Системы мониторинга состояния роликов конвейеров: Обзор

Главная / Статьи / Системы мониторинга состояния роликов конвейеров: Обзор

Горнодобывающая промышленность в значительной степени полагается на системы ленточных конвейеров для эффективной и безопасной транспортировки сыпучих материалов. Ролики конвейеров являются критически важными компонентами ленточных конвейеров, и их отказы являются основной причиной дорогостоящих простоев [6] и перебоям в производительности. Отказы роликов могут привести к множеству негативных последствий, таких как повреждение ленты, снижение эффективности конвейера, увеличение энергопотребления и повышение затрат на ремонт. В частности, вышедшие из строя ролики могут вызвать смещение конвейерных лент, что увеличивает трение и износ, в конечном итоге приводя к повреждениям ленты или даже пожароопасным ситуациям. Учитывая, что на один километр конвейерной ленты приходится до 2700 роликов [4], традиционные методы обслуживания, включавшие периодические инспекции, являются трудоемкими, ненадежными, небезопасными и дорогостоящими, с точки зрения снижения производительности. Эта ситуация спровоцировала разработку ряда технологий мониторинга состояния (СМС) для раннего обнаружения неисправных роликов ленточных конвейеров и обеспечения предиктивного обслуживания. Переход к предиктивному обслуживанию является не просто улучшением, а стратегической необходимостью, вызванной операционными требованиями к повышению безопасности, надежности и экономической эффективности.

Основной целью данного исследования является сравнительная оценка доступных технологий мониторинга роликов. В данном документе рассматриваются известные решения СМС для роликов – принципы работы каждого из них, ключевые компоненты и типичные сценарии использования.

Эволюция обслуживания роликов

Традиционное обслуживание роликов преимущественно носило реактивный или превентивный характер. Реактивное обслуживание предполагает реагирование только после возникновения отказов оборудования, что приводит к длительным простоям и более высоким затратам. Превентивное обслуживание, хотя и проводится регулярно по графику, не предотвращает неожиданных отказов. Одна из распространенных процедур инспекции в программах превентивного обслуживания наземных конвейеров требует, чтобы два квалифицированных техника проходили вдоль всей длины ленточной конвейерной системы, осматривая ролики на предмет шумовых сигнатур или тепловых признаков, указывающих на отказ подшипников ролика. Однако, эти проверки оказались не совсем удовлетворительными по ряду причин. Одной из причин является «человеческий фактор», а именно, трудность определения того, какой именно ролик может генерировать индикативный шум отказа. Кроме того, такие процедуры инспекции могут быть особенно трудоемкими и часто сопряжены с последствиями для охраны труда.

Развитие технологий предиктивного обслуживания, таких как вибрационный анализ, мониторинг температур, обнаружение акустической эмиссии и беспроводные сети, предлагает значительные улучшения, позволяя раннее обнаружение приближающихся отказов. Эти передовые технологии значительно сокращают время инспекций, облегчают обнаружение проблем в реальном времени и оптимизирует графики обслуживания, что в конечном итоге повышает операционную эффективность, минимизируя простои и оптимизируя распределение ресурсов.

Мониторинг на основе датчиков на роликах и рамах

Беспроводные вибрационные/акустические датчики на рамах

Один из подходов заключается в прикреплении датчиков к рамам роликов для измерения вибрации или шумовых сигнатур роликов. Например, система Intium (RCM) использует небольшие акселерометры с батарейным питанием, установленные на каждой раме с роликами (несущей и возвратной). Эти датчики образуют беспроводную ячеистую сеть, передающую данные на локальное устройство сбора данных, которое загружает данные в облачную платформу для анализа. Уровни вибрации регулярно регистрируются (например, каждые 2 минуты), и программное обеспечение системы помечает аномальные сигнатуры, предоставляя приоритизированный список рам роликов, вероятно, имеющих неисправности [24].

