礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)研究

唐建軍，趙田田，田 康，張江濤，杜 軍，王 鵬

(1.山西晉煤集團技術(shù)研究院有限責(zé)任公司，山西 晉城 048006；2.晉能控股裝備制造集團有限公司員工素質(zhì)提升中心，山西 晉城 048006)

由于煤礦井下輸送帶運行荷載量大、帶面磨損及老化等原因，易導(dǎo)致鋼絲繩芯銹蝕、斷裂、鋼絲繩芯與輸送帶的粘合力下降而接頭拉斷等故障的發(fā)生[1-5]，依靠人工經(jīng)驗或者目前現(xiàn)有的在線檢測設(shè)備運維，存在一定的不確定性，尤其是主運輸送帶經(jīng)過多年運行后是否需要報廢更換的問題，因缺乏客觀、真實的數(shù)據(jù)基礎(chǔ)，無法評估，也難以全面、及時的把握和預(yù)測[6-10]。

為了有效地掌握輸送帶的運行狀況，開展鋼絲繩芯輸送帶數(shù)字化監(jiān)測和故障診斷技術(shù)研究，制定鋼絲繩芯輸送帶報廢檢測規(guī)范，可以進一步提升帶式輸送機的數(shù)字化、智能化及整體標(biāo)準(zhǔn)化水平，徹底解決輸送帶鋼絲繩芯、帶面磨損失效所帶來的安全隱患，做到早發(fā)現(xiàn)，及時維護。從而滿足企業(yè)精細化管理的要求，為建設(shè)工業(yè)物聯(lián)網(wǎng)系統(tǒng)做好充分準(zhǔn)備，實現(xiàn)在保證輸送帶強度要求的前提下可最大限度發(fā)揮產(chǎn)能。

國外在線檢測輸送帶拉伸強度的方法在應(yīng)用上也尚不完善，在國外研制的SPF輸送帶檢測儀是利用目前公認的最佳的檢測鋼絲繩的方法——磁檢測法，但是SPF檢測儀對無限不確定長、接頭復(fù)雜、多根密集并列的鋼絲繩芯輸送帶檢測數(shù)據(jù)的處理，易出現(xiàn)漏檢與誤判。國內(nèi)外專家對鋼絲繩芯輸送帶在線無損檢測作了大量的研究與測試[11-15]，而國內(nèi)現(xiàn)有X射線透視儀、 電渦流檢測儀、 探片預(yù)置檢測儀等檢測設(shè)備穿透力不強，檢測的結(jié)果不精確，這些設(shè)備都需要輸送帶停機時才可以進行檢測，不但影響生產(chǎn)效率，而且這些技術(shù)裝備只能對鋼絲繩芯輸送帶進行探傷檢測，不能滿足輸送帶“外識別、內(nèi)探傷”的礦井檢修作業(yè)要求[16-20]。

1 監(jiān)測系統(tǒng)硬件設(shè)計

礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)利用各類傳感器分別獲取輸送帶表面及輸送帶內(nèi)部鋼絲繩芯的圖像，輸入圖像經(jīng)過相關(guān)處理，根據(jù)設(shè)定閾值進行預(yù)警。該系統(tǒng)主要包括X射線裝置、激光掃描儀、控制主機和工控機四個部分，系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)

礦用鋼絲繩芯輸送帶損傷主要是輸送帶表面損毀和內(nèi)部鋼絲繩芯損傷，即輸送帶表面磨損(鼓包、撕邊)和輸送帶內(nèi)部鋼絲繩芯受損，產(chǎn)生的損傷有鋼絲繩芯斷繩(絲)、鼓包、接頭抽動位移等。采用X射線和激光掃描檢測法研發(fā)了鋼絲繩芯輸送帶無損探傷監(jiān)測系統(tǒng)，如圖2所示。

圖2 輸送帶無損探傷監(jiān)測系統(tǒng)內(nèi)部結(jié)構(gòu)

