(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210545937.1 (22)申请日 2022.05.19 (71)申请人 杭州中威电子股份有限公司 地址 310000 浙江省杭州市滨江区西兴街 道西兴路1819号15 -20层 (72)发明人 史故臣　伍一帆　郭立　 (74)专利代理 机构 北京绘聚高科知识产权代理 事务所(普通 合伙) 11832 专利代理师 张春慧 (51)Int.Cl. G01M 13/00(2019.01) G01D 21/02(2006.01) (54)发明名称 一种基于巡检机器人的输煤带托辊故障检 测系统及其方法 (57)摘要 本发明属于巡检机器人技术领域， 公开了一 种基于巡检机器人的输煤带托辊故障检测系统 及其方法， 所述的方法包括如下步骤： 建立托辊 故障图像检测模 型和托辊故障噪音检测模型； 采 集实时的托辊视频数据和实时的托辊噪音数据； 分别对实时的托辊视频数据和实时的托辊噪音 数据进行对应的预处理， 得到连续帧的预处理后 托辊图像数据和连续帧的预处理后噪音频段数 据； 将连续帧的预处理后托辊图像数据输入托辊 故障图像检测模 型进行显性托辊故障检测， 得到 显性故障检测结果； 将连续帧的预处理后噪音 频 段数据输入托辊故障噪音检测模型进行隐性托 辊故障检测， 得到 隐性故障检测结果。 本发明解 决了现有技术存在的人工巡检工作量大， 人力成 本大， 自动检测效果差的问题。 权利要求书2页 说明书6页 附图2页 CN 114935451 A 2022.08.23 CN 114935451 A 1.一种基于巡检机器人的输煤带托辊故障检测系统， 其特征在于： 包括巡检机器人、 巡 检轨道、 边缘计算网关以及监控中心， 所述的巡检轨道设置于托辊的正下方， 所述的巡检机 器人与巡检轨道滑动连接， 且巡检机器人设置有托辊视频采集单元(3)和托辊噪音采集单 元(4)， 所述的托辊视频采集单元(3)和托辊噪音采集单元(4)均面向托辊设置， 所述的边缘 计算网关 分别与巡检机器人和监控中心通信连接 。 2.根据权利要求1所述的基于巡检机器人的输煤带托辊故障检测系统， 其特征在于： 所 述的巡检机器人包括机器人本体(1)、 移动单元(2)、 托辊视频采集单元(3)、 托辊噪音采集 单元(4)、 运行检测单元、 机器人主控 单元(5)以及可充电电池(6)， 所述的移动单元(2)设置 于机器人本体(1)的底端， 且移动单元(2)与巡检轨道滑动连接， 所述的托辊视频采集单元 (3)和托辊噪音采集单元(4)均设置于机器人本体(1)的外部， 且托辊视频采集单元(3)和托 辊噪音采集单元(4)均面向托辊设置， 所述的运行检测单元和可充电电池(6)均设置于机器 人本体(1)的内部， 所述的机器人主控 单元(5)分别与移动单元(2)、 托辊视频采集单元(3)、 托辊噪音采集单元(4)以及运行检测单元电性连接， 且机器人主控单元(5)与边缘计算网关 通信连接， 所述的可充电电池(6)分别与机器人主控单元(5)、 移动单元(2)、 托辊视频采集 单元(3)、 托辊噪音采集单 元(4)以及运行检测单 元电性连接 。 3.根据权利要求2所述的基于巡检机器人的输煤带托辊故障检测系统， 其特征在于： 所 述的边缘计算网关包括边缘计算单元和网络单元， 所述的边缘计算单元与网络单元电性连 接， 所述的网络单 元分别与巡检机器人的无线通信模块和监控中心通信连接 。 4.根据权利要求3所述的基于巡检机器人的输煤带托辊故障检测系统， 其特征在于： 所 述的监控中心设置有数据服务器， 所述的数据服务器与边缘计算网关通信连接， 数据服务 器通信连接有外 部的云数据中心。 5.一种基于巡检机器人的输煤带托辊故障检测方法， 基于如权利要求4所述的输煤带 托辊故障检测系统， 其特 征在于： 包括如下步骤： 建立托辊故障图像 检测模型和托辊故障噪音检测模型； 采集实时的托辊视频 数据和实时的托辊噪音数据； 分别对实时的托辊视频数据和实时的托辊噪音数据进行对应的预处理， 得到连续帧的 预处理后托辊图像数据和连续帧的预处 理后噪音频 段数据； 将连续帧的预处理后托辊图像数据输入托辊故障图像检测模型进行显性托辊故障检 测， 得到显性故障检测结果； 将连续帧的预处理后噪音频段数据输入托辊故障噪音检测模型进行隐性托辊故障检 测， 得到隐性故障检测结果。 6.根据权利要求5所述的基于巡检机器人的输煤带托辊故障检测方法， 其特征在于： 基 于TPH‑YOLOv5算法建立托辊故障图像检测模 型， 基于GRU ‑FICN算法建立托辊故障噪音检测 模型。 7.根据权利要求6所述的基于巡检机器人的输煤带托辊故障检测方法， 其特征在于： 所 述的托辊故障图像检测模型的网络结构包括输入端、 Backb one模块、 DetectionNeck模块、 TPH模块和Predicti on模块； 所述的托辊故障噪音检测模型的网络结构包括输入端、 DimensionShuffle模块、 双层 GRU模块、 双 层Inception模块、 全局池化层、 Co ncat模块以及Softmax 模块。权　利　要　求　书 1/2 页 2 CN 114935451 A 28.根据权利要求7所述的基于巡检机器人的输煤带托辊故障检测方法， 其特征在于： 对 实时的托辊视频数据进行对应的预处理包括依 次进行的帧截取、 高斯去 噪、 灰度以及归一 化； 对实时的托辊噪音数据进行对应的预处理包括依次进行的过滤、 预加重、 帧截取以及 加窗。 9.根据权利要求8所述的基于巡检机器人的输煤带托辊故障检测方法， 其特征在于： 将 连续帧的预处理后托辊图像数据输入托辊故障图像检测模型进行显性托辊故障检测， 包括 如下步骤： 对所有帧的预处 理后托辊图像数据进行网格划分， 并获取每 个网格的先验框； 根据先验框和预设预测框的偏移量获取每 个先验框对应的初始预测框； 根据预设交并比值和预设置信度对初始预测框进行非极大值抑制筛选， 得到所有帧的 预处理后托辊图像数据的最终预测框； 使用目标追踪算法对最终预测框内的同一 托辊目标进行追踪和标记； 对最终预测框内的托辊目标进行显性 托辊故障检测， 得到 显性故障检测结果。 10.根据权利要求9所述的基于巡检机器人的输煤带托辊故障检测方法， 其特征在于： 将连续帧的预 处理后噪音频段数据输入托辊故障噪音检测模型进 行隐性托辊故障检测， 包 括如下步骤： 将连续帧的预处理后噪音频段数据输入托辊故障噪音检测模型进行模糊托辊故障诊 断， 得到当前托辊的噪音特 征数据和对应的模糊故障诊断结果； 若模糊故障诊断结果 为当前托辊存在故障， 则提取当前托辊显性故障检测结果； 若显性故障检测结果 为当前托辊不存在显性故障， 则提取当前托辊的托辊温度数据； 根据托辊温度数据和噪音特 征数据进行融合加权故障诊断， 得到隐性故障检测结果。权　利　要　求　书 2/2 页 3 CN 114935451 A 3