Такие системы могут быть дооснащены без модификации самих роликов. Они обычно работают на сменных батареях (RCM использует элементы AA) и используют беспроводную связь с низким энергопотреблением для передачи данных. Эти системы коммерчески доступны и были испытаны в промышленности, доказав свою способность обнаруживать неисправности по всей длине конвейеров с высоким разрешением и прогностической точностью [7]. Ограничением является то, что датчик не находится непосредственно на подшипнике ролика, поэтому только начавшие развиваться неисправности могут быть замаскированы фоновой вибрацией ленты. Однако, на практике они показали эффективные ранние предупреждения о неисправностях – до 280 часов (более 11 дней) раньше, чем традиционная визуальная инспекция [24].

Мониторинг температуры и тепловизионная съемка

Многие отказы роликов проявляются в виде выделения избыточного тепла из-за трения в подшипниках. Таким образом, мониторинг на основе температуры является популярным методом для выявления перегретых роликов (предвестников заклинивания или пожара) [8]. Термический мониторинг особенно важен на подземных угольных конвейерах, где перегретый ролик может воспламенить угольную пыль. Одна из реализаций, упомянутая ниже, заключается во встраивании датчиков температуры непосредственно под подшипник (например, “Умный ролик”) для непрерывного измерения температуры подшипника и передачи сигнала тревоги при превышении установленного порога.

Другой подход – инфракрасная (ИК) термография, использующая ИК-камеры или пирометры для сканирования температуры роликов на расстоянии. На практике бригады по обслуживанию используют ручные ИК-тепловизоры во время обходов конвейера для обнаружения перегретых роликов, чтобы заменить их до возгорания ленты. Новые системы автоматизируют этот процесс: например, система Robotic Idler Predict (от Scott Automation) представляет собой роботизированный манипулятор, установленный на транспортном средстве, который движется вдоль конвейера и использует тепловизионную съемку для проверки роликов при работающей ленте [6]. Его 6-осевой робот перемещает тепловизионную камеру близко к каждому ролику (он может сканировать около 3 несущих роликов и 1 возвратный ролик каждые 4 минуты) и анализирует тепловой профиль каждого ролика. Если ролик перегревается, система подает сигнал тревоги для реагирования службы обслуживания [6]. Аналогично, роботизированная система Spidler (описанная далее) включает несколько термографических камер для непрерывной проверки горячих роликов по мере ее движения вдоль ленты.

Мониторинг температуры и тепловизионная съемка

Недавним дополнением к этой категории является система, которая использует инфракрасный датчик температуры, датчик тепловизионной съемки и визуальную камеру для непрерывного отслеживания температуры каждого ролика. Разработанная как решение с открытым исходным кодом, система регистрирует и передает данные через Raspberry Pi и сотовую связь или Wi-Fi, выдавая оповещения при превышении заданного порога. Веб-панель и интерфейс Telegram-бота обеспечивают удаленный доступ к тепловым картам, фотографиям и видеоклипам, предлагая гибкий и масштабируемый инструмент для целенаправленного предотвращения пожаров. Хотя эта система все еще находится на стадии прототипа, она была успешно протестирована в полевых условиях и получила высокую оценку пользователей [1].

Методы, основанные на температуре, очень эффективны для обнаружения неисправностей на поздней стадии (перегрева) и просты в интерпретации. Однако, они обычно обнаруживают отказы только на относительно продвинутых стадиях (когда генерируется тепло). Таким образом, они отлично подходят для предотвращения пожаров и планирования обслуживания за несколько часов или дней, но не так чувствительны для долгосрочного предиктивного анализа.

Мониторинг акустической эмиссии

Выходящие из строя подшипники и ролики издают характерные звуковые сигнатуры – от едва уловимого ультразвукового скрежета до громкого визга или дребезжания. Мониторинг на основе акустики использует микрофоны или акустические датчики для обнаружения этих звуковых аномалий. В практике обслуживания используются ручные ультразвуковые «слушающие» устройства (например, комплект SKF Idler Sound Monitor): техник направляет ультразвуковой микрофон на ролики и считывает характерный высокочастотный шум неисправного подшипника [30]. Современные решения СМС направлены на автоматизацию акустического обнаружения. Одной из проблем является то, что сами конвейеры шумны, и отличить звук неисправного ролика может быть трудно без непосредственной близости или усовершенствованной фильтрации [19]. Некоторые экспериментальные системы используют массивы акустических датчиков, установленные рядом с роликами или на инспекционных роботах. Например, исследователи разработали мобильных роботов, которые перемещаются вдоль конвейеров и используют встроенные микрофоны для записи звуков роликов на месте [29]. Используя обработку сигналов (например, отфильтровывая шум ленты и применяя циклостационарный анализ), они показали, что акустические данные могут идентифицировать повреждения подшипников даже при громком фоновом шуме [28].

