煤炭工程

作者：郝志会,孙玉博,郑义

单位：1. 国家能源集团神东煤炭保德煤矿；2. 国能蒙西煤化工股份有限公司棋盘井煤矿；

关键词：矿井通风机,轴承故障诊断,高噪声,卷积神经网络,残差网络,

围绕高噪声环境下矿井通风机关键部件滚动轴承故障诊断问题，提出了一种基于残差网络的端到端轴承故障诊断方法。通过引入残差学习框架增强了网络对噪声的鲁棒性，利用华北地区保德煤矿的轴承振动数据集对模型进行了系统验证，并进一步确定了影响模型性能的关键超参数，卷积核大小和批量大小的优化为模型提供了更高的诊断准确率和更强的噪声抗干扰能力。结果表明，ResNet34模型在信噪比为0的噪声环境下故障诊断率接近90%，即使在信噪比降至-10 dB时，准确率也能达到54%以上。为复杂矿井环境下的通风机滚动轴承故障诊断提供了有效解决方案，提升轴承故障诊断的准确性、及时性及可靠性，确保设备的可靠运行和生产的可持续，对保障矿山安全生产具有重要意义。

来源：2024年第12期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2024年第12期