應用背景：

國內外行業現狀：帶式輸送機作為煤炭、港口、鋼鐵廠等裝卸運輸的主力設備，因為其專業化、自動化程度較高和連續化、大運量的作業方式，在傳送及裝載過程中發揮極其重要的作用。

損耗及故障率較高：如果皮帶機發生故障導致皮帶相對滾筒及托輥之間的打滑摩擦，長時間摩擦產生高溫將導致皮帶撕裂、起火引發火災乃至事故，生產停頓，造成重大經濟損失甚至人員傷亡。

傳統監測手段：1、人工巡檢方式：由于高溫、粉塵、強噪聲等環境原因，巡檢效率低、可靠性差；2、點式測音傳感器：因受環境干擾、施工負責等因素，造成誤報率高，不能準確的檢測托輥異響及故障位置信息。

解決方案：

常用的故障診斷分析方法：1、振動和聲音信號與故障關聯性強，相關分析法在故障診斷中應用為廣。2、基于計算機圖像處理技術的帶式輸送機托輥組故障診斷技術。3、基于紅外圖像處理的輸送帶跑偏故障在線檢測技術。

多源感知技術：由于故障識別技術特別是深度學習技術的局限性，從單一信息來源提取關鍵特征來識別故障，識別準確率較低。融合圖像、聲音和溫度等多源感知技術并按各自的特征對同一目標進行監測，可以大幅度提高識別準確率，解決帶式輸送機管理過程中的難點、痛點問題。

該系統原理是在沿著帶式輸送機部署光纜，將高速行進的皮帶和輥筒摩擦碰撞的聲音作為發射源，系統實時采集并記錄帶式輸送機的聲發射數據，結合預測模型應用到實際部署的DAS系統上，全天候的監測帶式輸送機并提供健康監測的預務。

應用優勢：布設方便，場外只需一根光纜；易維護，市外光纜無源，不需要任何電子器件；全域監測，且人工智能識別，高效安全。

應用案例

某火力發電廠輸送帶火災監測：

1.輸送帶沿長度方向支撐在安裝于機架上的系列托輥上，繞過驅動和張緊改向滾筒，輸送帶依靠與驅動滾筒之間的摩擦而連續運動，物料靠與帶之間的摩擦傳遞至卸載點。

2.工作時，輸送帶既是牽引構件，又是承載構件。傳遞動力和運動、支撐物料和載荷，工作條件較為復雜。輸送機系統重點防火部位，失火概率大，一旦發生火災，可能造成嚴重事故。

3.據統計分析，引起輸送帶火災的原因主要由：托輥超溫、滾筒打滑、緊急停車后的滿載起動、電氣控制線路、易燃和易自燃物品等。

預警單元

BL-BOTDR實現溫度、應變監測

外觀尺寸：1U大小

BL-DVS實現振動監測

外觀尺寸：3U大小

BL-DAS實現聲波監測

外觀尺寸：3U大小