深度学习与时频域对照分析的带式输送机滚筒故障检测.pdfVIP

计算机应用,2025,45(S1):339-342http://www.joca.cn

文章编号：1001-9081（2025）S1-0339-04DOI:10.11772/j.issn.1001-9081.2024081194

深度学习与时频域对照分析的带式输送机滚筒故障检测

*

唱荣鹏，武桐，刘军，张颂

（国能（天津）港务有限责任公司，天津300452）

（∗通信作者电子邮ceic.com）

摘要：人工智能技术的快速发展彻底改变了工业故障诊断领域，大幅提高了故障检测的准确性和效率。而带式输送

机作为煤炭物流运输的重要一环，仍然依赖于传统的故障诊断方法，主要依靠专家经验和固定规则，在处理复杂系统和大量

数据时显得力不从心。为弥补传统方法在带式输送机故障诊断中的不足，提出一种结合深度学习与时频域分析的带式输送

机滚筒故障检测方法。首先，使用加速度计采集滚筒的振动信号，并对收集的数据进行滤波与预处理，形成加速度数据集；

其次，基于长短期记忆（LSTM）网络构建故障诊断模型，并通过时频域分析对比正常信号与故障信号的特征；最后，基于该模

型和分析后获得的滚筒的振动特征，实时检测输送机滚筒的运行状态。在公开的输送带振动数据集上的实验结果表明，所

提方法能准确检测滚筒的运行状态，准确率达到了87.5%，精确率达到了87.3%。

关键词：输送机滚筒；故障检测；深度学习；长短期记忆网络；时频域分析

中图分类号：TP206

Deeplearningandtime-frequencydomaincontrastanalysisfor

beltconveyorrollerfaultdetection

*

CHANGRongpeng，WUTong，LIUJun，ZHANGSong

（ChinaEnergy（Tianjin）PortCompanyLimited，Tianjin300452，China）

Abstract:Rapiddevelopmentofartificialintelligencetechnologyhasrevolutionizedthefieldofindustrialfaultdiagnosis，greatly

improvingtheaccuracyandefficiencyoffaultdetection.Beltconveyor，asanimportantpartofcoallogisticsandtransportation，stillrelies

ontraditionalfaultdiagnosismethodsbasedonexpertexperienceandfixedrules，whichareincompetentindealingwithcomplexsystems

andbigdata.Toaddresstheshortcomingsoftraditionalmethodsinfaultdiagnosisofbeltconveyors，adeeplearningandtime-frequency