煤炭工程

作者：谭兴富,卢军,常发军,等

单位：1. 中煤科工集团北京华宇工程有限公司；2. 中国矿业大学 化工学院；3. 中国矿业大学（北京）；

关键词：溜槽检测,音频,深度学习,WaveNet,GRU,

溜槽堵塞作为工业生产中的一种常见问题，不仅影响生产效率还可能导致安全隐患，因此实时准确地检测溜槽堵塞状态具有重要意义。然而传统的检测方法在实际应用中存在诸多问题与挑战，如精度不高、依赖人工干预等。文章基于音频信息构建结合了WaveNet和GRU的WaveGNet深度网络模型，通过提取分析声音信号寻找溜槽堵塞的特征，以实现准确的堵塞检测。WaveNet能够提取高质量的声音信号特征，而GRU网络则能够捕获声音序列中的时间关系。通过将两者融合以更好地理解声音信号，在时间和频率维度上进行更准确的分析，揭示与堵塞状态相关的模式从而提高检测的准确性和鲁棒性。通过声音信息直接捕获堵塞状态，减少了人工干预的需求且具备实时性。该方法有望为工业生产中的溜槽堵塞检测提供一种创新、高效且可靠的解决方案，在实际应用中具有重大潜力。

来源：2024年第10期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2024年第10期