DOI: 10.11799/ce202512021
基于SwinT-SKNet双分支融合的采煤机摇臂齿轮智能故障诊断方法
岳东
榆林市杨伙盘矿业有限公司,陕西 榆林 719000;中国矿业大学(北京)能源与矿业学院,北京 100083
摘要：针对现有故障诊断模型在应对井下强噪声环境下的非线性、非平稳信号时,存在特征提取不充分,影响诊断准确率的问题,提出了一种基于SwinT-SKNet双分支融合的采煤机摇臂齿轮故障诊断模型,实现对全局和局部特征的综合提取.该模型由简化的SwinT与轻量化SKNet两个分支组成,其中SwinT分支嵌入了BAM,进一步增强了SwinT对全局特征的提取能力;轻量化SKNet分支则利用深度可分离卷积替换普通卷积,并采用一维卷积代替SKNet中的全连接结构,提升了模型的轻量化程度,便于模型部署在移动端和边缘端设备.利用太重煤机摇臂加载试验台进行实验验证,结果表明,所提方法的准确率和精确度均高于对比模型,且在信噪比SNR=-6 时,仍然保持97％以上的识别精度,充分证明了本文方法具有较强的抗噪性.
关键词：采煤机摇臂齿轮故障诊断Swin Transformer选择性内核网络
分类号：TD421.6(矿山机械)TH16(机械制造工艺)
论文发表日期：2025-12-20
在线出版日期：2026-01-29（本平台首次上网日期，不代表文献的发表时间）
页数：9( 162-170 )
英文信息