基于深度遷移學習的采煤機搖臂部滾動軸承故障診斷方法

張旭輝,潘格格,郭歡歡,毛清華,樊紅衛,萬 翔

(1.西安科技大學 機械工程學院,陜西 西安 710054;2.陜西省礦山機電裝備智能監測重點實驗室,陜西 西安 710054)

0 引 言

電牽引采煤機作為煤礦綜采工作面的主要機電設備,為實現煤礦智能化、無人化、安全高效生產的重要保障,采煤機故障的發生可能會導致停產,甚至引發嚴重的礦井事故,因此煤礦綜采設備運行狀態監測以及關鍵部位的故障診斷與預警對于煤礦安全生產發展至關重要。

隨著工業大數據的出現,機器學習逐漸成為采煤機故障診斷研究的熱點,減少設備因故障而停機檢修的發生[1]。遼寧工程技術大學劉旭南等[2]將小波包分解和神經網絡相結合,能夠有效診斷采煤機截割部的故障類型。劉沖[3]提出了一種基于優化支持向量機的采煤機故障診斷新方法,有效地實現了對采煤機特征參數的提取。中國礦業大學任眾[4]運用粒子群算法對支持向量機的相關參數進行優化,對采煤機截割部行星輪減速器故障進行實時自動地診斷。中國礦業大學楊健健等[5]將粒子群算法和BP神經網絡結合對掘進機截割部進行故障診斷。由于淺層網絡模型自學習、特征自提取能力弱,以至于其具有故障識別精度低、泛化能力弱等特點[6]。

相反,基于深度學習的故障診斷方法能夠進行故障模式的自動識別與分類,具有較高的故障模式識別精度及效率。遼寧工程技術大學毛君等[7]為了準確診斷采煤機截割部減速器故障,提取多個特征在深度自編碼網絡下學習并訓練進行準確診斷。……