项 目 简 介
项 目 名 称 皮带无人值守智能监测系统
主要完成单位 西山煤电（集团）有限公司屯兰选煤厂
简 介
一、立项背景
屯兰选煤厂708矸石外运皮带主要用于矸石运输。一旦该皮带发生严重故障将直接影响矿厂正常生产，造成巨大经济损失。尽管皮带机具有跑偏、堆煤与打滑等常规保护装置，能在一定程度上保护皮带运行在可控范围内，但存在传感器老化严重、故障检测方式传统与精确性较差等缺点。皮带托辊为易损设备，上托辊是1.2米一组，下托辊是6米一组，托辊数量庞大且故障表象具有间歇性特征，当前岗位工人主要依靠人耳听声音与肉眼观测两种方式判别托辊损坏程度。同时，由于缺乏输送带带面检测装置，输送带故障情况仅靠人工在机头或机尾观测。因此，当前选煤厂带式输送机设备设施故障监测存在维护难度高、诊断模式传统、巡检工人劳动强度大、人为因素影响大等问题。同时，由于人工检测非在线实时检测，往往存在较大滞后性且容易造成漏检现象，造成较为严重的经济损失。
二、项目研究主要内容
本项目重点利用人工智能机器视觉技术和声波信号智能分析技术对带式输送机输送带跑偏、撕裂故障以及托辊磨损状态进行检测，同时开发移动终端APP软件，实现远程移动可视化监测。各关键技术分析如下：
（一）声波检测和分析技术的皮带托辊磨损程度监测
在皮带支架侧面安装声波检测传感器，每隔10米安装一个，一共64个。每个声波传感器检测前后5米距离托辊声波信号，通过光纤输送至服务器进行信号分析，最终实现故障检测和定位。
本托辊故障诊断系统主要实现目标包括以下四个方面：1、故障分级检验；2、严重故障识别1) 基于音频信号所含信息识别出锁死托辊，2) 采用机器学习技术（深度学习）进行断裂识别；3、基于音频故障定位。具体技术路线如下图所示：
托辊监测技术路线框图
（二）机器视觉技术的输送带跑偏和撕裂故障监测
1、对输送带撕裂故障诊断采用机器视觉中的区域分割，提取皮带撕裂轮廓，对轮廓区域进行数学分析，对区域面积采用逐级切割和累计的方法对皮带撕裂的面积进行计算。通过对皮带正常和皮带撕裂信息进行分析和建模，结合实验分析和现场工人的工作经验确定皮带撕裂面积的报警阈值。当皮带撕裂面积超出所确定阈值，智能监测系统将故障信息传送到上位机界面并发出语音报警提示。通过监控，对视频图像进行查看并确认皮带是否发生严重撕裂、是否需要对皮带进行及时维修，避免发生二次故障伤害。其原理图如下：
皮带撕裂原理分析图
2、通过图像处理方法对皮带是否跑偏进行故障诊断。皮带跑偏智能检测系统采用图像处理中霍夫变换算法。通过确定安装相机位置建立坐标系，由霍夫变换的算法检测皮带两边缘直线，由相机采集的图像信息进行分析，建立系统模型并确定皮带正常运行阈值，当皮带运行时偏离所确定的阈值，根据所确定阈值再进行实验分析，对皮带跑偏故障进行分级，系统将故障信息和等级显示在上位机界面。其技术路线图如下：
皮带跑偏技术路线图
（三）Android手持智能终端的远程移动监测
将皮带输送机运行状态自动推送至移动终端APP中，在有故障情况下，通过颜色与声音等方式提醒相关人员及时进行处理。其流程图如下：
APP开发流程图
三、社会经济效益
（一）通过项目实施，原岗位由8人守岗可减少至4人巡岗，按照目前该岗位系数核算，年节省岗位工资约：4700元/月*12月*4=22.56万元，降低检修人员劳动强度同时也达到减员提效目的，为转岗分流政策的实施开辟新途径。
（二）通过项目实施，可及时定位问题托辊，使维检工有针对性的进行托辊维护，延长托辊的使用寿命，有效减少更换托辊的材料费用。
（三）708皮带全长1400米，项目实施前，皮带撕裂导致停车维护时间12小时，按1小时生产产品450吨、每吨770元计算，造成经济损失约12*450*770=416万元；项目实施后，维检人员可及时对皮带撕裂进行实时监测及维护，如需维修，停车时间可降至3小时，避免因撕裂口径大、维修时间长导致重大生产事故，造成巨大经济损失。
四、应用效果及推广前景。
带式输送机作为煤矿采选过程中应用最为广泛，也是最为重要的运输设备，是保证矿厂连续稳定运行的重要因素。就选煤厂运输皮带而言，整个皮带运行过程仅仅依靠人工观测排查故障，未实现运行状态的在线连续监测和故障信息自动识别，因而存在较大的安全隐患。本项目通过采用声波检测和分析技术实现托辊故障识别和定位；通过机器视觉技术，建立输送带跑偏和撕裂的故障诊断；同时开发了基于Android手持智能终端APP，实现皮带运行状态的远程移动监测。上述研究综合保障了带式输送机的连续稳定运行，降低了工人的劳动强度，推动了选煤厂智能化的发展，因此本项目研究对屯兰选煤厂乃至全国的矿厂中带式输送机监测系统建设都有重要的借鉴意义和广阔的推广应用前景。
