一种刮板机链条载荷监测的方法

摘要

本发明涉及数据处理技术领域，具体涉及一种刮板机链条载荷监测的方法，包括：获得压力数据序列；使用动态时间规划算法获得初始节点的每个时刻的时序数据序列；获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度和载荷权重；根据每个时序数据的载荷权重与第一异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度；将载荷异常程度大于预设载荷程度阈值的时序数据对应的节点和时刻作为异常信息，通过异常信息控制刮板机采煤操作。本发明解决传统方法的压力监测的滞后问题。

权利要求

1.一种刮板机链条载荷监测的方法，其特征在于，该方法包括以下步骤：

获得不同时刻的压力数据组成的各节点的压力数据序列；

将第一个节点记为初始节点，使用动态时间规划算法获得初始节点的每个时刻的时序数据序列；根据每个时序数据与时序数据序列的运行速度差异，获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度；根据每个时序数据与时序数据序列的数值差异，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重；根据每个时序数据的载荷权重与第一异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度；

将载荷异常程度大于预设载荷程度阈值的时序数据对应的节点和时刻作为异常信息，通过异常信息控制刮板机采煤操作；

获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重，包括的具体步骤如下：获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重，具体的计算公式如下：式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的载荷权重，为双曲线正切函数， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据， 表示初始节点的第x时刻的时序数据序列的所有时序数据的均值，表示压力监测阈值，表示取绝对值。

2.根据权利要求1所述的一种刮板机链条载荷监测的方法，其特征在于，所述获得初始节点的每个时刻的时序数据序列，包括的具体步骤如下：每个节点的压力数据序列由不同时刻采集的压力数据组成，将初始节点的压力数据序列中每个时刻的压力数据在所有节点的拟合值序列中对应的拟合值按照节点顺序组成的序列，记为初始节点的每个时刻的时序数据序列。

3.根据权利要求2所述的一种刮板机链条载荷监测的方法，其特征在于，所述所有节点的拟合值序列的获取方法具体如下：通过DTW算法动态时序规划获得初始节点与除初始节点外的每个节点的拟合值序列，拟合值序列由若干个拟合值组成，拟合值是初始节点的压力数据序列中的每个压力数据经过DTW算法动态时序规划后该压力数据在节点的压力数据序列中对应的压力数据。

4.根据权利要求1所述的一种刮板机链条载荷监测的方法，其特征在于，所述获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度，包括的具体步骤如下：将每个时序数据序列中所有时序数据的运行速度的均值记为每个时序数据序列的平均速度，将每个时序数据序列的每个时序数据的运行速度与每个时序数据序列的平均速度的差值的绝对值的归一化的结果，记为初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

5.根据权利要求4所述的一种刮板机链条载荷监测的方法，其特征在于，所述每个时序数据序列的每个时序数据的运行速度的获取方法具体如下：式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的运行速度，、 分别表示初始节点的第x时刻的时序数据序列中的第u个时序数据对应的时刻和节点， 、 分别表示初始节点的第x时刻的时序数据序列中的第u‑1个时序数据对应的时刻和节点，表示误差参数。

6.根据权利要求1所述的一种刮板机链条载荷监测的方法，其特征在于，所述获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度，包括的具体步骤如下：将初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重与第一异常程度的乘积，记为初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度。

说明书

一种刮板机链条载荷监测的方法

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种刮板机链条载荷监测的方法。

背景技术

[0002] 刮板输送机常用于对粉块状、颗粒状物料的长距离运输，因此常用于煤矿等工业行业。刮板输送机通过电机带动刮板和刮板链条将煤块向上或向下运输，作为煤矿运输的核心需要实时监控链条载荷以保证其正常运行，避免载荷过重造成链条断裂使煤矿散落造成刮板机卡死受损影响采煤作业，降低生产效率甚至危及生产人员的生命安全。

[0003] 刮板链条过载断裂主要是由于被矿料等卡住造成，因此需要对刮板链条进行实时监测以保障刮板机的正常运行，现有监测方法主要有机器视觉法、超声波法和核子检测法，机器视觉法通过监控刮板链条的外观情况分析刮板链条情况，但受限于地下矿井的作业环境，实际应用效果不佳；超声波法通过安装波导管监测链条断裂，但实际使用过程中需要掉落的煤块刺穿波导管才会导致报警，灵敏度和覆盖度较低；核子检测法使用X射线监测链条的监测效率和精准度较高，但由于核子存在放射性污染使得其应用程度不高。现有通过将压力传感器安装在中板两侧的固定架上监测刮板链条的载荷，通过在中板上运行产生的震动获得压力数据，当压力异常时，会产生异常冲击信号用于异常分析，但由于同一煤块在不同传感器点存在监测滞后性，使得无法通过同一时间的载荷监测数据分析异常。

