团 体 标 准 T/SIGA ICS 25.040.30 CCS J 28 T/SIGA 004—2025 皮带输送机挂轨机器人故障诊断技术要求 Technical requirements for fault diagnosis of belt conveyor rail-mounted robots 2025-07-22发布 2025-07-22实施 上海市图像图形学学会 发 布 全国团体标准信息平台 T/SIGA 004—2025 I 前言 本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由上海市图像图形学学会归口。 本文件起草单位： 新疆大学、 新疆准东特变能源有限责任公司、 深圳优艾智合机器人科技有限公司。 本文件主要起草人：袁亮、陶庆、张建博、肖文东、冉腾。 本文件首批承诺执行单位：新疆大学、新疆准东特变能源有限责任公司、深圳优艾智合机器人科技有限公司。 全国团体标准信息平台 T/SIGA 004—2025 1 皮带输送机挂轨机器人故障诊断技术要求 1 范围 本文件规定了皮带输送机挂轨机器人故障诊断的流程，以及在线故障诊断、在线故障报警、离线测试诊断和诊断结果要求。 本文件适用于皮带输送机挂轨机器人制造商、使用单位、维护服务商等相关方进行故障诊断工作，设备的安全、稳定运行，提高故障诊断的准确性和效率。其他型式的挂轨机器人故障诊断可参照采用。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 2298—2010 机械振动、冲击与状态监测 词汇 GB/T 19873.2—2009 机器状态监测与诊断 振动状态监测 第2部分：振动数据处理、分析与描述 GB/T 22394.1—2015 机器状态监测与诊断 数据判读和诊断技术 第1部分：总则 GB/T 25889—2010 机器状态监测与诊断 声发射 GB/T 29716.1—2013 机械振动与冲击 信号处理 第1部分：引论 GB/T 42983.2—2023 工业机器人 运行维护 第2部分：故障诊断 GB/T 43782—2024 人工智能 机器学习系统技术要求 ISO 18129:2015 机器状态监测和诊断 性能诊断方法（Condition monitoring and diagnostics of machines - Approaches for performance diagnosis） 3 术语和定义 下列术语和定义适用于本文件。 故障 fault 系统或部件不能执行某项规定功能的状态 在线 online 处于运行状态。 离线 offline 处于脱离生产的、非作业状态。 故障特征 fault feature 用于检测皮带故障是否发生、严重程度的表征参数。 异常报警 abnormal alarm 全国团体标准信息平台 T/SIGA 004—2025 2 当皮带检测系统中出现偏离正常标准的状态时触发的预警信号。此类报警表明系统存在潜在风险，需干预但尚未完全丧失功能。 故障报警 fault alarm 皮带系统因部件劣化或失效导致丧失规定功能时触发的紧急信号。此类报警表明设备已无法执行预定任务，需立即停机维修。 故障诊断 diagnose 为确定故障性质（种类、状况、程度）而进行的检验。 卷积神经网络 convolutional neural network；CNN 一种专门用来处理具有类似网络结构数据的神经网络,是主要的深度神经网络结构之一。 数据清洗 diagnose 对采集到的机器状态监测数据进行清洗，去除噪声和异常值。 特征提取 diagnose 利用深度学习技术自动从原始数据中提取有用的特征，这些特征可能包括时域特征、频域特征、时频域特征等。 Yolo目标检测算法 you only look once YOLO是一种实时目标检测算法，其核心思想是将目标检测视为单次回归问题。 4 故障诊断流程 4.1 皮带输送机挂轨机器人故障诊断宜按照图1所示的流程进行。 全国团体标准信息平台 T/SIGA 004—2025 3 图1 皮带输送机挂轨机器人故障诊断流程 4.2 皮带输送机挂轨机器人技术要求参见附录A。 5 在线故障诊断 5.1 在线监测参数应符合GB/T 42983.1—2023中监测参数类别、监测项目和监测方式等的要求。 5.2皮带输送机挂轨机器人在线故障报警宜基于控制总线信号和附加传感器的方式并结合人工智能方法，识别皮带输送机是否存在异常或故障,若不存在异常或故障,则持续进行在线监测。 