基于振动及声音监测的带式输送机旋转部件故障诊断
汤汶聪
韩聪
寇子明
王彦栋
太原理工大学 机器人科学与工程学院,山西 太原 030024;矿山流体控制国家地区联合工程实验室,山西太原 030024
摘要：滚筒、托辊是承受带式输送机主要载荷并持续进行旋转运动的核心部件,其健康状态直接决定了整个煤矿带式输送机系统的运行效率与可靠性.聚焦于煤矿带式输送机滚筒、托辊等旋转机械关键部件,系统阐述了在煤矿巷道恶劣工况下各部件易发生的典型故障类型及相应故障监测方法,分析了基于振动与声音信号的监测原理与技术路线.依次从面向煤矿带式输送机旋转部件的振动与声音信号预处理、特征提取及故障识别3个核心环节,对故障诊断研究进展进行了对比与梳理:振动与声音信号预处理方法研究呈现出固定参数自适应优化、多方法结合的发展趋势;特征提取方法呈现出从传统方法向自适应学习、从单一方法向多方法结合的发展趋势;故障识别方法呈现出从结构简单的传统机器学习模型向深度学习模型发展的趋势.总结了现有煤矿井下带式输送机在健康监测及故障诊断领域中遇到的主要挑战:恶劣环境下振动与声音信号预处理效果不佳、复杂工况下单一信号感知方式的特征提取能力不足、煤矿井下故障样本稀缺与故障诊断模型泛化能力不足.最后,展望了煤矿井下带式输送机故障诊断技术的研究与应用需要进一步关注的方向:面向煤矿井下恶劣环境的智能自适应预处理方法、深入故障机理发展信息多源监测与融合技术、探索小样本学习与泛化增强的智能故障识别新方法等.
关键词：煤矿带式输送机旋转部件健康监测故障诊断声音信号分析振动信号分析
分类号：TD634.1(矿山电工)
资助基金：国家自然科学基金(52404175)山西省基础研究计划青年项目(202403021212133)
论文发表日期：2026-02-28
在线出版日期：2026-04-07（本平台首次上网日期，不代表文献的发表时间）
页数：13( 69-80,162 )
英文信息