技術(shù)總結(jié)
本發(fā)明公開了一種刮板輸送機飄鏈故障診斷方法，該方法主要通過對一種基于深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)和支持向量機(SVM)的聲音信號識別模型進行相關(guān)分類，從而診斷出刮板輸送機是否在其彎曲區(qū)段內(nèi)發(fā)生飄鏈故障，該模型的組成主要包括：相關(guān)輸入樣本、相關(guān)聲音信號特征和分類器，其中相關(guān)輸入樣本為經(jīng)主成分分析(PCA)和白化處理的綜采工作面設(shè)備運行時的聲譜圖，相關(guān)聲音信號特征為由深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取的聲音信號特征，分類器以聲音信號特征為輸入的支持向量機(SVM)，通過分類器對聲音信號進行分類，從而實現(xiàn)對刮板輸送機在其彎曲區(qū)段內(nèi)飄鏈故障的診斷。本發(fā)明方法步驟簡單、設(shè)計合理且實現(xiàn)簡便、使用效果經(jīng)實驗驗證表現(xiàn)良好。

技術(shù)研發(fā)人員：馬宏偉;董剛;南源桐;張旭輝;毛清華;聶珍
受保護的技術(shù)使用者：西安科技大學(xué)
文檔號碼：201610821415
技術(shù)研發(fā)日：2016.09.13
技術(shù)公布日：2017.02.15