[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

本發明公開了一種大型行車車輪智能監測方法，采用深度學習的方法將一種大型行車車輪運行時的聲音及溫度與大型行車車輪運行狀態進行關聯，并實時采集大型行車車輪運行時的聲音及溫度，從而對大型行車車輪的運行狀態進行智能監測，完成大型行車車輪狀態評估和故障預警，當發現有狀態異常的車輪后，可在最近的定修或檢修過程中進行維護，從而避免了車輪異常導致的安全隱患和非正常停機，確保煉鋼物流的正常。同時，也可以為點檢人員提供遠程聲音監聽，方便點檢人員對預警進行評估和把控所有車輪的工作狀態，保證監測效果。本申請的一種大型行車車輪智能監測方法具有監測效果好，智能化程度高，使用靈活的優點。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種通過人工智能進行大型行車車輪智能監測的方法。

背景技術

大型液態吊承擔著鋼鐵廠的熔融金屬吊運任務，是鋼鐵生產的關鍵設備。由于其重要性及安全性要求較高，所以如何保障大型冶金行車的良好工作狀態和設備狀態穩定可控一直是行車設備管理的核心任務。目前，在大型液態吊的系統中配置了各種監控系統以確保其安全生產和設備狀態。根據多年的使用經驗，目前最不好把控的就是行車車輪的狀態，而且目前對于行車車輪還沒有任何的監控手段，一般采用周期更換和事后維修的方式。行車車輪發生故障不僅會導致故障停機，而且存在安全生產隱患，若多個車輪同時出現問題，會導致嚴重后果。

一臺大型行車配置有32個車輪，正常更換周期為5年。但是，根據多年經驗，在車輪正常的壽命周期內，經常發生由于車輪軸承故障導致的異常損壞問題。經過初步統計，二煉鋼1#～5#450T行車，由于軸承故障導致的非正常車輪更換多達18次，其中2019年至今就發生了6次非正常更換。每次非正常更換需要7-8小時，嚴重影響煉鋼的正常物流。而且，每次更換除了備件費用外，還需要額外的檢修和吊車等更換費用。

目前，隨著設備工作負荷的增大，以及對安全生產要求越來越高，尤其是有一些車輪由于安裝位置的原因，設備點檢人員是無法直接接觸的，也就無法進行五感點檢，存在較大安全隱患。因此，非常有必要通過先進的技術手段對行車車輪進行監控和劣化趨勢分析，從而預估設備狀態，把故障搶修轉變為事前維護，這樣不僅可以降低生產安全隱患，也可降低設備維護成本。目前，在軸承類旋轉機械設備的在線故障診斷方面，主要的技術手段是通過振動監測進行故障診斷和狀態預警。但是，對于行車類的低速重載，尤其是負載經常發生變化的應用場景，其效果并不明顯，而且應用機械振動在線檢測方法進行故障診斷的成本較高，也不適用于行車車輪這樣有著大量裝機量的設備監測。

因此，有必要提出一種改進，以克服現有技術缺陷。

發明內容

本發明的目的是解決現有技術中的問題，提供一種基于深度學習的大型行車車輪智能監測方法。

本發明的技術方案是：

一種大型行車車輪智能監測方法，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。