“叮！”4月21日早班前，神东煤炭柳塔煤矿运转队转载输送机司机李海军的手机弹出信息预警，“上仓胶带机198架托辊异响，准确率为0.99。”他点开附带的音频，一阵规律的“咔嗒”声清晰可辨。
早班会后，他根据定位信息赶到上仓胶带机运行现场，果然发现198架托辊轴承异响，15分钟后新的托辊更换完成。
“以前我们找托辊异响像捉迷藏，需要沿着胶带机走一圈，边走边听哪个托辊异响，现在手机可以直接‘导航到病灶’，并且准确率很高，大大缩短了检修时间，提高了我们的检修效率，太方便了。”李海军指着企业微信上托辊监测机器人的预警说道。
图为李海军正在根据托辊监测机器人的预警检查托辊
柳塔煤矿700米上仓胶带机分布着上千个托辊，作为井下运输胶带机的关键零部件之一，托辊长期运行极易产生故障，当托辊出现异常声音时，往往预示着设备存在潜在故障，不及时处理故障会影响正常生产。
传统的托辊巡检主要依赖人工，检修工人巡检时主要靠听觉判别异响，而当某一架托辊出现异响时，检修工人可能恰好在其他位置而错过这一异响瞬间，难以及时发现隐患。
为了有效监测托辊异常声音，并准确判断故障部位，“托辊故障音频AI监测系统”应运而生。该系统由神东智能技术中心研发，经过前期的实地调研和现场调试之后，2025年初，在柳塔煤矿正式上线。该系统以矿内现有的巡检机器人为载体，搭载高灵敏度拾音器和自研AI算法，如同为巡检机器人装上“顺风耳”。
在数百米长的胶带机运行环境中，从设备振动、防护网振动、暖气排气等多重噪声中精准识别轴承异响与筒皮磨损声波是一个难以攻克的技术难题。为此，研发团队在巷道中连续驻扎多天，在前期采集了大量的托辊故障样本。
图为搭载高灵敏度拾音器和自研AI算法的巡检机器人
“为了收集纯净的故障样本，一开始我们去柳塔煤矿收集已经损坏、被替换下来的异常托辊，然后把这些异响托辊安装在胶带机运行的纯净地段，以排除其他声源的干扰，让巡检机器人运行起来采集现场托辊的异响声音，在巡检机器人捕捉托辊声纹之后，我们后台模型也会同步监测，并对监测到的音频进行预处理，然后进行分帧和特征提取，建立起声音样本数据库。”研发人员周雅楠介绍道。
但胶带机正常运行中，托辊的异响具有偶发性和多样性，在样本收集后，如何一步步提高识别异响的精确性，研发团队在现场进行了大量实测。
“刚开始系统异响识别有很多不精确的地方，比如，我们现场测试的时候，有的托辊是正常运行的，但是会发出很尖锐的声音，为了提升托辊故障识别的准确率，我们建立了机理模型，把那些不明显声音和无关的异响滤掉，进一步提升音频的识别准确性。”研发人员周雅楠说道。
在这个过程中，研发人员结合现场情况和机器人的多次巡检实况，对托辊故障音频AI监测系统进行迭代优化，完成多个版本的模型迭代和策略优化，解决了暖气排气管喷气声、上水声以及清扫器、蜂鸣器、防护网等设备引发的误报，降低误报率。
然而，要精准捕捉异响，离不开对托辊的精准定位，也就是必须要搞清楚异响究竟是从哪些托辊中发出来的，并且尽可能把异响托辊的位置范围偏差缩小，这也是研发人员格外注重的一个问题。
在实际工作中，巡检机器人会沿着胶带机往复运行，在正向运行经过相邻两架托辊中间时，它采集的是前一架托辊的声音，而当其反向返回，再次经过这两架托辊中间时，所采集的就是后一架托辊的声音。针对这一情况，研发人员不断纠偏，将巡检机器人的采集声音的定位精度优化至其中一架的位置，实现了异响声音和托辊位置更精准的匹配。
就这样，经过不断优化识别异响和精准定位技术，研发团队逐步攻克难题，克服传统人工巡检的局限性，托辊故障音频AI监测系统通过自动巡检，能够更及时、全面地发现托辊故障，显著降低漏检风险。检修人员能够在系统页面看到详细的告警，包括时间、置信度、架号、音频、图谱，便于排查、统计和回溯。
柳塔煤矿700米上仓内，搭载特殊“顺风耳”的巡检机器人正沿着轨道缓缓行进，它头顶的拾音器如同敏锐的听诊器，实时捕捉着无数个托辊的运转声波，自系统投入使用以来，已成功监测到二十余个托辊故障。
图为李海军查看新换托辊运行情况
如今，李海军他们只需根据手机上的预警提醒直抵托辊故障点进行更换即可，无需再沿着固定路线巡检，大幅削减了巡检路线和巡检时间，也提高了工作效率。
目前，研发团队正通过持续采集稀缺异常音频样本，进一步优化模型，在提升故障检测的精准度的同时，持续为煤矿智能化发展提供数据支撑。
