一种皮带运输状态的确定方法、装置、设备及介质与流程

本技术涉及皮带输送机故障诊断，特别是指一种皮带运输状态的确定方法、装置、设备及介质。

背景技术：

1、皮带输送机作为煤矿井下重要的连续运输设备，具有连续运行的特点，如某一环节有故障出现，就会影响整个机器的正常运行，一般会整机停机风险，严重会直接影响着整个矿井的煤炭开采效率。因此，为了确保煤矿运输和生产工作的顺利进行，必须对皮带输送机的运行状态进行监测以及对故障进行诊断。

2、目前，市面上有很多皮带输送机的监测技术，例如，有的状态监测和故障诊断，大都只是提供了一些分析的手段，要得出结论还需要依靠专业技术人员来分析，因此，无法实现对皮带输送机进行智能化监测。

3、再例如，有的把传感器采集到的故障信号传送给控制器或运行系统，再由控制器或运行系统对故障信号与前提配置好的阈值做比较和判断，然后发出声光报警。然而，传感器多为接触式传感器，易受煤尘、湿气等外部环境影响，在潮湿环境下，传感器容易发生短路，数据容易丢失，不能及时准确报警，并且，部分传感器无法实现全方位的高精度的测量，自身抗干扰能力较差，检测效果差。因此，容易出现故障监测错误的问题，也就是说，故障诊断的准确度较低。

4、综上，在此背景下，如何设计一种皮带运输状态的确定方法，能够实现对皮带输送机进行智能化监测，提高故障诊断的准确率，是有待解决的技术问题。

技术实现思路

1、鉴于现有技术的以上问题，本技术提供了一种皮带运输状态的确定方法、装置、设备及介质，实现对皮带输送机进行智能化监测，提高故障诊断的准确率，确保煤矿安全运行。

2、为达到上述目的，本技术第一方面提供了一种皮带运输状态的确定方法，包括：

3、获取用于表示皮带运输状态的i个第一特征值，所述i个第一特征值中每个第一特征值xi均对应一权重值yi；

4、计算i个第二特征值pi，pi＝yi*xi，

5、将所述i个第二特征值输入至pnn神经网络中，由所述pnn神经网络确定皮带当前故障类别。

6、由上，通过获取用于表示皮带运输状态的多个第一特征值，并通过该领域专家的经验，对多个第一特征值赋予对应的权重值，再根据第一特征值和权重值计算第二特征值，输入至pnn神经网络中，以确定皮带当前故障类别。如此，本技术在获取到大量的第一特征值的基础上，还能够充分利用该领域专家的经验，并将人工智能方法引入至故障诊断技术领域中，不仅实现对皮带输送机进行智能化监测，还提高了故障诊断的准确率，有效的预防故障的发生，提前做好故障的预案，减少维修的时间，避免了长时间的维修而带来的经济损失。

7、作为第一方面的一种可能的实现方式，还包括：

8、获取第三特征值；

9、至少一个所述第一特征值根据所述第三特征值计算得到。

10、由上，一部分第一特征值可以根据第三特征值进行计算间接地获取到，另一部分第一特征值可以直接获取到，也就是说，第一特征值包括了不同的模态数据，并对不同的模态数据进行融合分析，以构成第一特征值，本技术相较于传统技术方案中的直接采用传感器所采集数据进行故障诊断，在一定程度上，提高了皮带故障诊断的准确率。

11、作为第一方面的一种可能的实现方式，所述pnn神经网络，其构建方法包括：

12、获取至少j个样本数据，每个样本数据包括i个第一特征值和一故障类别，所述j个样本数据共包括k种故障类别；

13、构建所述pnn神经网络，并使用所述j个样本数据训练所述pnn神经网络；

14、其中，所述pnn神经网络包括：输入层，其包括i个神经元；样本层，其包括j个神经元；求和层，其包括k个神经元；竞争层，其包括一个神经元；

15、所述输入层的各神经元与所述样本层的各神经元全连接，所述样本层的各神经元与所述求和层的对应故障类别的神经元相连接，所述求和层的各神经元与竞争层的神经元相连接。

16、由上，将人工智能方法引入皮带运输故障诊断的技术领域，实现及时可靠地对皮带潜在的故障进行诊断，并且，pnn神经网络能够有效诊断出皮带的故障类别，有利于后续故障类别进行针对性的维修，减少维修的时间，避免了长时间的维修而带来的经济损失。

17、作为第一方面的一种可能的实现方式，所述i个权重值根据特征状态的m个类别赋值为m个值中的一个。

18、由上，由于权重值是依靠该领域专家的经验，对多个第一特征值赋予对应的权重值，因此，本技术在获取到大量的第一特征值的基础上，还能够充分利用该领域专家的经验，有利于提高故障定位的准确性和可靠性。

19、作为第一方面的一种可能的实现方式，所述m个类别包括四个类别，所述四个类别包括：输送带、运动、力学、振动。

20、作为第一方面的一种可能的实现方式，所述第一特征值包括至少以下之二：带速、牵引力、跑偏值、灰尘值、角度值、电机功率、电机转矩、提升角、煤位高低值、电机速度、受力均衡情况、噪音、温度值、煤位高低值以及速度。

21、由上，第一特征值，可以从大量的传感器中收集不同时间与空间的运行数据，以及，采集皮带的基础数据(例如，提升角)，运行数据和基础数据共同构成第一特征值，如此，以大量数据为基础的客观计算分析，有利于提高皮带故障诊断的准确率，降低误判率。

22、作为第一方面的一种可能的实现方式，所述至少一个所述第一特征值根据所述第三特征值计算得到，包括：

23、所述第三特征值包括：第一节点牵引力、第二节点牵引力、系数；

24、所述第一特征值中的所述牵引力的表达式为：其中，w0为牵引力，s1为第一节点牵引力，s2为第二节点牵引力，为系数。

25、由上，通过对获取到的第三特征值进行客观计算处理，得到第一特征值，以便于后续根据第一特征值对皮带的故障状态进行诊断。

26、为达到上述目的，本技术第二方面提供了一种皮带运输状态确定装置，该装置包括：

27、获取单元，用于获取用于表示皮带运输状态的i个第一特征值，所述i个第一特征值中每个第一特征值xi均对应一权重值yi；

28、计算单元，用于计算i个第二特征值pi，pi＝yi*xi；

29、确定单元，用于将所述i个第二特征值输入至pnn神经网络中，由所述pnn神经网络确定皮带当前故障类别。

30、由上，通过获取用于表示皮带运输状态的多个第一特征值，并通过该领域专家的经验，对多个第一特征值赋予对应的权重值，再根据第一特征值和权重值计算第二特征值，输入至pnn神经网络中，以确定皮带当前故障类别。如此，本技术在获取到大量的第一特征值的基础上，还能够充分利用该领域专家的经验，并将人工智能方法引入至故障诊断技术领域中，不仅实现对皮带输送机进行智能化监测，还提高了故障诊断的准确率，有效的预防故障的发生，提前做好故障的预案，减少维修的时间，避免了长时间的维修而带来的经济损失。

31、为达到上述目的，本技术第三方面提供了一种计算设备，包括：

32、处理器，以及

33、存储器，其上存储有程序指令，所述程序指令当被所述处理器执行时使得所述处理器执行第一方面的任一所述的皮带运输状态的确定方法。

34、为达到上述目的，本技术第四方面提供了一种存储介质，其上存储有程序指令，所述程序指令当被计算机执行时使得所述计算机执行第一方面的任一所述的皮带运输状态的确定方法。