煤矿带式输送机边缘侧故障诊断及模型轻量化方法
程继明1
李标2
1.煤炭科学技术研究院有限公司,北京 100013;煤炭行业煤矿应急救援及矿井通信工程研究中心,北京 100013;北京市煤矿安全工程技术研究中心,北京 1000132.煤炭科学技术研究院有限公司,北京 100013;煤炭行业煤矿应急救援及矿井通信工程研究中心,北京 100013;北京市煤矿安全工程技术研究中心,北京 100013;煤炭无人化开采数智技术全国重点实验室,北京 100013
摘要：煤矿带式输送机运行环境复杂,多源干扰导致振动信号噪声污染严重,故障特征不明显,仅依靠信号分解与频域特征重构进行基于机理分析的故障诊断,难以实现精准、稳定的故障识别;煤矿带式输送机故障诊断高度依赖煤矿井上下大量数据传输的稳定性,难以在边缘侧实现高实时性、高精度的故障诊断.针对上述问题,提出了一种煤矿带式输送机边缘侧故障诊断及模型轻量化方法.采用集合经验模态分解(EEMD)及去噪自编码器(DAE)相结合的信号预处理方法,实现振动信号的深度去噪,并基于相关系数对去噪后的信号进行特征重构;基于机理分析与数据驱动模型进行联合故障诊断,利用卷积神经网络实现局部特征提取与深层信息挖掘,有效弥补单一故障诊断方法适应性不足的缺陷;为满足井下边缘侧故障诊断模型的部署需求,对重要度小的卷积通道和全连接层神经元进行剪枝,有效剔除模型冗余结构.实验结果表明,机理分析与数据驱动模型联合的故障诊断方法平均准确率达98.54％;轻量化后模型的参数量、计算量、模型大小及内存占用量与轻量化前相比分别降低了24.5％,22.7％,22.8％与24.4％,而平均准确率、召回率及F1分数降幅均小于1％,实现了诊断精度与算力资源消耗的平衡,提高了故障诊断模型在井下边缘侧部署的可能性.
关键词：带式输送机边缘侧故障诊断集合经验模态分解去噪自编码器模型轻量化
分类号：TD528/634(矿山运输与设备)
资助基金：工信部工业互联网创新发展工程项目(TC240AAKM-132)煤炭科学技术研究院有限公司科技发展基金重点项目(2024ZDI-11)
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：8( 91-98 )
英文信息