5.3 若报警则对皮带输送机进行离线测试诊断,离线测试诊断包括离线测试和离线诊断。离线测试时宜按照皮带输送机是否能独立运动来选择测试方式,测试方式包括单轴测试和工况测试；离线诊断宜采用信号处理方法和人工智能诊断方法对皮带输送机进行故障诊断。 6 在线故障报警 6.1 控制总线的控制异常报警 皮带输送机控制异常报警包括硬件报警、控制超差报警和通信异常报警,在线故障报警中关于控制总线异常报警的要求如下（包括但不限于）： a） 硬件报警宜采用模拟硬件电路方式,当硬件电路输入异常时输出特定电平,发生硬件报警； b） 控制超差报警宜采用阈值比较方式,监测参数在规定时间内超过值,发生控制超差报警； c） 通信异常报警宜采用“问答”方式,若规定时间内无反馈,则状态标志位置1,发生通信异常报警。 6.2 残差故障的故障报警 全国团体标准信息平台 T/SIGA 004—2025 4 6.2.1 基于总线通信的数据获取方式,宜采用观测器和残差对皮带输送机进行在线故障报警。 6.2.2 针对电机故障报警,可建立伺服电机观测器,宜采用电流作为观测器输出参数,驱动器信号(转矩、转速、转角等)作为输入参数,使用电流残差值对电机进行在线故障报警。观测器的建立应符合ISO 18129:2015中5.2的要求。 6.3 附加传感器的故障报警 6.3.1 皮带输送机伺服电机和减速器宜采用振动传感器、声发射传感器和温度传感器等附加传感器进行在线故障报警。 6.3.2 针对电机故障报警,宜采用附加振动传感器和温度传感器来进行在线故障报警。 6.3.3 对于附加振动传感器,宜采用振动信号的均方根值作为特征指标来对电机进行在线故障报警。 6.3.4 对于附加温度传感器,宜采用温度信号的有效值作为特征指标来对电机进行在线故障报警。 6.3.5 针对减速器故障报警,宜采用附加振动传感器和声发射传感器来进行在线故障报警。 6.3.6 对于附加振动传感器,宜采用振动信号的均方根值作为特征指标来对减速器进行在线故障报警。 6.3.7 对于附加声发射传感器,宜选用声发射信号的能量作为特征指标来对减速器进行在线故障报警。 6.3.8 特征指标的选取应符合GB/T 19873.2—2009中3.3、GB/T 25889—2010中4.1和GB/T 2298—2010中6.11的要求,同时宜按如下方法选择: a） 针对振动传感器,采用均方根值等作为特征指标； b） 针对声发射传感器,采用能量等作为特征指标； c） 针对温度传感器,采用平均值等作为特征指标。 6.4 有人工智能辅助的故障报警 6.4.1 基本要求 6.4.1.1 在执行环境智能感知任务时，皮带输送机挂轨机器人宜集成可见光图像、红外图像及声音采集功能，实施多源信息采集。 6.4.1.2 机器人运用大数据筛选、图像处理、视觉跟踪及机器学习技术，通过图像与声音检测识别技术， 结合低光照图像增强与声音去噪技术， 有效提取并准确识别起火， 托辊高温， 皮带高温等故障特征。 6.4.2 视频采集 6.4.2.1 应在皮带机头部和尾部关键位置安装高清摄像头，并辅以光源以克服环境黑暗，确保视频清晰。 6.4.2.2 采集的视频应经抽帧处理转化为图像数据，随后进行帧间差分、背景减除等预处理，并对图像数据进行标注操作，以构皮带撕裂，皮带偏移，托辊松动数据集。 注1：在机器学习和计算机视觉中，标注指对原始数据添加结构化标签的过程。 6.4.3 声音采集 6.4.3.1 应配置多通道音频采集技术，确保能全面捕捉不同位置和方向的声音数据。 6.4.3.2 声音发射传感器的安装位置与方向应在传感器信号感知范围内，并定期校准以保证其灵敏度和准确性。在声音预处理阶段，应运用小波变换或傅里叶变换等去噪技术，去除背景噪声并增强异常声音的可听性。 6.4.3.3 宜利用Mel频率倒谱系数、Chroma特征和频谱平坦度等方法提取关键声音特征，并通过卷积神经网络等深度学习模型进行异常声音的自动分类与识别。 全国团体标准信息平台 T/SIGA 004—2025 5 注1：Mel频率倒谱系数是一种广泛用于语音识别和音频处理领域的特征提取技术,简称MFCC。它模拟人耳对声音频率的非线性感知特性。 注2：chroma特征是一种描述音乐调性内容的音频特征。 注3：频谱平坦度用来描述信号频谱的均匀性。 6.4.4 算法训练与测试 6.4.4.1 宜采用Yolo目标检测算法进行目