CN117184814A - 输送机无人值守*** - Google Patents
输送机无人值守*** Download PDFInfo
- Publication number
- CN117184814A CN117184814A CN202311184384.2A CN202311184384A CN117184814A CN 117184814 A CN117184814 A CN 117184814A CN 202311184384 A CN202311184384 A CN 202311184384A CN 117184814 A CN117184814 A CN 117184814A
- Authority
- CN
- China
- Prior art keywords
- belt
- conveyor
- deviation
- skipped
- alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 230000009191 jumping Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004092 self-diagnosis Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 abstract description 14
- 230000006378 damage Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006698 induction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Control Of Conveyors (AREA)
Abstract
本发明涉及输送机无人值守***，包括：集中控制***、AI视频监控***及网络广播***，打开工业相机，实时获取皮带画面；相机开启连续抓拍模式；根据设定好的阈值将灰度图转化为二值图；判别皮带是否跑偏、是否撕裂；皮带发生撕裂向控制器发出停机指令，发出警报，带式运输机停止运行，装置关闭。本发明输送机无人值守***，控制更完备，保护更可靠，操作更方便，维护更便捷，扩展、组网更容易是我们的目的和要求，提高故障排查速度；性能稳定可靠，扩展灵活；通过机器视觉实时检测来代替人工巡检，可在皮带运行期间实时检测，大大降低了人工成本，提高了检测效率和准确率。
Description
技术领域
本发明涉及自动化生产***，具体的说,是涉及一种输送机无人值守***。
背景技术
目前，工业自动化控制领域的主要解决方法是PLC，为各种各样的自动化控制设备提供了非常可靠的控制应用。其主要原因，在于它能够为自动化控制应用提供安全可靠和比较完善的解决方案，适合于当前企业对自动化的需要，胶带机集控***与调度电话***、工业电视***、网络广播***一起，构成一个完整的操作、调度、监视网络，实现对整个运输***的遥测、遥信、遥控。
现场总线是现今企业使用最广泛的工业控制技术，但现场总线最大的问题是标准太多，企业需要的是建立统一、开放的网络，各个不同企业的监测监控设备均能够挂接在这个网络上传输，显然，如果使用现场总线，用作连接传感器的设备级网络还可以胜任，但作为数据传输的主干网络，则无论在传输速率上、传输距离和链路冗余等方面都不能满足我们的需要，而且势必使得传输网络由一个互不兼容的多***结构过渡到另一个互不兼容的多***结构，这显然不符合建设现代化工厂、实现综合自动化的需要。随着Internet的迅猛发展，以太网已成为事实上的工业标准，TCP/IP简单实用，为广大用户所接受。
以太网在技术、速度和价格等许多方面都有着其它网络无可比拟的优势，随着以太网性能的提高和解决以太网实时性问题的技术不断推出，将以太网应用于工业现场将是工业控制领域的必然选择。目前，工业以太网在地面上已经有实际应用。企业使用工业以太网作为胶带机控制的主干传输网络、现场总线作为连接传感器等现场设备的网络，应当是近期内工厂传输网络的研究重点和建设方向。可以预见、工业以太网将是未来企业宽带通信网络建设的必然选择。而本皮带机无人值守***便是将工业以太网应用于皮带运输机的新一代无人值守***。在传统的生产现场，并未见到将已有的或最新创造的技术单独或结合应用输送机上的实例。
皮带输送机是港口、矿山、电厂等企业运输煤炭的重要工具和设备，由于杂质所引起的输送机皮带纵向撕裂事故时有发生，如果发现不及时，会导致整条皮带撕裂损坏，造成巨大的经济损失，为了解决这一技术难题，国内外专家尝试用很多种方法用于防撕裂检测，例如传统的冲击检测法、托辊异常受力检测、超声波法、压敏电阻法、嵌入法等，但目前这些方法都存在着维护成本过高，且维护步骤繁琐的问题，因此困扰着工作人员。
