本發明屬于監測，具體涉及一種輸送機托輥在線監測方法、裝置及電子設備。

背景技術：

1、輸送機托輥是輸送機系統中至關重要的組成部分，其運行狀態直接影響整體性能和安全性。但由于托輥數量眾多、分布廣泛且工況復雜，現有的監測方式主要依賴人工巡檢和振動傳感器，存在一些明顯不足。首先，在煤礦等復雜環境中，振動傳感器的安裝非常不便，且故障定位不夠精準，維護頻率較高，這使得其難以滿足長距離和高噪音環境下實時監測的需求；其次，人工檢測不僅成本高，而且監測精度較低，告警響應不夠及時，缺乏有效的預警機制，更無法準確識別故障類型。這些問題限制了現有監測手段的有效性，因此亟需一種更加高效、可靠的監測方法，以提高輸送機托輥的整體性能和安全性。

技術實現思路

1、本發明所要解決的技術問題是針對現有技術的上述不足，提出一種基于光纖傳感多特征融合的輸送機托輥在線監測方法、裝置及電子設備。該方法能夠自動準確地識別并輸出故障類型，從而增強輸送機托輥的整體性能和安全性。

2、第一方面，本發明提供一種基于光纖傳感多特征融合的輸送機托輥在線監測方法，所述方法包括如下步驟：

3、步驟s1：獲取輸送機托輥運行時實時產生的聲波振動信號；

4、其中，所述聲波振動信號是基于光纖中的反向瑞利散射光得到的；

5、步驟s2：基于所述聲波振動信號，提取出目標特征值；

6、步驟s3：判斷所述目標特征值是否超出預設閾值：

7、若所述目標特征值超出預設閾值，則進入步驟s4；若所述目標特征值未超出預設閾值，則結束流程；

8、步驟s4：將所述目標特征值輸入預先構建好的目標神經網絡模型中，以使所述目標神經網絡模型輸出所述目標特征值對應的故障類型，從而完成基于光纖傳感多特征融合的輸送機托輥在線監測。

9、進一步地，所述步驟s1，具體包括如下步驟：

10、將發射脈沖激光信號通過測振光纖傳輸至輸送機托輥；

11、接收光纖中產生的反向瑞利散射光；

12、其中，所述反向瑞利散射光是根據輸送機托輥運行時實時產生的聲波振動得到的；

13、將接收到的反向瑞利散射光信號進行光電信號轉換，得到與其對應的電信號；

14、將所述電信號轉化為振動信號，從而得到輸送機托輥運行時實時產生的聲波振動信號。

15、進一步地，所述步驟s2，具體包括如下步驟：

16、步驟s21：從所述振動信號中進行特征提取，得到每一幀的能量特征值；

17、步驟s22：將所述能量特征值進行歸一化處理，得到目標特征值。

18、進一步地，所述步驟s21，具體包括如下步驟：

19、將所述振動信號進行預處理，得到預處理后的振動信號；

20、其中，所述預處理包括增加振動信號的高頻成分；

21、將預處理后的振動信號按照時間窗口進行分幀，得到包括連續固定時長的每一幀信號；

22、對每一幀信號進行加窗處理，得到加窗后的每一幀信號；

23、通過快速傅里葉變換對加窗后的每一幀信號中的時域信號轉換為頻域信號，得到信號的頻譜信息；

24、使用梅爾濾波器從所述頻譜信息中提取頻帶能量值，得到梅爾濾波器的輸出值；

25、對每一幀中所有梅爾濾波器的輸出值進行求和，得到每一幀的能量特征值。

26、進一步地，所述步驟s22，具體包括如下步驟：

27、遍歷所有的能量特征值，獲取能量特征值中的最小值和最大值；

28、根據能量特征值中的最小值和最大值，計算目標特征值；

29、所述目標特征值的計算公式如下：

30、

31、其中，

32、x′表示目標特征值；

33、min(x)表示能量特征值中的最小值；

34、max(x)表示能量特征值中的最大值。

35、進一步地，所述步驟s4之前，所述方法還包括步驟s0；

36、步驟s0：構建目標神經網絡模型；

37、所述步驟s0，具體包括如下步驟：

38、步驟s01：收集標注樣本集；所述標注樣本包括正常樣本以及不同故障類型樣本的輸送機托輥運行數據；

39、步驟s02：將所述標注樣本集分為訓練集和驗證集；

40、步驟s03：以標注樣本中的多特征融合值作為輸入、故障類型為輸出構建殘差神經網絡，采用訓練集對殘差神經網絡進行訓練得到殘差神經網絡預測模型；

41、其中，所述多特征融合值包括時域特征數據、頻域特征數據、包絡特征數據、視頻特征數據；

42、步驟s04：通過驗證集對所述殘差神經網絡預測模型進行驗證調優和測試，得到目標神經網絡模型。

43、第二方面，本發明提供一種基于光纖傳感多特征融合的輸送機托輥在線監測裝置，該裝置包括：

44、獲取單元，用于獲取輸送機托輥運行時實時產生的聲波振動信號；

45、其中，所述聲波振動信號是基于光纖中的反向瑞利散射光得到的；

46、提取單元，與所述獲取單元連接，用于基于所述聲波振動信號，提取出目標特征值；

47、判定單元，與所述提取單元連接，用于判斷所述目標特征值是否超出預設閾值；

48、輸入單元，與所述判定單元連接，用于在所述判定單元判定所述目標特征值超出預設閾值時，將所述目標特征值輸入預先構建好的目標神經網絡模型中，以使所述目標神經網絡模型輸出所述目標特征值對應的故障類型，從而完成基于光纖傳感多特征融合的輸送機托輥在線監測。

