技术领域
[0001] 本
发明涉及皮带机系统
异常检测领域，尤其涉及一种基于声音阵列和
图像处理的皮带机跑偏检测系统。
背景技术
[0002] 皮带运输机是运用皮带运输物料的机械，在
冶金、矿山等行业广泛应用。皮带运输机运行时皮带跑偏是最常见的故障，跑偏的根本原因是皮带宽度方向的合
力不为零或皮带宽度垂直方向的拉力不均匀，造成这种现象的原因主要有以下几种：(1)因皮带运行时间太长导致内部组织结构不均匀；(2)长期不清理导致皮带表层
结垢严重；(3)滚筒不平造成皮带跑偏；(4)皮带上运输物料分布不均匀。皮带跑偏会引起系统故障停机影响生产作业效率，也会造成设备主要部件的非正常损坏，更容易引发安全事故。现有的基于图像处理的皮带机跑偏检测系统虽然可以检测出皮带跑偏，但由于无法准确获得跑偏
位置而导致在检测过程中存在识别速率慢和识别
精度差的问题；严重影响了皮带机跑偏检测系统的可靠性。
发明内容
[0003] 本发明提供了一种皮带机跑偏检测系统，旨在通过皮带跑偏时在跑偏位置发生异常声响，来进行精确
定位，提高了识别准确率高，识别速度。
[0004] 为实现上述目的，本发明提供的技术方案为：一种皮带机跑偏检测系统，其特征在于，包括跑偏位置的获取、跑偏位置的图像获取、跑偏位置图像的分析与处理；其中跑偏位置的获取使用麦克
风阵列拾取皮带机系统声音
信号，进行预处理步骤后获取稳定的
电信号，然后通过
鉴频器对异常声音进行鉴频识别，并通过基于时延差的麦克风阵列声源定位
算法检测出现异常
频率声音的位置。
[0005] 进一步的技术方案在于，所述跑偏位置的图像获取采用工业摄像机，所述工业摄像机安装在相机
支架上，所述工业摄像机置于皮带上方，所述工业摄像机固定在相机底座的
电机驱动轴上；所述相机底座固定在相机支架上；所述工业摄像机以及麦克风阵列、电机与上位机系统连接。
[0006] 进一步的技术方案在于，所述跑偏位置图像的分析与处理过程中，对照片进行预处理步骤后采用灰度平均法分割图像，对分割后的图像进行边缘特征提取，结合传送皮带的跑偏
角和偏移量特征以及
支持向量机来判断皮带是否跑偏和跑偏的严重程度。
[0007] 进一步的技术方案在于，还包括预警处理和人工复核处理；上位机系统根据跑偏位置图像的分析与处理后，对故障诊断结果选择报警方案进行预警处理，同时并将跑偏位置图像发送至监控主机，供监控人员进行人工复核处理。
[0008] 进一步的技术方案在于，所述预处理为对
声音信号进行滤波、放大处理。
[0009] 进一步的技术方案在于，所述基于时延差的麦克风阵列声源定位算法为根据异常声源到达不同麦克风的时间差，转换为对应的声程差，通过声源定位算法计算得到异常声源的位置；其中对时间延迟的估计采用广义互相关算法。
[0010] 进一步的技术方案在于，上位机系统收到异常声源位置信息后，通过控制电机来调控工业摄像机的拍摄角度，对异常位置进行照片拍摄，并将照片发送至上位机系统，进行后续跑偏位置图像的分析与处理。
[0011] 进一步的技术方案在于，上位机系统获得摄像机传回的图像后，对图像进行预处理；随后对经过预处理的图像采用灰度平均法进行
图像分割，将传送皮带与背景分割开，图像分割后进行边缘特征提取，利用传送皮带的跑偏角和偏移量特征结合支持向量机来判断皮带是否跑偏以及跑偏的严重程度。
[0012] 进一步的技术方案在于，所述预处理包括图像格式转化，图像裁切、旋转，以及图像
对比度、
亮度调整。
[0013] 进一步的技术方案在于，采用灰度平均法进行图像分割的过程为：根据
像素的灰度值进行图像分割，对于一幅M×N的数字图像，首先计算平均灰度值mf，列极小值向量u(j)和列极大值向量v(j)，其表达式为
[0014]
[0015]
[0016]
[0017] 式中：f(i,j)为像素i,j位置处的灰度图像值；利用列极小值向量u(j)和列极大值向量v(j)计算
[0018]
[0019] 根据灰度平均值mf和muv计算
阈值Th，即
[0020] Th＝max{mf,muv}
[0021] 于是，就可将皮带图像表示为二值图像b(i,j)，其表达式为
[0022]
[0023] 二值化后背景表示为“1”，而输送带表示为“0”；
[0024] 特征函数为
[0025]
[0026] 式中，g(i)的取值范围为[0,M]，对g(i)中皮带和背景的分界线用线性函数进行拟合，可得两条分界线，定义皮带边缘和其高度方向的夹角为跑偏角，将左侧和右侧拟合线的斜率分别记为k1和k2，根据左右侧分界线分别计算得到皮带边缘和图像边缘的距离d1和d2；由此可得
特征向量：
[0027] R＝(k1,k2,d1,d2,)
[0028] 与
