【电铲铲齿检测系统的整体设计案例7300字】

电铲铲齿检测系统的整体设计案例目录TOC\o"1-3"\h\u32364电铲铲齿检测系统的整体设计案例 1267741.1铲齿工作状态分析 1165791.1.1斗齿结构及特点 15551.1.2铲齿失效形式 2302921.1.3铲齿磨损规律 4282011.2检测系统方案设计 9208481.1.1铲齿状态监测要求与目标 9123451.1.2铲齿状态监测系统设计方案 9325601.1.3铲齿关键帧采集 111971.3硬件平台设计 121.1铲齿工作状态分析1.1.1斗齿结构及特点 电铲工作三大主要部件为斗杆、铲斗、动臂，其中铲斗为电铲作业中主要装载部件，也是剥离作业中挖掘的主要装置。电铲铲斗结构组成如图1.1所示，分别为铲齿组件、开关斗门、铲斗斗杆。在电铲挖掘作业时，铲斗的斗门与铲斗本体闭合，在钢丝吊绳和推压轴的共同配合运行下，对矿石进行挖掘，在矿石装载过程中，铲斗跟随回转机构运动到自卸卡车卸掉点处，释放斗门，完成物料装装载。图1.1铲斗结构Figure1.1Bucketstructure铲齿组件位于铲斗的前端工作面，是铲斗进行挖掘剥离作业的重要部件，其力学模型可简化为悬臂梁结构。铲齿是所有斗齿组件的合计，并非单独的个体部件。其的组成部分为C型卡板、楔子、锁销和铲齿，结构如图1.2所示。铲齿分为上下两部分，上端齿尖负责切削分离物体，齿座负责安装，C型卡板将铲齿定位在铲斗前壁斗唇上，同时通过楔子进行紧固，因不同电铲工作方式的差异，斗齿还分为整体式和分离式两种，整体式结构简单可靠，在目前服役的电铲中应用较多。图1.2铲齿组件Figure1.2Bucketteeth在挖掘装载工作的一个周期中，铲齿工作主要的阶段是挖掘过程，挖掘时推压机构和提升机构共同作用使斗杆上的铲斗克服挖掘阻力和矿石重力，铲齿直接与煤岩、土层、石块等岩层物料接触，由于物料组成复杂，破碎程度大小不一，挖掘时齿体受到很大的冲击力、摩擦力以及挤压作用力，齿尖位置磨料磨损严重，表面出现多种犁沟，同时还要承载挖掘载荷和弯曲载荷，易出现裂纹和疲劳断裂，复杂恶劣的工作环境下长时间开采导致铲齿寿命仅为一个月左右。1.1.2铲齿失效形式铲齿在恶劣环境下长时间工作，常出现磨损、变形、表面裂纹、脆裂脱落、断裂等异常状态。其中磨损失效比例可达到90%以上，主要表现为铲齿磨秃、尺寸减小；断裂失效比例为5-10%，主要表现为整体或部分脱落。电铲铲齿在铲装作业时承受挖掘阻力与矿石冲击，在弯曲应力下铲齿早期断裂现时常发生象。铲齿材料多为高锰钢，断裂部位常常出现在铲齿上表面齿座处，如图1.4所示。铲齿设计结构及安装方式使得其在齿上表面F1位置处承受较大挖掘阻力，而在齿侧面P方向上受力较小，铲齿挖掘角过大，齿底座A处易发生断裂。断裂后失去C形销约束，造成单腿受力现象使得B处应力集中易发生断裂。铲齿断裂后直接导致铲齿脱落，脱落的铲齿混入煤炭中产生巨大隐患。图1.3易断裂位置Figure1.3Vulnerablefracturelocations铲齿磨损是一个渐变的过程，直接表现出的特点为铲齿外形逐步缩减，铲齿在正常磨损状态下不影响铲斗挖掘工作，若某一齿发生异常磨损，铲齿尺寸快速缩减，则需及时调整，防止加剧铲斗和其他铲齿的磨损。铲齿易磨损区域为图1.4铲齿正面虚线所示区域，在挖掘时，斗齿以面工作而非以刃工作，接触面积大，易出现“拉底”问题。图1.4易磨损位置Figure1.4Wearableposition电铲铲齿作业时直接与物料接触进在挖掘阻力等因素作用下造成磨损，当铲齿的耐磨性不足时，就会造成铲齿的过度磨损而提早报废。