悬臂式掘进机油液系统故障诊断方法研究
刘国鹏
中国煤炭科工集团 太原研究院有限公司,山西 太原 030006;山西天地煤机装备有限公司,山西 太原 030006;煤矿采掘机械装备国家工程实验室,山西太原 030006
摘要：悬臂式掘进机油液系统在长期运行过程中,其稳定性和可靠性对于整个设备的安全和效率至关重要.传统的单一传感器监测方法存在数据维度有限、互补性不足的局限,无法全面反映油液系统工作中的真实状态.为了解决这一问题,提出了基于卷积神经网络(Convolutional Neural Networks,CNN)的掘进机多传感器油液系统故障诊断方法.首先,进行润滑油的监测与数据采集,这一步骤主要关注润滑油的理化性能指标,如黏度和酸值等,以及油液中携带的磨粒信息.其次,利用多传感器采集的数据作为输入,构建并训练一个卷积神经网络(CNN)模型进行故障诊断.最后,为验证所提方法的有效性,将其与其他机器学习方法在故障状态分类的准确性方面进行比较.结果表明,所提出的方法在诊断精度上明显高于其他传统机器学习方法.这一结果不仅证明了 CNN模型在处理此类复杂数据时的优势,还进一步验证了该方法的高效性和准确性.
关键词：悬臂式掘进机油液卷积神经网络理化指标磨粒信息
分类号：TD421.5(矿山机械)
资助基金：山西省专利转化计划项目(202404004)山西省重点研发计划项目(202202020101005)天地科技股份有限公司科技创新创业资金专项项目(2022-2-TD-ZD001)山西天地煤机装备有限公司科技重大项目(M2023-ZD12)
论文发表日期：2025-04-30
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：7( 46-52 )
英文信息