煤炭工程

作者：王子旭,张振中,荆国业

单位：1. 常州大学机械与轨道交通学院，江苏 常州　213164 2. 煤炭智能开采与岩层控制全国重点实验室，北京　100013 3. 北京中煤矿山工程有限公司，北京　100013

关键词：反井钻机,液压泵电机,故障诊断,多模态特征融合,双分支神经网络,

针对反井钻机液压系统中电机故障难以早期识别、信号特征弱与工况复杂等问题，本文提出一种基于多注意力与多模态融合的卷积神经网络（MAMCNN）电机故障诊断方法。该方法以液压泵驱动电机的电流信号为核心监测对象，通过滑窗分段提取原始时域波形、频域能量谱（FFT）及多维统计量，并采用连续小波变换（CWT）将信号转换为二维时频图像，全面反映故障过程中的能量分布与频率扰动特征。所构建的神经网络由两个并行分支组成：一维分支通过卷积神经网络（1DCNN）、双向门控循环单元（BiGRU）及注意力机制建模电流信号的动态演化过程；二维分支以CWT图像为输入，通过二维卷积层与通道注意力模块提取时频纹理信息。两路特征在融合后输入全连接分类器，实现对液压泵电机常见故障（如转子断条、偏心故障等）与正常状态的高精度识别。实验结果表明，该方法具有良好的抗干扰能力与泛化性能，适用于复杂工况下的反井钻机电机智能监测与早期故障预警。

来源：2026年第3期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2026年第3期