[發明專利]一種大型行車車輪智能監測方法

在審

• 申請號: 202011107638.7
• 申請日: 2020-10-16
• 公開（公告）號: CN112418604A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 陳祥興;徐林;劉國強;劉毅
• 申請（專利權）人: 寶山鋼鐵股份有限公司;上海鼎實科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/08;G06Q10/00;G06K9/62;G10L25/27;G10L25/51
• 代理公司: 上海德悅知識產權代理事務所(普通合伙) 31344
• 代理人: 吳慶

1.一種大型行車車輪智能監測方法，其特征在于：包括以下步驟：

S1、建立基于深度學習的大型行車車輪智能檢測分類模型，所述大型行車車輪智能檢測分類模型包括聲音檢測分類模型和溫度檢測分類模型；

S2、采集大型行車車輪各種狀態下的不同聲音數據和溫度數據，并對所述不同聲音數據和溫度數據分別進行數據清洗、標記，形成大型行車車輪聲音訓練數據和大型行車車輪溫度訓練數據；

S3、使用所述大型行車車輪聲音訓練數據和大型行車車輪溫度訓練數據分別訓練所述聲音檢測分類模型和溫度檢測分類模型；聲音檢測分類模型和溫度檢測分類模型經過訓練后，將大型行車車輪的聲音與所述大型行車車輪聲音訓練數據中的標記產生關聯，將大型行車車輪的溫度與所述大型行車車輪溫度訓練數據中的標記產生關聯；

S4、采集大型行車車輪運行時的聲音及溫度，將大型行車車輪運行時的聲音及溫度輸入訓練后的所述聲音檢測分類模型和溫度檢測分類模型，所述聲音檢測分類模型和溫度檢測分類模型分別輸出大型行車車輪運行時聲音對應的聲音標記及溫度對應的溫度標記，根據聲音標記和溫度標記對大型行車車輪進行檢測。

2.根據權利要求1所述的一種大型行車車輪智能監測方法，其特征在于：在步驟S4之前還包括以下步驟：S5、搭建基于深度學習的大型行車車輪智能檢測分類系統；所述基于深度學習的大型行車車輪智能檢測分類系統包括聲音采集模塊、溫度采集模塊、計算模塊及信號輸出模塊，所述計算模塊為計算機模塊或云計算模塊。

3.根據權利要求2所述的一種大型行車車輪智能監測方法，其特征在于：所述聲音采集模塊為聲音傳感器，所述溫度采集模塊為溫度檢測元件；所述聲音傳感器及所述溫度檢測元件設置于所述大型行車的車輪軸承部位。

4.根據權利要求1所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S2中，對所述不同聲音數據進行數據清洗包括刪除與設備運行聲音不相關的噪音、將所述不同的聲音數據進行處理和裁剪。

5.根據權利要求1所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S2中，對所述不同聲音數據和溫度數據進行標記包括以下步驟：

S2a、根據大型行車車輪運行的不同狀態，建立大型行車車輪狀態分類標準；

S2b、將大型行車車輪運行狀態各種不同的聲音及溫度與大型行車車輪狀態分類標準進行對應；

S2c、將所述不同聲音數據和溫度數據基于所述大型行車車輪狀態分類標準進行標記分類，所述大型行車車輪狀態分類標準中每一大型行車車輪狀態分類下均有對應聲音數據和溫度數據；所有標記分類后的聲音數據組成大型行車車輪聲音訓練數據，所有標記分類后的溫度數據組成大型行車車輪溫度訓練數據。

6.根據權利要求5所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S2c中將所述不同聲音數據基于所述大型行車車輪狀態分類標準進行標記分類具體為將所述不同聲音數據對應的聲音波形與所述大型行車車輪狀態分類標準進行對應并標記分類。

7.根據權利要求5所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S2a中，所述大型行車車輪的不同狀態包括大型行車車輪正常狀態、異常狀態。

8.根據權利要求7所述的一種大型行車車輪智能監測方法，其特征在于：所述異常狀態包括多種異常，每種異常均設置有對應的分類名稱。

9.根據權利要求5所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S2c所述大型行車車輪狀態分類標準中每一大型行車車輪狀態分類下均有對應聲音數據和溫度數據中，每一設備狀態分類下均有多條對應聲音數據和溫度數據。

10.根據權利要求1所述的一種大型行車車輪智能監測方法，其特征在于：所述步驟S4采集大型行車車輪運行時的聲音后，包括將所述大型行車車輪運行時的聲音遠程輸出給檢測人員監測。