По сравнению с вибрационными датчиками, микрофоны не требуют физического контакта и могут контролировать несколько роликов из одного места, если они достаточно чувствительны. Однако на больших открытых карьерах ветер и другие окружающие звуки могут создавать помехи. Одной из перспективных акустических техник является ультразвуковое зондирование эмиссии, которое фокусируется на высокочастотных компонентах звука (часто выше диапазона слышимости человека), где сигналы трения подшипников и проявляются [19], [28]. На практике, акустический мониторинг был менее распространен как самостоятельный продукт (помимо ручных устройств), но он является ключевой частью некоторых интегрированных решений [14]. Акустическое зондирование может улавливать неисправности на ранней стадии, но сложность заключается в том, что оно требует сложной аналитики для фильтрации и интерпретации данных.

Умные ролики со встроенными датчиками

Новейшая стратегия заключается во встраивании датчиков непосредственно в сами ролики. Система “Умный ролик” (Smart-Idler®), разработанная Vayeron (Австралия), является ведущим примером – это ролик, содержащий внутренний сенсорный модуль, измеряющий частотную вибрацию подшипника, обороты в минуту (RPM) и температуру [12], [13]. Модуль полностью беспроводной и автономный благодаря внутреннему генератору, вырабатывающему энергию от вращения ролика. По мере вращения ролика, Smart-Idler® непрерывно контролирует состояние подшипника и оболочки. Данные отправляются через беспроводную ячеистую сеть, а аналитика “Умного ролика” выполняет спектральный анализ сигналов датчиков для точного выявления неисправностей подшипников даже в шумной конвейерной среде [3], [12], [13]. В ходе испытаний, система смогла обнаружить развивающиеся отказы роликов за 9 месяцев до поломки [2], что позволяет очень раннее вмешательство. Это предлагает беспрецедентный запас времени для предиктивного обслуживания, позволяя оптимально планировать, распределять ресурсы и минимизировать аварийные вмешательства. Компоненты системы включают в себя встроенный сенсорный модуль, беспроводное устройство сбора данных и программу для аналитики данных.

Технология умных роликов внедряется как на открытых, так и на подземных рудниках, благодаря таким особенностям, как герметичная конструкция и отсутствие внешней проводки, что делает их искробезопасными, что критически важно для соблюдения требований в подземных угольных шахтах [26].

Несколько компаний изучают аналогичные концепции «чувствительных роликов». Например, Artur Küpper GmbH разработала прототип со встроенными цифровыми датчиками температуры, расположенными на валу рядом с каждым подшипником, объединенными в сеть. Их конструкция использует два датчика температуры на ролик и передает данные через станцию ролика по проводным контактам на локальный монитор [10]. Это система фокусируется на температуре подшипника как простом и недорогом индикаторе отказа (избегая более дорогих вибрационных или инфракрасных систем).

Распределенные волоконно-оптические системы

Волоконно-оптическое акустическое зондирование (DAS)

Волоконно-оптическое распределенное акустическое зондирование (DAS) – это технология, использующая волоконно-оптический кабель, закрепленный вдоль конструкции конвейера, в качестве непрерывного «слушающего» устройства. В исследовании Mining3 волоконно-оптический кабель крепится или зажимается к стальной конструкции конвейера по всей его длине [11]. Опрашивающее устройство на одном конце волокна посылает лазерные импульсы по волокну и измеряет рассеянный свет (используя метод обратного рассеяния Rayleigh). Мельчайшие вибрации в конструкции конвейера (вызванные скрежетом подшипников роликов) передаются на волокно и вызывают измеримые изменения в сигнале обратного рассеяния. Анализируя время и частоту этих изменений, система может определить, где вдоль ленты возникает определенный акустический паттерн и каковы его характеристики [15]. По сути, волокно работает как тысячи микрофонов, расположенных каждые несколько метров. Важно отметить, что эти системы выполняют частотно-доменной анализ для выделения характерных частот неисправных подшипников (в отличие от случайного шума).