鋼絲繩芯輸送帶無損探傷監(jiān)測系統(tǒng)工作原理如圖3所示，首先，采用4臺激光掃描儀對實時運行的鋼絲繩芯輸送帶上下表面進行掃描，激光掃描儀的激光發(fā)射器應(yīng)能夠發(fā)出一條線性激光，同時激光掃描儀中的相機能夠接收從目標(biāo)點反射的激光，激光掃描儀輸出線性激光各點到激光掃描儀的距離，將信號傳輸至控制主機進行數(shù)據(jù)重建，再通過工業(yè)環(huán)網(wǎng)將重建數(shù)據(jù)實時傳輸至工控機，通過工控機內(nèi)置算法對重建輸送帶表面圖像進行分析檢測，實現(xiàn)鋼絲繩芯輸送帶表面損毀智能檢測。其次，采用1臺X射線發(fā)射箱對實時運行的鋼絲繩芯輸送帶進行內(nèi)部探傷掃描，控制主機實時采集X射線接收箱的掃描信號，將探傷信號降噪處理后進行特征提取，再通過工業(yè)環(huán)網(wǎng)將X射線檢測信號實時傳輸至工控機，實現(xiàn)鋼絲繩芯輸送帶內(nèi)部探傷智能識別。

圖3 輸送帶無損探傷監(jiān)測系統(tǒng)工作原理

2 監(jiān)測系統(tǒng)關(guān)鍵算法開發(fā)

2.1 輸送帶故障預(yù)警算法

深度學(xué)習(xí)屬于機器學(xué)習(xí)的一個分支，是運用算法從原始數(shù)據(jù)中提取信息，并用某種類型的模型進行表示，然后使用該模型對一些尚未用模型表示的其他數(shù)據(jù)來進行推斷，并通過神經(jīng)網(wǎng)絡(luò)“訓(xùn)練”的方式進行學(xué)習(xí)。該系統(tǒng)利用了深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)開發(fā)了輸送帶故障預(yù)警算法，如圖4所示，系統(tǒng)實時采集X射線和激光掃描圖像信號，圖像信號經(jīng)過小波變換降噪處理后進行深度學(xué)習(xí)，首先系統(tǒng)對輸入的圖像應(yīng)用卷積，得到像素的組合作為輸出。假設(shè)輸出是邊緣，再次應(yīng)用卷積，輸出將是邊緣或線的組合。然后再次應(yīng)用卷積，此時的輸出將是線的組合，以此類推。卷積神經(jīng)網(wǎng)絡(luò)算法相當(dāng)于在每一層尋找一個特定的模式，再利用特征提取器在深度卷積神經(jīng)網(wǎng)絡(luò)中的每一層逐步建立起越來越高層次的輸送帶圖像特征表征，最終，特征經(jīng)過分類器將對圖像進行故障分類，實現(xiàn)輸入的是輸送帶原始圖像信息，輸出的是該圖像預(yù)警情況。

圖4 卷積神經(jīng)網(wǎng)絡(luò)

2.2 輸送帶帶面三維重構(gòu)算法

激光掃描儀能夠獲取輸送帶表面圖像的點云數(shù)據(jù)，其掃描資料以點的三維坐標(biāo)形式進行記錄?；诩す鈷呙鑳x的三維重建算法流程如圖5所示，利用機器視覺和線激光掃描，系統(tǒng)將實時采集到的輸送帶表面圖像點云數(shù)據(jù)進行預(yù)處理、點云計算、點云匹配和數(shù)據(jù)融合后，再通過紋理映射三維重構(gòu)算法能夠重構(gòu)輸送帶三維紋理幾何模型。系統(tǒng)通過重構(gòu)完成的輸送帶表面三維紋理幾何模型，能夠?qū)婺p區(qū)域體積和磨損面積進行分析計算，并將計算結(jié)果與設(shè)定磨損閾值比對，實現(xiàn)預(yù)警功能。

