基于迁移学习的采煤机摇臂传动故障研究

严周民，艾志亮，宋学伟

(1.陕西能源职业技术学院，陕西 咸阳 712000； 2.陕西能源冯家塔矿业运营有限责任公司，陕西 榆林 718100)

随着我国煤矿采掘工业化进程的加速，煤矿综采已成为煤矿生产的主要方式。采煤机作为煤矿综采的核心设备，其安全性和可靠性决定了煤矿的生产效益。因此，对采煤机故障的准确诊断，尤其是对采煤机摇臂传动系统的故障准确诊断十分必要。为此，研究者们通过研究机器学习技术，提出基于支持向量机(SVM)、长短期记忆网络(LSTM)等技术的采煤机摇臂传动故障诊断模型。如秦波等[1-2]主要根据采煤机摇臂传动齿轮、轴承在故障状态下的振动规律，利用SVM技术，对采煤机故障进行诊断，得到一种较为全面的故障诊断模型。丁恩杰等[3-4]基于LSTM技术及物联网技术，实现了采煤机故障状态的自诊断，建立了采煤机故障诊断通用模型，但由于模型本身学习能力和泛化能力较弱，且无法自动提取特征，难以实现故障的准确识别与分类。因此，不适用于本研究采煤机摇臂传动的故障诊断。近年来，迁移学习与深度学习的广泛应用，为采煤机故障摇臂传动故障诊断提供了一种新思路。迁移学习可实现不同设备诊断知识的迁移，但其对事物的表达能力不如深度学习；深度学习可自动对故障模式进行识别与分类，但其对事物的转化能力较弱，不及迁移学习。基于此，研究提出基于深度迁移学习的采煤机摇臂传动故障诊断模型。通过将VGG-16深度卷积神经网络模型的网络参数迁移到采煤机摇臂传动故障诊断中，得到采煤机摇臂传动迁移故障诊断模型，实现对采煤机摇臂传动复合故障的诊断。……