铲齿的磨损失效形式主要有：（1）切削磨损，在高冲击工况作业下，铲齿齿面在锐利棱角的物料上滑动，可近似看做刀具对齿面切削作用造成磨损，此形式磨损可归类于凿削式磨料磨损。（2）疲劳塑变磨损，当待挖掘物料不太锐利时，在电铲压力的作用下，矿石压入铲齿齿面并滑动，不产生切屑而在表面产生犁皱犁沟，造成铲齿齿面较大的塑性变形，在矿石反复推挤碾压过程中，铲齿齿面反复经历塑性变形，从而因疲劳而引起剥落，此情况磨损机制被称为多次塑变导致断裂的磨损机制。（3）脆裂磨损，铲齿齿面与物料表面反复作用，导致铲齿外表产生剧烈的塑性变形，进一步引起加工硬化，增大了铲齿外表面脆性，在挖掘中强烈冲击震动下，外表面碎裂而形成磨损。1.1.3铲齿磨损规律铲齿是电铲最常用的消耗品，最主要失效形式为磨损失效。磨损规律是判断磨损是否正常的参考依据，一方面磨损超限需要一个阈值，在该阈值范围内斗齿可正常作业，若超出该阈值范围，则会造成其他铲齿和铲斗受力异常，承受冲击等载荷加重，造成磨损加剧，为减小经济损失须立即更换该铲齿；另一方面在极端工况下铲齿会产生异常磨损，在检测异常磨损时，系统需结合当前磨损程度和当前磨损规律进行判断，分析当前状态是否为正常磨损状态，若发生异常需及时报警提醒电铲司机进行排查，规范挖掘习惯，断绝铲齿出现不必要的磨损失效，合理延长铲齿使用寿命。故在检测系统设计前需研究磨损规律，为检测系统判断提供理论支承。运用EDEM中Hertz-MindlinwithArchardWear模型，研究每个铲齿磨损规律，该模型基于J.F.Archard的磨损理论可计算出几何体表面近似的磨损深度，材料的去除体积正比于颗粒通过材料表面所做的摩擦功。Archard的磨损公式为： （1.1）其中，Q为去除材料的体积；为颗粒沿材料表面的切向滑移距离；W为磨损常数。可表示为如下公式： （1.2）其中，K是一个无量纲的磨损系数，H是被磨材料的硬度。EDEM软件根据颗粒和几何体的接触面积为每个单元安排一个深度Depth，S为接触面积，由公式1.6可得Depth计算公式如下： （1.3）设定理论磨损规律的条件。首先要求挖掘轨迹为电铲理想挖掘轨迹，只有沿着等切削角的轨迹进行挖掘，挖掘机才能保证工作过程中挖掘阻力最小，实现高效率、低能耗作业，因此，等切削角挖掘轨迹又称理想挖掘轨迹，电铲理想挖掘轨迹为对数螺旋线[30]，推导挖掘轨迹时首先进行假设：1）切削角在挖掘过程中大小不变。2）假定斗杆转动中齿轮瞬时啮合点心为推压轴中心。实际斗杆的回转中心是时刻变化的，为推压齿轮瞬时啮合点点。图1.5铲齿运动轨迹Figure1.5Movementtrackofshovelteeth设置坐标原点O为推压齿轮轴心，铲齿尖为A点，OA距离为矢径，矢径与齿尖A处切线夹角为，矢径OA转角为。A点轨迹线位置坐标为： （1.4）两边同时积分得： （1.5）化简可得： （1.6）当转角=0时： （1.7）将上式带入（2-1）得到挖掘轨迹线数学方程为： （1.8）建立铲齿磨损仿真模型，煤矿石之间采用Hertz-Mindlin(NoSlip)接触模型，煤矿石和铲斗之间选取Hertz-MindlinwithArchardWear和RelativeWear模型。首先定义材料属，设置接触参数，各参数如表1.1所示。表1.1接触参数Table1.1Contactparameters参数名煤矿铲斗密度/（kg/m3）15007850泊松比0.250.3剪切模量/Mpa1.346×1031.459×103静摩擦系数0.50.4滚动摩擦系数0.060.05恢复系数0.50.5磨损常数/（m2/N）3.2×10-12参考煤块外形建立颗粒模型如图1.6（a）所示，建立颗粒工厂，总颗粒个数为162293，煤块颗粒由6个半径为30mm的圆颗粒构成，最大长宽高分别为91.54mm、71.18mm、60.03mm，通过随机正态分布产生不同尺寸的颗粒模拟爆破后不同大小的煤块，最大煤块质量为375.44kg，最小为10.16kg，生成颗粒堆积效果如图1.6（b）所示。