申请号为202310054344.X的中国专利提供了一种机器视觉皮带撕裂检测及保护装置，通过在运输皮带的底部设置有一个光源感应板，且在运输皮带的顶部两侧均固定设置有一个激光发射装置，通过激光发射装置发射激光照射运输皮带，当运输皮带出现撕裂时，激光会透过运输皮带撕裂的缝隙照射到光源感应板上，光源感应板感应到激光的光线时，会立刻将信号传递给激光装置，激光装置将信号传递给主箱体内部的主机，主机会立刻报警通知工作人员并且关闭皮带运输装置，从而防止运输皮带进一步的撕裂和断裂。
实际使用中依然存在弊端：检测的精度和准确度不够，皮带出现轻微撕裂时无法检测到，当皮带被检测出撕裂时，皮带的损坏已经非常严重了，存在严重的安全隐患。
发明内容
针对上述现有技术中的不足，本发明提供一种输送机无人值守***和方法，特别是检测的精度和准确度高，防止和预防皮带撕裂的输送机皮带跑偏、撕裂的控制***和方法。
本发明所采取的技术方案是：
一种输送机无人值守***，包括：集中控制***、AI视频监控***及网络广播***；
所述集中控制***包括:上位机、网络机柜、PLC主站、分布式IO分站、传感器；上位机实现远程集中控制；传感器实现信号采集，具体包括：
网络故障自诊模块断，当网络由于发生断线、干扰等传输问题时，自动侦测，并发出报警；
PLC故障自诊断模块，PLC的扫描器和适配器发生故障时，通过网络的通讯情况判断故障，并发出报警；PLC的I/O模块发生故障时，通过I/O模块的状态位侦测到故障及故障内容，***会发出报警；
传感器和信号线故障诊断模块，模拟量的传感器或信号线发生断线故障时，PLC通过测量值判断故障并发出报警；
I/O模块采用可拆卸端子排，出现故障时，集控室发出声光报警；
网络广播***包括：
中控室设置主交换机、广播控制主机；
***具有全体区域呼叫和广播、分区呼叫和广播；
网络广播***实现对播出的音频内容、时间、日期自由设定，具有自动分区广播和兼容多路外接媒体；实现任意选择播放、点对点语音对讲，点对面语音对讲，硬盘式内存方便音频信息的存储，并采用开放式音源软件平台，根据用户需要任意添加/存录音频信息；
AI视频监控***包括：
输送机皮带跑偏和撕裂控制***；用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂；
输送机皮带跑偏和撕裂控制***；通过训练获得皮带检测模型，再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况，通过机器视觉实时检测来代替人工巡检，可在皮带运行期间实时检测；
输送机皮带载料检测***；用于判别皮带机载料正常还是空载；
异物识别***；用于对巡检路径中输送带上的物料进行粒径检测，通过粒径大小判断物料是否存在异物，并准确定位；
人员身份识别***；用于对巡检区域的人员进行身份识别；在有非工作人员进入指定区域时进行识别、驱离；对现场人员违规操作、违规接触设备进行分析、判断、提醒和报警；
仪表识别***；通过图像识别算法，自动识别各类仪表的读数、指示灯状态、开关状态、设备机械位置。
优选的，输送机皮带跑偏和撕裂控制***，用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂控制方法包括如下步骤：
步骤s400，启动装置；
步骤s401，打开工业相机，实时获取皮带画面；
步骤s402，相机开启连续抓拍模式；
步骤s403，根据设定好的阈值将灰度图转化为二值图；
步骤s404，判别皮带是否撕裂；皮带撕裂，跳转步骤s405，皮带不撕裂，跳转步骤s410，
步骤s405，判别皮带是否二级撕裂；皮带二级撕裂，跳转步骤s406；皮带没有达到二级撕裂，跳转步骤s408；
步骤s406，向控制器发出停机指令，发出警报，在故障记录中记录二级撕裂；
步骤s407，带式运输机停止运行，装置关闭，跳转步骤s416；
步骤s408，发出警报，在故障记录中记录一级撕裂；
步骤s409，执行撕裂控制***子流程；跳转步骤s116；
步骤s410，判别皮带是否跑偏；皮带未发生跑偏，跳转步骤s401；皮带发生跑偏，跳转步骤s411；
步骤s411，判别皮带是否二级跑偏；皮带二级跑偏，跳转步骤s412；皮带没有达到二级跑偏，跳转步骤s414；
步骤s412，向控制器发出停机指令，发出警报，在故障记录中记录二级跑偏；
步骤s413，带式运输机停止运行，装置关闭；跳转步骤s416；
步骤s414，发出警报，在故障记录中记录一级跑偏；
步骤s415，执行跑偏控制***子流程；跳转步骤s416；
步骤s416，结束。
输送带纵向撕裂检测装置，为皮带机用户检测皮带纵向撕裂提供了真正可靠、实用的科学检测手段。可以在皮带运输机正常运行的情况下对上皮带底部状况进行全天候实时在线检测，一旦皮带发生纵向撕裂，将在第一时间发出报警(纵撕发生20米内)并停止皮带运行，以免事故进一步扩大。纵向撕裂的检测和识别全部智能化，自动识别、自动报警。产品具有灵敏度高、可靠性高、结构简单、便于安装检修、适合恶劣环境等特点。
