面向不平衡数据集的矿井通风系统智能故障诊断

作者：赵丹; 沈志远^*; 宋子豪

来源：煤炭学报, 2023, 48(11): 4112-4123.

DOI：10.13225/j.cnki.jccs.2022.1872

• 矿井通风系统
• 故障诊断
• 不平衡数据
• 生成对抗网络
• 随机森林

及时准确判断故障分支的位置对保障矿井通风系统的可靠性和安全性意义重大。针对实际工况下，矿井通风系统故障样本数据存在不平衡性，导致传统的机器学习模型诊断能力与泛化能力差的问题，提出了一种面向通风系统不平衡数据集的WGAN-div-RF故障诊断模型。以简单通风网络为例构造了不平衡比分别为2∶1、5∶1、10∶1、20∶1的故障数据集，深入分析了不平衡样本集对通风系统故障诊断的影响。搭建了基于Wasserstein距离生成对抗网络(WGAN-div)对不平衡数据集进行数据增强处理，在构建网络时创新性地加入了残差块，提高了生成数据的质量，实现原始样本的有效扩充。结合集成学习中的随机森林(RF)模型实现通风系统故障分支诊断。以东山煤矿通风系统为实验对象，分别进行了不同数据增强模型、不同分类模型以及不同数据生成率下的故障诊断对比实验，以多种评价指标及t-SNE可视化对模型有效性进行评估。结果表明：加入残差块的WGAN-div模型生成数据与真实数据具有很好的相似性，相较于GAN模型、WGAN模型和WGAN-gp模型，WGAN-div模型更具优越性；应用WGAN-div模型进行数据增强后，机器学习分类模型的性能提升明显；当扩充数据集达到平衡时，与其他集成模型及常用的矿井通风系统故障诊断SVM模型相比，RF模型在Re、Pr、Gmean和F1指标上均占优势。

• 单位
  辽宁工程技术大学