《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于LSTM-Adam的矿井提升机故障预警模型

作者：郭星燃,李娟莉,苗栋,等. 日期：2024-01-29/span> 浏览：582 查看PDF文档

基于LSTM-Adam的矿井提升机故障预警模型*

郭星燃1,2,李娟莉1,2*,苗栋1,2,李博1,2

(1.太原理工大学机械与运载工程学院,山西太原 030024;2.煤矿综采装备山西省重点实验室,山西太原 030024)

摘要:针对不同作业环境下提升机特征参数的独特性难以充分贴合和故障预警难度大等问题,提出了一种基于长短期记忆神经网络(LSTM)和适应性矩估计算法(Adam)的矿井提升机故障预警模型。首先,对矿井提升机的工作原理和常见故障表现形式进行了分析,以LSTM神经网络为基础,建立了提升机特征参数预测模型,并结合Adam优化算法,对预测模型进行了训练和优化;然后,采用某矿提升机实际运行数据对所搭建的预测模型性能进行了验证;采用滑动加权均值法对预测残差进行了分析,得到了多个关键特征参数的合理预警阈值,并建立了提升机故障预警模型;最后,以提升机的制动系统故障为例,采用故障模拟实验对提升机故障预警模型的有效性进行了验证。研究结果表明：当预测模型的学习率为0.015时,其训练效果最优,预测模型的损失率可达到0.12%,且参数变化趋势能够得到更好的拟合;采用基于LSTMAdam的矿井提升机预警模型可以对参数变化趋势进行准确预测,利用预测残差分析结果可以对提升机故障进行精确预警。

关键词:起重机械;矿井提升机;故障预警;长短期记忆神经网络;适应性矩估计算法;深度学习

中图分类号:TH21;TD534文献标识码:A文章编号:1001-4551(2024)01-0175-08

郭星燃,李娟莉,苗栋,等.基于LSTM-Adam的矿井提升机故障预警模型[J].机电工程，2024，,41（1）：175-182.

GUO Xingran, LI Juanli, MIAO Dong, et al.A fault early warning model of mine hoist based on LSTM-Adam[J].Journal of Mechanical & Electrical Engineering,2024，,41（1）：175-182.