丁秀榮，薛正福，王芝蘭

(赤峰工業(yè)職業(yè)技術(shù)學院，內(nèi)蒙古 赤峰 024000)

帶式輸送機滾筒是用來支撐膠帶輸送煤炭物料的部件。盡管檢測帶式輸送機滾筒的狀況很容易，但是當膠帶分布范圍較廣時，其故障檢測的任務(wù)就變得比較艱巨。此外，檢查的有效性完全取決于檢查員的能力。這些工程現(xiàn)場的不利因素加在一起，增加了檢查不準確的可能性，可能導致今后帶式輸送機滾筒的故障、生產(chǎn)損失和基礎(chǔ)設(shè)施受損[1-4]。本文描述了檢測解決方案的傳感布置和后端模塊的實現(xiàn)和現(xiàn)場驗證。配備熱成像照相機和離線信號處理技術(shù)的，其檢測程序得到了極大的改進，在精度、機動性和生產(chǎn)率方面取得了可量化的效益[5-8]。雖然在礦井現(xiàn)場進行的廣泛實地試驗結(jié)果表明，該方法可以有效評估帶式輸送機滾筒的狀況，但也討論了在不受控制的工業(yè)環(huán)境中影響熱成像檢查準確性的主要因素和條件。通過一種帶式輸送機滾筒熱成像檢測方法，討論影響滾筒熱像檢測的幾個因素，討論了監(jiān)測軋輥狀態(tài)的主要技術(shù)和軋輥識別的自動化機制。提出了解決方案的技術(shù)層次，分類描述了現(xiàn)場實驗的實際應(yīng)用效果，概述了未來的帶式輸送機滾筒故障檢測工作和研究方向。

1 滾筒工程故障問題

帶式輸送系統(tǒng)廣泛應(yīng)用于不同行業(yè)的散裝物料處理，尤其是煤礦業(yè)。煤炭物料的輸送鏈一般處于采礦工藝鏈的末端，依靠這種設(shè)備在不同地區(qū)運輸大量煤炭物料，包括輸送點、儲存場和裝煤機。定期對帶式輸送系統(tǒng)的不同部件進行維修檢查，以確保這一關(guān)鍵設(shè)備的安全和可靠性運行[9-11]。滾筒、滑輪、卷取系統(tǒng)和驅(qū)動單位組合在頭部或尾部的帶式輸送機，以便安裝自動化檢查系統(tǒng)。然而，大多數(shù)部件分散在輸送系統(tǒng)的各個部分，這使得監(jiān)控或檢查它們變得更加困難。其中，一個部件是托輥或滾筒，負責支撐膠帶和輸送材料。滾筒的數(shù)量與膠帶的延伸呈正比。

輸送機的配置可能會有所不同，但是傳統(tǒng)的帶式輸送機有1個托輥，托輥間距大約為1 m。這意味著3 000個/km滾輪的輸送機需要進行故障狀態(tài)監(jiān)測。在進行研究的煤礦帶式輸送機，對超過12 km的帶式輸送系統(tǒng)的監(jiān)測是在沒有儀器的情況下進行的，只依靠維修隊的經(jīng)驗進行專業(yè)的檢查。檢查員走在每個托輥或滾筒的兩邊，檢查每個托輥或滾筒是否有鎖住、損壞的部件、異常的噪音。目前的做法有以下缺點，如檢查質(zhì)量差，需要使用專業(yè)技術(shù)人員以及與危險環(huán)境有關(guān)的健康和安全問題。

如果檢查的質(zhì)量是不準確的，未檢測到的缺陷托輥或滾筒的后果是不可預測的。在最終更換輥體之前，帶式輸送機可能不會受到損壞，但它也可能過熱并引起膠帶著火。在極端情況下，火災可能會蔓延到礦井的其他設(shè)備，這是一個危險的情況，帶來嚴重的經(jīng)濟損失。滾筒故障類型如圖1所示。

圖1 滾筒故障類型示意Fig.1 Schematic diagram of roller failure types

2 帶式輸送機滾筒檢測技術(shù)背景

2.1 托輥結(jié)構(gòu)與故障檢測

托輥結(jié)構(gòu)是由2個軸承組成的旋轉(zhuǎn)機械，這2個軸承安裝在被圓柱形表面包裹的固定軸上(稱為包層或殼體)，如圖2所示。雖然有一些缺陷影響輥體的外殼，但大多數(shù)缺陷與軸承有關(guān)。