Весь конвейер может контролироваться одновременно одним опросным устройством, с охватом до 10 км ленты на одно устройство. Компоненты: волоконно-оптический кабель (часто стандартное телекоммуникационное одномодовое волокно) и блок опроса/сбора данных. В полевых условиях не требуется ни питания, ни электроники – волокно пассивно, блок опроса/сбора данных может располагаться удалённо в помещении [16].

Сценарии использования включают длинные конвейеры, где установка тысяч отдельных датчиков непрактична – одно волокно может покрыть расстояние относительно недорого. Первые внедрения сосредоточены на обнаружении распространенных звуков отказов (таких как гул подшипника или шум от заклинившего ролика, вызывающего проскальзывание ленты) [25]. Поскольку эта технология относительно нова, шахты проверяют, насколько точно она может определить один неисправный ролик среди сотен.

Волоконно-оптическое акустическое зондирование (DAS)

Волоконно-оптическое температурное зондирование (DTS)

DTS – это еще один волоконно-оптический подход, который отслеживает температуру, а не вибрацию. Системы DTS (предлагаемые такими компаниями, как Yokogawa, AP Sensing и др.) используют оптические волокна с принципом комбинационного рассеяния для измерения температуры по всей их длине [9]. Когда лазерные импульсы посылаются по волокну, небольшая часть света рассеивается обратно со спектром, зависящим от температуры (соотношение определенных длин волн компонентов меняется с температурой). Анализируя это обратное рассеяние, опросное устройство DTS может считывать температуру в каждой точке вдоль волокна, фактически обеспечивая термометр, охватывающий весь конвейер. Коммерческие установки DTS могут снимать показания температуры с высоким пространственным разрешением (например, каждые 1 м) и обновлять их часто (каждые несколько минут) [9]. Однако, поскольку DTS измеряет только температуру, его возможности обнаружения ограничены отказами на поздней стадии (когда произошло значительное нагревание).

Краткое резюме волоконно-оптических систем

Волоконно-оптические решения хороши для применений, где обслуживание электроники проблематично (длинные, удаленные конвейеры или загазованные подземные шахты). После установки волоконно-оптический кабель практически не требует обслуживания, кроме калибровки [15]. Как DAS, так и DTS обеспечивают непрерывное покрытие на больших расстояниях при относительно низкой дополнительной стоимости за единицу длины. Они также довольно точно определяют местоположение неисправности (по времени прохождения сигнала) вдоль ленты с точностью до метра или двух [16]. Высокая чувствительность акустического волокна означает, что могут быть уловлены даже незначительные изменения вибрации, но для отфильтровывания нормального рабочего шума необходима сложная аналитика данных. В целом, волоконно-оптический мониторинг считается высокопотенциальной развивающейся технологией, с успешными испытаниями, показывающими, что он может обнаруживать отказы роликов, которые ранее не всегда выявлялись трудоемкими пешими проверками [25], [16].

Роботизированные и БПЛА системы инспекции роликов

Роботы для замены роликов ("Spidler")

