Комплексный метод обнаружения аномалий для прогнозирования технического обслуживания ленточных конвейеров

Состояние вопроса. Ленточные конвейеры являются критически важными транспортными системами в горнодобывающей промышленности, производстве и логистике. Непредвиденные отказы приводят к дорогостоящим простоям и возникновению рисков безопасности. Существующие системы контроля, основанные на традиционных пороговых методах, часто вызывают ложные срабатывания из-за кратковременных технологических помех и не обеспечивают своевременного обнаружения зарождающихся дефектов. В связи с этим актуальной задачей является разработка методов фильтрации и анализа сигналов, устойчивых к переходным шумам. Целью исследования является разработка и обоснование комплексного метода автоматизированного мониторинга на базе мультисенсорной системы и алгоритмов временной обработки данных для раннего обнаружения аномалий и предупреждения аварийных ситуаций.

Материалы и методы. Предложенный метод интегрирует мультисенсорную систему, включающую датчики натяжения, отклонения, перегрузки, провисания и акустические датчики, с централизованным блоком управления. Обработка данных выполняется во временной области с использованием адаптивных пороговых значений, сформированных на основе статистических характеристик сигналов, полученных в период штатной эксплуатации конвейера. Обнаружение аномалий основано на анализе последовательных превышений пороговых значений в заданном временном окне, что позволяет уменьшить влияние случайных помех и кратковременных выбросов.

Результаты. Предложена архитектура мультисенсорной системы мониторинга с дублированием критически важных датчиков. Разработан метод обработки данных во временной области с адаптивными пороговыми значениями, настраиваемыми по архивным данным периодов безаварийной эксплуатации. Теоретически и экспериментально обосновано, что процедура принятия решений по серии последовательных превышений в пределах заданного временного окна обеспечивает отделение аномальных событий от случайных шумов. Продемонстрировано более устойчивое обнаружение смещения ленты, перегрузок и аномальных акустических сигналов по сравнению с контролем единичных превышений порога. Метод обеспечивает регистрацию данных в реальном времени и поддерживает прогнозную аналитику посредством интеграции алгоритмов машинного обучения.

Выводы. Совокупность полученных результатов обеспечивает достижение цели исследования – повышение надежности ленточного конвейера и создание научно-методической базы для стратегий технического обслуживания на основе состояния. Практическая ценность предложенного метода заключается в сокращении незапланированных простоев и снижении рисков безопасности на промышленных предприятиях. Дальнейшее развитие исследований в этой области связано с экспериментальной оценкой предложенного метода на действующих производственных объектах, выполнением технико-экономического анализа его применения и последующей интеграцией методов машинного обучения для развития средств прогнозной аналитики.