圖5 基于激光掃描儀的三維重建流程

1)圖像預(yù)處理：圖像預(yù)處理的目的在于改善圖像的視覺效果，提高掃描輸送帶區(qū)域的清晰度，有選擇的突出磨損、撕邊、鼓包等異常圖像信息。

2)特征點檢測與匹配：特征點主要包括磨損、撕邊、鼓包特征點的提取與匹配，基于SIFT算子的特征提取算法，尺度不變特征轉(zhuǎn)換用來偵測與描述輸送帶圖像中的局部性特征，在空間尺度中尋找極值點，并提取出其位置、尺度、面積等參數(shù)，該算子能夠?qū)崟r采集的圖像旋轉(zhuǎn)、縮放、光照變化和仿射變換保持不變性的特點。

3)SIFI算子：首先建立高斯差分金字塔表征，然后將每個像素點與它周圍的8個點，以及上下相鄰層的18個領(lǐng)域點，總共26個點作比較。當(dāng)識別到的故障特征點與正常點不一致時，即認定該點是特征點，計算出該特征點的主方向，由此可以將特征點提取出來。

4)利用點云數(shù)據(jù)三維技術(shù)定位并重構(gòu)出輸送帶表面的三維形貌，使輸送帶表面磨損檢測的實施和維護變得更為容易，大幅降低了煤礦生產(chǎn)自動化的成本。

2.3 輸送帶監(jiān)測系統(tǒng)數(shù)據(jù)調(diào)度算法

礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)中，采集的是輸送帶實時運行時、輸送帶表面及輸送帶內(nèi)部鋼絲繩芯情況信息，采集到的數(shù)據(jù)量龐大。輸送帶監(jiān)測系統(tǒng)數(shù)據(jù)調(diào)度算法采用了在一致性Hash算法中添加權(quán)值的方式，實現(xiàn)輸送帶監(jiān)測系統(tǒng)監(jiān)測、預(yù)警、報警、停機等不同任務(wù)的調(diào)度，監(jiān)測系統(tǒng)中每個任務(wù)權(quán)值大小可以根據(jù)虛擬服務(wù)器最大資源量和運行時每隔一段時間的資源使用率來決定，權(quán)值大小直接影響到虛擬服務(wù)器在Hash一致性環(huán)內(nèi)的節(jié)點個數(shù)，個數(shù)越多，被分配到的概率就會也大，從而更好的實現(xiàn)了負載均衡。一致性Hash算法可以很好的解決監(jiān)測系統(tǒng)海量數(shù)據(jù)調(diào)度問題。

3 實驗驗證

為了驗證礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)的有效有效性，搭建了系統(tǒng)實驗測試平臺。該實驗測試平臺長12 m，寬1 m。通過實驗平臺對鋼絲繩芯輸送帶表面損毀和內(nèi)部鋼絲繩芯損傷診斷和預(yù)警進行了驗證。

3.1 鋼絲繩芯輸送帶表面損毀檢測

利用激光掃描三維重建算法，結(jié)合計算機圖像處理及識別技術(shù)，如圖6所示，首先對輸送帶表面進行100個周期的持續(xù)監(jiān)測，獲取了輸送帶表面磨損、鼓包和撕邊3類損毀失效樣本圖像。然后通過三維重建算法對圖像進行預(yù)處理、圖像分割、特征提取和分類識別，建立輸送帶表面磨損、鼓包和撕邊3類損毀失效特征庫。最后，工控機根據(jù)激光掃描儀對輸送帶表面的掃描圖像提取失效特征，并與特征庫樣本進行對比，完成輸送帶表面損毀失效故障診斷和預(yù)警。

圖6 輸送帶表面磨損、鼓包和撕邊特征

選取5條輸送帶樣本對礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)識別精度進行實驗平臺檢測，相關(guān)測試參數(shù)見表1。

表1 系統(tǒng)識別精度檢測

經(jīng)過實驗平臺檢測，系統(tǒng)對輸送帶表面損傷識別分辨率小于1.5 mm×1.5 mm，磨損區(qū)域識別面積精度小于1 mm2，鼓包識別體積精度小于1.5 mm3。優(yōu)于國內(nèi)目前輸送帶表面檢測裝置識別分辨率和識別精度。