（a）（b）图1.6颗粒模型Figure1.6Particlemodel导入IGS格式铲斗三维图，单位选择mm，根据理想想挖掘轨迹设置运功规律参数，进行单次挖掘仿真，总时间设置15s，前5s为颗粒生成时间，后10s为铲斗挖掘时间，其仿真过程如图所示。图1.7铲斗挖掘仿真过程Figure1.7Bucketminingsimulationprocess仿真完成，进入EDEM三维后处理界面，观察铲齿磨损分布规律，如图所示。由图可知，铲齿磨损严重的位置主要在齿尖处，特别是两端尖角，在挖掘一个周期中，铲齿会受到较大的冲击载荷，齿尖会首先与物料接触，然而两端尖角处接触半径最小，所受的挖掘阻力最大，因此磨损也最为严重；五个铲齿在铲斗上位置不同，受力情况有所差异，不同铲齿磨损程度不同。图1.8铲齿磨损分布Figure1.8Bucketminingsimulationprocess进入EDEM二维后处理界面，分别提取每个铲齿随挖掘时间变化的平均磨损深度曲线，如图1.9所示，5个铲齿磨损深度变化规律基本一致，在挖掘前期，斗齿深入煤层进行切削，铲齿磨损速度快，随着铲斗的转动，铲齿受力状态发生改变，磨损速度逐步下降，当斗齿完全提出时，磨损深度基本不在改变。5个铲齿安装位置不同，在挖掘时中间3号齿率先接触煤层，首先发生磨损，所承受的冲击载荷和摩擦力均比较大，因此平均磨损深度最大，在单次挖掘仿真中平均磨损深度达到4.53um，2号和4号齿最大平均磨损深度接近，为3.37um，1号和5号齿平均磨损深度最大为1.33um。图1.9各齿磨损规律Figure1.9Wearlawofeachtooth1.2检测系统方案设计1.1.1铲齿状态监测要求与目标通过分析在露天开采生产中电铲铲齿异常状态的形式与危害，对电铲现场工作环境现场勘查，并询问电铲司机需求与意见，综合考虑现场各种不确定性因素，对研究铲齿健康状态监测系统提出以下要求与目标：（1）主要功能为检测铲齿脱落、断裂、磨损状态。此系统需保证在不影响电铲正常生产作业前提下进行设计，不能牺牲目前工作效率，检测速度要快，考虑到挖掘周期中存在铲齿完全被覆盖情况，要求系统能在铲斗动态工作中最大程度进行实时性监测，发生缺齿时能第一时间识别并报警。（2）准确性及可靠度高，铲齿在挖掘中易被矿石遮挡，系统需能正确判断出脱落与遮挡状态，脱落及时报警，并要减少遮挡时不必要的误报，防止误报过多造成司机对报警信息的敏感性降低。（3）对环境鲁棒性强，能实现全年全天候检测。电铲实行24h工作，夜间司机视野受限且长期观察易出现视觉疲劳，夜间监测效果至关重要；监测系统需能应对粉尘、光照、天气、温度等环境因素影响，尤其是能在极寒气候下运行，我国北方冬日室外温度可达到零下40度，摄像机等电子设备需能耐低温，冬日露天矿煤层易产生雾气，系统需能一定程度上消除雾气影响。（4）软件系统运行流畅，能适应长时间连续工作强度，无死机崩溃现象，人机交互界面直观易懂，操作简单方便；同时预留接口，便于后续系统升级更新及可并入为智慧矿山系统。（5）硬件设备安装牢固可靠，易于维护。电铲作业时不断挖掘煤层，会产生大量灰尘和剧烈震动与冲击，硬件设备要安装牢固；电铲系统电器设备复杂，电磁干扰性强，需有一定的抗干扰能力；合理选择安装位置和布线方式，在不干扰其他设备正常运转条件下兼顾电铲司机使用方便性。