面向煤矿机电设备维护的深度学习故障预测技术研究
来源：机械与电子杂志2025年第08期北京时间：
作者：王明;刘建庄
单位：1. 国能神东煤炭集团,内蒙古 鄂尔多斯 017200 ;?
2. 华北理工大学,河北 唐山 063210
摘要：为解决煤矿机电设备传统维护方法存在效率低、成本高的问题,提出了一种基于深度学习的智能化故障诊断预测方法。该方法集成卷积神经网络( CNN )、长短期记忆网络( LSTM )和门控循环单元( GRU ),并引入卷积核注意力机制动态优化特征提取。利用 CNN 提取振动信号的局部空间特征,LSTM 捕捉长期时序依赖, GRU 增强短时序列处理能力,结合注意力机制自适应融合多尺度特征,并通过 Softmax 完成故障分类。将所提模型应用于实测的煤矿机电设备滚动轴承振动信号中,并和其他模型进行对比。结果表明,不同负载下所提出模型的平均故障诊断准确率为 99.46% ,优于 CNN-LSTM 、 LSTM 和 DNN ,这为煤矿机电设备的智能化运维提供了技术支撑。
关键词：煤矿机电设备;深度学习;故障预测
基金资助：河北省自然科学基金项目( 23HBZ085703 )
