托辊非接触式故障识别方法研究

因托辊故障引发的远程带式输送机事故越来越多,而传统的人工巡检已不能满足需求,且现有接触式加速度信号检测方式存在传感器需求量大及数据收集难的问题,所以有必要通过智能巡检机器人搭载拾音器进行非接触式巡检。托辊运行环境嘈杂,为剔除信号中的噪声,提出基于完全噪声辅助集合经验模态分解(CEEMDAN)、主成分分析(PCA)和鲁棒性独立分量分析(RobustICA)的单通道盲源分离(SCBSS)去噪方法;托辊信号具有非平稳、非线性的特点,仅用梅尔倒谱系数(MFCC)不能完美刻画信号特征参数,提出基于CEEMDAN、PCA、MFCC、MFCC的1阶差分系数和Delta值的自适应特征参数提取方法;最后采用支持向量机(SVM)作为分类器进行故障识别,识别率达到97.2%。