大型电铲铲斗结构健康监测研究

摘要

电铲是一种广泛应用于露天矿产开采的矿用挖掘机，其铲斗在挖掘过程中直接与矿石等物料接触，尤其是安装在前端的斗齿常发生磨损、断裂、脱落等故障。铲斗结构故障不仅导致挖掘阻力变大，而且影响挖掘效率，更为严重的是，断裂或脱落的斗齿与矿石等物料一起进入破损机中，容易造成破损机故障，进而引发整条采掘-破碎生产线的故障，造成巨大的经济损失。为了解决这一问题，本文利用红外成像系统监测电铲铲斗在采掘过程中的健康状态，并结合机器视觉技术对铲斗的结构健康监测进行研究。 首先，分析电铲铲斗的结构以及常见故障类型，根据电铲的工作环境与工作条件，选用红外监测系统对电铲铲斗进行监测，并根据系统的工作要求，设计完整的结构健康监测系统。 其次，对电铲铲斗故障快速分类进行研究。卷积神经网络是深度学习领域的算法之一，对于图像具有良好的分类性能。本文应用卷积神经网络分别从故障类型以及故障位置两个角度对电铲铲斗故障进行分类，实现了较好的分类效果。 然后，对电铲铲斗的斗齿进行定位识别研究。结合图像匹配理论，利用SIFT特征匹配方法，对模板图像与铲斗图像进行匹配，精确定位斗齿位置。结合图像计数理论，对定位区域内的斗齿进行识别计数，并计算每一个斗齿的面积；根据同一类型铲斗的斗齿数目一定而且斗齿面积大致相等的特点判断铲斗结构是否健康。 最后，对电铲铲斗设计了远程状态监测系统。以MATLAB GUI界面设计平台为依托，设计铲斗结构健康监测系统的可视化界面，实现图像读取、斗齿定位、斗齿计数、故障诊断、故障报警等功能。

目录

第一个书签之前