煤炭工程

作者：王凯旋,张宏伟

单位：河南理工大学南校区

关键词：矿井提升机, 制动系统, Transformer神经网络, 故障诊断, 自注意力机制,

在对矿井提升系统进行故障诊断时，为了降低对专家经验的依赖性并充分挖掘数据间的复杂关系，提出了一种基于改进Transformer神经网络的提升机制动系统故障诊断方法。首先，分析制动系统的故障现象及原因，确定监测参数。其次，搭建改进的Transformer故障诊断模型，利用多层自注意力机制来捕捉矿井提升机监测数据之间的相关性和故障关系，并将池化层引入Transformer模型中，降低模型的参数量，缓解过拟合的风险。最后，以采集提升机实际运行数据为基础开展实验研究，利用Adam优化器更新模型参数。结果表明，改进后的Transformer故障分类预测的准确率可达到97.5%，相比于Transformer、CNN和LSTM神经网络准确率分别提升了6.1、10.0和14.8百分点，具有较高的准确性。

来源：2025年第5期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2025年第5期