本發(fā)明屬于聲學應用技術領域，涉及一種帶式輸送機托輥異常聲學診斷系統及方法。

背景技術：

帶式輸送機具有運行成本低、操作簡單、效率高和運距遠等特點，是重要的散裝物料運輸設備。但在運行過程中，會發(fā)生各類事故并存在安全隱患。傳統的遠程帶式輸送機故障檢測主要依賴于人工巡檢，工作量大且工作環(huán)境危險。隨著通信與人工智能技術的不斷的提高，為智能巡檢創(chuàng)造了條件，利用巡檢設備搭載各種傳感器實現對帶式輸送機實現智能巡檢已成為業(yè)界研究熱點并正在逐步推廣應用。

托輥是帶式輸送機用以承載膠帶及膠帶上所運送的物料的重要部件，沿線間隔1.5米左右布置一組，一條數千米長的帶式輸送機就有數千組托輥，數量眾多。托輥故障主要來源于托輥軸承損壞，早期主要表現為卡頓，即托輥隨膠帶前行旋轉不暢，長期與膠帶加劇摩擦，同時發(fā)出異常聲音。如果一直得不到修復，可能導致局部溫升過高，運送煤等依然物料時可能導致火災，在煤礦井下則可能導致瓦斯爆炸。

由于托輥數量眾多，在每組托輥安裝溫度等傳感器會導致成本過高，因此，智能巡檢設備上搭載拾音器，采取非接觸方式實時檢測聲音數據，通過對聲音數據的分析，判斷托輥是否出現故障是智能巡檢設備的重要功能之一。

中國專利cn205204106u提出了一種帶式輸送機托輥運行噪聲檢測與損壞預估系統，其采用實際噪聲頻譜曲線的幅值超過標準噪聲頻譜曲線幅值50％時發(fā)出輕故障預警，超過70％時發(fā)出重故障報警的方法進行托輥故障診斷。其中沒有關于托輥損壞過程的動態(tài)研究，僅僅籠統地設定實際頻譜曲線幅值高出正常托輥(標準)頻譜曲線幅值50％和70％兩個閾值，沒有關注幅值加大時所處頻率范圍，可以理解為只要實際噪聲的響度或聲壓級增加，超過了設定閾值就預警或報警，這樣的判據是不嚴謹的，尤其無法判定托輥早期故障。

技術實現要素：

有鑒于此，本發(fā)明的目的在于提供一種帶式輸送機托輥異常聲學診斷系統及方法，通過聲學診斷技術判別帶式輸送機托輥故障情況，實現托輥早期故障在線預警和故障報警。

為達到上述目的，本發(fā)明提供如下技術方案：

一方面，本發(fā)明提供一種帶式輸送機托輥異常聲學診斷系統，包括巡檢機器人和機器人管理平臺，所述巡檢機器人沿帶式輸送機來回巡檢，所述巡檢機器人上設有聲學診斷模塊，處理器模組以及無線通信模塊；所述聲學診斷模塊用于檢測噪聲信號的頻率和幅值，并形成數字信號發(fā)送給處理器模組；所述處理器模組用于根據接收到的數字信號計算出噪聲尖銳度數據，并與尖銳度閾值進行比較，若超出閾值則發(fā)出報警信號；所述報警信號通過所述無線通信模塊發(fā)送到帶式輸送機沿線布置的基站，所述基站再轉發(fā)至所述機器人管理平臺；所述機器人管理平臺發(fā)出報警信息并記錄。

進一步，所述聲學診斷模塊包括聲壓傳感器和聲音編碼器，所述聲壓傳感器將噪聲響度信號轉換為電壓信號送入聲音編碼器，所述聲音編碼器連續(xù)提取噪聲信號的頻率和幅值(響度)形成以數字信號表示的聲波，并發(fā)送到處理器模組。

進一步，所述機器人管理平臺發(fā)出的報警信息中包含時間信息，所述機器人管理平臺通過所述時間信息計算出巡檢機器人發(fā)出報警時所處的位置，從而定位故障托輥。