Spidler (от Sandpit Innovation, Австралия) – это полуавтоматическая роботизированная машина, которая перемещается по рельсам вдоль конструкции конвейера и фактически заменяет неисправные ролики на ходу [22]. Он состоит из тележки с колесами, которые движутся по паре легкорельсовых путей, установленных по обе стороны от продольных балок конвейера. Spidler может двигаться со скоростью около 6 км/ч и работать при углах наклона конвейера до 15° и в суровых погодных условиях. На тележке находится вращающийся роботизированный манипулятор с захватом, а также несколько датчиков: несколько тепловизионных камер (обычно 4–6 ИК-камер) для сканирования температуры роликов, сканеры для точного позиционирования, а также гидравлические подъемники для извлечения неисправного ролика. Spidler патрулирует конвейер, ища признаки отказа – используя свои тепловизионные камеры для выявления перегретого ролика (он может сканировать около 3 несущих роликов каждые 2 минуты) [22]. Когда он находит перегретый или вышедший из строя ролик, его роботизированный манипулятор захватывает и удаляет неисправный ролик и заменяет его новым, при этом конвейер продолжает работать. Однако Spidler – это скорее система реагирования, чем система мониторинга. Его философия заключается в том, что если вы можете очень быстро заменять ролики, вам может не понадобиться предиктивное обнаружение – даже если ролик выйдет из строя, робот может заменить его до того, как он причинит серьёзные повреждения [22]. Spidler несет на борту дизельный генератор для питания и может работать около 24 часов до заправки.

Эта система была протестирована в промышленных масштабах [22]. Недостатки включают необходимость установки рельсов вдоль конвейера (значительные инвестиции в инфраструктуру) и тот факт, что она устраняет неисправности после их возникновения. Spidler может быть менее подходящим для подземных работ, особенно в угольных шахтах, из-за дизельного двигателя и требований к пространству.

Мобильные инспекционные роботы

Система Robotic Idler Predict является одним из примеров: это, по сути, роботизированный манипулятор на транспортном средстве (пикап или специальная тележка), который может перемещаться вдоль конвейера. 6-осевой роботизированный манипулятор автоматически позиционирует сенсорную головку под каждым роликом вдоль загруженного конвейера для проверки его состояния [6]. Обычно он использует тепловизионную съемку (и потенциально другие датчики, такие как вибрационные или звуковые зонды) для оценки каждого ролика. В ходе испытаний эта система могла проверять 3 несущих ролика и 1 возвратный ролик за 4-минутный цикл, непрерывно перемещаясь вдоль ленты. Если обнаруживается аномалия (например, горячий подшипник или аномальное показание вибрации), система регистрирует местоположение и оповещает операторов [6].

Также разрабатываются меньшие привязные роботы или тележечные системы, которые могут перемещаться по конструкции конвейера или даже по ленте, неся датчики. Эти системы в значительной степени экспериментальны, но показывают перспективу в доступе к недоступным роликам (например, в полностью закрытой конвейерной галерее). Ключевым преимуществом роботизированных инспекторов является то, что они могут приближать датчики к каждому ролику (для получения точных данных) и преодолевать большие расстояния быстрее, чем человек. Недостатком является то, что они не являются системой мониторинга «реального времени» для всех роликов одновременно – они сканируют их последовательно по мере движения и быстро развивающийся дефект ролика потенциально может создать проблему до следующего прохода робота.

Беспилотные летательные аппараты (БПЛА / Дроны)

БПЛА, оснащенные камерами или датчиками, представляют собой гибкий, бесконтактный способ обследования роликов конвейеров. Дроны могут летать над или вдоль участков конвейеров, которые труднодоступны пешком (например, через овраги или в горной местности). Они могут нести тепловизионные камеры для обнаружения перегретых роликов и видео высокого разрешения для возможного выявления видимых признаков отказа (например, застрявшего или смещенного ролика). Концепция заключается в том, что дрон может автономно пролетать по всей длине конвейера один раз в день (или по мере необходимости), собирая изображения каждой рамы с роликами [23]. Некоторые передовые системы дронов могут также использовать акустические датчики, зависая рядом с конвейером, чтобы «слушать» неисправные подшипники. Преимуществом БПЛА является быстрый охват даже самых длинных конвейеров – дрон может обследовать десятки километров за один полет, что заняло бы у человека много часов. Они также не требуют какой-либо стационарной установки на конвейере.

Дроны тестируются для рутинной инспекции конвейеров на крупных открытых карьерах и промышленных объектах. Например, дрон может каждое утро пролетать вдоль 5-километрового конвейера и передавать тепловые изображения в алгоритм для автоматического выявления горячих точек. Однако существуют значительные препятствия, прежде чем БПЛА станут основным инструментом СМС :

Стабильность полета и навигация в конвейерной среде.
Срок службы батареи (обычно 20–30 минут).
Разрешение датчика – для точного определения одного неисправного ролика, камера дрона должна иметь достаточное разрешение.
Регуляторные вопросы и вопросы безопасности – особенно в подземных шахтах или вблизи персонала, использование дронов может быть ограничено.

