基于物聯網技術的輸煤設備巡檢管理系統研究

福建華電電力工程公司 李一飛 福建華電永安發電有限公司 沈一新 陳永鑫 肖中陽

輸煤設備自動運行，容易產生破損、跑偏、管漏、傳動裝置異常等故障，嚴重影響電廠輸煤質量、效率，無法滿足發電的基本要求。某公司建立輸煤設備巡檢管理平臺，將物聯網技術應用到智能監測系統，匹配智能算法完成具體監測工作。系統建設要求故障識別、異物監測等成功率超過95%以上，告警時間在1s以內，漏煤監測成功率在90%以上，明火監測成功率在99%以上。

1 巡檢管理平臺功能架構

1.1 監測點布設

某公司輸煤設備主要為C-4A、C-4B輸送皮帶，現場布設設備監測點，采集設備運行相關數據信息。按照設備結構、設備運行狀況，在特定位置安裝和部署監測設備，完成整體監測過程。具體現場部署的設備、安裝數量（個）及實際功能如下：激光流量監測裝置（4），采集輸煤流量數據；皮帶撕裂監測裝置（4），監測皮帶表面裂紋；可見光攝像機（14），跑偏、漏煤監測；光譜攝像機（19），溫度、環境偵測；溫振傳感器（28），振動、溫度數據監測；激光測距儀（4），水平高度監測。現場布設相應的監測裝置、傳感裝置，完成現場監測點的部署，賦予管理系統平臺輸煤設備運行相關數據采集功能，為后續的巡檢功能實現奠定基礎，提供依據[1]。

1.2 業務架構部署

基于實際工作場景建立AI底座，訓練AI模型，完成現場環境、人員、設備的自動巡檢，識別異常信息，巡檢功能實現利用智能識別、預警技術、智能分析技術，數據監測應用新型高集成傳感器技術、物聯網技術，實現對海量數據的自動化識別、分析、標注，篩選無用數據信息，使得巡檢質量、效率更高。系統利用內網建立服務架構，生成業務模型，邊緣負責采集數據、平臺負責數據儲存、處理和分析，支持業務模型全生命周期管理，并將模型下發設備階段，匹配具體的巡檢業務。

2 輸煤設備巡檢管理系統技術應用

2.1 輸煤設備巡檢管理系統功能模塊

設備狀態巡檢。設備管理主要基于設備狀態完成管理過程，即結合設備巡檢內容制定具體的巡檢方案，聯動物聯網技術的數據采集和智能技術的數據分析，識別設備狀態并將設備相關數據歸檔處理。監測對象包括設備工作期間發生的跑偏，減速機、電機等設備產生異常振動信號，溫度異常情況等現象。利用圖像識別技術完成設備外觀診斷，使用測溫技術、熱成像橫向技術，完成溫度異常巡檢功能。

人員安全巡檢。人員巡檢對接設備運行業務，當人員未配置安全帽等安全防護裝置，入侵到設備運作區域時，利用多臺融合感知技術，完成告警預知，分析異常情況，將異常實時上傳至上位機人機交互界面并對數據進行歸檔處理；環境巡檢。應用傳感器、控制器，監測設備運行期間的環境指標，指標類型為溫度、濕度、粉塵濃度等。環境巡檢部署管理應用聯動策略，采用外設設備控制，利用終端視頻輔助確定，以提高巡檢管理平臺的響應能力[2]。

2.2 落煤堵煤監測

本案例在落煤管區域的上方、下方，分別部署激光煤流量監測裝置，光源直接與輸送設備的物料對接，生成物料、設備的輪廓外形特點，并使用雷達和掃描技術，獲取物料的點云數據，計算設備、物料的面積。測量模塊負責速度測量和距離測量，經過多重測量和乘積計算之后，得到物料體積信息。巡檢目的是識別落煤管是否發生堵煤，在經過前端、后端的輸煤流量檢測后，基于差值，判斷是否產生堵塞問題，即在超過閾值時，系統報警。堵塞會導致落煤管上方位置溢出物料，利用語義分割算法，采集圖像數據，計算面積大小，即可確定是否堵塞。