進一步，所述處理器模組首先對噪聲信號進行fft分析，獲得臨界頻帶和響度譜，再按照下式每間隔2秒計算一次噪聲尖銳度數據：

式中n'(z)為臨界頻帶z上的響度譜，響度譜對臨界頻帶的積分就是響度，g(z)為附加系數，z為臨界頻帶，d(z)為臨界頻帶微分。

另一方面，一種帶式輸送機托輥異常聲學診斷方法，包括以下步驟：

s1：巡檢機器人沿帶式輸送機來回移動巡檢，采集托輥的噪聲信號；

s2：通過聲壓傳感器將噪聲響度信號轉換為電壓信號送入聲音編碼器，聲音編碼器連續(xù)提取噪聲信號的頻率和幅值(響度)形成以數字信號表示的聲波，發(fā)送到處理器模組；

s3：處理器模組對噪聲信號進行fft分析，獲得臨界頻帶和響度譜，每間隔2秒計算一次噪聲尖銳度數據，若尖銳度超過設定閾值，則向帶式輸送機沿線布置的基站發(fā)出報警信號，再通過基站轉發(fā)至機器人管理平臺；

s4：機器人管理平臺接收到報警信號后向人機界面發(fā)出報警信息并記錄；

s5：機器人管理平臺通過報警信息中記錄的時間信息，計算出故障托輥的位置。

進一步，處理器模組通過下式計算噪聲尖銳度數據：

式中n'(z)為臨界頻帶z上的響度譜，響度譜對臨界頻帶的積分就是響度，g(z)為附加系數，z為臨界頻帶，d(z)為臨界頻帶微分。

本發(fā)明的有益效果在于：研究表明，正常托輥噪聲頻率范圍主要在4000hz以下，其中500hz以下幅值較大。故障托輥發(fā)出的噪聲頻率范圍在0～7000hz，其中4000～6500hz范圍幅值顯著加大。

托輥故障絕大多數是托輥軸承故障。托輥軸承故障早期階段時托輥往往還能旋轉，只是轉速變低，部分存在滑動摩擦，頻譜曲線與正常托輥的沒有明顯區(qū)別。隨著軸承故障程度加劇，托輥轉速越來越降低直至完全停止，托輥與膠帶之間摩擦力越來越由滾動摩擦轉變?yōu)榛瑒幽Σ?，在此過程中，頻譜曲線幅值顯著加大的頻率范圍越來越向高頻方向移動，直至4000～6500hz范圍。

因此現有技術中采用頻譜曲線進行診斷的誤差很大，而故障托輥在運行中會發(fā)出更尖銳的噪聲，其尖銳程度與故障的嚴重程度相關，本發(fā)明通過托輥聲音尖銳度進行檢測，能準確反映托輥故障狀態(tài)和故障嚴重程度。

本發(fā)明還有以下有益效果：

1)利用聲品質指標中的尖銳度指標診斷托輥故障，不僅可以診斷出已不能旋轉的托輥，而且可以診斷出已經發(fā)生軸承故障但尚能旋轉的故障托輥。

2)托輥故障早期階段即被檢出并修復，可減少膠帶與故障托輥的滑動摩擦，從而提高膠帶使用壽命，增強帶式輸送機運行的安全性。

3)在智能巡檢設備上搭載聲壓傳感器進行非接觸式測量，是成本低廉而可靠性很高的檢測方案。

本發(fā)明的其他優(yōu)點、目標和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領域技術人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導。本發(fā)明的目標和其他優(yōu)點可以通過下面的說明書來實現和獲得。

附圖說明

為了使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā)明作優(yōu)選的詳細描述，其中：

圖1為本發(fā)明所述帶式輸送機托輥異常聲學診斷系統的結構示意圖。

具體實施方式

以下通過特定的具體實例說明本發(fā)明的實施方式，本領域技術人員可由本說明書所揭露的內容輕易地了解本發(fā)明的其他優(yōu)點與功效。本發(fā)明還可以通過另外不同的具體實施方式加以實施或應用，本說明書中的各項細節(jié)也可以基于不同觀點與應用，在沒有背離本發(fā)明的精神下進行各種修飾或改變。需要說明的是，以下實施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構想，在不沖突的情況下，以下實施例及實施例中的特征可以相互組合。

其中，附圖僅用于示例性說明，表示的僅是示意圖，而非實物圖，不能理解為對本發(fā)明的限制；為了更好地說明本發(fā)明的實施例，附圖某些部件會有省略、放大或縮小，并不代表實際產品的尺寸；對本領域技術人員來說，附圖中某些公知結構及其說明可能省略是可以理解的。

