矿用钢丝绳芯输送带智能无损探伤监测系统研究

唐建军，赵田田，田 康，张江涛，杜 军，王 鹏

(1.山西晋煤集团技术研究院有限责任公司，山西 晋城 048006；2.晋能控股装备制造集团有限公司员工素质提升中心，山西 晋城 048006)

由于煤矿井下输送带运行荷载量大、带面磨损及老化等原因，易导致钢丝绳芯锈蚀、断裂、钢丝绳芯与输送带的粘合力下降而接头拉断等故障的发生[1-5]，依靠人工经验或者目前现有的在线检测设备运维，存在一定的不确定性，尤其是主运输送带经过多年运行后是否需要报废更换的问题，因缺乏客观、真实的数据基础，无法评估，也难以全面、及时的把握和预测[6-10]。

为了有效地掌握输送带的运行状况，开展钢丝绳芯输送带数字化监测和故障诊断技术研究，制定钢丝绳芯输送带报废检测规范，可以进一步提升带式输送机的数字化、智能化及整体标准化水平，彻底解决输送带钢丝绳芯、带面磨损失效所带来的安全隐患，做到早发现，及时维护。从而满足企业精细化管理的要求，为建设工业物联网系统做好充分准备，实现在保证输送带强度要求的前提下可最大限度发挥产能。

国外在线检测输送带拉伸强度的方法在应用上也尚不完善，在国外研制的SPF输送带检测仪是利用目前公认的最佳的检测钢丝绳的方法——磁检测法，但是SPF检测仪对无限不确定长、接头复杂、多根密集并列的钢丝绳芯输送带检测数据的处理，易出现漏检与误判。国内外专家对钢丝绳芯输送带在线无损检测作了大量的研究与测试[11-15]，而国内现有X射线透视仪、 电涡流检测仪、 探片预置检测仪等检测设备穿透力不强，检测的结果不精确，这些设备都需要输送带停机时才可以进行检测，不但影响生产效率，而且这些技术装备只能对钢丝绳芯输送带进行探伤检测，不能满足输送带“外识别、内探伤”的矿井检修作业要求[16-20]。

1 监测系统硬件设计

矿用钢丝绳芯输送带智能无损探伤监测系统利用各类传感器分别获取输送带表面及输送带内部钢丝绳芯的图像，输入图像经过相关处理，根据设定阈值进行预警。该系统主要包括X射线装置、激光扫描仪、控制主机和工控机四个部分，系统结构如图1所示。

图1 系统结构

矿用钢丝绳芯输送带损伤主要是输送带表面损毁和内部钢丝绳芯损伤，即输送带表面磨损(鼓包、撕边)和输送带内部钢丝绳芯受损，产生的损伤有钢丝绳芯断绳(丝)、鼓包、接头抽动位移等。采用X射线和激光扫描检测法研发了钢丝绳芯输送带无损探伤监测系统，如图2所示。

图2 输送带无损探伤监测系统内部结构

钢丝绳芯输送带无损探伤监测系统工作原理如图3所示，首先，采用4台激光扫描仪对实时运行的钢丝绳芯输送带上下表面进行扫描，激光扫描仪的激光发射器应能够发出一条线性激光，同时激光扫描仪中的相机能够接收从目标点反射的激光，激光扫描仪输出线性激光各点到激光扫描仪的距离，将信号传输至控制主机进行数据重建，再通过工业环网将重建数据实时传输至工控机，通过工控机内置算法对重建输送带表面图像进行分析检测，实现钢丝绳芯输送带表面损毁智能检测。其次，采用1台X射线发射箱对实时运行的钢丝绳芯输送带进行内部探伤扫描，控制主机实时采集X射线接收箱的扫描信号，将探伤信号降噪处理后进行特征提取，再通过工业环网将X射线检测信号实时传输至工控机，实现钢丝绳芯输送带内部探伤智能识别。

