基于物联网技术的输煤设备巡检管理系统研究

福建华电电力工程公司 李一飞 福建华电永安发电有限公司 沈一新 陈永鑫 肖中阳

输煤设备自动运行，容易产生破损、跑偏、管漏、传动装置异常等故障，严重影响电厂输煤质量、效率，无法满足发电的基本要求。某公司建立输煤设备巡检管理平台，将物联网技术应用到智能监测系统，匹配智能算法完成具体监测工作。系统建设要求故障识别、异物监测等成功率超过95%以上，告警时间在1s以内，漏煤监测成功率在90%以上，明火监测成功率在99%以上。

1 巡检管理平台功能架构

1.1 监测点布设

某公司输煤设备主要为C-4A、C-4B输送皮带，现场布设设备监测点，采集设备运行相关数据信息。按照设备结构、设备运行状况，在特定位置安装和部署监测设备，完成整体监测过程。具体现场部署的设备、安装数量（个）及实际功能如下：激光流量监测装置（4），采集输煤流量数据；皮带撕裂监测装置（4），监测皮带表面裂纹；可见光摄像机（14），跑偏、漏煤监测；光谱摄像机（19），温度、环境侦测；温振传感器（28），振动、温度数据监测；激光测距仪（4），水平高度监测。现场布设相应的监测装置、传感装置，完成现场监测点的部署，赋予管理系统平台输煤设备运行相关数据采集功能，为后续的巡检功能实现奠定基础，提供依据[1]。

1.2 业务架构部署

基于实际工作场景建立AI底座，训练AI模型，完成现场环境、人员、设备的自动巡检，识别异常信息，巡检功能实现利用智能识别、预警技术、智能分析技术，数据监测应用新型高集成传感器技术、物联网技术，实现对海量数据的自动化识别、分析、标注，筛选无用数据信息，使得巡检质量、效率更高。系统利用内网建立服务架构，生成业务模型，边缘负责采集数据、平台负责数据储存、处理和分析，支持业务模型全生命周期管理，并将模型下发设备阶段，匹配具体的巡检业务。

2 输煤设备巡检管理系统技术应用

2.1 输煤设备巡检管理系统功能模块

设备状态巡检。设备管理主要基于设备状态完成管理过程，即结合设备巡检内容制定具体的巡检方案，联动物联网技术的数据采集和智能技术的数据分析，识别设备状态并将设备相关数据归档处理。监测对象包括设备工作期间发生的跑偏，减速机、电机等设备产生异常振动信号，温度异常情况等现象。利用图像识别技术完成设备外观诊断，使用测温技术、热成像横向技术，完成温度异常巡检功能。

人员安全巡检。人员巡检对接设备运行业务，当人员未配置安全帽等安全防护装置，入侵到设备运作区域时，利用多台融合感知技术，完成告警预知，分析异常情况，将异常实时上传至上位机人机交互界面并对数据进行归档处理；环境巡检。应用传感器、控制器，监测设备运行期间的环境指标，指标类型为温度、湿度、粉尘浓度等。环境巡检部署管理应用联动策略，采用外设设备控制，利用终端视频辅助确定，以提高巡检管理平台的响应能力[2]。

2.2 落煤堵煤监测

本案例在落煤管区域的上方、下方，分别部署激光煤流量监测装置，光源直接与输送设备的物料对接，生成物料、设备的轮廓外形特点，并使用雷达和扫描技术，获取物料的点云数据，计算设备、物料的面积。测量模块负责速度测量和距离测量，经过多重测量和乘积计算之后，得到物料体积信息。巡检目的是识别落煤管是否发生堵煤，在经过前端、后端的输煤流量检测后，基于差值，判断是否产生堵塞问题，即在超过阈值时，系统报警。堵塞会导致落煤管上方位置溢出物料，利用语义分割算法，采集图像数据，计算面积大小，即可确定是否堵塞。