本發(fā)明實施例的附圖中相同或相似的標號對應相同或相似的部件；在本發(fā)明的描述中，需要理解的是，若有術語“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此附圖中描述位置關系的用語僅用于示例性說明，不能理解為對本發(fā)明的限制，對于本領域的普通技術人員而言，可以根據具體情況理解上述術語的具體含義。

研究表明，正常托輥噪聲頻率范圍主要在4000hz以下，其中500hz以下幅值較大。故障托輥發(fā)出的噪聲頻率范圍在0～7000hz，其中4000～6500hz范圍幅值顯著加大。

托輥故障絕大多數是托輥軸承故障。托輥軸承故障早期階段時托輥往往還能旋轉，只是轉速變低，部分存在滑動摩擦，頻譜曲線與正常托輥的沒有明顯區(qū)別。隨著軸承故障程度加劇，托輥轉速越來越降低直至完全停止，托輥與膠帶之間摩擦力越來越由滾動摩擦轉變?yōu)榛瑒幽Σ粒诖诉^程中，頻譜曲線幅值顯著加大的頻率范圍越來越向高頻方向移動,直至4000～6500hz范圍。

以上描述的通俗解釋就是，故障托輥在運行中會發(fā)出更尖銳的噪聲，其尖銳程度與故障的嚴重程度相關?；谠撗芯砍晒痉桨柑岢霾捎寐暺焚|指標中的尖銳度指標對故障托輥進行診斷。

尖銳度(sharpness)指標描述了聲音品質評價中的音色特征，符號為s，單位為acum。對于頻率較高的聲音，感受到的尖銳度較大。尖銳度計算目前沒有標準方法，采用的計算公式：

式中n'(z)為臨界頻帶z上的響度譜，響度譜對臨界頻帶的積分就是響度，g(z)為附加系數，z為臨界頻帶，d(z)為臨界頻帶微分。

由上式可見，尖銳度是基于特征響度曲線計算，反映了聲音中高頻成分所占比例，它既受響度的影響，更受頻率的影響，能準確反映托輥故障狀態(tài)和故障嚴重程度。

帶式輸送機托輥異常聲學診斷系統如圖1所示，搭載于巡檢機器人上，巡檢機器人沿膠帶輸送機來回移動巡檢。inv9206b為電容式聲壓傳感器，由于聲波形成的氣壓會改變電容容值，通過檢測電容容值檢測噪聲響度。聲壓傳感器將噪聲響度信號轉換為電壓信號送入聲音編碼器，聲音編碼器acl892連續(xù)提取噪聲信號的頻率和幅值(響度)形成以數字信號表示的聲波，以串行通訊方式送入som7569cpu模組，由運行在cpu模組上的應用程序對噪聲信號進行fft分析等運算，獲得臨界頻帶和響度譜，按照式(1)每間隔2秒計算一次噪聲尖銳度數據，若尖銳度超過設定閾值，則發(fā)出報警信號。

報警信號攜帶時間信息以10/100m以太網信號發(fā)送給wifi路由器，wifi路由器以無線通訊方式發(fā)送到帶式輸送機沿線布置的通訊基站，基站再以有線通訊方式將報警信息發(fā)送給機器人管理平臺，機器人管理平臺通過人機界面發(fā)出報警信息并記錄。

由于報警信息中包含時間信息，機器人管理平臺可據此計算巡檢機器人發(fā)出報警時所處位置，因此，維修人員可根據報警信息在帶式輸送機停機后快速找出故障托輥進行維修更換。

最后說明的是，以上實施例僅用以說明本發(fā)明的技術方案而非限制，盡管參照較佳實施例對本發(fā)明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本技術方案的宗旨和范圍，其均應涵蓋在本發(fā)明的權利要求范圍當中。

技術特征：

1.一種帶式輸送機托輥異常聲學診斷系統，其特征在于：包括巡檢機器人和機器人管理平臺，所述巡檢機器人沿帶式輸送機來回巡檢，所述巡檢機器人上設有聲學診斷模塊，處理器模組以及無線通信模塊；所述聲學診斷模塊用于檢測噪聲信號的頻率和幅值，并形成數字信號發(fā)送給處理器模組；所述處理器模組用于根據接收到的數字信號計算出噪聲尖銳度數據，并與尖銳度閾值進行比較，若超出閾值則發(fā)出報警信號；所述報警信號通過所述無線通信模塊發(fā)送到帶式輸送機沿線布置的基站，所述基站再轉發(fā)至所述機器人管理平臺；所述機器人管理平臺發(fā)出報警信息并記錄。