采用光学三角原理和回波分析原理成像，使用非接触测量皮带撕裂裂缝宽度和深度的精密传感器。激光器和摄像头分别装置在上皮带的左右下侧，激光器向皮带底部发射一条激光，在皮带表面反射后由摄像头采集，并自动提取激光条纹中心，根据三角测距法分析皮带断面的高度和深度参数，实时输出到控制计算机。经计算机软件分析和数据还原，得到皮带底3D图像。可以直观判断皮带是否发生撕裂现象。
对皮带表面情况进行实时自动判断和分析,对皮带表面脱胶、划伤、撕裂等损伤分别作出识别判断,给出不同报警处理。可识别新旧损伤，可设置识别新旧损伤不重复二次报警和停机。
实时监控：皮带运行状态实时显示在电脑屏幕,可流畅观看皮带表面图像。
集控联锁：能根据损伤情况实施现场和控制室同时声光报警；损伤大于软件设定长度、宽度、深度值时控制急停保护停机及同时报警。
预警：对撕裂长度或宽度小于设定值的损伤、覆盖胶脱落的损伤、边缘胶带破损等实现预警。
回放存储：撕裂停机后能实现对撕裂位置的局部放大图像观看与保存。
高稳定性：要求设备在皮带运转期间连续运行，采用以太网(光纤)通信网络，数据通讯可靠性高。
优选的，所述步骤s409，撕裂控制***子流程步骤如下：
步骤s500，撕裂控制***子流程入口；
步骤s501，PLC收到撕裂信号；
步骤s502，判定是否二级撕裂，二级撕裂跳转步骤s504，否则跳转步骤s503；
步骤s503，PLC只发出报警信号；跳转步骤s510；
步骤s504，PLC发出指令，皮带机停机；
步骤s505，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s506，否则跳转步骤s508；
步骤s506，发出开机信号；
步骤s507，皮带机开机运行，跳转步骤s510；
步骤s508，不发出开机信号；
步骤s509，皮带机停机，等待人工检修，跳转步骤s510；
步骤s510，撕裂控制***子流程出口。
优选的，所述步骤s415，跑偏控制***子流程步骤如下：
步骤s600，跑偏控制***子流程入口；
步骤s601，PLC收到跑偏信号；
步骤s602，判定是否二级跑偏，二级跑偏跳转步骤s605，否则跳转步骤s603；
步骤s603，PLC只发出报警信号；
步骤s604，自动液压纠偏装置进行干预，纠正皮带位置，跳转步骤s607；
步骤s605，PLC发出指令，皮带机停机；
步骤s606，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s607，否则跳转步骤s609；
步骤s607，发出开机信号；
步骤s608，皮带机开机运行，跳转步骤s611；
步骤s609，不发出开机信号；
步骤s610，皮带机停机，等待人工检修，跳转步骤s611；
步骤s611，跑偏控制***子流程出口。
优选的，对收集到的1000张图像样本进行人工标记，标记出撕裂的特征及跑偏的特征，与正常情况下的皮带进行对比，利用YOLOv5卷积神经网络，将收集到的图片按照训练集：验证集：测试集的比例按照7：2：1进行划分，用权重为YOLOv5s的模型进行训练，轮数500轮，batch-size为4，得到训练结果，选用训练程度最好的模型。这个模型就是皮带检测模型。
优选的，步骤s104，判别皮带是否跑偏步骤如下：
工业相机获取皮带正常工作状态画面，根据设定好的阈值将正常工作状态画面灰度图转化为二值图；设定皮带正常运行区域；
将灰度图转化为二值图的目的是为了更好的突出激光辅助线的轮廓，灰度图是8位的，数值由0-255，0是纯黑，255是纯白，为了使激光最大化的展现出来，方便后期的图像识别和处理，会根据现场情况划定一个阈值，假设阈值为180，那么超过180的全部转化为255，低于180的全部转化为0，图像就会变成只有黑白两个颜色的二值图，到时候白线就会变得十分明显，方便机器后期识别。
实时抓拍图片二值图与正常工作状态画面二值图比对，确定皮带是否跑偏。
实时抓拍图片主要用来提取特征进行训练，为了扩充训练集和数据库收集到尽可能多的特征明显的跑偏图片，能够更好的训练皮带跑偏模型，能够尽可能的满足适应性强的特点，这样就能尽可能满足较多的使用场景，不再需要每条皮带单独训练一遍。实时抓拍图片与实际工作状态图片从相机所拍摄的角度都是一样的，主要通过一些跑偏的特征去进行对比，例如检测皮带边缘，看边缘是否有跑偏，比如检测是否露出托辊架等来判断是否跑偏。
这里的设定好的阈值是根据现场的环境进行设定的，目的是将激光照在皮带上的线变得更加明显，设定皮带的正常运行区域就是，主要把撕裂检测区域设定在激光照射出的白线附近。
优选的，高速相机高速连拍30张照片。
工业相机一般都是静止的去拍摄皮带，由于皮带输送机在运行过程中，皮带载料是在运动状态下的，市面上的皮带机带速往往在0-10m/s，高速相机每秒抓拍30的目的就是在每秒抓拍30张的情况下，带输送机在10m/s的情况下进行运动，这样拍出来的图片才不会模糊。
优选的，通过SIFT角点检测方法判别皮带是否撕裂。
优选的，包括：中央处理器和巡检机器人；巡检机器人包括：智能检测云台，智能检测云台上设置工业相机；
巡检机器人为吊轨式行走机器人；
吊轨式行走机器人的吊轨设置在皮带机上方.