圖2 托輥結(jié)構(gòu)示意Fig.2 Schematic diagram of roller structure

托輥結(jié)構(gòu)作為具有代表性的旋轉(zhuǎn)機械，其中輥體可以通過以下3個信號來評估軸承的狀態(tài)：①聲學。取決于制造材料和內(nèi)部特性，軸承有特定的聲發(fā)射模式。盡管難以分離和處理感興趣的頻率，增加振幅或擾動的輥體的聲音特征，可以表明早期軸承故障，強調(diào)這一信號的預測行為。②熱傳導。當輥體旋轉(zhuǎn)時，其內(nèi)部部件之間存在摩擦。軸承故障會增加摩擦力，從而導致溫度升高。可以使用不同的閾值來評估故障階段，但與相鄰軸承相比，升高5 ℃已經(jīng)是早期故障的跡象或磨損較快的不均勻輥體。③振動頻率。自然振動頻率的變化證明了軸承的故障。與聲學信號一樣，基于振動的故障診斷需要對頻率進行分離和處理，這技術(shù)并不容易實現(xiàn)，但是可以使用幾種技術(shù)聯(lián)合實施，也可以根據(jù)振動對缺陷進行分類。

2.2 狀態(tài)監(jiān)測技術(shù)的對比分析

目前的技術(shù)采用聲學、熱學和振動信號來評估軋輥的狀態(tài)。然而，不同的類型的傳感器使用和如何定位是關(guān)鍵技術(shù)要點。托輥檢測技術(shù)路線如圖3所示。

圖3 托輥檢測技術(shù)路線示意Fig.3 Schematic diagram of technical route of idler inspection

原始的檢測方案會將不同類型的傳感器封裝在滾筒中，以捕獲熱、振動和聲音信號。與托輥連接的滾筒作為工業(yè)物聯(lián)網(wǎng)設(shè)備，具有內(nèi)置的測量、分類和報告異常條件的技術(shù)能力。然而，所有現(xiàn)有的軋輥必須被智能模型所取代，以實現(xiàn)一個完全連續(xù)監(jiān)測的帶式輸送機系統(tǒng)，在工程檢測中的大量軋輥已經(jīng)有了商業(yè)技術(shù)的檢測解決方案。

圖 3中方案基于安裝在帶式輸送系統(tǒng)框架中的Fixed Sensors。安裝加速度計來捕捉振動，小波包分解來分離和識別缺陷輥體，支持向量機來分類故障。同樣，使用神經(jīng)網(wǎng)絡(luò)和分類器來識別基于振動信號的不同失效類型。采用麥克風捕獲聲音信號，并使用小波變換檢測軋輥中的錯誤行為，這種解決方案仍然使用大量的傳感器，通過分布式光纖傳感(DOFS)，其中光纖電纜既作為傳感器又作為傳輸媒介。

主要的光纖傳感原理可用于監(jiān)測滾筒：①分布式溫度感測(DTS)。DTS是基于拉曼光學時域反射(OTDR)原理，使用這種技術(shù)，可以在一個10 km的地下煤礦安裝中獲得3 m的空間分辨率。本文測試的溫度測量中絕緣外部因素的校準是主要缺點。拉曼OTDR技術(shù)在一般的幾個商業(yè)系統(tǒng)進行實際的應(yīng)用。②分布式聲學傳感(DAS)。DAS是基于瑞利相干光時域反射測量(C-OTDR)原理，與其他用于軋輥狀態(tài)監(jiān)測的自由度函數(shù)(DOFS)技術(shù)相比相對較新。然而，商業(yè)解決方案的推出仍然取決于分離和提取條件的能力，由軸承發(fā)出的故障頻率決定。

2.3 紅外圖像與巡檢機器人的檢測方案

圖3中提出的解決方案涉及移動傳感器結(jié)構(gòu)，一種選擇是有一個傳感器結(jié)構(gòu)專用于一個帶式輸送機機構(gòu)，可以產(chǎn)生連續(xù)監(jiān)測的效果。機器人在運輸系統(tǒng)的框架內(nèi)移動，并捕獲紅外熱圖像，以評估軋輥的溫度。主要的缺點是強制適應(yīng)帶式輸送系統(tǒng)通常是不可行的。另一種可能性是擁有一個可拆卸的、獨立的傳感器結(jié)構(gòu)，由不同的運輸工具運輸，比如地面機器人、電纜或鐵路無人機、甚至是專業(yè)技術(shù)人員的檢測。這種設(shè)計增加了靈活性，也可能降低成本，因為單個傳感器結(jié)構(gòu)可用于監(jiān)測多個帶式輸送機。顯而易見的缺點是批量監(jiān)控，其他缺點與機器與熱傳感的配合有關(guān)。專業(yè)檢查員行動緩慢，以每秒1.4 m/s的速度行走。地面機器人可能面臨爬梯子和進入未鋪設(shè)路徑的困難，但是能夠克服障礙，具體架構(gòu)如圖4所示。

