摘要：烧结机作为烧结环节的重要设备,其轮轴健康状态对于烧结机安全生产具有重要意义。车轮摆动作为轮轴故障的典型特征,可以用来对其进行监测与预警。本文针对生产现场缺少对烧结机台车轮轴故障预警的有效手段,提出了一种基于车轮摆动角度的检测方案,并构建了基于改进DeepLabv3+的烧结机台车车轮摆动的检测算法。该算法通过对比选取车轮分割性能最优的模型;根据分割后的车轮掩膜图像,确定基准线与车轮的最小外接矩形框,利用其夹角确定车轮的摆动角度;设定预警规则,通过车轮摆动角度与预警规则对比,对车轮摆动按照风险等级分类。试验表明,最优改进DeepLabv3+模型相较于初始模型平均交并比提升1.7%,模型大小减少92.9%;使用其作为分割模型对车轮摆动角度检测,角度误差在所设定区间达到0.6°以下;利用设定的预警规则进行车轮摆动故障的判定,测得平均正确检出率为96.1%,在此基础上设计了车轮摆动自动检测系统,可以为轮轴故障的诊断提供技术支持。

摘要：烧结机台车是制取烧结矿的关键设备,为避免由台车上的箅条缺失、车轮锁紧螺母缺失与车轮脱落引发的生产事故,提高烧结生产效率。本文根据台车实际运行状况,在硬件层面制定了故障检测方案,构建了基于YOLOv7与DeepStream的烧结机台车缺陷部件检测系统。系统选取YOLOv7网络模型在缺陷部件数据集上训练,将YOLOv7模型训练所得权重文件部署在DeepStream6.1平台进行加速推理,并采用Kafka消息组件推送推断结果。试验结果表明,YOLOv7对所有类别检测的平均准确率为0.991,可用于缺陷部件的目标检测。系统实时监测烧结机台车运行情况,对Kafka消息进行解析,实现故障判定规则,通过实时的故障判定、存储、显示及预警实现烧结机台车缺陷部件智能化检测,为烧结机台车缺陷部件检修提供了一种新的解决方案。