隨著經濟的快速發展和繁榮，帶式輸送機有著輸送能力越來越大、輸送距離越來越長的趨勢。這就要求帶式輸送機的功率要大，但一味的前進功率也可能出現各種缺陷。因此，如何合理選擇帶式輸送機的驅動設備是其規劃的關鍵，也是帶式輸送機規劃是否合理、能否正常工作、維修費用和維…
隨著經濟的快速發展和繁榮，帶式輸送機有著輸送能力越來越大、輸送距離越來越長的趨勢。這就要求帶式輸送機的功率要大，但一味的前進功率也可能出現各種缺陷。因此，如何合理選擇帶式輸送機的驅動設備是其規劃的關鍵，也是帶式輸送機規劃是否合理、能否正常工作、維修費用和維修量是否較少的關鍵。為了解決現有的帶式輸送機托輥缺陷檢測方法存在的問題，如采用觸摸測量、不方便設備操作、不適合井下大型規劃的缺陷檢測等，提出了一種基于小波去噪和BP-RBF神經網絡的托輥缺陷檢測方法。采集壓路機工作時的音頻信號，采用軟閾值法和硬閾值法相結合的折疊法對音頻信號進行去噪；將每層小波微分信號的能量和作為該層的特征值，通過處理系數對低頻部分的特征值進行變換，降低其在總能量中的百分比，使缺陷特征更加明顯；將提取的特征向量輸入到BP-RBF神經網絡模型中進行缺陷檢測。檢測結果表明，該方法對托輥信號正常、托輥表面裂紋、磨損等缺陷的識別率達到96.7%。與傳統的光譜分析技術相比，具有工作量少、精度高等優點；與溫度檢測技術相比，該方法采用非接觸式設備方法，設備越方便，檢測方案越大，具有較好的應用前景。