基于深度残差网络的采煤机摇臂齿轮故障诊断
李长文1
程泽银2
张小刚2
丁华2
1.山西金融职业学院信息技术系,山西太原0300082.太原理工大学机械与运载工程学院,山西太原030024;煤矿综采装备山西省重点实验室,山西太原030024
摘要：针对传统的采煤机摇臂齿轮故障诊断方法不能自主提取特征,导致齿轮故障诊断精度和效率不佳等问题,构建了基于深度残差网络(ResNet)的采煤机摇臂齿轮故障诊断模型.通过预激活残差单元模块降低模型的复杂度,使模型收敛速度更快;通过对振动信号进行数据重组,优化数据输入方式,提高模型对采煤机摇臂齿轮故障的识别能力.在采煤机摇臂加载实验台上进行模型验证实验,采集摇臂直齿轮正常、磨损、断裂、点蚀和裂纹5种状态下的振动信号,得出其特征具有明显差异;对测试集的混淆矩阵进行可视化分析,验证了ResNet模型能够很好地实现采煤机摇臂齿轮故障分类;与DNN模型和LeNet-5模型对比结果表明,ResNet模型具有更高的故障诊断精度和效率,综合识别率和F-score分别达到99.19％和99.05％;采用t-SNE技术对ResNet模型的最大池化层、预激活残差单元模块和全连接层输出的高维特征进行降维和可视化,验证了ResNet模型具有较强的特征提取能力.
关键词：采煤机摇臂齿轮故障诊断深度残差网络深度学习
分类号：TD632.2(矿山电工)
资助基金：国家自然科学基金(J1924025)山西省重点研发项目(201903D121064)山西省科技基础条件平台项目(201805D141002)
论文发表日期：2021-03-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 71-78 )
英文信息