发明内容

[0004] 本发明提供一种刮板机链条载荷监测的方法，以解决现有的问题。

[0005] 本发明的一种刮板机链条载荷监测的方法采用如下技术方案：

[0006] 本发明一个实施例提供了一种刮板机链条载荷监测的方法，该方法包括以下步骤：

[0007] 获得不同时刻的压力数据组成的各节点的压力数据序列；

[0008] 将第一个节点记为初始节点，使用动态时间规划算法获得初始节点的每个时刻的时序数据序列；根据每个时序数据与时序数据序列的运行速度差异，获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度；根据每个时序数据与时序数据序列的数值差异，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重；根据每个时序数据的载荷权重与第一异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度；

[0009] 将载荷异常程度大于预设载荷程度阈值的时序数据对应的节点和时刻作为异常信息，通过异常信息控制刮板机采煤操作。

[0010] 进一步地，所述获得初始节点的每个时刻的时序数据序列，包括的具体步骤如下：

[0011] 每个节点的压力数据序列由不同时刻采集的压力数据组成，将初始节点的压力数据序列中每个时刻的压力数据在所有节点的拟合值序列中对应的拟合值按照节点顺序组成的序列，记为初始节点的每个时刻的时序数据序列。

[0012] 进一步地，所述所有节点的拟合值序列的获取方法具体如下：

[0013] 通过DTW算法动态时序规划获得初始节点与除初始节点外的每个节点的拟合值序列，拟合值序列由若干个拟合值组成，拟合值是初始节点的压力数据序列中的每个压力数据经过DTW算法动态时序规划后该压力数据在节点的压力数据序列中对应的压力数据。

[0014] 进一步地，所述获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度，包括的具体步骤如下：

[0015] 将每个时序数据序列中所有时序数据的运行速度的均值记为每个时序数据序列的平均速度，将每个时序数据序列的每个时序数据的运行速度与每个时序数据序列的平均速度的差值的绝对值的归一化的结果，记为初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

[0016] 进一步地，所述每个时序数据序列的每个时序数据的运行速度的获取方法具体如下：

[0017]

[0018] 式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的运行速度， 、 分别表示初始节点的第x时刻的时序数据序列中的第u个时序数据对应的时刻和节点， 、 分别表示初始节点的第x时刻的时序数据序列中的第u‑1个时序数据对应的时刻和节点，表示误差参数。

[0019] 进一步地，所述获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重，包括的具体步骤如下：

[0020] 获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重，具体的计算公式如下：

[0021]

[0022] 式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的载荷权重， 为双曲双曲线正切函数， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据， 表示初始节点的第x时刻的时序数据序列的所有时序数据的均值，表示压力监测阈值，表示取绝对值。

[0023] 进一步地，所述获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度，包括的具体步骤如下：

[0024] 将初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重与第一异常程度的乘积，记为初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度。

[0025] 本发明的技术方案的有益效果是：针对使用压力传感器监测刮板机链条载荷异常的过程中由于煤块运动造成监测获得的数据存在时序和节点的滞后带来的分析困难，相较于现有使用压力传感器监测刮板机链条载荷方法存在的压力传感器的数据波动由于煤块在随时间运动产生对同一煤块的监测异常波动，本发明通过DTW算法获得每个煤块在不同时间和节点的压力数据序列，通过量化传动的时间间隔和节点间隔生成传送速度，结合压力数据的载荷权重获得载荷异常程度用于分析异常，解决传统方法的压力监测的滞后问题。

附图说明

[0026] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0027] 图1为本发明的一种刮板机链条载荷监测的方法的步骤流程图；

[0028] 图2为刮板传输机示意图；

[0029] 图3为中部槽示意图；

[0030] 图4为采集单元示意图。

具体实施方式

[0031] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种刮板机链条载荷监测的方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0032] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0033] 下面结合附图具体的说明本发明所提供的一种刮板机链条载荷监测的方法的具体方案。