2.根據權利要求1所述的帶式輸送機托輥異常聲學診斷系統，其特征在于：所述聲學診斷模塊包括聲壓傳感器和聲音編碼器，所述聲壓傳感器將噪聲響度信號轉換為電壓信號送入聲音編碼器，所述聲音編碼器連續(xù)提取噪聲信號的頻率和幅值(響度)形成以數字信號表示的聲波，并發(fā)送到處理器模組。

3.根據權利要求1所述的帶式輸送機托輥異常聲學診斷系統，其特征在于：所述機器人管理平臺發(fā)出的報警信息中包含時間信息，所述機器人管理平臺通過所述時間信息計算出巡檢機器人發(fā)出報警時所處的位置，從而定位故障托輥。

4.根據權利要求1所述的帶式輸送機托輥異常聲學診斷系統，其特征在于：所述處理器模組首先對噪聲信號進行fft分析，獲得臨界頻帶和響度譜，再按照下式每間隔2秒計算一次噪聲尖銳度數據：

式中n'(z)為臨界頻帶z上的響度譜，響度譜對臨界頻帶的積分就是響度，g(z)為附加系數，z為臨界頻帶，d(z)為臨界頻帶微分。

5.一種帶式輸送機托輥異常聲學診斷方法，其特征在于：包括以下步驟：

s1：巡檢機器人沿帶式輸送機來回移動巡檢，采集托輥的噪聲信號；

s2：通過聲壓傳感器將噪聲響度信號轉換為電壓信號送入聲音編碼器，聲音編碼器連續(xù)提取噪聲信號的頻率和幅值(響度)形成以數字信號表示的聲波，發(fā)送到處理器模組；

s3：處理器模組對噪聲信號進行fft分析，獲得臨界頻帶和響度譜，每間隔2秒計算一次噪聲尖銳度數據，若尖銳度超過設定閾值，則向帶式輸送機沿線布置的基站發(fā)出報警信號，再通過基站轉發(fā)至機器人管理平臺；

s4：機器人管理平臺接收到報警信號后向人機界面發(fā)出報警信息并記錄；

s5：機器人管理平臺通過報警信息中記錄的時間信息，計算出故障托輥的位置。

6.根據權利要求5所述的帶式輸送機托輥異常聲學診斷方法，其特征在于：處理器模組通過下式計算噪聲尖銳度數據：

式中n'(z)為臨界頻帶z上的響度譜，響度譜對臨界頻帶的積分就是響度，g(z)為附加系數，z為臨界頻帶，d(z)為臨界頻帶微分。

技術總結

本發(fā)明涉及一種帶式輸送機托輥異常聲學診斷系統，屬于聲學應用技術領域，包括巡檢機器人和機器人管理平臺，所述巡檢機器人沿帶式輸送機來回巡檢，所述巡檢機器人上設有聲學診斷模塊，處理器模組以及無線通信模塊；所述聲學診斷模塊用于檢測噪聲信號的頻率和幅值，并形成數字信號發(fā)送給處理器模組；所述處理器模組用于根據接收到的數字信號計算出噪聲尖銳度數據，并與尖銳度閾值進行比較，若超出閾值則發(fā)出報警信號；所述報警信號通過所述無線通信模塊發(fā)送到帶式輸送機沿線布置的基站，所述基站再轉發(fā)至所述機器人管理平臺；所述機器人管理平臺發(fā)出報警信息并記錄。

技術研發(fā)人員：佘影;于慶;羅明華;方崇全;秦偉;張海峰;吳銀成;黃春;秦玉忠;朱興林;向兆軍;張先鋒;李一文;周斌;薛彥波;張鑫燁;孫柳軍;胡峰;于波;譚成;謝鴻;高曉東

受保護的技術使用者：中煤科工集團重慶研究院有限公司

技術研發(fā)日：2021.03.25

技術公布日：2021.07.06