现有技术相比，本发明技术具有如下优点：
[0029] 1.采用基于麦克风阵列的声源定位技术，提高皮带机跑偏检测的识别速度和识别准确率；
[0030] 2.利用麦克风阵列和图像处理相结合的手段，保证皮带机跑偏异常检测准确率的同时，能够定位皮带机跑偏位置和故障程度；
[0031] 3.使用可
自动调节角度拍摄的工业摄像机，扩大了拍摄范围；
[0032] 4.可自动识别皮带机跑偏程度并采用不同的警示策略，优化了检测系统。
附图说明
[0033] 图1是本发明系统相机安装方式。
[0034] 图2是本发明的检测系统原理图。
[0035] 图3是基于麦克风阵列的声源定位模型。
[0036] 1、皮带；2、相机支架；3、工业摄像机；4、相机底座。
具体实施方式
[0037] 下面结合附图对本发明做进一步说明：
[0038] 本发明阐述了一种皮带机跑偏检测系统，如图2所示，其包括跑偏位置的获取、跑偏位置的图像获取、跑偏位置图像的分析与处理等步骤；其中跑偏位置的获取使用麦克风阵列拾取皮带机系统声音信号，进行预处理步骤后获取稳定的电信号，然后通过鉴频器对异常声音进行鉴频识别，并通过基于时延差的麦克风阵列声源定位算法检测出现异常频率声音的位置。
[0039] 本发明
实施例中，如图1所示，所述跑偏位置的图像获取采用工业摄像机3，所述工业摄像机3安装在相机支架2上，所述工业摄像机3置于皮带1上方，所述工业摄像机3固定在相机底座4的电机驱动轴上；所述相机底座4固定在相机支架2上；所述工业摄像机3以及麦克风阵列、电机与上位机系统连接。
[0040] 本发明实施例中，如图2所示，所述跑偏位置图像的分析与处理过程中，对照片进行预处理步骤后采用灰度平均法分割图像，对分割后的图像进行边缘特征提取，结合传送皮带的跑偏角和偏移量特征以及支持向量机来判断皮带是否跑偏和跑偏的严重程度。
[0041] 本发明实施例中，如图2所示，还包括预警处理和人工复核处理；上位机系统根据跑偏位置图像的分析与处理后，对故障诊断结果选择报警方案进行预警处理，同时并将跑偏位置图像发送至监控主机，供监控人员进行人工复核处理。
[0042] 本发明实施例中，如图2所示，所述预处理为对声音信号进行滤波、放大处理。
[0043] 本发明实施例中，如图2所示，所述基于时延差的麦克风阵列声源定位算法为根据异常声源到达不同麦克风的时间差，转换为对应的声程差，通过声源定位算法计算得到异常声源的位置；其中对时间延迟的估计采用广义互相关算法。
[0044] 本发明实施例中，如图2所示，上位机系统收到异常声源位置信息后，通过控制电机来调控工业摄像机的拍摄角度，对异常位置进行照片拍摄，并将照片发送至上位机系统，进行后续跑偏位置图像的分析与处理。
[0045] 本发明实施例中，如图2所示，上位机系统获得摄像机传回的图像后，对图像进行预处理；随后对经过预处理的图像采用灰度平均法进行图像分割，将传送皮带与背景分割开，图像分割后进行边缘特征提取，利用传送皮带的跑偏角和偏移量特征结合支持向量机来判断皮带是否跑偏以及跑偏的严重程度。
[0046] 本发明实施例中，所述系统包括以下步骤：
[0047] 步骤1：使用麦克风阵列拾取声音信号，并对声音信号进行滤波以及放大处理，通过鉴频器对放大后的声音进行鉴频识别，判断是否有
指定频率范围，即皮带跑偏时的声音到达麦克风，从而实现对异常声音的检测；对异常声音定位使用基于时延差的麦克风阵列声源定位算法，根据异常声源到达不同麦克风的时间差，转换为对应的声程差，通过声源定位算法计算得到异常声源的位置；其中对时间延迟的估计采用广义互相关算法。
[0048] 步骤2：上位机系统得到异常声源位置信息后，自动控制可调摄像机调整拍摄角度，进行异常位置照片拍摄，并将照片发送至上位机系统，进行后续的图像处理。
[0049] 步骤3：上位机系统获得摄像机传回的图像后，对图像进行必要的格式转化，然后进行裁切、旋转，调整对比度和亮度等一系列预处理步骤；对经过预处理的图像进行图像分割，将传送皮带与背景分割开，本系统采用灰度平均法来分割图像，根据像素的灰度值进行图像分割；图像分割后进行边缘特征提取，利用传送皮带的跑偏角和偏移量等特征结合支持向量机来判断皮带是否跑偏以及跑偏的严重程度，并将判断结果发送到报警系统进行后续的报警处理。
[0050] 步骤4，在收到报警信号后，报警系统根据设定的规则发出相应级别的声光报警信号。在主控室内，低级别的提醒信号通过监控主机的音箱发音提示，高级别的报警在使用音箱的同时还会启动主控室的声光报警器；高级别的报警意味着现场发生严重跑偏事故，监控主机发出皮带机停止运行的急停信号。
[0051] 本发明实施例中，结合图1，将工业摄像机3安装在相机支架2上，上位机系统采用
