煤炭工程

作者：岳　东

单位：1. 榆林市杨伙盘矿业有限公司，陕西 榆林 7190002. 中国矿业大学（北京）能源与矿业学院，北京 100083

关键词：采煤机摇臂齿轮,故障诊断,Swin Transformer,选择性内核网络,

针对现有故障诊断模型在应对井下强噪声环境下的非线性、非平稳信号时，存在特征提取不充分，影响诊断准确率的问题,提出了一种基于SwinT-SKNet双分支融合的采煤机摇臂齿轮故障诊断模型，实现对全局和局部特征的综合提取。该模型由简化的SwinT与轻量化SKNet两个分支组成，其中SwinT分支嵌入了BAM，进一步增强了SwinT对全局特征的提取能力；轻量化SKNet分支则利用深度可分离卷积替换普通卷积，并采用一维卷积代替SKNet中的全连接结构，提升了模型的轻量化程度，便于模型部署在移动端和边缘端设备。利用太重煤机摇臂加载试验台进行实验验证，结果表明，所提方法的准确率和精确度均高于对比模型，且在信噪比SNR=-6时，仍然保持97%以上的识别精度，充分证明了本文方法具有较强的抗噪性。

来源：2025年第12期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第12期