На данный момент (2025 год) дроны для мониторинга роликов конвейеров находятся в основном на стадии НИОКР или пилотной фазы, и они, как правило, сосредоточены на тепловом/визуальном обнаружении (выявление неисправностей на поздней стадии).

Компьютерное зрение и обнаружение с помощью ИИ

Важным новым решением, дополняющим многие из вышеперечисленных, является использование искусственного интеллекта (ИИ) и компьютерного зрения для анализа данных о роликах конвейеров. Одно недавнее исследование использовало улучшенную нейронную сеть YOLOv5 для обнаружения неисправностей роликов в реальном времени по видеозаписям с камер. Система использовала видеокамеру, смотрящую на ленту и ролики, а модель ИИ помечала аномалии, обнаруживая, если ролик не вращается, когда должен, имеет необычное колебание или видимое повреждение. Другой подход – анализ тепловых изображений: используя инфракрасные изображения, ИИ может отличать перегретый ролик от других источников тепла или отражений. Например, Siami et al. (2022) разработали метод на основе CNN для выявления перегретых роликов в сложных тепловых фонах, достигая надежного обнаружения даже тогда, когда нагретая солнцем земля или оборудование вызывали путаные тепловые паттерны [27]. Они и другие исследователи также изучали слияние изображений (объединение визуальных изображений RGB с тепловыми изображениями ИК) для повышения точности идентификации неисправностей.

Возможности анализа данных являются ключевым отличием между технологиями мониторинга роликов: более простые системы могут только отправлять сигнал тревоги при превышении порога, тогда как передовые системы используют машинное обучение и слияние данных для прогнозирования отказов с меньшим количеством ложных срабатываний. Например, аналитика “Умного ролика” объединяет данные о вибрации, температуре и вращении ролика для диагностики режимов отказа и отслеживания состояния во времени [2], [3], [12], [5], а ее облачная платформа может уведомлять службу обслуживания о роликах, которые ухудшаются, задолго до их отказа. В отличие от этого, оптоволоконная система DTS или сеть температурных датчиков могут просто выдавать сигнал тревоги «да/нет» о высокой температуре.

В дальнейшем аналитика на основе ИИ все чаще интегрируется в эти системы для повышения точности обнаружения [27]. Многие поставщики теперь предлагают программное обеспечение, которое выполняет анализ тенденций, сравнивает показания каждого ролика с базовыми значениями или аналогичными единицами и даже оценивает остаточный срок службы. Эта возможность анализа данных является важнейшей частью решений СМС и часто определяет, насколько полезны сырые данные датчиков для операторов шахт. Например, знание не только того, что ролик сейчас неисправен, но и того, какие ролики приближаются к отказу в следующем месяце, является более ценным.

Заключение

Mониторинг состояния роликов конвейеров значительно продвинулся от базовых температурных выключателей до сложных IoT-роликов и волоконно-оптических систем. Коммерческие решения, такие как беспроводные сенсорные сети и умные ролики, уже улучшают время безотказной работы и безопасность в условиях эксплуатации [5], [18], [20], [21], [26]. Тем временем, экспериментальные и новые методы (робототехника, компьютерное зрение на основе ИИ) обещают еще больше сократить ручной труд и повысить надежность обнаружения неисправностей. Современные системы мониторинга роликов используют облачные платформы, машинное обучение и даже цифровые двойники для прогнозирования отказов и оптимального планирования замен [1], [12], [27].

В итоге, СМС роликов конвейеров превратилось в многогранную область – от «умных» роликов, «сообщающих» о своем состоянии, до волоконно-оптических «нервов» вдоль ленты и роботизированных «смотрителей» – все это направлено на обеспечение работоспособности конвейерных систем и предотвращение перерастания мелких проблем с роликами в крупные.

Подробный сравнительный анализ систем смотрите во второй части данного исследования: «Сравнение технологий мониторинга роликов».

