Sistema de Evaluación del Estado de Desviación de la Banda Transportadora Curvada Basado en el Modelo de Predicción Combinado ARIMA-LSTM
Autores: Sun, Xiaoxia; Wang, Yongqi; Meng, Wenjun
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Sistema de Evaluación del Estado de Desviación de la Banda Transportadora Curvada Basado en el Modelo de Predicción Combinado ARIMA-LSTM
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Bandas transportadoras
Estado de desviación
Modelo de predicción combinado ARIMA-LSTM
Corrección
Alerta temprana
Sistema de evaluación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
La desviación de las cintas transportadoras es un factor clave que restringe la eficiencia del transporte de materiales en curvas horizontales. En este estudio se propone un sistema de evaluación del estado de desviación de la cinta transportadora curva basado en un modelo de predicción combinado ARIMA-LSTM para investigar el estado de desviación de la cinta transportadora. Este sistema se ha utilizado para la detección, predicción, corrección de desviaciones y advertencia temprana del estado de desviación de la cinta transportadora. Primero, se construyó el sistema experimental de desviación de la cinta transportadora. Las imágenes de desviación de la cinta transportadora se recopilaron utilizando el método de visión por máquina, y se estableció un conjunto de datos del estado de desviación de la cinta transportadora. En segundo lugar, se presenta y resuelve el modelo mecánico de desviación de la cinta transportadora curva. Se obtuvo el rango de desviación corregible del marco de rodillos bajo diferentes elevaciones y ángulos de canal al resolver el problema. En tercer lugar, se propuso el modelo de predicción combinado ARIMA-LSTM de desviación de la cinta transportadora basado en el método de ponderación serie-paralela. Los resultados del análisis mostraron que el modelo de predicción combinado ARIMA-LSTM es adecuado para la predicción de la desviación de la cinta transportadora en términos de precisión, grado de ajuste, tiempo y rendimiento. Finalmente, se estableció el sistema de evaluación del estado de desviación para realizar la fusión visual del modelo combinado ARIMA-LSTM en el rango de desviación corregible del marco de rodillos. Se utilizó el algoritmo OCSVM para detectar la desviación anormal de la cinta transportadora. El experimento muestra que el sistema de evaluación puede predecir y enviar señales de advertencia temprana de acuerdo con los resultados de detección, proporcionar sugerencias correspondientes para ajustar el ángulo de corrección de la desviación y realizar una solución eficiente e inteligente para la evaluación del estado de desviación de la cinta en la sección curva.
Descripción
La desviación de las cintas transportadoras es un factor clave que restringe la eficiencia del transporte de materiales en curvas horizontales. En este estudio se propone un sistema de evaluación del estado de desviación de la cinta transportadora curva basado en un modelo de predicción combinado ARIMA-LSTM para investigar el estado de desviación de la cinta transportadora. Este sistema se ha utilizado para la detección, predicción, corrección de desviaciones y advertencia temprana del estado de desviación de la cinta transportadora. Primero, se construyó el sistema experimental de desviación de la cinta transportadora. Las imágenes de desviación de la cinta transportadora se recopilaron utilizando el método de visión por máquina, y se estableció un conjunto de datos del estado de desviación de la cinta transportadora. En segundo lugar, se presenta y resuelve el modelo mecánico de desviación de la cinta transportadora curva. Se obtuvo el rango de desviación corregible del marco de rodillos bajo diferentes elevaciones y ángulos de canal al resolver el problema. En tercer lugar, se propuso el modelo de predicción combinado ARIMA-LSTM de desviación de la cinta transportadora basado en el método de ponderación serie-paralela. Los resultados del análisis mostraron que el modelo de predicción combinado ARIMA-LSTM es adecuado para la predicción de la desviación de la cinta transportadora en términos de precisión, grado de ajuste, tiempo y rendimiento. Finalmente, se estableció el sistema de evaluación del estado de desviación para realizar la fusión visual del modelo combinado ARIMA-LSTM en el rango de desviación corregible del marco de rodillos. Se utilizó el algoritmo OCSVM para detectar la desviación anormal de la cinta transportadora. El experimento muestra que el sistema de evaluación puede predecir y enviar señales de advertencia temprana de acuerdo con los resultados de detección, proporcionar sugerencias correspondientes para ajustar el ángulo de corrección de la desviación y realizar una solución eficiente e inteligente para la evaluación del estado de desviación de la cinta en la sección curva.