基于数据挖掘的电子皮带秤皮带跑偏检测.PDFVIP

第 33 卷 第 1 期 农 业 工 程 学 报 Vol.33 No.1 102 2017 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2017 基于数据挖掘的电子皮带秤皮带跑偏检测 朱 亮 1，李东波 2，吴崇友 1，吴绍锋 2，袁延强 3 （1. 农业部南京农业机械化研究所，南京 210094；2. 南京理工大学机械工程学院，南京 210094； 3. 南京三埃工控股份有限公司，南京 211100） 摘 要：为提高电子皮带秤连续累计称量精度，针对严重影响精度的电子皮带秤跑偏，采用对皮带秤现有原始传感器的 数据挖掘实现跑偏量实时在线检测，以取代传统硬件检测设备。引入流形学习和深度学习，分别提出了基于局部切空间 排列（local tangent space alignment, LTSA）+广义回归神经网络（generalized regression neural networks, GRNN）和基于连 续深度置信网络（continuous deep belief networks, CDBN）的在线跑偏特征提取模型，再结合极限学习机（extreme learning machine, ELM）以跑偏特征为模型输入进行跑偏量预测。最后通过试验对该文提出的在线跑偏量预测模型的性能进行了 验证：LTSA+GRNN+ELM 平均跑偏预测精度为 93.33%，平均每组预测时间 38.29 ms；CDBN+ELM 预测精度则高达 98.61%，平均每组预测时间 1.47 ms。二者预测精度和实时性皆表明能取代传统硬件检测装置，为皮带跑偏检测提供了一 种方法，为进一步的皮带秤在线精度补偿和故障预测提供了必要依据。 关键词：数据挖掘；传感器；模型；皮带跑偏；流形学习；连续深度置信网络；极限学习机 doi：10.11975/j.issn.1002-6819.2017.01.014 中图分类号： TH165; S237 文献标志码：A 文章编号：1002-6819(2017)-01-0102-08 朱 亮，李东波，吴崇友，吴绍锋，袁延强. 基于数据挖掘的电子皮带秤皮带跑偏检测[J]. 农业工程学报，2017，33(1)： 102－109. doi：10.11975/j.issn.1002-6819.2017.01.014 Zhu Liang, Li Dongbo, Wu Chongyou, Wu Shaofeng, Yuan Yanqiang. Detection of belt deviation of belt weigher using data mining [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(1): 102－109. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.01.014 0 引 言?? 皮带秤是一种散状物料连续累计称重设备，广泛应 用于码头、粮库等各大农作物、工业原料贸易场合。输 送带跑偏是皮带秤运行过程中常见的现象，广泛见于各 种带式输送机设备核子秤、视觉秤等。造成跑偏的原因 很多[1]，但根本原因是输送带张力中心线偏离几何中心 线[2-3]。跑偏是一种全局性故障，一旦发生，必定是整条 输送带跑偏。输送带跑偏不仅严重影响皮带秤计量精度、 稳定性和耐久性，同时也是导致诸如设备主要部件滚筒 窜轴、托辊轴承等非正常磨损、输送带撕裂、停机等皮 带秤现场事故的主要原因[4]。因此，对跑偏进行实时在线 定量检测具有极其重要的意义，所检测到的跑偏量即输 送带偏离几何中心线的程度，通常通过输送带边缘与托 辊之间距离的变化来定量不仅可用来补偿皮带秤累计计 量精度，而且还用来故障预测。 传统输送带跑偏检测分为接触式和非接触式检测： 接触式检测主要是采用机械的检测传动轮[4]，通常只能定 性检测；非接触式通常采用 CCD（charge-coupled device）、 PSD（phase-sensitive detetor）[5]、阵列式光电三极管[6]等 光敏元器件作为检测传感器，以