-
作者
廖志伟赵红菊崔明明
-
单位
国能神东煤炭集团布尔台煤矿中煤科工集团沈阳研究院有限公司煤矿安全技术国家重点实验室中煤科工机器人科技有限公司
-
摘要
随着机器人技术飞速发展以及煤矿安全高效生产更高要求的提出，井下机电设备已经由传统的人工巡检转向具备“监测、检测、预警”功能的机器人化巡检。将声音处理和深度学习引入矿业系统智能处理中，对数据进行智能化分析；研究了声音预处理、语谱图生成和特征提取与分类等各个环节关键技术，解决了现阶段面向煤矿井下环境的关于语音特征无法时域和频域同时描述、缺乏动态序列信息的有效利用等问题。实验数据表明：采用以CNN+LSTM模型为核心，利用caffe c++深度学习框架建立声音识别的CNN+LSTM+Softmax网络，可以有效提高煤矿井下设备异常声音识别准确性和鲁棒性，减小算法复杂度以适应算法在嵌入式设备运行，实现机器人化煤机故障音频辨识及诊断。
-
关键词
智能巡检机器人煤机故障音频识别声音处理caffec++深度学习CNN+LSTM模型
-
基金项目(Foundation)
中煤科工集团科技创新创业基金重点项目资助（2020-ZD003,2022-2-ZD002）；辽宁沈抚示范区本级科技计划资助项目（2021JH02）；
-
文章目录
1 传统语音识别算法及存在的问题
2 煤机故障音频识别算法
2.1 声音信号预处理模块
2.2 语谱图生成模块
2.3 特征提取及分类模块
3 实验验证
4 结语
-
引用格式
廖志伟,赵红菊,崔明明.基于智能巡检机器人的煤机故障音频识别方法[J].煤矿安全,2023,54(03):221-225.DOI:10.13347/j.cnki.mkaq.2023.03.030.
煤矿安全 
2023年第03期 