2.3 皮带跑偏识别

皮带跑偏识别基于皮带机上方部署的摄像机设备完成数据采集，采集图像和视频数据内容，对应具体的位置数据，利用目标识别算法，对应具体位置，判断图片是否出现跑偏情况，相对位置误差超过允许范围，即告警相关人员，采取皮带调整措施。在后台系统部署目标识别算法，建立卷积神经网络，响应图像周围单元的覆盖范围和覆盖区域，完成目标定位过程。在算法应用期间，系统包括输入层、卷积层、池化层、连接层、输出层，采集图像中应清晰对应输煤设备两侧的托辊位置，识别光照参数应满足照度在75lux以上的基本要求，视频分辨率为1080P，像素值满足72×72以上的基本要求，目标定位识别检测的遮挡率应控制在30%以内。

采集图像输入到巡检平台后，使用下述公式得到特征图：F=Conv（I,K），式中：Conv表示卷积操作，I表示输入图像，K表示卷积核。卷积层完成特征处理后，进行数据的池化处理，得到特征向量后，完成特征分类，识别对皮带跑偏特征的具体识别和分析，具体池化和特征向量计算公式如下：P=POOL（F）、V=FC（P），式中：POOL表示池化操作，F表示卷积层的输出特征图，FC表示全连接操作，P是池化层的输出结果。

2.4 皮带撕裂识别

本案例中仅仅运用巡检系统完成皮带的纵向撕裂和识别，使用设备为激光发射器和防尘摄像机，将设备、照片等经过滤光处理、二向化处理后，使用OTSU、HOU方法，完成图像分析过程，检测是否产生断裂情况。算法限制条件与皮带跑偏监测限制条件大致相通用，对最小撕裂宽度的监测精度应满足1mm的基本要求。

为确保图像数据处理效果良好，应用类间方差最大化完成图像二值化处理，完成图像分割和目标识别，确定具体的撕裂位置和撕裂情况。巡检系统将采集的输送设备皮带分为前景和背景，经过灰度化处理后，得到两类方差值。例如，采集的数据灰度级范围在[0,L-1]之间，像素数目为n_i，总像素数目为N，灰度级概率计算公式如下：p_i=n_i/N。在类间方差计算时，则使用σ^2_B表示，具体计算过程如下：

式中：T表示阈值，w_0、w_1分别表示前景、背景之间的像素概率，μ_0、μ_1分别表示前景和背景的平均灰度值，L表示灰度级范围，i表示灰度级。在具体皮带撕裂识别期间，遍历所有阈值，计算阈值对应的类间方差，选择最大阈值作为分割阈值，完成皮带撕裂区域的识别和定位。

2.5 火焰监测识别

由于输煤系统运行期间容易产生火灾故障，本案例部署摄影采集装置，完成现场视频的采集，利用算法识别火焰和烟雾特征，识别现场出现火焰或者烟雾之后，联动声光报警器告知相关人员和消防部门。火焰烟雾监测和识别中，为实时了解火焰的实际情况，即火灾的发展范围，使用热成像技术，完成温度色值的分析和识别。日常输煤设备运转期间，热成像视频同样应用，主要负责监测线缆、重锤室设备的运行状态，识别具体的温度色值情况，并在温度色值达到阈值后，完成预警，避免火灾事故的发生和蔓延。本案例使用的摄影采集装置，应满足火焰在画面中的形态和亮度变化数据识别，最低像素值应满足216×216以上的基本要求，遮挡应控制在30%以内，具体监控范围部署情况见表1。

表1 温度监控范围表

2.6 皮带正面破损识别

皮带正面破损利用智能视觉算法，主要处理基于物联网技术获得的皮带数据信息，利用算法完成损伤特征提取和训练过程，观察破损情况和破损程度，识别损伤后预警。在该识别算法部署和应用期间，应满足皮带为空载状态的基本要求，且对于轻微磨损，由于煤炭等环境影响，无法准确识别，使用的摄像装置为高速、高清摄像装置。在皮带正面破损识别过程中，使用的边缘检测算法为Canny算法，该算法经过去噪、梯度幅值计算、非极大值抑制、边缘连接后，得到皮带的边缘特性，判断是否出现破损情况。