本发明相对现有技术的有益效果：
本发明输送机无人值守***，控制更完备，保护更可靠，操作更方便，维护更便捷，扩展、组网更容易；提高故障排查速度；性能稳定可靠，扩展灵活。
本发明输送机无人值守***，控***与调度电话***、工业电视***、网络广播***一起，构成一个完整的操作、调度、监视网络，实现对整个运输***的遥测、遥信、遥控。通过接收LED拼接屏幕的报警信息及时了解哪条皮带机的哪个位置发生了什么具体的异常情况。
本发明输送机无人值守***，工厂全数字AI视频监控可以对厂区内所有设备运行状况(如皮带机跑偏，设备运转时的温度等)、人员的动态流动情况进行实时监控、实时录像、数据实时存储等实现科学安全管理。视频监控监控***是安全技术防范体系中的一个重要组成部分，是一种先进的、防范能力极强的综合***。它可以通过遥控摄像机及其辅助设备直接观看作业现场的一切情况；可以把作业场所的图像内容实时传送到监控中心，使中心调度人员对现场情况一目了然，监测整个作业过程是否规范，及时避免安全隐患的发生。
本发明输送机无人值守***，利用工业视频监控***，中控室监控人员可以直接对现场情况进行实时监看，不仅能直观的监视和记录工作现场的安全生产情况，而且能及时发现事故苗子，防患于未然；同时它可以把被监视场所的图像和声音全部或部分的记录下来，也能为事后分析事故提供有关的第一手图像资料，这样就为日后对某些事件的处理提供了方便条件及重要依据，同时电视监控***还可以与防盗报警等其他安全技术防范体系联动运行，使防范能力更加强大。
本发明输送机皮带跑偏、撕裂控制方法，通过训练获得皮带检测模型，再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况，通过机器视觉实时检测来代替人工巡检，可在皮带运行期间实时检测，大大降低了人工成本，提高了检测效率和准确率。
附图说明
图1是本发明输送机无人值守***的集中控制网路***图；
图2是本发明输送机无人值守***的网络广播***示意图；
图3是本发明输送机无人值守***的AI视频监控***图；
图4是本发明本发明输送机无人值守***的输送机皮带跑偏、撕裂控制方法的控制流程示意图；
图5是本发明本发明输送机无人值守***的输送机皮带跑偏、撕裂控制方法的撕裂子程序控制流程示意图；
图6是本发明本发明输送机无人值守***的输送机皮带跑偏、撕裂控制方法的跑偏子程序控制流程示意图。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明：
一种输送机无人值守***，包括：集中控制***、AI视频监控***及网络广播***。
附图1，集中控制***包括:上位机、网络机柜、PLC主站、分布式IO分站、传感器；上位机实现远程集中控制；传感器实现信号采集，具体包括：
网络故障自诊模块断，当网络由于发生断线、干扰等传输问题时，自动侦测，并发出报警；
PLC故障自诊断模块，PLC的扫描器和适配器发生故障时，通过网络的通讯情况判断故障，并发出报警；PLC的I/O模块发生故障时，通过I/O模块的状态位侦测到故障及故障内容，***会发出报警；
传感器和信号线故障诊断模块，模拟量的传感器或信号线发生断线故障时，PLC通过测量值判断故障并发出报警；
I/O模块采用可拆卸端子排，出现故障时，集控室发出声光报警；
在几分钟之内即可更换完毕；***扩展方便，增加新设备或上后期工程，可以方便地加入节点，并可通过网络在线修改程序；***具有自诊断功能，能及时报告故障时间、位置、类型信息。
附图2，网络广播***包括：
中控室设置主交换机、环网交换机、可视IP电话、调度主机、广播控制主机、广播服务器；
***具有全体区域呼叫和广播、分区呼叫和广播；
网络广播***实现对播出的音频内容、时间、日期自由设定，具有自动分区广播和兼容多路外接媒体；实现任意选择播放、点对点语音对讲，点对面语音对讲，硬盘式内存方便音频信息的存储，并采用开放式音源软件平台，根据用户需要任意添加/存录音频信息；
附图3，AI视频监控***包括：
输送机皮带跑偏和撕裂控制***；用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂；
输送机皮带跑偏和撕裂控制***；通过训练获得皮带检测模型，再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况，通过机器视觉实时检测来代替人工巡检，可在皮带运行期间实时检测；
输送机皮带载料检测***；用于判别皮带机载料正常还是空载；
异物识别***；用于对巡检路径中输送带上的物料进行粒径检测，通过粒径大小判断物料是否存在异物，并准确定位；避免对设备造成伤害。
人员身份识别***；用于对巡检区域的人员进行身份识别；在有非工作人员进入指定区域时进行识别、驱离；对现场人员违规操作、违规接触设备进行分析、判断、提醒和报警；
仪表识别***；通过图像识别算法，自动识别各类仪表的读数、指示灯状态、开关状态、设备机械位置。
附图4，输送机皮带跑偏和撕裂控制***；用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂控制方法包括如下步骤：
步骤s400，启动装置；
步骤s401，打开工业相机，实时获取皮带画面；
步骤s402，相机开启连续抓拍模式；
步骤s403，根据设定好的阈值将灰度图转化为二值图；
步骤s404，判别皮带是否撕裂；皮带撕裂，跳转步骤s405，皮带不撕裂，跳转步骤s410，
步骤s405，判别皮带是否二级撕裂；皮带二级撕裂，跳转步骤s406；皮带没有达到二级撕裂，跳转步骤s408；
步骤s406，向控制器发出停机指令，发出警报，在故障记录中记录二级撕裂；
步骤s407，带式运输机停止运行，装置关闭，跳转步骤s416；
步骤s408，发出警报，在故障记录中记录一级撕裂；
步骤s409，执行撕裂控制***子流程；跳转步骤s416；
步骤s410，判别皮带是否跑偏；皮带未发生跑偏，跳转步骤s401；皮带发生跑偏，跳转步骤s411；
步骤s411，判别皮带是否二级跑偏；皮带二级跑偏，跳转步骤s412；皮带没有达到二级跑偏，跳转步骤s414；
