基于云边协同的带式输送机故障诊断技术

马孝威, 李标

马孝威, 李标. 基于云边协同的带式输送机故障诊断技术[J]. 工矿自动化, 2024, 50(S1): 119-121,150.
引用本文: 马孝威, 李标. 基于云边协同的带式输送机故障诊断技术[J]. 工矿自动化, 2024, 50(S1): 119-121,150.
shu
MA Xiaowei, LI Biao. Research on fault diagnosis technology of belt conveyor based on cloud edge collaboration[J]. Journal of Mine Automation, 2024, 50(S1): 119-121,150.
Citation: MA Xiaowei, LI Biao. Research on fault diagnosis technology of belt conveyor based on cloud edge collaboration[J]. Journal of Mine Automation, 2024, 50(S1): 119-121,150.
shu

基于云边协同的带式输送机故障诊断技术

  • 1. 煤炭科学技术研究院有限公司, 北京 100013;

  • 2. 煤炭智能开采与岩层控制全国重点实验室, 北京 100013;

  • 3. 煤矿应急避险技术装备工程研究中心, 北京 100013;

  • 4. 北京市煤矿安全工程技术研究中心, 北京 100013

基金项目: 

煤炭科学技术研究院有限公司科技发展基金项目(2023CX-Ⅱ-09)

煤炭科学技术研究院有限公司新产品新工艺开发项目(2023CG-ZB-09)

详细信息
    作者简介:

    马孝威(1994-),男,内蒙古呼伦贝尔人,助理研究员,硕士,从事煤矿自动化产品研发工作,E-mail:mxw_hlbe@163.com

  • 中图分类号: TD528

Research on fault diagnosis technology of belt conveyor based on cloud edge collaboration

  • 1. CCTEG China Coal Research Institute, Beijing 100013, China;

  • 2. State Key Laboratory of Intelligent Coal Mining and Strata Control, Beijing 100013, China;

  • 3. Engineering Research Center for Technology Equipment of Emergency Refuge in Coal Mine, Beijing 100013, China;