2.3 皮帶跑偏識別

皮帶跑偏識別基于皮帶機上方部署的攝像機設備完成數據采集，采集圖像和視頻數據內容，對應具體的位置數據，利用目標識別算法，對應具體位置，判斷圖片是否出現跑偏情況，相對位置誤差超過允許范圍，即告警相關人員，采取皮帶調整措施。在后臺系統部署目標識別算法，建立卷積神經網絡，響應圖像周圍單元的覆蓋范圍和覆蓋區域，完成目標定位過程。在算法應用期間，系統包括輸入層、卷積層、池化層、連接層、輸出層，采集圖像中應清晰對應輸煤設備兩側的托輥位置，識別光照參數應滿足照度在75lux以上的基本要求，視頻分辨率為1080P，像素值滿足72×72以上的基本要求，目標定位識別檢測的遮擋率應控制在30%以內。

采集圖像輸入到巡檢平臺后，使用下述公式得到特征圖：F=Conv（I,K），式中：Conv表示卷積操作，I表示輸入圖像，K表示卷積核。卷積層完成特征處理后，進行數據的池化處理，得到特征向量后，完成特征分類，識別對皮帶跑偏特征的具體識別和分析，具體池化和特征向量計算公式如下：P=POOL（F）、V=FC（P），式中：POOL表示池化操作，F表示卷積層的輸出特征圖，FC表示全連接操作，P是池化層的輸出結果。

2.4 皮帶撕裂識別

本案例中僅僅運用巡檢系統完成皮帶的縱向撕裂和識別，使用設備為激光發射器和防塵攝像機，將設備、照片等經過濾光處理、二向化處理后，使用OTSU、HOU方法，完成圖像分析過程，檢測是否產生斷裂情況。算法限制條件與皮帶跑偏監測限制條件大致相通用，對最小撕裂寬度的監測精度應滿足1mm的基本要求。

為確保圖像數據處理效果良好，應用類間方差最大化完成圖像二值化處理，完成圖像分割和目標識別，確定具體的撕裂位置和撕裂情況。巡檢系統將采集的輸送設備皮帶分為前景和背景，經過灰度化處理后，得到兩類方差值。例如，采集的數據灰度級范圍在[0,L-1]之間，像素數目為n_i，總像素數目為N，灰度級概率計算公式如下：p_i=n_i/N。在類間方差計算時，則使用σ^2_B表示，具體計算過程如下：

式中：T表示閾值，w_0、w_1分別表示前景、背景之間的像素概率，μ_0、μ_1分別表示前景和背景的平均灰度值，L表示灰度級范圍，i表示灰度級。在具體皮帶撕裂識別期間，遍歷所有閾值，計算閾值對應的類間方差，選擇最大閾值作為分割閾值，完成皮帶撕裂區域的識別和定位。

2.5 火焰監測識別

由于輸煤系統運行期間容易產生火災故障，本案例部署攝影采集裝置，完成現場視頻的采集，利用算法識別火焰和煙霧特征，識別現場出現火焰或者煙霧之后，聯動聲光報警器告知相關人員和消防部門。火焰煙霧監測和識別中，為實時了解火焰的實際情況，即火災的發展范圍，使用熱成像技術，完成溫度色值的分析和識別。日常輸煤設備運轉期間，熱成像視頻同樣應用，主要負責監測線纜、重錘室設備的運行狀態，識別具體的溫度色值情況，并在溫度色值達到閾值后，完成預警，避免火災事故的發生和蔓延。本案例使用的攝影采集裝置，應滿足火焰在畫面中的形態和亮度變化數據識別，最低像素值應滿足216×216以上的基本要求，遮擋應控制在30%以內，具體監控范圍部署情況見表1。

表1 溫度監控范圍表

2.6 皮帶正面破損識別

皮帶正面破損利用智能視覺算法，主要處理基于物聯網技術獲得的皮帶數據信息，利用算法完成損傷特征提取和訓練過程，觀察破損情況和破損程度，識別損傷后預警。在該識別算法部署和應用期間，應滿足皮帶為空載狀態的基本要求，且對于輕微磨損，由于煤炭等環境影響，無法準確識別，使用的攝像裝置為高速、高清攝像裝置。在皮帶正面破損識別過程中，使用的邊緣檢測算法為Canny算法，該算法經過去噪、梯度幅值計算、非極大值抑制、邊緣連接后，得到皮帶的邊緣特性，判斷是否出現破損情況。