步骤s412，向控制器发出停机指令，发出警报，在故障记录中记录二级跑偏；
步骤s413，带式运输机停止运行，装置关闭；跳转步骤s416；
步骤s414，发出警报，在故障记录中记录一级跑偏；
步骤s415，执行跑偏控制***子流程；跳转步骤s416；
步骤s416，结束。
皮带运转过程中，在规定的使用寿命内通常不会发生撕裂的，只有超过使用寿命，或者出现严重磨损后才会发生撕裂，发生撕裂通常是先发生一级撕裂然后发生二级撕裂，一级撕裂发展到二级撕裂是一个缓慢过程，但是，在实际使用过程中皮带出现超载或者承载的货物存在大量尖锐物品时，皮带一级撕裂发展到二级撕裂时间是非常短暂的，因此，当判定皮带出现一级撕裂后，为了保证皮带运行安全，需要撕裂控制***子流程再次判定。
优选的，所述步骤s409，撕裂控制***子流程步骤如下：
步骤s500，撕裂控制***子流程入口
步骤s501，PLC收到撕裂信号；
步骤s502，判定是否二级撕裂，二级撕裂跳转步骤s504，否则跳转步骤s503；
步骤s503，PLC只发出报警信号；跳转步骤s510；
步骤s504，PLC发出指令，皮带机停机；
步骤s505，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s506，否则跳转步骤s508；
步骤s506，发出开机信号；
步骤s507，皮带机开机运行，跳转步骤s510；
步骤s508，不发出开机信号；
步骤s509，皮带机停机，等待人工检修，跳转步骤s510；
步骤s510，撕裂控制***子流程出口。
皮带运转过程中，在规定的使用寿命内通常不会发生跑偏的，只有超过一定使用时间后，或者出现严重磨损后才会发生跑偏，发生跑偏通常是先发生一级跑偏然后发生二级跑偏，一级跑偏发展到二级跑偏是一个缓慢过程，但是，在实际使用过程中皮带出现超载时，皮带一级跑偏发展到二级跑偏时间是非常短暂的，因此，当判定皮带出现一级跑偏后，为了保证皮带运行安全，需要跑偏控制***子流程再次判定。
优选的，所述步骤s415，跑偏控制***子流程步骤如下：
步骤s600，跑偏控制***子流程入口；
步骤s601，PLC收到跑偏信号；
步骤s602，判定是否二级跑偏，二级跑偏跳转步骤s605，否则跳转步骤s603；
步骤s603，PLC发出报警信号，皮带机停机；
步骤s604，自动液压纠偏装置进行干预，纠正皮带位置，跳转步骤s607；
步骤s605，PLC发出指令，皮带机停机；
步骤s606，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s607，否则跳转步骤s609；
步骤s607，发出开机信号；
步骤s608，皮带机开机运行，跳转步骤s611；
步骤s609，不发出开机信号；
步骤s610，皮带机停机，等待人工检修，跳转步骤s611；
步骤s611，跑偏控制***子流程出口。
优选的，对收集到的1000张图像样本进行人工标记，标记出撕裂的特征及跑偏的特征，与正常情况下的皮带进行对比，利用YOLOv5卷积神经网络，将收集到的图片按照训练集：验证集：测试集的比例按照7：2：1进行划分，用权重为YOLOv5s的模型进行训练，轮数500轮，batch-size为4，得到训练结果，选用训练程度最好的模型。这个模型就是皮带检测模型。
工业相机获取皮带正常工作状态画面，根据设定好的阈值将正常工作状态画面灰度图转化为二值图；设定皮带正常运行区域；
将灰度图转化为二值图的目的是为了更好的突出激光辅助线的轮廓，灰度图是8位的，数值由0-255，0是纯黑，255是纯白，为了使激光最大化的展现出来，方便后期的图像识别和处理，会根据现场情况划定一个阈值，假设阈值为180，那么超过180的全部转化为255，低于180的全部转化为0，图像就会变成只有黑白两个颜色的二值图，到时候白线就会变得十分明显，方便机器后期识别。
实时抓拍图片二值图与正常工作状态画面二值图比对，确定皮带是否跑偏。
实时抓拍图片主要用来提取特征进行训练，为了扩充训练集和数据库收集到尽可能多的特征明显的跑偏图片，能够更好的训练皮带跑偏模型，能够尽可能的满足适应性强的特点，这样就能尽可能满足较多的使用场景，不再需要每条皮带单独训练一遍。实时抓拍图片与实际工作状态图片从相机所拍摄的角度都是一样的，主要通过一些跑偏的特征去进行对比，例如检测皮带边缘，看边缘是否有跑偏，比如检测是否露出托辊架等来判断是否跑偏。
这里的设定好的阈值是根据现场的环境进行设定的，目的是将激光照在皮带上的线变得更加明显，设定皮带的正常运行区域就是，主要把撕裂检测区域设定在激光照射出的白线附近。
优选的，高速相机高速连拍30张照片。
工业相机一般都是静止的去拍摄皮带，由于皮带输送机在运行过程中，皮带载料是在运动状态下的，市面上的皮带机带速往往在0-10m/s，高速相机每秒抓拍30的目的就是在每秒抓拍30张的情况下，带输送机在10m/s的情况下进行运动，这样拍出来的图片才不会模糊。
优选的，通过SIFT角点检测方法判别皮带是否撕裂。
优选的，包括：中央处理器和巡检机器人；巡检机器人包括：智能检测云台，智能检测云台上设置工业相机；
巡检机器人为吊轨式行走机器人；
吊轨式行走机器人的吊轨设置在皮带机上方。
本发明输送机皮带跑偏、撕裂控制方法，通过训练获得皮带检测模型，再通过实时检测将采集的皮带图片与皮带检测模型中的不同特征图像数据进行比对从而得到实际皮带的状况，通过机器视觉实时检测来代替人工巡检，可在皮带运行期间实时检测，大大降低了人工成本，提高了检测效率和准确率。
以上所述，仅是本发明的较佳实施例而已，并非对本发明的结构作任何形式上的限制。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明的技术方案范围内。
Claims (9)
1.一种输送机无人值守***，其特征在于，包括：集中控制***、AI视频监控***及网络广播***；
所述集中控制***包括:上位机、网络机柜、PLC主站、分布式IO分站、传感器；上位机实现远程集中控制；传感器实现信号采集，具体包括：
