-
作者
郭开宇 袁逸萍 陈彩凤 陈钧钖
-
单位
新疆大学机械工程学院
-
摘要
针对环境恶劣和复杂工况导致煤矿用电机故障频发，为保障煤矿用电机的可靠运行，提出一种基于挤压-激励注意力机制的CNN-LSTM煤矿用电机异常状态检测模型。首先引入卷积神经网络（CNN）获取多特征输入空间联系，采用长短期记忆网络（LSTM）提取序列时序变化特征，结合挤压-激励注意力机制（SE）为LSTM层进行自适应权重分配来增强电机定子电流的关键信息提取；然后通过均方根误差（RMSE）对电机定子电流进行残差分析，检测电机定子电流的异常变化；最后，以新疆某大型露天煤矿121带式输送机1#煤矿用电机实时运行状态数据验证所提方法的实用性，结果表明该方法能够精准检测到电机定子电流异常状态，为煤矿用电机可靠运行提供重要依据。
-
关键词
煤矿用电机卷积神经网络长短期记忆网络挤压-激励注意力机制异常状态检测
-
基金项目(Foundation)
国家自然科学基金项目（72361032;71961029）；
-
文章目录
0前言
1 煤矿用电机预测模型构建
1.1 预测模型总体框架
1.2 基于SE-CNN-LSTM预测模型
(1）卷积神经网络
(2）长短期记忆网络
(3）注意力机制
(4）参数设置
2 数据预处理与状态参数选择
2.1 数据预处理
2.2 状态参数选择
3 实验结果分析
3.1 模型预测
3.2 预测结果分析
4 结语
-
DOI
-
引用格式
[1]郭开宇,袁逸萍,陈彩凤,等.基于挤压-激励注意力机制的CNN-LSTM煤矿用电机异常状态检测[J].煤炭技术,2024,43(10):223-227.
-
相关文章
煤炭技术 
2024年第10期 
