DOI: 10.11799/ce202505020
基于改进Transformer的提升机制动系统故障诊断研究
王凯旋
张宏伟
河南理工大学 电气工程与自动化学院,河南 焦作 454003;河南省煤矿装备智能检测与控制重点实验室,河南 焦作 454003
摘要：在对矿井提升系统进行故障诊断时,为了降低对专家经验的依赖性并充分挖掘数据间的复杂关系,提出了一种基于改进Transformer神经网络的提升机制动系统故障诊断方法.首先,分析制动系统的故障现象及原因,确定监测参数.其次,搭建改进的Transformer故障诊断模型,利用多层自注意力机制来捕捉矿井提升机监测数据之间的相关性和故障关系,并将池化层引入Transformer模型中,降低模型的参数量,缓解过拟合的风险.最后,以采集提升机实际运行数据为基础开展实验研究,利用Adam优化器更新模型参数.结果表明,改进后的Transformer故障分类预测的准确率可达到 97.5%,相比于 Transformer、CNN 和 LSTM 神经网络准确率分别提升了 6.1、10.0 和14.8 百分点,具有较高的准确性.
关键词：矿井提升机制动系统Transformer神经网络故障诊断自注意力机制
分类号：TD534(矿山运输与设备)
资助基金：国家自然科学基金(U1804147)河南省高校科技创新团队(20IRTSTHN019)
论文发表日期：2025-05-20
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( 148-155 )
英文信息