网络故障自诊模块断，当网络由于发生断线、干扰等传输问题时，自动侦测，并发出报警；
PLC故障自诊断模块，PLC的扫描器和适配器发生故障时，通过网络的通讯情况判断故障，并发出报警；PLC的I/O模块发生故障时，通过I/O模块的状态位侦测到故障及故障内容，***会发出报警；
传感器和信号线故障诊断模块，模拟量的传感器或信号线发生断线故障时，PLC通过测量值判断故障并发出报警；
I/O模块采用可拆卸端子排，出现故障时，集控室发出声光报警；
网络广播***包括：
中控室设置主交换机、广播控制主机；
***具有全体区域呼叫和广播、分区呼叫和广播；
网络广播***实现对播出的音频内容、时间、日期自由设定，具有自动分区广播和兼容多路外接媒体；实现任意选择播放、点对点语音对讲，点对面语音对讲，硬盘式内存方便音频信息的存储，并采用开放式音源软件平台，根据用户需要任意添加/存录音频信息；
AI视频监控***包括：
输送机皮带跑偏和撕裂控制***；用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂；
输送机皮带载料检测***；用于判别皮带机载料正常还是空载；
异物识别***；用于对巡检路径中输送带上的物料进行粒径检测，通过粒径大小判断物料是否存在异物，并准确定位；
人员身份识别***；用于对巡检区域的人员进行身份识别；在有非工作人员进入指定区域时进行识别、驱离；对现场人员违规操作、违规接触设备进行分析、判断、提醒和报警；
仪表识别***；通过图像识别算法，自动识别各类仪表的读数、指示灯状态、开关状态、设备机械位置。
2.根据权利要求1所述输送机无人值守***，其特征在于：
所述输送机皮带跑偏和撕裂控制***，用于判别输送机皮带运转过程中是否处于正确的工作位置以及是否产生影响物料运输的撕裂的控制方法，包括如下步骤：
步骤s400，启动装置；
步骤s401，打开工业相机，实时获取皮带画面；
步骤s402，相机开启连续抓拍模式；
步骤s403，根据设定好的阈值将灰度图转化为二值图；
步骤s404，判别皮带是否撕裂；皮带撕裂，跳转步骤s405，皮带不撕裂，跳转步骤s410，
步骤s405，判别皮带是否二级撕裂；皮带二级撕裂，跳转步骤s406；皮带没有达到二级撕裂，跳转步骤s408；
步骤s406，向控制器发出停机指令，发出警报，在故障记录中记录二级撕裂；
步骤s407，带式运输机停止运行，装置关闭，跳转步骤s416；
步骤s408，发出警报，在故障记录中记录一级撕裂；
步骤s409，执行撕裂控制***子流程；跳转步骤s116；
步骤s410，判别皮带是否跑偏；皮带未发生跑偏，跳转步骤s401；皮带发生跑偏，跳转步骤s411；
步骤s411，判别皮带是否二级跑偏；皮带二级跑偏，跳转步骤s412；皮带没有达到二级跑偏，跳转步骤s414；
步骤s412，向控制器发出停机指令，发出警报，在故障记录中记录二级跑偏；
步骤s413，带式运输机停止运行，装置关闭；跳转步骤s416；
步骤s414，发出警报，在故障记录中记录一级跑偏；
步骤s415，执行跑偏控制***子流程；跳转步骤s416；
步骤s416，结束。
3.根据权利要求2所述输送机无人值守***，其特征在于：
所述步骤s409，撕裂控制***子流程步骤如下：
步骤s500，撕裂控制***子流程入口；
步骤s501，PLC收到撕裂信号；
步骤s502，判定是否二级撕裂，二级撕裂跳转步骤s504，否则跳转步骤s503；
步骤s503，PLC只发出报警信号；跳转步骤s510；
步骤s504，PLC发出指令，皮带机停机；
步骤s505，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s506，否则跳转步骤s508；
步骤s506，发出开机信号；
步骤s507，皮带机开机运行，跳转步骤s510；
步骤s508，不发出开机信号；
步骤s509，皮带机停机，等待人工检修，跳转步骤s510；
步骤s510，撕裂控制***子流程出口。
4.根据权利要求2所述输送机无人值守***，其特征在于：
所述步骤s415，跑偏控制***子流程步骤如下：
步骤s600，跑偏控制***子流程入口；
步骤s601，PLC收到跑偏信号；
步骤s602，判定是否二级跑偏，二级跑偏跳转步骤s605，否则跳转步骤s603；
步骤s603，PLC只发出报警信号；
步骤s604，自动液压纠偏装置进行干预，纠正皮带位置，跳转步骤s607；
步骤s605，PLC发出指令，皮带机停机；
步骤s606，等待人工信号，判定皮带机是否重新开机，重新开机，跳转步骤s607，否则跳转步骤s609；
步骤s607，发出开机信号；
步骤s608，皮带机开机运行，跳转步骤s611；
步骤s609，不发出开机信号；
步骤s610，皮带机停机，等待人工检修，跳转步骤s611；
步骤s611，跑偏控制***子流程出口。
5.根据权利要求2所述输送机无人值守***，其特征在于：
对收集到的1000张图像样本进行人工标记，标记出撕裂的特征及跑偏的特征，与正常情况下的皮带进行对比，利用YOLOv5卷积神经网络，将收集到的图片按照训练集：验证集：测试集的比例按照7：2：1进行划分，用权重为YOLOv5s的模型进行训练，轮数500轮，batch-size为4，得到训练结果，选用训练程度最好的模型。这个模型就是皮带检测模型。
6.根据权利要求2所述输送机无人值守***，其特征在于：步骤s404，判别皮带是否跑偏步骤如下：
工业相机获取皮带正常工作状态画面，根据设定好的阈值将正常工作状态画面灰度图转化为二值图；设定皮带正常运行区域；
实时抓拍图片二值图与正常工作状态画面二值图比对，确定皮带是否跑偏。
7.根据权利要求2所述输送机无人值守***，其特征在于：高速相机高速连拍30张照片。
8.根据权利要求2所述输送机无人值守***，其特征在于：通过SIFT角点检测方法判别皮带是否撕裂。
9.根据权利要求2所述输送机无人值守***，其特征在于，包括：
中央处理器和巡检机器人；巡检机器人包括：智能检测云台，智能检测云台上设置工业相机；
巡检机器人为吊轨式行走机器人；