圖4 巡檢機器人總體方案Fig.4 Overall plan of inspection robot

2.4 檢測功能的實現(xiàn)

根據(jù)所討論的方法，了解到使用內(nèi)置傳感器對于現(xiàn)有的操作并不理想，因為在研究案例的礦井有超過2萬個滾筒的檢測要求。同樣，固定傳感器的使用不可行，延伸超過20 km的工作面無法使用固定式傳感器。自由度交互的系統(tǒng)非常適用于地下礦井，但是具有挑戰(zhàn)性的是數(shù)據(jù)校準是主要的弱點。如上所述，移動傳感器結(jié)構(gòu)也有其自身的缺陷，但它們可以被視為從人工檢查過渡到由內(nèi)置或固定傳感器提供的在線監(jiān)測。

巡檢機器人具有以下特點：①不受地形條件的影響；②可以高速移動，這可以減少檢查時間；③適合在露天地區(qū)使用，如裝載區(qū)。因此，選擇巡檢機器人作為運載工具。

裝載區(qū)位于整個傳輸系統(tǒng)的較大延伸部分，為了獲得滾筒的狀態(tài)，選擇熱信號的數(shù)據(jù)監(jiān)測方式。巡檢機器人有商用熱成像攝像機，與聲波和振動信號相比，這種信號更容易從巡檢機器人中捕獲，盡管提取相關(guān)信息并不容易。

在煤礦上應(yīng)用熱成像技術(shù)檢測輥體的運行狀態(tài)具有前瞻性。其他連接熱成像和巡檢機器人的工作集中于不同的應(yīng)用，如運輸管理、電力線監(jiān)測和電路檢查。帶式輸送機滾筒的檢測工作是使用無人機和機器學習算法來幫助檢查過程的應(yīng)用實例。巡檢機器人通過熱成像檢測帶式輸送機滾筒的方案細節(jié)和機構(gòu)組件如圖5所示。

圖5 巡檢機器人結(jié)構(gòu)示意Fig.5 Structure diagram of inspection robot

3 系統(tǒng)傳感平臺的設(shè)計

3.1 數(shù)據(jù)采集過程

使用DJIZenmuseXT熱成像相機。該機器最大連續(xù)自動記錄時間為18 min，在無干擾環(huán)境下的航程為5 km，能夠在風速10 m/s的情況下以最高21.9 m/s的速度保持穩(wěn)定運行。在理想的情況下，以9 m/s的速度移動，巡檢機器人能夠在5 min內(nèi)檢查1.5 km的兩側(cè)膠帶，而檢查員以1.4 m/s的速度行走和花費2 s檢查每個滾筒將需要5.6 h。

DJIZenmuseXT熱成像照相機的分辨率為640 512 Pi，鏡頭為19 mm，幀頻為9 Hz，能夠以9 m/s的速度捕捉行走中的至少1幀圖像。此外，質(zhì)量為270 g，配備有非制冷的VOx微測輻射計，可感知7.5～13.5 m的光譜范圍，可歸類為長波紅外線(LWIR)，非常適合測量20～650 ℃的溫度。按照帶式輸送機的結(jié)構(gòu)放置巡檢機器人，如圖6所示。

3.2 后端平臺的軟件設(shè)計

3.2.1 中間通信組建設(shè)計

中間層對于啟用感應(yīng)平臺和后端系統(tǒng)之間的連接非常重要，后端系統(tǒng)消耗有關(guān)檢查的信息。由于計算機維修管理系統(tǒng)(CMMS)是維修計劃的重要組成部分，因此著重于為CMMS提供信息。由于采用了面向服務(wù)的體系結(jié)構(gòu)(SOA)方法和企業(yè)服務(wù)總線(ESB)將數(shù)據(jù)發(fā)出端口與接收端口相分離，故該層可以作為傳感平臺與任何需要滾筒狀態(tài)信息的系統(tǒng)之間的橋梁。

