深度学习在煤矿机电设备检测技术中的应用研究.pdfVIP

第46卷第2期自动化仪表Vol.46No.2

2025年2月PROCESSAUTOMATIONINSTRUMENTATIONFeb.2025

深度学习在煤矿机电设备检测技术中的应用研究

张天峰

(国能数智科技开发(北京)有限公司,北京100011)

摘要:煤矿行业的传统胶带机轴承故障检测存在成本高、效率低和错误率高等问题。为了解决这些问题,构建了一种基于冲击脉冲

传感器的胶带机故障检测模型。首先,利用冲击脉冲传感器对现有故障检测方法进行优化。然后,利用优化后的方法构建胶带机轴

承故障检测模型。最后,验证模型的实际应用效果。创新性地将深度学习与冲击脉冲传感器结合,用于煤矿胶带机轴承故障的监测,

以提高矿用胶带机故障检测的准确性,从而实现智能化、自动化。试验结果表明:该模型的振幅频率的准确率比对比方法分别高

0.055和0.033;模型迭代至100次时趋于平稳,且收敛速度更快、损失函数降低得更小。该模型可应用于煤矿机电设备检测领域。

关键词:冲击脉冲传感器;矿用胶带机;故障监测;轴承;