Список литературы

[1] M. J. Ibarra-Cabrera et al., “An IoT Solution to Detect Overheated Idler Rollers in Belt Conveyors,” IJACSA, 2024.

[2] Vayeron Pty Ltd., “Smart-Idler® Failure Detection Efficacy Analysis,” 2020.

[3] Delft University of Technology & Rulmeca Group, “Investigation of Smart Conveyor Idler Monitoring Technologies,” 2017.

[4] Liu, X.; Pang, Y.; Lodewijks, G.; He, D. Experimental research on condition monitoring of belt conveyor idlers. 2020.

[5] Anibal S. Morales, Pablo Aqueveque, Jorge A. Henriquez “Technology Review of Idler Condition Based Monitoring Systems,” 2017.

[6] Scott Automation, “Robotic Idler Predict System Whitepaper,” 2023.

[7] Micomo Pty Ltd., “Roller Condition Monitoring (RCM) System Description and Case Studies,” 2014.

[8] P. Dabek et al., “Automatic Detection of Overheated Idlers Using IR and RGB Imaging,” 2022.

[9] Yokogawa Electric Corp., “Fiber Optic DTS for Conveyor Fire Prevention,” 2013.

[10] Artur Küpper GmbH & Co. KG, “Sensor-Integrated Idler Roller Development,” 2019.

[11] Mining3, “Conveyor belt monitoring for wear detection,” 2023.

[12] Smartidler.com, “Technical specifications and product pages.”

[13] Vayeron Pty Ltd, “An idler, a method for monitoring a plurality of idlers, and a conveyor system”, AU2014/050246, Australia, 2015

[14] Vayeron Pty Ltd., “Smart Idler – Effect on Project Economics,” Vayeron, 2025.

[15] Hawkfiber.com / Hawk Measurement, “Fiber-based conveyor sensing.”

[16] Hawk Measurement Systems, “Conveyor Fire Prevention via Thermal Sensing,” 2020.

[17] Australian Government, “Underground Conveyor Safety Standards AS 1755,” 2020.

[18] Rio Tinto, “Smart Idler Rollout and Maintenance Savings,” Case Study, 2018.

[19] J. Widodo and B. Yang, “A review of vibration and acoustic measurement methods for monitoring rolling element bearing condition,” Mechanical Systems and Signal Processing, July 2011.

[20] Glencore, “Underground Coal Mine,” Case Study, 2019.

[21] Paul Moore, Head to Tail, International Mining, February, p.46-63, 2024.

[22] Sandpit Innovation Pty Ltd, Lewis Australia Pty Ltd, “Conveyor Belt Roller Replacement”, WO2013138841, Australia, 2013.

[23] K.R. Thieme, Report: “Economic Justification of Automated Idler Roll Maintenance Applications in Large-Scale Belt Conveyor Systems”, Delft University of Technology, Netherlands, 2014.

[24] Intium Energy Limited, “Vibration detection system, apparatus and method”, WO 2012122597 A1 | PCT/AU2012/000263, Australia, 2012.

[25] Ben Yang Yang, “Fibre Optic Conveyor Monitoring System”, MSc degree thesis, The University of Queensland, Australia, 2014.

[26] Industrial Technologies Supply, itecsu.com, “Remote conveyor rollers monitoring system – Smart-Idler, Interview with Mark Walter at IMARC”, 2023

[27] Siami-Namini, S., et al., ‘Deep learning for conveyor idler fault detection using YOLOv5,’ Conference, 2022.

[28] M. Kang, S. Lee, and J. Kim, “Acoustic-based fault diagnosis for rotating machinery in noisy environments using cyclostationary analysis,” Mechanical Systems and Signal Processing, 2020.

[29] A. Morales, S. Seshadri, and J. Brayan, “Acoustic emission-based condition monitoring of conveyor idler rollers using mobile robots,” IEEE Transactions on Industry Applications, pp. 2639–2647, May–June 2017.

[30] SKF Group, “SKF Idler Sound Monitor Kit: Field evaluation of conveyor idler condition using ultrasonic listening technology,” SKF Mining Industry Solutions, 2019.