吊轨式行走机器人的吊轨设置在皮带机上方。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311184384.2A CN117184814A (zh) | 2023-09-14 | 2023-09-14 | 输送机无人值守*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311184384.2A CN117184814A (zh) | 2023-09-14 | 2023-09-14 | 输送机无人值守*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117184814A true CN117184814A (zh) | 2023-12-08 |
Family
ID=88993932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311184384.2A Pending CN117184814A (zh) | 2023-09-14 | 2023-09-14 | 输送机无人值守*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117184814A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117509071A (zh) * | 2024-01-05 | 2024-02-06 | 苏州纽酷输送机械有限公司 | 用于气垫输送机的运输监测*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105692118A (zh) * | 2016-04-01 | 2016-06-22 | 西安科技大学 | 一种矿井带式输送机故障监测预警***及方法 |
| CN205616153U (zh) * | 2016-05-05 | 2016-10-05 | 平煤神马建工集团有限公司 | 集中联锁控制***下的无人值守皮带智能化运输*** |
| CN110077803A (zh) * | 2019-03-27 | 2019-08-02 | 山东山矿机械有限公司 | 一种胶带机集中控制*** |
| CN111289529A (zh) * | 2020-02-28 | 2020-06-16 | 瑞思特(珠海)科技有限责任公司 | 一种基于ai智能分析的输送皮带撕裂检测***及检测方法 |
| CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与*** |
| CN114671215A (zh) * | 2022-04-02 | 2022-06-28 | 丁国栋 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
| JP2023083737A (ja) * | 2021-12-06 | 2023-06-16 | Ｉｈｉ運搬機械株式会社 | ベルトコンベヤの異常検出装置 |
| RU2799984C1 (ru) * | 2023-02-20 | 2023-07-14 | Алексей Геннадьевич Придорожный | Способ и система автоматизированного определения повреждений конвейерной ленты |
-
2023
- 2023-09-14 CN CN202311184384.2A patent/CN117184814A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105692118A (zh) * | 2016-04-01 | 2016-06-22 | 西安科技大学 | 一种矿井带式输送机故障监测预警***及方法 |
| CN205616153U (zh) * | 2016-05-05 | 2016-10-05 | 平煤神马建工集团有限公司 | 集中联锁控制***下的无人值守皮带智能化运输*** |
| CN110077803A (zh) * | 2019-03-27 | 2019-08-02 | 山东山矿机械有限公司 | 一种胶带机集中控制*** |
| CN111289529A (zh) * | 2020-02-28 | 2020-06-16 | 瑞思特(珠海)科技有限责任公司 | 一种基于ai智能分析的输送皮带撕裂检测***及检测方法 |
| CN113682762A (zh) * | 2021-08-27 | 2021-11-23 | 中国矿业大学 | 基于机器视觉和深度学习的皮带撕裂检测的方法与*** |
| JP2023083737A (ja) * | 2021-12-06 | 2023-06-16 | Ｉｈｉ運搬機械株式会社 | ベルトコンベヤの異常検出装置 |
| CN114671215A (zh) * | 2022-04-02 | 2022-06-28 | 丁国栋 | 一种基于图像识别和ai算法在皮带无人值守的应用 |
| RU2799984C1 (ru) * | 2023-02-20 | 2023-07-14 | Алексей Геннадьевич Придорожный | Способ и система автоматизированного определения повреждений конвейерной ленты |
Non-Patent Citations (3)
| Title |
|---|
| 国家安全生产监督管理总局信息研究院: "《煤矿信息化平台建设》", 31 July 2014, 煤炭工业出版社, pages: 49 - 50 * |
| 宋康康;: "带式输送机输送带故障智能监测保护***的设计", 机械管理开发, no. 05, 31 May 2020 (2020-05-31) * |