1.1.2铲齿状态监测系统设计方案为满足设计要求与目标，选择非接触式检测方式，运用深度学习图像处理技术，针对铲齿脱落、断裂和磨损异常表现形式，分别研究铲齿脱落检测方法和铲齿磨损检测方法，设计铲齿工作状态监测系统，该系统由图像采集与预处理系统、铲齿脱落检测系统、铲齿磨损状态检测系统、显示控制界面、报警系统、数据存储系统组成，如图1.10示。图1.10监测系统组成Figure1.10Compositionofthemonitoringsystem（1）图像采集与预处理系统。图像采集系统负责为算法训练和模型检测过程提供样本图像，本文基于深度学习技术监测铲齿状态，图像数据的获取是整个监测系统的第一步，更是极为重要的一步。设计斗齿图像采集实验方案，既要考虑安全性、稳定性、可实施性等因素，又要保证电铲铲斗铲齿最大程度被监控摄像机捕获。应用工业触摸一体机、相机、补光灯、支架、千兆交换机等设备组成图像采集系统，采用双监控点，两处监控点互补，保障铲齿图像信息全时输入系统，能在铲齿脱落时第一时间发现，上视摄像机安装在天轮下方电铲大臂上，负责采集铲齿正面图像，前视摄像机安装在回转平台上，负责采集铲斗背部图像，为便于调整录像角度，采用角度和方向可调节摄像头支架，便于获得效果最优的铲齿图像。原始数据量往往难以满足网络学习需求，且存在无效和大量重读斗齿图片，通过预处理系统提升数据质量并进行数据扩充，增加斗齿样本多样性。（2）铲齿脱落检测系统。铲齿因断裂而发生脱落时，在铲斗上最直接的表现形式为铲齿个数缺失，因此可将铲齿脱落通过检测斗齿上现有铲齿个数是否与安装个数相符进行判断。综合分析接触式与非接触式铲齿数量检测技术，选择精度和速度均符合设计要求的基于深度学习的目标检测算法，将铲齿脱落问题转换为视觉领域中斗齿图像含有目标的类型、数量与位置的检测问题。故铲齿脱落检测系统关键技术是铲齿目标检测，首先将斗齿图像输入铲齿目标检测模型进行识别，可得此图像中含有铲齿类别的目标个数与边框像素位置，若发生脱落时还需能准确判断出具体哪个铲齿丢失，还需设计铲齿脱落判断算法，对每个铲齿检测位置进行排序和是否缺失进行标定，并对误报进行过滤。（3）铲齿磨损检测系统。电铲动态挖掘过程中铲齿在位置固定的相机监测下会呈现不同的位置形态，这给铲齿磨损判断带来很大难度，鉴于磨损检测对准确性要求高而实时性要求低，故采用定点检测模式，对相同位置铲齿关键帧图像进行分析，对比同一位置不同时间段铲齿形态差别。铲齿磨损检测系统利用深度学习中实例分割技术对每个铲齿进行逐像素分割，获取铲齿特征掩膜图像，通过设计磨损检测算法提取铲齿轮廓，计算每个铲齿像素面积并与初始面积对比即可获得当前磨损程度。（4）报警系统和数据存储系统。报警系统接收来自铲齿脱落检测系统和磨损检测系统的检测结果，并与设定的报警阈值进行对比，产生异常状态第一时间发出报警信号，报警系统与电铲控制中心通讯，若发生铲齿脱落情况可控制电铲急停，同时数据储存系统保存此时故障的图像、时间、类型等具体信息，便于后续对丢失铲齿的查找。（5）检测结果显示系统。此系统用于人机交互，运行时实时显示铲齿检测状态，包括铲齿传入的上下监控图像，铲齿健康状态监测系统工作时，首先图像采集与预处理系统实时采集工作中的斗齿图像，经预处理后传入铲齿脱落状态监测系统进行脱落判断，到达指定位置后进行磨损程度判断，并将检测结果通过显示系统实时显示，若发生故障则启动报警系统，引起电铲司机注意。1.1.3铲齿关键帧采集铲齿磨损时刻发生但形状变化细微，需经过日积月累的高负荷工作才能直观观察出长度上的变化，故磨损监测系统对实时性要求较低，且在铲齿脱落监测系统中获取的铲齿图像涵盖铲齿各个尺寸，铲齿大多被梯梁遮挡，仅有少数铲齿完全露出，而对于被遮挡的铲齿识别其形状及面积是完全没有必要的，检查出来的结果不准确且没有任何现实意义，故仅需对铲齿完整露出的图像进行逐像素分割，含完整铲齿信息图像的关键帧的提取是铲齿磨损监测效果准确的前提条件。