AR技术在选矿皮带机运维中的应用

李熙然 高太 丛峰武 孟让 陶然

1.鞍山钢铁集团有限公司齐大山选矿厂；2.大连交通大学

本文对智慧矿业在皮带机运维中的具体应用进行研究，提出选矿皮带机AR运维的二段式建设的思路。针对运维部件，结合AR技术、三维扫描技术和三维模型，提出通过AR运维工作流积累数据，构建比对可行性方案。提高选矿皮带机隐患的识别效率与故障点的精准定位，进一步推进“智慧矿业”的发展。

选矿作业设备从破碎设备、磨矿设备、筛分设备到磁选设备、浮选设备，整套设备的综合运作串联形成完整的选矿作业链[1]。皮带承担起了选矿设备中的一个重要角色，是选矿作业良好进行的基础，对皮带机整体隐患排查、维修的不及时会造成机器的故障以及停转，降低选矿工作效率。

1 国内选矿皮带运维现状及机遇

选矿机器皮带的工作是以发动机为动力源头，滚轮在动力支持下高速旋转带动皮带的运转，结构如图1所示。在皮带机的巡检过程中，很多部位的隐患是不可见的，单靠观察无法判断部件损坏情况。定期停机更换皮带，这种不探究皮带本身的破损程度的方式资金消耗巨大，并且皮带的利用率低。

“智慧矿山”理念下，首先需要在企业构建智慧化的基础体制，智能化工作流程；其次，在基础建设完备的情况下，增添智能化设备，实现运维工作的可视化等专项建设[2]。

2 AR技术的应用场景分析

2.1 员工需求分析

通过用户分析的方法，细分使用人群的不同需求，分析步骤如图2所示。新员工：培训难度大、周期长，维修操作及判断需要时间和现场积累。巡检、维修的工作人员：巡检部件繁杂，部分部件无法用视线观察，内部问题及细微问题无法及时发现。维修专家：发生设备故障，专家的沟通效率低。

2.2 选矿皮带机运维分析

通过实地考察，员工座谈方式，掌握目前选矿皮带机智慧运维的几个方向：

（1）环境恶劣，设备易损坏：选矿设备是要对矿石进行破碎、打磨、浮选等操作，选矿设备所处的环境并不乐观。不确定的温度和湿度的环境下，大量的粉尘以及碎石会对机器皮带造成磨损，皮带被损坏的几率极高。皮带机任何部位损毁，进入到维修步骤生产效率就会受到影响。

（2）设备检修不及时、难度大：皮带机作为选矿作业传输运行的功能部件，保证其稳定的工作十分重要。环境与技术的限制下，维修管理不及时、视觉判断潜在隐患等问题亟待解决。

（3）专业人才缺乏：由于选矿作业的环境十分艰苦、工作环境不适宜人长期停留，很难招聘到专业的检修技术人员。新鲜血液的培养多以“老带新”的传统方式进行，员工培训缺乏管理上的规范化，缺少先进技术的辅助判断，需要降低皮带机维检工作的强度与难度。

（4）缺少有效的运维数据管理：企业根据工作环境以及位置布局会对新的选矿机器进行调整改装，目前这样的改装和后续的维修操作都不具有准确的记录，数据化的管理更是匮乏。在后续的运维工作中，缺少机器的全部信息，对推导损坏源头造成了一定阻碍[3]。

2.3 选矿皮带机AR运维实现方向

通过技术人员与专家的研讨形成解决方案，如图3所示的分步技术应用，让新员工更快的步入工作环境，让AR管理介入运维。当皮带机运维数据积累达到一定程度，基于AR技术的二期建设就可以提上日程。

3 解决方案

3.1 AR运维工作流方案

使用SaaS平台，完成智能工作流的配置以及使用，具体流程如图4所示。规范选矿皮带机需要检修的部件工单，设定检修步骤以及检修标准。

3.2 AR模型比对方案

建立可视化AR模型比对方案。使用三维扫描技术、AR技术和三维模型库，提供一种扫描皮带机部件点云，形成实时三维模型与标准模型比对[4]。梳理需要构建三维模型的具体部件，形成带有点云数量预设区间的数据单。后续根据工单数据构建三维模型库，工单具体信息如表1所示。根据第一阶段数据使用Hammersly采样方法进一步精准曲面布点。

表1 选矿皮带机维修工单Tab.1 Maintenance work order of beneficiation belt conveyor

托辊作为运输机承担70%以上重量的部分，占了一部台式运输机成本的35%，是皮带机的重要部分。下面以选矿皮带中编号为G□108-315-305，轴承基本代号6305的托辊作为模型使用对象，标准尺寸图如图5所示。使用Rhino三维建模软件制作三维模型，进行方案应用展示。

辅助员工检修工作。皮带下托辊AR运维环境如图6所示。对托辊上面排布的点云快速扫描，生成目前状态下的托辊三维模型。与图像相比，点云在空间上的排布带来了不可替代的优势：深度。一个完整的三维点云相当于完整的提供了对应的三维空间数据。如图7所示为托辊上的精简前后点云对比图。

在AR平台的基础上，对实时的和模型库中的标准模型进行三维模型对比处理[5]。三维模型采用点云拟合中轴线和提取横断面算法的方式，计算模型之间的偏差。例如运用Bentley ContextCapture作为数据识别软件，形成携带实时点云数据的三维模型。利用IF函数快速进行数据差异判断，使用函数公式：=IF(C3=D3,0,1)函数解析（0代表数值相同，1代表有差异）。快速筛选出点坐标集之间的差异，精准反映在三维模型上面。把细微的隐患都呈现到员工面前，三维比对效果如图8所示。降低员工检修难度，把数据可视化处理。

托辊被扫描后与标准模型重叠的效果，不吻合的部位出现了颜色的区分，并且被智能标注。员工在该模型的辅助下，准确发现偏移点，并对托辊矫正。如图9所示为数据实现可视化的流程。

4 前景展望

在智慧矿山理念下，通过AR技术与三维技术的结合，构建了基于企业、员工以及专家多方可协作、有记录、可追溯的运维数据，在企业原本智能运维的基础上拓展了新方式。分阶段逐步建设选矿皮带机的智能运维及管理，降低生产消耗与停机消耗，降低工作对员工的素质要求，提高设备隐患排查精准度，从而，提高运维工作的效率以及准确性。