| 袁海立: "基于视觉分析的皮带智能检测***", 电子技术与软件工程, no. 23, 31 December 2022 (2022-12-31), pages 124 - 127 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117509071A (zh) * | 2024-01-05 | 2024-02-06 | 苏州纽酷输送机械有限公司 | 用于气垫输送机的运输监测*** |
| CN117509071B (zh) * | 2024-01-05 | 2024-03-15 | 苏州纽酷输送机械有限公司 | 用于气垫输送机的运输监测*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111476921B (zh) | 一种机房智能巡检*** | |
| CN117184814A (zh) | 输送机无人值守*** | |
| CN108298273A (zh) | 皮带机智能巡检*** | |
| CN213518557U (zh) | 一种城市消防物联网监控管理*** | |
| CN112562112A (zh) | 自动巡检方法及*** | |
| CN112698618A (zh) | 一种基于机器视觉技术的服务器告警识别*** | |
| CN115248873B (zh) | 一种基于数据融合的电缆隧道安全监测方法及*** | |
| CN113381511A (zh) | 变电站在线智能巡视*** | |
| CN208044380U (zh) | 一种铁路机房智能机器人巡检*** | |
| CN113086549A (zh) | 一种火电厂输煤皮带多智能体协同监测*** | |
| CN107318039A (zh) | 一种智能弹窗监测与告警*** | |
| CN112101495A (zh) | 一种风险监测方法、***和相关设备 | |
| CN113450471A (zh) | 一种生产园区智能巡检*** | |
| CN110540042A (zh) | 一种基于三维图像及视频技术的皮带机物料堆积检测*** | |
| CN113771053A (zh) | 一种具有智能巡检预警功能的机器人 | |
| CN107765621B (zh) | 一种变电站设备的自动巡视方法以及自动巡视*** | |
| CN115939996A (zh) | 一种电力巡检机器人的自动巡检*** | |
| CN114137302B (zh) | 一种电能计量器具检定全过程监控*** | |
| CN114298340A (zh) | 隧道电缆巡检方法及装置、存储介质及电子设备 | |
| CN210884127U (zh) | 一种基于三维图像及视频技术的皮带机物料堆积检测*** | |
| CN116012784A (zh) | 基于ai机器人识别的采煤过程巡检方法及*** | |
| CN112542022A (zh) | 一种用于智能化生产的自动巡检*** | |
| CN113816096B (zh) | 输煤皮带巡检方法、装置、***及存储介质 | |
| CN115618303A (zh) | 基于信息融合技术的调度自动化监测及故障定位*** | |
| CN211392659U (zh) | 一种基于三维图像及智能视频技术的皮带机异物检测*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Wenli Inventor after: Wang Jifeng Inventor after: Yin Jiansheng Inventor after: Yang Shifeng Inventor after: Bai Haiyan Inventor after: Li Kai Inventor after: Bai Ruojun Inventor after: Liu Bo Inventor after: Shao Lin Inventor after: Li Peng Inventor after: Song Chunwei Inventor before: Shao Lin Inventor before: Wang Ranran Inventor before: Li Peng Inventor before: Song Chunwei Inventor before: Wang Jifeng Inventor before: Yin Jiansheng Inventor before: Chen Kai Inventor before: Wu Wenbin Inventor before: Kong Xianglu |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240527 Address after: No. 015-1, Sanfeng Industrial Park, Huarong High tech Zone, Sanfengsi Town, Huarong County, Yueyang City, Hunan Province, 414205 Applicant after: Hunan Huazhong Railway Water Intermodal Energy Base Co.,Ltd. Country or region after: China Applicant after: SHANDONG CHAOSHENG PHOTOELECTRIC TECHNOLOGY CO.,LTD. Address before: Research and Development Building, No. 19 Taifei First Class Road, Daiyue District, Tai'an City, Shandong Province, 271000 Applicant before: SHANDONG CHAOSHENG PHOTOELECTRIC TECHNOLOGY CO.,LTD. Country or region before: China |