随着经济的快速发展和繁荣，带式输送机有着输送能力越来越大、输送距离越来越长的趋势。这就要求带式输送机的功率要大，但一味的前进功率也可能出现各种缺陷。因此，如何合理选择带式输送机的驱动设备是其规划的关键，也是带式输送机规划是否合理、能否正常工作、维修费用和维…
随着经济的快速发展和繁荣，带式输送机有着输送能力越来越大、输送距离越来越长的趋势。这就要求带式输送机的功率要大，但一味的前进功率也可能出现各种缺陷。因此，如何合理选择带式输送机的驱动设备是其规划的关键，也是带式输送机规划是否合理、能否正常工作、维修费用和维修量是否较少的关键。为了解决现有的带式输送机托辊缺陷检测方法存在的问题，如采用触摸测量、不方便设备操作、不适合井下大型规划的缺陷检测等，提出了一种基于小波去噪和BP-RBF神经网络的托辊缺陷检测方法。采集压路机工作时的音频信号，采用软阈值法和硬阈值法相结合的折叠法对音频信号进行去噪；将每层小波微分信号的能量和作为该层的特征值，通过处理系数对低频部分的特征值进行变换，降低其在总能量中的百分比，使缺陷特征更加明显；将提取的特征向量输入到BP-RBF神经网络模型中进行缺陷检测。检测结果表明，该方法对托辊信号正常、托辊表面裂纹、磨损等缺陷的识别率达到96.7%。与传统的光谱分析技术相比，具有工作量少、精度高等优点；与温度检测技术相比，该方法采用非接触式设备方法，设备越方便，检测方案越大，具有较好的应用前景。