针对现有带式输送机故障检测方法劳动强度大、可靠性较差等问题,提出了一种带式输送机故障巡检机器人系统设计方案。首先分析了带式输送机常见的输送带和托辊故障类型及其原因,包括输送带横向断裂、纵向撕裂、打滑、跑偏及堆煤,托辊磨损和转动卡死等;然后针对不同故障类型,选定了系统传感器,包括激光雷达、单目相机、烟雾传感器、声音传感器和温度传感器,并提出了相应的故障检测算法;最后给出了系统上位机和下位机软件流程。

摘要：针对现有带式输送机故障检测方法劳动强度大、可靠性较差等问题，提出了一种带式输送机故障巡检机器人系统设计方案。首先分析了带式输送机常见的输送带和托辊故障类型及其原因，包括输送带横向断裂、纵向撕裂、打滑、跑偏及堆煤，托辊磨损和转动卡死等；然后针对不同故障类型，选定了系统传感器，包括激光雷达、单目相机、烟雾传感器、声音传感器和温度传感器，并提出了相应的故障检测算法；最后给出了系统上位机和下位机软件流程。 关键词：带式输送机； 故障检测； 巡检机器人； 托辊故障； 输送带断裂； 输送带打滑；

针对现有带式输送机托辊故障检测方法准确率及效率低等问题,提出一种基于φ-OTDR技术的带式输送机托辊故障检测方法。该方法利用相干脉冲光的后向瑞利散射对托辊的振动信号进行检测,从而实现对异常托辊的识别和定位。实验及测试结果表明,该方法能够实现带式输送机托辊故障检测,故障定位误差不大于5m。

针对现有带式输送机托辊故障检测方法采用接触式测量、不便于安装操作、不适合于井下大范围故障检测等问题，提出了一种基于小波去噪和BP-RBF神经网络的托辊故障检测方法。采集托辊运行时的音频信号，采用结合了软阈值法和硬阈值法的折中法对音频信号进行小波去噪处理；将每一层小波分解信号的能量和作为该层的特征值，通过处理系数对低频部分的特征值进行转换，以减小其在总能量中的占比，使故障特征更加明显；将提取的特征向量输入BP-RBF神经网络模型中进行故障检测。测试结果表明，对于正常托辊信号、托辊表面存在裂痕、托辊