基于云边协同的煤矿设备智能故障诊断方法
李延富
苏成杰
中煤科工集团沈阳研究院有限公司,辽宁 抚顺 113122
摘要：随着煤矿智能化进程加速发展,煤矿设备故障诊断的精度与实时性愈发关键,在保障生产效率、人员安全方面发挥着重要作用.然而,在实际的故障诊断作业中,可能因为数据缺失、数据异常、网络传输等多种问题影响故障诊断的实时性和准确性.因此,为了满足煤矿设备故障信号异构和实时状态反馈的需求,提出了一种云边协同的煤矿设备智能故障诊断方法,结合云端更强大的计算能力和边缘端的近距离传输,提供了更高效、更准确的故障诊断解决方案.在边缘端对煤矿设备监测数据进行预处理,借助随机森林、孤立森林、变换域滤波等算法,去除数据中的噪声、填补缺失值、识别异常值,确保数据的完整性和准确性;完成预处理后,将数据发送至云端,云端接收到数据后,进一步开展普适性故障诊断模型的训练.首先通过卷积神经网络(Convolutional Neural Networks,CNN)自动提取数据中的局部特征,然后利用双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)学习数据的时序依赖关系,并结合卷积块注意力机制(Convolutional Block Attention Module,CBAM)对不同特征进行权重分配,以提升模型的诊断性能.云端完成复杂模型的训练后,将训练好的模型参数及时发送至边缘端,边缘端根据接收到的参数,更新轻量级学习模型ShuffleNet V2 的参数,进而实现对煤矿设备的实时故障诊断.仿真试验验证了所提方法的有效性,边缘端实时故障诊断准确率可以提高至 99.7%,能够有效保障煤矿生产的安全与高效运行.
关键词：煤矿设备智能故障诊断云边协同卷积神经网络双向门控循环单元注意力模块
分类号：TD679(矿山电工)
资助基金：中煤科工集团沈阳研究院有限公司产品升级改造资助项目(CSJ-2022-009)
论文发表日期：2025-11-20
在线出版日期：2025-11-25（本平台首次上网日期，不代表文献的发表时间）
页数：7( 186-192 )
英文信息