2. 矿山设备故障与红外热成像原理

矿山巡检机器人要在设备尚未停机、人员无法靠近的条件下发现隐患，靠的不是"看颜色"，而是"读温度"。红外热成像把设备表面不可见的红外辐射转换成可视的温度分布，而绝大多数矿山机械故障在早期都会以异常温升的形式留下痕迹。理解"故障类型—发热机理—热像表征"这条链条，是后续用机器人自动识别故障的判断基础。

一、矿山机械的常见故障类型及其发热机理

矿山设备工况恶劣、负载重、粉尘大、连续运转时间长，故障集中在机械与电气两大类。它们产生热量的物理原因不同，热像上的形态也明显不同。

• 过热类故障：轴承润滑不良、冷却系统失效、液压油温过高、电机长期过载。热量来自摩擦功或损耗功率的持续积累，表现为一个面积较大、温度缓慢上升、边界模糊的"热区"，温升往往在十几到几十开尔文。
• 摩擦类故障：皮带打滑、托辊卡死、制动器拖磨、联轴器不对中。摩擦副局部做功转化为热，热像上常呈条带状或沿接触线分布，皮带机托辊卡死时该托辊温度可比相邻托辊高出 15～30 K。
• 松动类故障：地脚螺栓松动、连接件预紧力不足、结构件裂纹。松动引起接触面微动与冲击，接触电阻或接触热阻增大，热像上表现为连接部位局部点状热点，且随负载波动明显。
• 电气接触不良：接线端子氧化、电缆接头压接不实、隔离开关触头磨损、母线螺栓未拧紧。接触电阻增大后 P=I²R 的焦耳热集中在小面积上，是热像中最典型、最容易识别的"小面积高温点"，温差可达数十开尔文，且与负荷电流强相关。

需要强调的是，同一台设备上"热"不一定等于"故障"：阳光直射、环境高温、邻近热源、表面发射率差异都会造成误判。因此判断必须结合负载率、环境温度和同类设备对比，这也是机器人巡检系统要同步采集电流、环境温度等辅助量的原因。

二、红外辐射基础

任何温度高于绝对零度的物体都在向外辐射电磁波，其波长分布由普朗克定律描述。在工程常用的 8～14 μm 长波红外波段，多数物体辐射能量随温度单调上升，这为测温提供了物理依据。两个概念必须掌握：

发射率 ε：实际物体辐射能力与同温度黑体的比值，取值 0～1。抛光金属表面 ε 可能只有 0.1～0.3，而氧化钢件、橡胶、混凝土可达 0.85～0.95。发射率设置错误会带来系统性测温偏差，例如把 ε=0.9 的氧化铁件按 ε=0.3 计算，读数会显著偏高。

大气与遮挡：水蒸气、粉尘、烟尘会吸收红外能量。矿山井下粉尘浓度高，测温距离越远衰减越明显，因此机器人应尽量在较近距离、视线无遮挡的位置采集，并在系统中设置距离与相对湿度补偿。

三、热成像测温原理与故障表征的对应关系

热像仪的核心是红外焦平面探测器，它把接收到的辐射通量转换为电信号，再经非均匀性校正、发射率与大气补偿，反演出每个像素的温度值，形成温度矩阵。这个矩阵就是后续一切故障识别的数据源：它既是一张灰度或伪彩图像，也是一组可计算的数值。

故障表征与热像特征的对应关系可以归纳为下表（表中温升为教学示例量级，实际判据需按设备类型与厂家标准标定）：

下图把"故障类型—发热机理—热像特征—判读结论"的对应关系组织成一张关系图，帮助在巡检现场快速把看到的热像形态映射回可能的故障原因。

四、从温度矩阵到故障判据

机器人采集到的热像并不是直接给出"故障"结论，而是经过三步处理。第一步是区域定位：依据云台角度、可见光图像与设备台账，把热像中的像素区域对应到具体部件，例如"1# 皮带机 3# 托辊"。第二步是特征提取：在部件区域内计算最高温、平均温、温升（相对环境温度）、与同类部件的温差、热点面积占比等指标。第三步是阈值判读：将指标与预设判据比较。

一个可直接参考的判据示例（教学假设值，实际须按设备厂家标准与历史数据标定）：

判据示例（相对温差法）：
  相对温差 δt = (T1 - T2) / (T1 - T0) × 100%
  T1：异常点温度   T2：正常对应点温度   T0：环境温度

  电气接头：δt ≥ 35%  一般缺陷
            δt ≥ 80%  严重缺陷，需尽快停电处理
  机械轴承：温升 ΔT ≥ 15 K 且持续 2 个巡检周期 → 预警
  三相触头：任意两相温差 ≥ 10 K → 怀疑接触不良

采用相对温差而非绝对温度，是为了消除环境温度与负载率波动的影响。例如夏季井下环境 32 ℃、冬季 15 ℃，同一接头的绝对温度相差十几开尔文，但相对温差基本稳定，判据更可靠。

把上述关系串起来看，红外热成像故障识别的本质是：故障改变能量损耗路径 → 损耗以热的形式在表面显现 → 热像仪把辐射反演为温度矩阵 → 系统用区域、特征与判据把温度还原为故障结论。巡检机器人正是把这条链条自动化、周期化，使温度这一最直观的设备健康信号能够被持续、定量地监测。