System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及输煤廊道监测,具体为基于中控的皮带托辊运行状态监测系统及其方法。
技术介绍
1、输煤廊道是指用于输送煤炭的通道或隧道,在煤炭输送过程中,通常使用皮带机来将煤炭从一个地点输送到另一个地点,皮带机是一种大型机械设备,由多个托辊组成的输送带负责将煤炭运输到目的地,而监测皮带机托辊异响是输煤廊道监控的重要一环,其中,异响是指托辊在运行过程中产生的异常声音或噪音;对托辊异响进行监测的目的是早期发现托辊的故障或异常情况,以便及时采取维修措施,避免可能的故障和停机时间。
2、传统的皮带机托辊异响监测手段通常采用人工巡检的方式,工作人员会定期巡检输煤廊道,用听觉或触感来感知托辊是否存在异常的声音或振动,而这种方法存在以下缺陷:
3、1.人工巡检需要大量的人力和时间,效率低下;
4、2.人工感知托辊异响的准确性受到人员主观因素的影响,容易出现漏检或误判的情况;
5、3.人工巡检无法实时监测托辊的异响情况,无法提前发现潜在故障。
技术实现思路
1、针对上述问题,本专利技术提供了基于中控的皮带托辊运行状态监测系统及其方法,其可对皮带机托辊运行状态进行实时监测,工作效率高,并可提高监测准确性。
2、本专利技术采用如下技术方案,基于中控的皮带托辊运行状态监测系统,其特征在于,包括:
3、采集模块,用于获取由声音传感器采集的皮带机托辊在运行状态下的音频数据;
4、音频片段切分模块,用于对所述音频数据进行切分以得到
5、音频片段第一处理模块,用于将所述音频数据片段的序列分别通过基于卷积神经网络模型的音频局部时域波形特征提取器以得到音频数据片段波形特征向量的序列;
6、音频片段第二处理模块,用于计算所述音频数据片段波形特征向量的序列中任意两个音频数据片段波形特征向量之间的余弦相似度,以得到音频波形稳定性时域拓扑矩阵;
7、音频片段第三处理模块,用于将所述音频波形稳定性时域拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到音频波形稳定性时域拓扑特征矩阵;
8、音频语义融合模块,用于将所述音频波形稳定性时域拓扑特征矩阵和所述音频数据片段波形特征向量的序列通过图神经网络模型以得到波形稳定性拓扑全时域音频波形语义特征矩阵;
9、音频分类模块,用于将所述波形稳定性拓扑全时域音频波形语义特征矩阵通过分类器以得到分类结果,所述分类结果用于表示皮带机托辊的运行状态是否存在异常。
10、进一步地,其还包括降噪处理模块,用于将采集模块输出的音频数据进行降噪处理以得到降噪后音频数据,并将降噪后的音频数据传至所述音频片段切分模块;
11、进一步地,所述分类结果包括所述波形稳定性拓扑全时域音频波形语义特征矩阵所属的类概率标签,所述类概率标签包括第一标签和第二标签,所述第一标签表示皮带机托辊的运行状态存在异常,所述第二标签表示皮带机托辊的运行状态不存在异常;
12、进一步地,通过分类器进行分类时,对所述波形稳定性拓扑全时域音频波形语义特征矩阵展开后得到的波形稳定性拓扑全时域音频波形语义特征向量进行权重空间迭代递归的定向提议化优化,表示为:
13、v′c=[v1⊙exp(v1)]⊕[v2⊙exp(v2)]
14、
15、
16、其中,m1和m2分别是上次和本次迭代的权重矩阵;
17、vc是所述波形稳定性拓扑全时域音频波形语义特征向量;
18、基于中控的皮带托辊运行状态监测方法,其特征在于,包括以下步骤:
19、s110、获取由声音传感器采集的皮带机托辊在运行状态下的音频数据;
20、s120、对所述音频数据进行切分以得到音频数据片段的序列;
21、s130、将所述音频数据片段的序列分别通过基于卷积神经网络模型的音频局部时域波形特征提取器以得到音频数据片段波形特征向量的序列;
22、s140、计算所述音频数据片段波形特征向量的序列中任意两个音频数据片段波形特征向量之间的余弦相似度以得到音频波形稳定性时域拓扑矩阵;
23、s150、将所述音频波形稳定性时域拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到音频波形稳定性时域拓扑特征矩阵;
24、s160、将所述音频波形稳定性时域拓扑特征矩阵和所述音频数据片段波形特征向量的序列通过图神经网络模型以得到波形稳定性拓扑全时域音频波形语义特征矩阵;
25、s170、将所述波形稳定性拓扑全时域音频波形语义特征矩阵通过分类器以得到分类结果,所述分类结果用于表示皮带机托辊的运行状态是否存在异常。
26、进一步地,在所述s120中,先对所述音频数据进行降噪处理以得到降噪后音频数据,随后对所述降噪后音频数据进行切分以得到音频数据片段的序列。
27、本专利技术的有益效果是,其可对皮带机托辊运行状态进行自动监测,以及时发现托辊的异常情况,可以减少人工巡检的工作量和时间消耗,并且降低了主观因素对监测结果的影响,从而提高输煤廊道的安全性和运行效率,具有较好的经济使用价值。
本文档来自技高网...【技术保护点】
1.基于中控的皮带托辊运行状态监测系统,其特征在于,包括:
2.根据权利要求1所述的基于中控的皮带托辊运行状态监测系统,其特征在于,其还包括降噪处理模块,用于将采集模块输出的音频数据进行降噪处理以得到降噪后音频数据,并将降噪后的音频数据传至所述音频片段切分模块。
3.根据权利要求1所述的基于中控的皮带托辊运行状态监测系统,其特征在于,所述分类结果包括所述波形稳定性拓扑全时域音频波形语义特征矩阵所属的类概率标签,所述类概率标签包括第一标签和第二标签,所述第一标签表示皮带机托辊的运行状态存在异常,所述第二标签表示皮带机托辊的运行状态不存在异常。
4.根据权利要求1所述的基于中控的皮带托辊运行状态监测系统,其特征在于,通过分类器进行分类时,对所述波形稳定性拓扑全时域音频波形语义特征矩阵展开后得到的波形稳定性拓扑全时域音频波形语义特征向量进行权重空间迭代递归的定向提议化优化,表示为:
5.基于中控的皮带托辊运行状态监测方法,其特征在于,采用如权利要求1~4任一所述的基于中控的皮带托辊运行状态监测系统,
6.根据权利要求5所述的基
...【技术特征摘要】
1.基于中控的皮带托辊运行状态监测系统,其特征在于,包括:
2.根据权利要求1所述的基于中控的皮带托辊运行状态监测系统,其特征在于,其还包括降噪处理模块,用于将采集模块输出的音频数据进行降噪处理以得到降噪后音频数据,并将降噪后的音频数据传至所述音频片段切分模块。
3.根据权利要求1所述的基于中控的皮带托辊运行状态监测系统,其特征在于,所述分类结果包括所述波形稳定性拓扑全时域音频波形语义特征矩阵所属的类概率标签,所述类概率标签包括第一标签和第二标签,所述第一标签表示皮带机托辊的运行状态存在异常,所述第二标签表示皮带机托辊的运行状态不存在异常。
...
【专利技术属性】
技术研发人员:吴坤松,郑立刚,王思展,陈传圭,庄陈斌,孙新佳,苏睿之,张浩,刘先春,
申请(专利权)人:华能广东能源开发有限公司汕头电厂,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。