基于参考流形学习的掘进机振动信号分析.pdfVIP

2025年第3期江西煤炭科技·195.

基于参考流形学习的掘进机振动信号分析

王志军

（山煤国际能源集团股份有限公司，山西太原030001）

摘要：掘进机在截割硬度较高的物料时，整机振动较为剧烈，对机器的稳定性和操作可靠性造成威胁。为提高掘进机工作

效率，从现场数据中提取正常和故障振动信号的特征参数，利用RM方法（单调比率算法)对信号特征参数进行降维，通过线

性判别分析(LDA)得到正常信号和故障信号特征参数的不同分段区域范围，对掘进机的故障进行诊断。结果表明，复杂环境

下基于参考流形学习的掘进机振动信号分析也可以有效地将正常状态和故障状态区分开来，研究结果为掘进机的健康监

测和结构优化设计提供了可靠的理论依据。

关键词：掘进机；流行学习；振动信号；线性判别

中图分类号：TD421.5;TD679文献标识码：A

AnalysisofVibrationSignalofRoadheaderBasedonReferenceManifoldLearning

WangZhijun

(ShanxiCoalInternationalEnergyGroupCo.,Ltd.,Taiyuan,Shanxi030001)

Abstract:Whentheroadheadercutsmaterialswithhigherhardness,thewholemachinevibratesviolently,whichposesathreatto

thestabilityofthemachineandthereliabilityofoperation.Inordertoimprovetheworkingefficiencyoftheroadheader,

characteristicparametersofnormalandfaultvibrationsignalsareextractedfromfielddatawithdimensionreductionthroughthe

RMmethod(monotonicratioalgorithm)Throughlineardiscriminantanalysis(LDA),diagnosingthefaultsoftheroadheaderbased

ondifferentsegmentedregionsofcharacteristicparametersfornormalandfaultsignalsobtainedthroughlineardiscriminant

analysis(LDA).Theresultsshowthatthevibrationsignalanalysisoftheroadheaderbasedonreferencemanifoldlearningcanalso

effectivelydistinguishbetweennormalandfaultstatesincomplexenvironments,providingareliabletheoreticalbasisforthe

healthmonitoringandstructuraloptimizationdesignofroadheaders.

Keywords:roadheader;manifoldlearning;vibrationsignal;lineardiscriminant

掘进机在作业过程中，由于地质条件复杂多进行降维，提取更准确的敏感参数，并通过线性识

变、机械部件磨损以及操作不当等多种因素，往往别对数据进行区域划分，达到识别故障状态的目

会产生复杂的振动信号，振动信号不仅包含了设的。

备运行状态的重要信息，还隐藏着故障预警、性能