图3 输送带无损探伤监测系统工作原理

2 监测系统关键算法开发

2.1 输送带故障预警算法

深度学习属于机器学习的一个分支，是运用算法从原始数据中提取信息，并用某种类型的模型进行表示，然后使用该模型对一些尚未用模型表示的其他数据来进行推断，并通过神经网络“训练”的方式进行学习。该系统利用了深度学习的卷积神经网络开发了输送带故障预警算法，如图4所示，系统实时采集X射线和激光扫描图像信号，图像信号经过小波变换降噪处理后进行深度学习，首先系统对输入的图像应用卷积，得到像素的组合作为输出。假设输出是边缘，再次应用卷积，输出将是边缘或线的组合。然后再次应用卷积，此时的输出将是线的组合，以此类推。卷积神经网络算法相当于在每一层寻找一个特定的模式，再利用特征提取器在深度卷积神经网络中的每一层逐步建立起越来越高层次的输送带图像特征表征，最终，特征经过分类器将对图像进行故障分类，实现输入的是输送带原始图像信息，输出的是该图像预警情况。

图4 卷积神经网络

2.2 输送带带面三维重构算法

激光扫描仪能够获取输送带表面图像的点云数据，其扫描资料以点的三维坐标形式进行记录。基于激光扫描仪的三维重建算法流程如图5所示，利用机器视觉和线激光扫描，系统将实时采集到的输送带表面图像点云数据进行预处理、点云计算、点云匹配和数据融合后，再通过纹理映射三维重构算法能够重构输送带三维纹理几何模型。系统通过重构完成的输送带表面三维纹理几何模型，能够对带面磨损区域体积和磨损面积进行分析计算，并将计算结果与设定磨损阈值比对，实现预警功能。

图5 基于激光扫描仪的三维重建流程

1)图像预处理：图像预处理的目的在于改善图像的视觉效果，提高扫描输送带区域的清晰度，有选择的突出磨损、撕边、鼓包等异常图像信息。

2)特征点检测与匹配：特征点主要包括磨损、撕边、鼓包特征点的提取与匹配，基于SIFT算子的特征提取算法，尺度不变特征转换用来侦测与描述输送带图像中的局部性特征，在空间尺度中寻找极值点，并提取出其位置、尺度、面积等参数，该算子能够对实时采集的图像旋转、缩放、光照变化和仿射变换保持不变性的特点。

3)SIFI算子：首先建立高斯差分金字塔表征，然后将每个像素点与它周围的8个点，以及上下相邻层的18个领域点，总共26个点作比较。当识别到的故障特征点与正常点不一致时，即认定该点是特征点，计算出该特征点的主方向，由此可以将特征点提取出来。

4)利用点云数据三维技术定位并重构出输送带表面的三维形貌，使输送带表面磨损检测的实施和维护变得更为容易，大幅降低了煤矿生产自动化的成本。

2.3 输送带监测系统数据调度算法

矿用钢丝绳芯输送带智能无损探伤监测系统中，采集的是输送带实时运行时、输送带表面及输送带内部钢丝绳芯情况信息，采集到的数据量庞大。输送带监测系统数据调度算法采用了在一致性Hash算法中添加权值的方式，实现输送带监测系统监测、预警、报警、停机等不同任务的调度，监测系统中每个任务权值大小可以根据虚拟服务器最大资源量和运行时每隔一段时间的资源使用率来决定，权值大小直接影响到虚拟服务器在Hash一致性环内的节点个数，个数越多，被分配到的概率就会也大，从而更好的实现了负载均衡。一致性Hash算法可以很好的解决监测系统海量数据调度问题。

3 实验验证

为了验证矿用钢丝绳芯输送带智能无损探伤监测系统的有效有效性，搭建了系统实验测试平台。该实验测试平台长12 m，宽1 m。通过实验平台对钢丝绳芯输送带表面损毁和内部钢丝绳芯损伤诊断和预警进行了验证。