49、進一步地，所述獲取單元包括：

50、傳輸模塊，用于將發射脈沖激光信號通過測振光纖傳輸至輸送機托輥；

51、接收模塊，與所述傳輸模塊連接，用于接收光纖中產生的反向瑞利散射光；

52、其中，所述反向瑞利散射光是根據輸送機托輥運行時實時產生的聲波振動得到的；

53、第一轉換模塊，與所述接收模塊連接，用于將接收到的反向瑞利散射光信號進行光電信號轉換，得到與其對應的電信號；

54、轉化模塊，與所述第一轉換模塊連接，用于將所述電信號轉化為振動信號，從而得到輸送機托輥運行時實時產生的聲波振動信號。

55、進一步地，所述提取單元包括：

56、提取子單元，用于從所述振動信號中進行特征提取，得到每一幀的能量特征值；

57、計算子單元，與所述提取子單元連接，用于將所述能量特征值進行歸一化處理，得到目標特征值。

58、進一步地，所述提取子單元包括：

59、預處理模塊，用于將所述振動信號進行預處理，得到預處理后的振動信號；

60、其中，所述預處理包括增加振動信號的高頻成分；

61、分幀處理模塊，與所述預處理模塊連接，用于將預處理后的振動信號按照時間窗口進行分幀，得到包括連續固定時長的每一幀信號；

62、加窗處理模塊，與所述分幀處理模塊連接，用于對每一幀信號進行加窗處理，得到加窗后的每一幀信號；

63、第二轉換模塊，與所述加窗處理模塊連接，用于通過快速傅里葉變換對加窗后的每一幀信號中的時域信號轉換為頻域信號，得到信號的頻譜信息；

64、提取模塊，與所述第二轉換模塊連接，用于使用梅爾濾波器從所述頻譜信息中提取頻帶能量值，得到梅爾濾波器的輸出值；

65、第一計算模塊，與所述提取模塊連接，用于對每一幀中所有梅爾濾波器的輸出值進行求和，得到每一幀的能量特征值。

66、進一步地，所述計算子單元包括：

67、獲取模塊，用于遍歷所有的能量特征值，獲取能量特征值中的最小值和最大值；

68、第二計算模塊，與所述獲取模塊連接，用于根據能量特征值中的最小值和最大值，計算目標特征值；

69、其中，所述第二計算模塊中存儲有如下目標特征值的計算公式：

70、

71、其中，

72、x′表示目標特征值；

73、min(x)表示能量特征值中的最小值；

74、max(x)表示能量特征值中的最大值。

75、進一步地，所述裝置還包括構建單元；

76、所述構建單元與所述輸入單元連接，用于構建目標神經網絡模型，以使所述輸入單元將將所述目標特征值輸入預先訓練好的目標神經網絡模型；

77、所述構建單元包括：

78、收集模塊，用于收集標注樣本集；所述標注樣本包括正常樣本以及不同故障類型樣本的輸送機托輥運行數據；

79、劃分模塊，與所述收集模塊連接，用于將所述標注樣本集分為訓練集和驗證集；

80、構建模塊，與所述劃分模塊連接，用于以標注樣本中的多特征融合值作為輸入、故障類型為輸出構建殘差神經網絡；

81、其中，所述多特征融合值包括時域特征數據、頻域特征數據、包絡特征數據、視頻特征數據；

82、訓練模塊，與所述構建模塊和所述劃分模塊分別連接，用于采用訓練集對殘差神經網絡進行訓練得到殘差神經網絡預測模型；

83、調優模塊，與所述訓練模塊和所述劃分模塊分別連接，用于通過驗證集對所述殘差神經網絡預測模型進行驗證調優和測試，得到目標神經網絡模型。

84、第三方面，本發明提供一種基于光纖傳感多特征融合的輸送機托輥在線監測的電子設備，該電子設備包括存儲器和處理器，所述存儲器中存儲有計算機程序，當所述處理器運行所述存儲器存儲的計算機程序時，所述處理器執行根據第一方面所述的基于光纖傳感多特征融合的輸送機托輥在線監測方法。

85、本發明基于光纖傳感多特征融合，能夠自動準確地識別并輸出故障類型，從而增強輸送機托輥的整體性能和安全性。具體的有效效果如下：

86、1.實時監控能力：本發明基于反向瑞利散射光，能夠實時獲取和分析振動信號，及時識別托輥的運行異常，從而減少故障發生后的響應時間。

87、2.提高故障診斷準確性：通過能量特征值的歸一化處理和目標神經網絡的智能分析，本發明顯著提高了故障類型的識別準確性，降低了誤判率。

88、3.智能化管理：本發明實現了故障檢測的自動化，減少了對人工檢測的依賴，降低了人為錯誤的可能性，進一步提升了監測效率。

89、4.節省成本：通過減少頻繁的人工巡檢和維護需求，本發明顯著降低了運營成本，并提高了資源的利用效率。

90、5.適應復雜環境：本發明利用光纖傳感技術，能夠在高噪音環境中穩定工作，確保監測數據的可靠性。

91、6.提升預警能力：通過實時特征監測和閾值判斷，本發明能夠提前預警潛在故障，防止設備出現嚴重損壞，從而避免因生產停滯帶來的損失。