[0034] 请参阅图1，其示出了本发明一个实施例提供的一种刮板机链条载荷监测的方法的步骤流程图，该方法包括以下步骤：

[0035] S001.获得各节点的压力数据序列。

[0036] 需要说明的是，现有技术监测刮板机链条载荷过程中，由于直接监测电机的电压电流波动存在较大误差，因此常通过链条在传输过程中的煤块运动状态反映刮板机链条的载荷状态。请参阅图2，其示出了刮板传输机示意图，通过电机带动两根刮板链条运动，每个刮板链条的节点都安装有刮板，通过刮板将中板上的煤块向前推进，传送结构由多个中部槽连接构成，每个中部槽由槽帮钢、中板、连接稍组焊而成，请参阅图3，其示出了中部槽示意图，中部槽与中部槽之间通过连接销实现纵向连接。当刮板上的煤块卡住时，刮板链条的运动受阻，带来电机的过载，当载荷大于链条和电机的负载时，存在链条断裂或电机烧毁的可能；因此，可以通过煤块重量在刮板机的压力数据监测链条载荷，首先需要采集刮板机在各节点的压力数据。

[0037] 具体的，将压力传感器安装在中板与中部槽的连接处，请参阅图4，其示出了采集单元示意图；当煤块通过刮板链条运送到各节点时产生的震动时，根据各节点处的压力传感器获得各节点的压力数据；将每个节点在不同时刻采集的压力数据按照时间顺序组成的序列记为每个节点的压力数据序列，采集频率为1秒一次。

[0038] 至此，通过压力传感器获得煤块传输过程中每个节点的压力数据序列。

[0039] S002.使用动态时间规划算法获得初始节点的每个时刻的时序数据序列，根据每个时序数据的载荷权重与第一异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

[0040] 需要说明的是，刮板机的链条运行速度与载荷量成反比，载荷越大造成速度越慢，当节点发生卡链、煤块重量过大时，会造成相同煤块在不同时间的多个节点产生的压力传感器数据得到的时间间隔产生改变，即间隔速度产生改变，且超重产生的压力传感器数据越可能是异常数据，因此通过同一煤块在不同节点的时间间隔以及重量数据量化获得时序节点的异常程度，用于监测刮板机链条载荷。因此，本实施例对压力数据进行时序和数值分析处理，获得数据载荷异常程度。

[0041] 1、使用动态时间规划算法获得初始节点的每个时刻的时序数据序列。

[0042] 需要说明的是，本实施例通过不同时刻的压力数据，对煤块随着刮板机中板运输到不同压力传感器节点的时间变化和数值变化进行载荷监测，因此使用DTW算法通过动态时间规划将同一时序的不同压力传感器的数据曲线拟合，获得链条节点所装载的煤块重量在不同时间的所产生的时间序列。

[0043] 进一步需要说明的是，由于煤块的在经过中板的压力传感器存在时间滞后性，且对于每个传感器而言，一个煤块仅能随时间经过一个传感器，并且在通过压力传感器分析载荷异常时，需要获得一个煤块在不同时间经过压力传感器的数据，故而本实施例使用动态时间规划算法DTW分解压力数据，获得煤块的时间序列。

[0044] 具体的，将第一个节点记为初始节点；通过DTW算法动态时序规划获得初始节点与除初始节点外的每个节点的拟合值序列，拟合值序列由若干个拟合值组成，拟合值是初始节点的压力数据序列中的每个压力数据经过DTW算法动态时序规划后该压力数据在节点的压力数据序列中对应的压力数据；例如，初始节点与第y个节点的拟合值序列为，式中， 表示初始节点的压力数据序列， 为第y个节点的压力数据序列， 表示初始节点的第x个压力数据在第 个节点中的拟合值，该拟合值是经过DTW算法动态时序规划后初始节点的第x个压力数据 在第 个节点的压力数据序列中对应的压力数据；由于同一煤块在不同时间、不同节点造成的压力数据在正常情况下相同，因此 应为初始节点的第x个压力数据的动态时序规划的最优近似值。

[0045] 进一步，每个节点的压力数据序列由不同时刻采集的压力数据组成，将初始节点的压力数据序列中每个时刻的压力数据在所有节点中的拟合值按照节点顺序组成的序列，记为初始节点的每个时刻的时序数据序列。

[0046] 至此，通过对压力数据分析并使用DTW算法获得初始节点的每个时刻的时序数据序列。

[0047] 2、获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

[0048] 需要说明的是，通过上述步骤获得初始节点的每个时刻的时序数据序列，对于正常载荷的链条在运输过程中的链条运动速度近似，即同一煤块在经过相同长度节点的时间应近似，当存在过载、卡链、煤块掉落造成稳定的运输态发生变化时，造成经过时间与节点数产生差异，因此本实施例通过分析同一煤块在相邻节点速度变化，根据煤块到达不同节点的速度差异获得第一异常程度。