  • 4. Beijing Engineering and Research Center of Mine Safe, Beijing 100013, China

摘要

    摘要
  • 摘要: 带式输送机是煤矿中的重要生产设备，针对带式输送机的故障诊断需要进行大量的计算，但煤安设备的硬件配置难以满足庞大的计算需求，将数据传输到地面又会使工业环网产生延迟，因此提出了一种基于云边协同的带式输送机故障诊断技术。该技术将云平台和边缘侧的计算量进行合理的分配，在边缘侧的设备上对采集的原始数据进行简单的分析和处理，再将重要数据发送到云端进行更精密的计算。在边缘侧使用简单的阈值判断法，通过分析电动机的温度、电流、声音幅值、振动峰值的极值判断故障，在云端使用卷积神经网络，建立故障诊断模型库，对采集的数据进行信号去噪、特征提取、特征对比的处理方法，分析带式输送机的具体故障类型，为设备的维修提供指导建议。云边协同不仅实现了带式输送机的故障诊断，还联动带式输送机综合保护装置、扩音电话、综合管控平台，在检测到故障时可完成带式输送机停机、语音报警、平台画面显示等操作，将整个主煤流运输系统进行统一调配，实现主煤流运输系统的智能化升级。
    • HTML全文
    • 参考文献(22)
  • [1] 杨祥, 田慕琴, 李璐, 等.矿用带式输送机驱动滚筒轴承振动信号降噪方法[J].工矿自动化, 2019, 45(3):66-70.
    [2] 杨佳睿, 冯早, 朱雪峰.变工况下管道堵塞识别的声纹模型研究[J].机械科学与技术, 2023, 42(6):914-922.
    [3] 陈维望, 李军霞, 张伟.基于分支卷积神经网络的托辊轴承故障分级诊断研究[J].机电工程, 2022, 39(5):596-603.
    [4] 汪磊, 李敬兆, 秦晓伟.基于音频峭度的煤矿旋转机械滚动轴承故障预测方法[J].煤炭技术, 2022, 41(2):173-176.
    [5] 华生辉.基于宽带谱处理的机械系统故障检测方法研究[D].杭州:杭州电子科技大学, 2021.
    [6] 周飞燕, 金林鹏, 董军.卷积神经网络研究综述[J].计算机学报, 2017, 40(6):1229-1251.
    [7] 吴文臻, 程继明, 李标.矿用带式输送机托辊音频故障诊断方法[J].工矿自动化, 2022, 48(9):25-32.
    [8] 孙国栋, 王俊豪, 徐昀, 等.CEEMD-WVD多尺度时频图像的滚动轴承故障诊断[J].机械科学与技术, 2020, 39(5):688-694.
    [9] 陆汝华, 段盛, 杨胜跃, 等.基于CGHMM的轴承故障音频信号诊断方法[J].计算机工程与应用, 2009, 45(11):223-225, 234.
    [10] 马孝威.基于多源信息融合的托辊故障检测系统[J].煤矿机械, 2023, 44(9):168-170.
    [11] 丁华, 吕彦宝, 崔红伟, 等.基于分布式深度神经网络的刮板输送机启停工况故障诊断方法[J].振动与冲击, 2023, 42(18):112-122, 249.
    [12] 田鹏新, 司冠南, 安兆亮, 等.基于数据驱动的云边智能协同综述[J].计算机应用, 2023, 43(10):3162-3169.
    [13] 吴钢, 王振兴, 焦阳, 等.基于云边协同运算的配电变压器故障快速检测算法研究[J].电子设计工程, 2022, 30(21):113-117.
    [14] 路松峰, 屠向阳, 周军龙, 等.云边端协同的增量联邦学习算法[J].华中科技大学学报(自然科学版), 2023, 51(10):12-18.
    [15] 丁恩杰, 俞啸, 夏冰, 等.矿山信息化发展及以数字孪生为核心的智慧矿山关键技术[J].煤炭学报, 2022, 47(1):564-578.
    [16] 崔竟成.煤矿云边协同智能云盒系统设计研究[J].煤炭技术, 2022, 41(7):206-209.
    [17] 崔双双, 吴限, 王宏志, 等.面向云边端协同的多模态数据建模技术及其应用[J].软件学报, 2024, 35(3):1154-1172.
    [18] 聂晓艳, 郭丽芳.端边云一体的煤矿监测预警与应急联动模型研究[J].煤炭技术, 2023, 42(1):261-264.
    [19] 陈辉, 吴海斌, 高阳, 等.基于云边协同的配电网故障信息处理系统研究[J].机械与电子, 2023, 41(6):41-45, 50.
    [20] 牟琦, 韩嘉嘉, 张寒, 等.基于云边协同的煤矿井下尺度自适应目标跟踪方法[J].工矿自动化, 2023, 49(4):50-61.
    [21] 阴艳超, 梁珉清, 张万达, 等.基于云边协同的智能数控车间自调控系统研究与实现[J/OL].计算机集成制造系统:1-18[2023-12-15]. http://kns.cnki.net/kcms/detail/11.5946.tp.20230410.1609.024.html.
    [22] 崔耀, 叶壮.基于5G, 云边端协同技术的采煤机智能调高调速控制系统设计与应用[J].煤炭科学技术, 2023, 51(6):205-216.
    • 相关文章
    • 施引文献(4)

  • 期刊类型引用(4)

    1. 李洁明. 基于多传感器融合的皮带输送机故障早期诊断系统. 机电工程技术. 2025(03): 187-190 . 百度学术
    2. 甄硕磊. 带式输送机故障类型分析及诊断技术研究. 能源与节能. 2025(04): 167-169 . 百度学术
    3. 孙启刚，姚亚伟，常洪月. 煤矿带式输送机电机振动故障检测技术研究. 内蒙古煤炭经济. 2025(08): 52-54 . 百度学术
    4. 孙健猛. 港口皮带机传动系统故障诊断与智能维护策略研究. 中国机械. 2024(32): 119-122+126 . 百度学术

    其他类型引用(0)

    • 资源附件(0)
计量
  • 文章访问数:  12
  • HTML全文浏览量:  0
  • PDF下载量:  3
  • 被引次数: 4
出版历程
  • 收稿日期:  2024-01-24

目录

摘要
HTML全文
    参考文献(22)
    相关文章
    施引文献(4)
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1253112    百度统计