3.1 钢丝绳芯输送带表面损毁检测

利用激光扫描三维重建算法，结合计算机图像处理及识别技术，如图6所示，首先对输送带表面进行100个周期的持续监测，获取了输送带表面磨损、鼓包和撕边3类损毁失效样本图像。然后通过三维重建算法对图像进行预处理、图像分割、特征提取和分类识别，建立输送带表面磨损、鼓包和撕边3类损毁失效特征库。最后，工控机根据激光扫描仪对输送带表面的扫描图像提取失效特征，并与特征库样本进行对比，完成输送带表面损毁失效故障诊断和预警。

图6 输送带表面磨损、鼓包和撕边特征

选取5条输送带样本对矿用钢丝绳芯输送带智能无损探伤监测系统识别精度进行实验平台检测，相关测试参数见表1。

表1 系统识别精度检测

经过实验平台检测，系统对输送带表面损伤识别分辨率小于1.5 mm×1.5 mm，磨损区域识别面积精度小于1 mm2，鼓包识别体积精度小于1.5 mm3。优于国内目前输送带表面检测装置识别分辨率和识别精度。

3.2 钢丝绳芯输送带内部绳芯损伤检测

输送带内部钢丝绳芯损伤检测特征如图7所示，通过X射线无损探伤监测系统获取样本输送带断绳(丝)、鼓包和接头抽动位移3类损毁失效样本信号，提取样本信号的波宽、方差、均方根值、峰值和峭度共5个时域特征值。然后通过卷积神经网络算法对断绳(丝)、鼓包和接头抽动位移3类损毁失效样本信号进行分类识别，在经过对5条不同输送带样本的断绳(丝)、鼓包和接头抽动位移3类损毁失效样本信号进行学习，最后建立失效特征样本库。工控机通过实时采集X射线信号对输送带内部的透视图像进行失效特征提取，将提取特征值与效特征样本库进行对比，完成输送带内部损毁失效故障识别与预警。

图7 输送带内部钢丝绳芯损伤检测特征

选取5条输送带200个输送带断绳(丝)、鼓包和接头抽动位移3类损毁失效样本信号，对矿用钢丝绳芯输送带智能无损探伤监测系统识别精度进行实验平台检测，相关测试参数见表2。

表2 系统内部损毁识别精度检测

经过实验平台检测，矿用钢丝绳芯输送带智能无损探伤监测系统对断绳(丝)、鼓包和接头抽动位移3类损毁失效识别正确率约为98%。优于国内目前输送带内部探伤装置识别正确率。

3.3 矿用钢丝绳芯输送带故障诊断与预警

矿用钢丝绳芯输送带故障诊断与预警流程如图8所示。工控机通过实时采集X射线接收器传输的检测信号，对输送带内部的透视图像进行失效特征提取，利用深度卷积神经网络中的每一层逐步建立起越来越高层次的特征表征。卷积神经网络输入的是原始图像信息，输出的是该图像预警情况。再将提取特征值与效特征样本库进行对比，获取输送带失效数量Nmax，若Nmax>10，说明整条输送带可能存在内部损毁失效故障，则对损毁失效数量进行分类统计，根据分类统计结果，从失效故障样本库中调用响应的故障诊断判定规则，进行故障诊断与故障等级判别，若运行正常，则继续进行监测，若存在故障，则按照故障等级的不同，采区对应的处理措施；若Nmax<10，说明整条输送带运行正常，继续进行监测。

图8 钢丝绳芯输送带故障诊断与预警流程

4 结 语

矿用钢丝绳芯输送带智能无损探伤监测系统基于透视及激光三维重构技术，通过卷积神经网络算法、点云数据三维重构算法和数据调度算法进行数据分析处理，实验结果表明，该系统可有效实现对钢丝绳芯输送带内部及外部的失效特征检测预警、外部磨损区域的框选面积及磨损体积计算和钢丝绳芯断丝、抽头、扭曲、接头长度变化等失效特征故障诊断，并可准确判断钢丝绳芯输送带的故障点并发出预警，其关键技术的实现为有效预防钢丝绳芯输送带断带事故发生与安全预警奠定了良好的基础。