3.2 鋼絲繩芯輸送帶內(nèi)部繩芯損傷檢測

輸送帶內(nèi)部鋼絲繩芯損傷檢測特征如圖7所示，通過X射線無損探傷監(jiān)測系統(tǒng)獲取樣本輸送帶斷繩(絲)、鼓包和接頭抽動位移3類損毀失效樣本信號，提取樣本信號的波寬、方差、均方根值、峰值和峭度共5個時域特征值。然后通過卷積神經(jīng)網(wǎng)絡(luò)算法對斷繩(絲)、鼓包和接頭抽動位移3類損毀失效樣本信號進行分類識別，在經(jīng)過對5條不同輸送帶樣本的斷繩(絲)、鼓包和接頭抽動位移3類損毀失效樣本信號進行學(xué)習(xí)，最后建立失效特征樣本庫。工控機通過實時采集X射線信號對輸送帶內(nèi)部的透視圖像進行失效特征提取，將提取特征值與效特征樣本庫進行對比，完成輸送帶內(nèi)部損毀失效故障識別與預(yù)警。

圖7 輸送帶內(nèi)部鋼絲繩芯損傷檢測特征

選取5條輸送帶200個輸送帶斷繩(絲)、鼓包和接頭抽動位移3類損毀失效樣本信號，對礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)識別精度進行實驗平臺檢測，相關(guān)測試參數(shù)見表2。

表2 系統(tǒng)內(nèi)部損毀識別精度檢測

經(jīng)過實驗平臺檢測，礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)對斷繩(絲)、鼓包和接頭抽動位移3類損毀失效識別正確率約為98%。優(yōu)于國內(nèi)目前輸送帶內(nèi)部探傷裝置識別正確率。

3.3 礦用鋼絲繩芯輸送帶故障診斷與預(yù)警

礦用鋼絲繩芯輸送帶故障診斷與預(yù)警流程如圖8所示。工控機通過實時采集X射線接收器傳輸?shù)臋z測信號，對輸送帶內(nèi)部的透視圖像進行失效特征提取，利用深度卷積神經(jīng)網(wǎng)絡(luò)中的每一層逐步建立起越來越高層次的特征表征。卷積神經(jīng)網(wǎng)絡(luò)輸入的是原始圖像信息，輸出的是該圖像預(yù)警情況。再將提取特征值與效特征樣本庫進行對比，獲取輸送帶失效數(shù)量Nmax，若Nmax>10，說明整條輸送帶可能存在內(nèi)部損毀失效故障，則對損毀失效數(shù)量進行分類統(tǒng)計，根據(jù)分類統(tǒng)計結(jié)果，從失效故障樣本庫中調(diào)用響應(yīng)的故障診斷判定規(guī)則，進行故障診斷與故障等級判別，若運行正常，則繼續(xù)進行監(jiān)測，若存在故障，則按照故障等級的不同，采區(qū)對應(yīng)的處理措施；若Nmax<10，說明整條輸送帶運行正常，繼續(xù)進行監(jiān)測。

圖8 鋼絲繩芯輸送帶故障診斷與預(yù)警流程

4 結(jié) 語

礦用鋼絲繩芯輸送帶智能無損探傷監(jiān)測系統(tǒng)基于透視及激光三維重構(gòu)技術(shù)，通過卷積神經(jīng)網(wǎng)絡(luò)算法、點云數(shù)據(jù)三維重構(gòu)算法和數(shù)據(jù)調(diào)度算法進行數(shù)據(jù)分析處理，實驗結(jié)果表明，該系統(tǒng)可有效實現(xiàn)對鋼絲繩芯輸送帶內(nèi)部及外部的失效特征檢測預(yù)警、外部磨損區(qū)域的框選面積及磨損體積計算和鋼絲繩芯斷絲、抽頭、扭曲、接頭長度變化等失效特征故障診斷，并可準(zhǔn)確判斷鋼絲繩芯輸送帶的故障點并發(fā)出預(yù)警，其關(guān)鍵技術(shù)的實現(xiàn)為有效預(yù)防鋼絲繩芯輸送帶斷帶事故發(fā)生與安全預(yù)警奠定了良好的基礎(chǔ)。