基于1D-CNN的采煤机摇臂齿轮故障诊断

作者：牛乃平; 张小刚; 丁华

来源：煤矿机械, 2020, 41(11): 148-150.

DOI：10.13436/j.mkjx.202011052

• 故障诊断
• 1D-CNN
• 采煤机
• 摇臂
• 齿轮

现有的采煤机摇臂齿轮故障诊断方法主要依赖于人工特征提取,自主学习能力弱,在复杂的工作环境下缺乏自适应性,导致故障诊断精度差。针对此缺陷,构建了作用于时域振动信号的一维卷积神经网络(1D-CNN)故障诊断模型。模型主要由3个卷积层、3个池化层和全连接层组成,并且通过dropout策略和批量归一化(BN)进行了局部改进。在实验中,首先对采煤机摇臂齿轮的振动信号进行数据增强,然后对1D-CNN模型进行训练、验证和测试,最后通过准确率、混淆矩阵和分类过程可视化等分析方法对实验结果进行了探讨。实验结果表明,1D-CNN模型有效地提高了采煤机摇臂齿轮的故障分类精度,达到98.60%,为采煤机摇臂的智能故障诊断奠定了理论基础。

• 单位
  太原理工大学