處理的結(jié)果

在數(shù)據(jù)采集過程中，因風(fēng)向、摩擦強度、傳感器精度等因素的影響，傳感器采集的數(shù)據(jù)存在明顯波動，將這6種傳感器采集到的數(shù)據(jù)，利用小波變換閾值去噪進行數(shù)據(jù)預(yù)處理，粉塵濃度、SO2濃度、甲烷濃度、風(fēng)速大小、溫度大小、HCl濃度的采集和處理后結(jié)果分別如圖3～5所示。

由圖3～5可知，傳感器采集的原始數(shù)據(jù)有異常值或噪聲，通過小波閾值去噪后，各傳感器數(shù)據(jù)曲線變得更加平滑，且波動情況相對穩(wěn)定，便于之后的數(shù)據(jù)融合處理。

2.2 數(shù)據(jù)融合處理的結(jié)果

在通過數(shù)據(jù)預(yù)處理后，進行數(shù)據(jù)融合處理，其算法流程如圖2所示。在本文中，輸入變量X和輸出變量Y已經(jīng)確定，可以調(diào)整每次隨機抽取樣本的個數(shù)Ni(樣本總數(shù)N=1000)以及決策數(shù)的數(shù)量Nt。選取不同的Ni和Nt進行模型的構(gòu)建并對皮帶撕裂情況進行預(yù)測，為減少預(yù)測結(jié)果的偶然性，每組Ni和Nt的搭配將進行5次。皮帶撕裂預(yù)測結(jié)果準確率如表1所示。

表1 皮帶撕裂預(yù)測結(jié)果準確率表

由表1可知，選取樣本數(shù)Ni為300，決策樹Nt為15時，模型對皮帶撕裂程度有較好的預(yù)測效果。在預(yù)測的穩(wěn)定性方面，平均準確率為0.8876，對皮帶撕裂情況能夠進行準確的預(yù)測。

3 結(jié) 論

(1)提出了一種基于多傳感器的信息融合模型，設(shè)計了皮帶縱向撕裂檢測系統(tǒng)的基本結(jié)構(gòu)。

(2)利用小波閾值去噪對傳感器采集數(shù)據(jù)進行了處理，提高數(shù)據(jù)的可處理性和檢測的準確性。

(3)采用隨機森林進行信息融合，建立了隨機森林預(yù)測模型，根據(jù)各等級的預(yù)測結(jié)果的準確率，說明該算法對皮帶撕裂情況檢測是準確可信的。