AR技術在選礦皮帶機運維中的應用

李熙然 高太 叢峰武 孟讓 陶然

1.鞍山鋼鐵集團有限公司齊大山選礦廠；2.大連交通大學

本文對智慧礦業在皮帶機運維中的具體應用進行研究，提出選礦皮帶機AR運維的二段式建設的思路。針對運維部件，結合AR技術、三維掃描技術和三維模型，提出通過AR運維工作流積累數據，構建比對可行性方案。提高選礦皮帶機隱患的識別效率與故障點的精準定位，進一步推進“智慧礦業”的發展。

選礦作業設備從破碎設備、磨礦設備、篩分設備到磁選設備、浮選設備，整套設備的綜合運作串聯形成完整的選礦作業鏈[1]。皮帶承擔起了選礦設備中的一個重要角色，是選礦作業良好進行的基礎，對皮帶機整體隱患排查、維修的不及時會造成機器的故障以及停轉，降低選礦工作效率。

1 國內選礦皮帶運維現狀及機遇

選礦機器皮帶的工作是以發動機為動力源頭，滾輪在動力支持下高速旋轉帶動皮帶的運轉，結構如圖1所示。在皮帶機的巡檢過程中，很多部位的隱患是不可見的，單靠觀察無法判斷部件損壞情況。定期停機更換皮帶，這種不探究皮帶本身的破損程度的方式資金消耗巨大，并且皮帶的利用率低。

“智慧礦山”理念下，首先需要在企業構建智慧化的基礎體制，智能化工作流程；其次，在基礎建設完備的情況下，增添智能化設備，實現運維工作的可視化等專項建設[2]。

2 AR技術的應用場景分析

2.1 員工需求分析

通過用戶分析的方法，細分使用人群的不同需求，分析步驟如圖2所示。新員工：培訓難度大、周期長，維修操作及判斷需要時間和現場積累。巡檢、維修的工作人員：巡檢部件繁雜，部分部件無法用視線觀察，內部問題及細微問題無法及時發現。維修專家：發生設備故障，專家的溝通效率低。

2.2 選礦皮帶機運維分析

通過實地考察，員工座談方式，掌握目前選礦皮帶機智慧運維的幾個方向：

（1）環境惡劣，設備易損壞：選礦設備是要對礦石進行破碎、打磨、浮選等操作，選礦設備所處的環境并不樂觀。不確定的溫度和濕度的環境下，大量的粉塵以及碎石會對機器皮帶造成磨損，皮帶被損壞的幾率極高。皮帶機任何部位損毀，進入到維修步驟生產效率就會受到影響。

（2）設備檢修不及時、難度大：皮帶機作為選礦作業傳輸運行的功能部件，保證其穩定的工作十分重要。環境與技術的限制下，維修管理不及時、視覺判斷潛在隱患等問題亟待解決。

（3）專業人才缺乏：由于選礦作業的環境十分艱苦、工作環境不適宜人長期停留，很難招聘到專業的檢修技術人員。新鮮血液的培養多以“老帶新”的傳統方式進行，員工培訓缺乏管理上的規范化，缺少先進技術的輔助判斷，需要降低皮帶機維檢工作的強度與難度。

（4）缺少有效的運維數據管理：企業根據工作環境以及位置布局會對新的選礦機器進行調整改裝，目前這樣的改裝和后續的維修操作都不具有準確的記錄，數據化的管理更是匱乏。在后續的運維工作中，缺少機器的全部信息，對推導損壞源頭造成了一定阻礙[3]。

2.3 選礦皮帶機AR運維實現方向

通過技術人員與專家的研討形成解決方案，如圖3所示的分步技術應用，讓新員工更快的步入工作環境，讓AR管理介入運維。當皮帶機運維數據積累達到一定程度，基于AR技術的二期建設就可以提上日程。

3 解決方案

3.1 AR運維工作流方案

使用SaaS平臺，完成智能工作流的配置以及使用，具體流程如圖4所示。規范選礦皮帶機需要檢修的部件工單，設定檢修步驟以及檢修標準。

3.2 AR模型比對方案

建立可視化AR模型比對方案。使用三維掃描技術、AR技術和三維模型庫，提供一種掃描皮帶機部件點云，形成實時三維模型與標準模型比對[4]。梳理需要構建三維模型的具體部件，形成帶有點云數量預設區間的數據單。后續根據工單數據構建三維模型庫，工單具體信息如表1所示。根據第一階段數據使用Hammersly采樣方法進一步精準曲面布點。

表1 選礦皮帶機維修工單Tab.1 Maintenance work order of beneficiation belt conveyor

托輥作為運輸機承擔70%以上重量的部分，占了一部臺式運輸機成本的35%，是皮帶機的重要部分。下面以選礦皮帶中編號為G□108-315-305，軸承基本代號6305的托輥作為模型使用對象，標準尺寸圖如圖5所示。使用Rhino三維建模軟件制作三維模型，進行方案應用展示。

輔助員工檢修工作。皮帶下托輥AR運維環境如圖6所示。對托輥上面排布的點云快速掃描，生成目前狀態下的托輥三維模型。與圖像相比，點云在空間上的排布帶來了不可替代的優勢：深度。一個完整的三維點云相當于完整的提供了對應的三維空間數據。如圖7所示為托輥上的精簡前后點云對比圖。

在AR平臺的基礎上，對實時的和模型庫中的標準模型進行三維模型對比處理[5]。三維模型采用點云擬合中軸線和提取橫斷面算法的方式，計算模型之間的偏差。例如運用Bentley ContextCapture作為數據識別軟件，形成攜帶實時點云數據的三維模型。利用IF函數快速進行數據差異判斷，使用函數公式：=IF(C3=D3,0,1)函數解析（0代表數值相同，1代表有差異）。快速篩選出點坐標集之間的差異，精準反映在三維模型上面。把細微的隱患都呈現到員工面前，三維比對效果如圖8所示。降低員工檢修難度，把數據可視化處理。

托輥被掃描后與標準模型重疊的效果，不吻合的部位出現了顏色的區分，并且被智能標注。員工在該模型的輔助下，準確發現偏移點，并對托輥矯正。如圖9所示為數據實現可視化的流程。

4 前景展望

在智慧礦山理念下，通過AR技術與三維技術的結合，構建了基于企業、員工以及專家多方可協作、有記錄、可追溯的運維數據，在企業原本智能運維的基礎上拓展了新方式。分階段逐步建設選礦皮帶機的智能運維及管理，降低生產消耗與停機消耗，降低工作對員工的素質要求，提高設備隱患排查精準度，從而，提高運維工作的效率以及準確性。