科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对矿井提升机在井下恶劣环境中工作易发生故障，且故障主要依赖于人工检测的问题，提出了一种基于WPCE-CNN的音频感知提升机健康状况研究。首先，通过小波包分解获取音频信号的二维系数特征矩阵，然后输入具有批量归一化层(BN)和Relu非线性激活层的Block层卷积神经网络(CNN)进行分类识别。最后，实验结果表明，本文提出的WPCE-CNN音频感知提升机健康状况的故障分类研究，准确率高于传统卷积神经网络，达到97.7%,能有效地进行提升机音频信号提取及故障诊断分类任务，此研究在降低人力和物力成本的同时，提高了工作人员的安全性和生产效率。
- 单位