计算机系统。结合图2，其为本发明的检测系统原理图。A为跑偏位置的获取，B为跑偏位置的图像获取以及跑偏位置图像的分析与处理，C为预警处理和人工复核处理。首先，使用麦克风阵列拾取声音信号，通过鉴频器对异常声音进行鉴频识别，并通过麦克风阵列检测出现异常频率声音的位置；结合图3，其为基于麦克风阵列的声源定位的基本模型。E、O、F为三个麦克风，间距为d，S为异常声源位置，θ为异常声源和麦克风O的连线与x轴的夹角，α为异常声源与麦克风F的连线与x轴的夹角。
[0052] 具体过程如下：
[0053] 使用麦克风阵列拾取声音信号，并对声音信号进行滤波放大等预处理步骤，通过鉴频器对放大后的声音进行鉴频识别，判断是否有指定频率范围，即皮带跑偏时的声音到达麦克风，从而实现对异常声音的检测。
[0054] 对异常声源位置的确定采用基于时延的麦克风阵列声源定位算法：
[0055] 根据三角余弦定理可得关系式：
[0056] SE2＝SO2+d2+2d·SO·cosθ (1)
[0057] SF2＝SO2+d2-2d·SO·cosθ (2)
[0058] 假定环境中的声速已知(v≈340m/s)，且麦克风E和O的接收到声源信号的时延差为τEO，麦克风O和F接收到声源信号的时延差为τOF，则SE、SF、SO之间的关系为：
[0059] SE＝SO+v·τEO (3)
[0060] SF＝SO-v·τOF (4)
[0061] 由式(1)(2)(3)(4)，解得
[0062]
[0063] cosα≈v·τEO/d
[0064] cosθ≈vτOF/d
[0065] α≈θ
[0066]
[0067] 时间延迟τ的计算采用广义互相关时延估计方法：
[0068] 麦克风接收到的信号模型可以表示为：
[0069] x(n)＝αxs(n)+N1(n) (7)
[0070] y(n)＝αys(n-D)+N2(n) (8)
[0071] 式中，s(n)为接收到的由目标声源发出的信号，s(n-D)表示s(n)的时延信号，其中时间延迟为D，ax和ay为衰减因子，而N1(n)和N2(n)是加性噪声。
[0072] x(n)和y(n)之间的互相关函数可表示为：
[0073]
[0074] 简化为
[0075] Rxy(τ)≈αxαyRss(τ-D) (10)
[0076] 互相关函数在τ＝D处取最大值，因此通过搜索互相关函数的最大值就能找到τ。
[0077] 检测出异常声源位置后，工业摄像机自动调节角度到需要位置进行拍摄，并将拍摄照片传回上位机系统，上位机系统对图像进行必要的格式转化，然后进行裁切、旋转，调整对比度和亮度等一系列预处理步骤；对经过预处理的图像进行图像分割，将传送皮带与背景分割开，
[0078] 本系统采用灰度平均法来分割图像，根据像素的灰度值进行图像分割，对于一幅M×N的数字图像，首先计算平均灰度值mf，列极小值向量u(j)和列极大值向量v(j)，其表达式为
[0079]
[0080]
[0081]
[0082] 式中：f(i,j)为像素i,j位置处的灰度图像值。利用列极小值向量u(j)和列极大值向量v(j)计算
[0083]
[0084] 根据灰度平均值mf和muv计算阈值Th，即
[0085] Th＝max{mf,muv} (15)
[0086] 于是，就可将皮带图像表示为二值图像b(i,j)，其表达式为
[0087]
[0088] 二值化后背景表示为“1”，而输送带表示为“0”。
[0089] 特征函数为
[0090]
[0091] 式中，g(i)的取值范围为[0,M]，对g(i)中皮带和背景的分界线用线性函数进行拟合，可得两条分界线，定义皮带边缘和其高度方向的夹角为跑偏角，将左侧和右侧拟合线的斜率分别记为k1和k2，根据左右侧分界线分别计算得到皮带边缘和图像边缘的距离d1和d2。由此可得特征向量
[0092] R＝(k1,k2,d1,d2,) (18)
[0093] 采集皮带跑偏以及正常时的图像作为训练样本，将训练样本的特征向量以及标签输入支持向量机得到判断模型，从而实现对皮带是否跑偏以及跑偏严重程度的判断，并将判断结果发送到报警系统进行后续的报警处理。
[0094] 在收到报警信号后，报警系统根据设定的规则发出相应级别的声光报警信号。在主控室内，低级别的提醒信号通过监控主机的音箱发音提示；高级别的报警在使用音箱的同时还会启动主控室的声光报警器。高级别的报警意味着现场发生严重跑偏故障，监控主机发出皮带机停止运行的急停信号。
[0095] 以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种
变形和改进，均应落入本发明
权利要求书确定的保护范围内。
