文献类型：期刊文章

作　　者：王锋[1] 李敬兆[1] 王国锋[2] 郑昌陆[3]

WANG Feng;LI Jingzhao;WANG Guofeng;ZHENG Changlu(School of Electrical and Information Engineering,Anhui University of Science and Technology,Huainan 232001,China;Huaihe Energy Group Co.,Ltd.,Huainan 232001,China;Shanghai SH-Driver Electric Co.,Ltd.,Shanghai 201800,China)

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001 [2]淮河能源集团股份有限公司,安徽淮南232001 [3]上海申传电气股份有限公司,上海201800

出　　处：《煤炭技术》

基　　金：国家自然科学基金项目(51874010;61170060);北京理工大学高精尖机器人开放性研究项目(2018IRS16);物联网关键技术研究创新团队(201950ZX003)。

年　　份：2023

卷　　号：42

期　　号：2

起止页码：179-182

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、核心刊

摘　　要：矿井提升机健康状态预测是保障煤矿安全稳定开采的重要方法。传统利用接触式传感器采集状态信号存在安装不便、误差大等弊端。针对上述问题,提出基于声纹深度时序的矿井提升机健康状态预测方法。利用非接触式传感器采集提升机声纹信号,通过自适应滤波降噪、预加重和分帧加窗等方法预处理;采用MFCC算法提取13维信号特征;构建DRSN-GRU-Attention神经网络预测模型实现健康状态预测,与DRSN,GRU,DRSN-GRU模型对比,验证该模型对提升机健康状态预测性能更优。

关 键 词：故障预测 声纹识别 神经网络 矿井提升机

分 类 号：TD534]