[0049] 具体的，获得初始节点的每个时刻的时序数据序列中的每个时序数据的运行速度，具体的计算公式如下：

[0050]

[0051] 式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的运行速度， 、 分别表示初始节点的第x时刻的时序数据序列中的第u个时序数据对应的时刻和节点， 、 分别表示初始节点的第x时刻的时序数据序列中的第u‑1个时序数据对应的时刻和节点，表示误差参数。由于中板的运输只能正向，因此， ，误差参数 默认为1。

[0052] 进一步，将每个时序数据序列中所有时序数据的运行速度的均值记为每个时序数据序列的平均速度，将每个时序数据序列的每个时序数据的运行速度与每个时序数据序列的平均速度的差值的绝对值的归一化的结果，记为初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

[0053] 需要说明的是，通过分析每个时序数据的运行速度与其他时序数据的速度差异，获得第一异常程度，运行速度相较于其他运行速度的差异越大，则第一异常程度越大。

[0054] 至此，获得初始节点的每个时刻的时序数据序列中的每个时序数据的第一异常程度。

[0055] 3、根据每个时序数据的载荷权重与第一异常程度，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度。

[0056] 需要说明的是，本实施例的第一异常程度是通过节点的速度差异获得，但当所装载煤块的重量过大时，会造成压力变化小等问题，因此本实施例结合压力数据作为权重分析获得载荷异常程度。当刮板链条载荷整体过大时，刮板链条发生故障造成的运行速度波动较小，因此根据时序数据与压力阈值分析获得载荷权重。

[0057] 压力监测阈值取决于刮板机性能，预设一个压力监测阈值P，其中本实施例以P=500为例进行叙述，本实施例不进行具体限定，其中P根据具体实施情况而定。

[0058] 具体的，获得初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重，具体的计算公式如下：

[0059]

[0060] 式中， 表示初始节点的第x时刻的时序数据序列中的第u个时序数据的载荷权重，取值范围为 ， 为双曲双曲线正切函数，用于归一化，取值范围为 ，表示初始节点的第x时刻的时序数据序列中的第u个时序数据， 表示初始节点的第x时刻的时序数据序列的所有时序数据的均值，表示压力监测阈值，表示取绝对值。

[0061] 当 时，表示刮板链条的整体载荷相较于正常值更大，则异常对速度影响较小，因此权重大于1对第一异常程度加权放大权重，避免监测误差；当 表示刮板机的整体载荷小于正常值，则存在细小的异常都会对刮板链条的速度产生影响，因此权重小于1削弱第一异常程度； 表示第 个监测数据相较于均值的差异，越大或越小即异常程度越大。

[0062] 进一步，将初始节点的每个时刻的时序数据序列中的每个时序数据的载荷权重与第一异常程度的乘积，记为初始节点的每个时刻的时序数据序列中的每个时序数据的载荷异常程度；通过载荷重量的差异作为权重对刮板机链条的速度差异加权，获得载荷异常程度，异常程度越大表示初始节点的每个时刻的时序数据序列中的每个时序数据属于异常的可能性越大。

[0063] 至此，通过分析压力监测数据的获得载荷权重，根据载荷权重对第一异常程度加权获得载荷异常程度。

[0064] S003.根据载荷异常程度输出异常信息控制刮板机。

[0065] 预设一个载荷程度阈值T，其中本实施例以T=0.8为例进行叙述，本实施例不进行具体限定，其中T根据具体实施情况而定。

[0066] 具体的，对于初始节点的每个时刻的时序数据序列中的每个时序数据，如果该时序数据的载荷异常程度大于载荷程度阈值，则该时序数据对应的时刻以及节点的压力数据存在异常，将节点和时刻作为异常信息，通过异常信息控制刮板机采煤操作。

[0067] 针对使用压力传感器监测刮板机链条载荷异常的过程中由于煤块运动造成监测获得的数据存在时序和节点的滞后带来的分析困难，相较于现有使用压力传感器监测刮板机链条载荷方法存在的压力传感器的数据波动由于煤块在随时间运动产生对同一煤块的监测异常波动，本发明通过DTW算法获得每个煤块在不同时间和节点的压力数据序列，通过量化传动的时间间隔和节点间隔生成传送速度，结合压力数据的载荷权重获得载荷异常程度用于分析异常，解决传统方法的压力监测的滞后问题。

[0068] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0069] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。