圖6 巡檢機器人布置方案Fig.6 Layout plan of inspection robot

如圖7所示，中間層有2個主要角色：連接和協(xié)議轉(zhuǎn)換。在第1個角色中，它被用作企業(yè)和外部之間的安全網(wǎng)關(guān)網(wǎng)絡(luò)(4G、WiFi等)，感應(yīng)平臺連接至該網(wǎng)絡(luò)。使用APIManagement系統(tǒng)來公開Internet網(wǎng)絡(luò)使用的REST—API數(shù)據(jù)，因此對該API的任何請求都會通過VPN鏈接轉(zhuǎn)發(fā)到企業(yè)網(wǎng)絡(luò)中的ESB，如圖7所示。中間層的第2個角色是協(xié)議翻譯。ESB已經(jīng)使用簡單對象訪問協(xié)議(SOAP)來報告CMMS中的缺陷。這個中間層用于將代表性狀態(tài)轉(zhuǎn)移(REST)請求轉(zhuǎn)換為SOAP模式。

圖7 巡檢機器人通信網(wǎng)絡(luò)示意Fig.7 Schematic diagram of communication network of inspection robot

3.2.2 后端系統(tǒng)的設(shè)計

平臺必須在現(xiàn)場發(fā)現(xiàn)缺陷后立即報告后端系統(tǒng)，關(guān)于缺陷的信息對于組織中的幾個系統(tǒng)都很重要。

由于CMMS的重要性，把它作為一個后端系統(tǒng)要求準確信息的報送。在全球范圍內(nèi)使用的CMMS是SAPPlantMaintenance(PM)系統(tǒng)。該系統(tǒng)負責管理日常維護工作，包括預防和糾正工作。維護模塊與企業(yè)資源規(guī)劃(ERP)的其余模塊完全集成。這種集成簡化了檢測的流程，但也需要可靠的信息。目前的做法以敏感檢查為基礎(chǔ)，在可靠性方面有2個缺點：①檢查本身的質(zhì)量，因為沒有使用儀器以及檢查員在CMMS中手工輸入檢查結(jié)果。②型號不匹配、故障信息不完整以及有缺陷的滾筒位置不準確是常見的現(xiàn)象。

將后端系統(tǒng)進行可視化設(shè)計，實現(xiàn)被測物體能夠顯示出實時的紅外圖像，技術(shù)人員便可通過紅外圖像判斷帶式輸送機滾筒的運行狀況，如圖8所示。

圖8 帶式輸送機滾筒檢測紅外熱成像原理Fig.8 Principle diagram of infrared thermal imaging of belt conveyor roller detection

4 托輥運行狀態(tài)檢測方法實驗測試與分析

由于實驗條件有限，考慮實驗安全等問題，帶式輸送機為空載狀態(tài)運行，輸送帶運行速度為3 m/s，在輸送機上分別安裝卡阻故障托輥和正常托輥，應(yīng)用雙光譜攝像機采集托輥的紅外熱成像視頻圖像，并通過Python—OpenCV圖像處理模塊采用章節(jié)3所述的處理方法，進行10組實驗測試，測試結(jié)果見表1，此處列舉出2組卡阻故障托輥紅外圖像的處理過程，如圖9所示。

表1 實驗測試結(jié)果Tab.1 Experimental test results ℃

經(jīng)過10次實驗測試可知，應(yīng)用紅外熱成像儀采集托輥運行狀態(tài)的視頻圖像，采用本文所提出的卡阻故障托輥檢測標定方法，成功檢測并標定出圖像中的卡阻故障托輥，而對正常托輥不作標定，在目前實驗室試驗階段檢測結(jié)果準確率可達 100%。

圖9 滾筒卡阻故障托輥檢測標定過程Fig.9 Process of checking and calibrating roller jamming failure idler

5 結(jié)語

本文使用熱成像照相機對帶式輸送機滾筒的故障狀況進行半自動檢查，是解決與檢查這些關(guān)鍵礦井機械部件的另一種創(chuàng)新的井下檢測技術(shù)方法。該方法識別有缺陷的滾筒也非常有效，特別是在漆黑的井下環(huán)境中，提供足夠的故障信息，以目視識別不同類型的故障問題，如鎖定輥體或軸承故障。通過熱成像相機與現(xiàn)代化檢測技術(shù)的組合，以優(yōu)化檢查技術(shù)框架，使得故障滾筒的自動評估也可以得到改進。采用基于人工神經(jīng)網(wǎng)絡(luò)的深度學習模型進行目標檢測和分割，代替淺層學習技術(shù)，可以減少目標檢測中的假陰性數(shù)和假陽性檢測。通過本文的研究成果，可以預測主動感知的視覺和熱成像技術(shù)將在礦井故障檢測應(yīng)用中發(fā)揮重要作用。