具體去噪處理技術公式如下：I_smoot=G（x,y,σ）×I（x,y）。去噪利用高斯濾波器實現，采用高斯函數完成去噪處理，式中：G（x,y,σ）表示標準差為σ的二維高斯函數，I（x,y）表示原始圖像，＊表示卷積操作。經過去噪處理后，計算圖像在X方向和Y方向的梯度值，根據梯度值計算像素的梯度幅值。非極大值抑制的主要目的是細化邊緣，保留方向上的局部最大值，經過低閾值和高閾值監測后，得到邊緣圖像，完成邊緣識別過程，判斷皮帶的破損現象。

2.7 設備溫度、故障識別

設備運行溫度識別主要應用熱成像技術和溫度傳感器，設備運行過程中的電流過大，即表明設備出現故障隱患，溫度數值和指標超過標準范圍。設備運行振動信號過大，則表明設備傳動裝置處于異常作業狀態，故障概率較大。即在巡檢管理平臺建設期間，本公司應用溫度傳感器、振動傳感器采集數據信號，在系統內設置設備運轉參數、額定電流數值、振動頻率和振動信號數值等。

溫振傳感器內部配置MEMS芯片，采用嵌入式的部署方式，具有高集成功能，在電機、空壓機、離心機、發電機、減速機等設備中部署，獲得三維軸向數據，采用485總線部署方式，確保傳感數據傳輸距離在2km以內，將采集數據準確上傳至巡檢平臺，完成數據識別處理。同時，在故障診斷過程中，安裝工業診斷拾音器，可將聲音信號轉化為數字電信號，將振動聲音信號經過濾波、壓縮處理后，使得信號質量能夠滿足故障識別的基本要求。

3 輸煤設備巡檢管理系統功能實現

3.1 預警管理

預警管理主要基于對物聯網技術和智能算法識別的結果處理，其中包括輸煤設備運行期間的故障、巡檢所得的違規情況等相關內容。預警管理模塊具備查詢、統計、查看、處理、數據回收等基本功能，在巡檢管理期間，可利用算法、設備、服務器等完成查詢工作，并將預警事件導出。用戶在使用設備巡檢管理系統之后，點擊相應模塊查看預警事件前后6s內的視頻數據信息，采用人為處理的方法完成預警信息的審查。該功能模塊支持定期復制誤報的數據內容，支持算法模塊的迭代優化和計算。在預警信息查看時，類目表中包括算法服務器、任務名稱、設備名稱、算法類型、來源數據、預警級別、預警畫面、預警時間等相關數據信息。

3.2 算法管理

算法管理基于靈活性的基本原則部署，堅持個性化的部署目標，使得用戶在使用巡檢管理系統中，能夠實現場景與設備、服務器之間的適應性配置。由于在算法功能實現過程中應用了多種算法，匹配算法和具體的巡檢業務，實現整個巡檢過程的自動化、智能化，并具備多路視頻輪詢的基本功能。在算法管理方面，主要按照場景完成算法信息列表的分類工作，結合具體場景完成算法狀態、名稱、參數等相關信息的配置，確定在實際應用過程中是否匹配和應用算法，并完成算法條件的增刪處理[3]。

3.3 巡檢任務管理

巡檢業務管理具備新建、下發等相關功能，建立模型庫完成巡檢任務的多維度配置，將設備、算法、檢測區域、規則、閾值等配置，查詢具體的巡檢信息和任務信息，設置具體的巡檢對象等。在實際應用過程中，平臺可根據實際需求，制定具體的巡檢計劃，定時啟動巡檢任務，完成自動化巡檢過程，同時生成相應的巡檢報告，得到異常數據信息則發送報警信息。在完成智能化的識別和診斷后，將巡檢結果模塊化展示，查看是否存在異常情況。