具体去噪处理技术公式如下：I_smoot=G（x,y,σ）×I（x,y）。去噪利用高斯滤波器实现，采用高斯函数完成去噪处理，式中：G（x,y,σ）表示标准差为σ的二维高斯函数，I（x,y）表示原始图像，＊表示卷积操作。经过去噪处理后，计算图像在X方向和Y方向的梯度值，根据梯度值计算像素的梯度幅值。非极大值抑制的主要目的是细化边缘，保留方向上的局部最大值，经过低阈值和高阈值监测后，得到边缘图像，完成边缘识别过程，判断皮带的破损现象。

2.7 设备温度、故障识别

设备运行温度识别主要应用热成像技术和温度传感器，设备运行过程中的电流过大，即表明设备出现故障隐患，温度数值和指标超过标准范围。设备运行振动信号过大，则表明设备传动装置处于异常作业状态，故障概率较大。即在巡检管理平台建设期间，本公司应用温度传感器、振动传感器采集数据信号，在系统内设置设备运转参数、额定电流数值、振动频率和振动信号数值等。

温振传感器内部配置MEMS芯片，采用嵌入式的部署方式，具有高集成功能，在电机、空压机、离心机、发电机、减速机等设备中部署，获得三维轴向数据，采用485总线部署方式，确保传感数据传输距离在2km以内，将采集数据准确上传至巡检平台，完成数据识别处理。同时，在故障诊断过程中，安装工业诊断拾音器，可将声音信号转化为数字电信号，将振动声音信号经过滤波、压缩处理后，使得信号质量能够满足故障识别的基本要求。

3 输煤设备巡检管理系统功能实现

3.1 预警管理

预警管理主要基于对物联网技术和智能算法识别的结果处理，其中包括输煤设备运行期间的故障、巡检所得的违规情况等相关内容。预警管理模块具备查询、统计、查看、处理、数据回收等基本功能，在巡检管理期间，可利用算法、设备、服务器等完成查询工作，并将预警事件导出。用户在使用设备巡检管理系统之后，点击相应模块查看预警事件前后6s内的视频数据信息，采用人为处理的方法完成预警信息的审查。该功能模块支持定期复制误报的数据内容，支持算法模块的迭代优化和计算。在预警信息查看时，类目表中包括算法服务器、任务名称、设备名称、算法类型、来源数据、预警级别、预警画面、预警时间等相关数据信息。

3.2 算法管理

算法管理基于灵活性的基本原则部署，坚持个性化的部署目标，使得用户在使用巡检管理系统中，能够实现场景与设备、服务器之间的适应性配置。由于在算法功能实现过程中应用了多种算法，匹配算法和具体的巡检业务，实现整个巡检过程的自动化、智能化，并具备多路视频轮询的基本功能。在算法管理方面，主要按照场景完成算法信息列表的分类工作，结合具体场景完成算法状态、名称、参数等相关信息的配置，确定在实际应用过程中是否匹配和应用算法，并完成算法条件的增删处理[3]。

3.3 巡检任务管理

巡检业务管理具备新建、下发等相关功能，建立模型库完成巡检任务的多维度配置，将设备、算法、检测区域、规则、阈值等配置，查询具体的巡检信息和任务信息，设置具体的巡检对象等。在实际应用过程中，平台可根据实际需求，制定具体的巡检计划，定时启动巡检任务，完成自动化巡检过程，同时生成相应的巡检报告，得到异常数据信息则发送报警信息。在完成智能化的识别和诊断后，将巡检结果模块化展示，查看是否存在异常情况。