关键帧获取可通过铲齿目标检测系统中获取，在检测任务中将含有铲齿的图像进行筛选，可通过设计算法提取在一个挖掘周期中铲齿预测框by值最大的图像，但由于斗齿处动态挖掘过程，斗齿姿态的不同可能导致同一长度的检测框对应的并不是同一位置的铲齿图像，且铲齿易被矿石遮挡，故单考虑边框长度并不能准确的找出铲齿完全露出时的图像。铲齿磨损程度变化不明显，必须严格保证参与磨损检测的每张图片均处于同一位置，否则不具备可比性，所以采用外触发斗齿关键帧提取方案。由电铲挖掘运动规律分析可知，铲斗的运动分别由斗杆推进齿轮和提升绳控制，斗杆推进长度和提升绳收放长度是铲斗定位的决定因素，若要准确确定铲斗的一个位置需对这两个因素共同约束，故分别在斗杆推进齿轮和提升绳卷扬机轴心处安装旋转编码器，如图1.11示，由于斗杆旋转角度不超过360度，其位置选择绝对式编码器，而卷扬机往往需要旋转多圈，其位置处选择增量式编码器，这两个编码器信号引入电铲控制中心S7-300PLC中。确定一个最佳的铲斗位置，保证此时铲齿全部露出且相机处于正视位置，使得监测结果更准确，记录此时两编码器数据，以此位置作为设定位置采集铲齿图像关键帧进行分割。图1.11关键帧提取方案Figure1.11Keyframeextractionscheme1.3硬件平台设计根据所设计的铲齿状态监测系统组成，对每个系统所需硬件设备选型，通过网络通讯将不同硬件设备组建为硬件平台，其组成如图1.12所示。图1.12硬件平台组成Figure1.12Hardwareplatformcomposition硬件平台组成包括编码器、PLC控制器、工业触摸一体机、千兆交换机、工业相机、嵌入式开发套件组成。图像采集分为两个阶段，一个阶段为训练前期数据采集，另一个阶段为检测数据采集，前期采集时铲齿图像数据经双路相机获取并通过以太网传输至一体机中，储存为视频格式用于目标检测训练，编码器和PLC负责定位铲斗关键位置，当达到点位时将触发信号通过Python-snap7协议传输至一体机中，将本帧铲齿图像储存为图片格式用于实例分割训练；检测阶段铲齿图像数据传入铲齿脱落检测和磨损检测系统核心硬件嵌入式开发套件中进行脱落和磨损检测。显示设备选择工业触摸一体机，window10系统，用于监测系统人机交互换画面显示，并读取和写入PLC数据；设备之间需能进行数据互通，选择千兆交换机作为监测数据传输中心，建立铲齿监测系统局域网。工业触摸一体机还肩负结果显示功能和报警系统任务，显示智能监测结果及通过自身内置音响进行报警输出。（1）工业相机双路相机选择工业相机，采用更大光圈和更灵敏的传感器，比普通监控摄像头进光量更多，感光更好，在露天生产微光环境下，也可以呈现出清晰的画面，同时配备角度方向可调节摄像头支架和混合补光灯，便于调整录像角度和夜间补光，保证恶劣工况环境下也能获得最优的铲齿图像。图1.13工业相机Figure1.13industrialcamera表1.1工业相机参数Table1.1Industrialcameraparameters配置参数像素3MP分辨率1280×960感光芯片类型1/3.6inchONpython500CMOS最大帧率30FPS数据接口1000Mbit/s（2）图形开发套件AGXxavier深度学习依赖图像处理硬件，一个高性能的核心处理器能大幅度提高训练和识别速度，是实时性任务的保障，由于深度学习算法具有非常高的算法复杂度，当前可供选择的嵌入式GPU处理器货架产品较少。根据市场调研，基于项目的需求、工业应用的稳定性等综合性考虑采用英伟达（NVIDIA）公司生产的嵌入式AI处理平