深入分析了实际工况下不平衡数据集对故障诊断模型的影响，并根据数据存在样本不平衡性的特点，有针对性的提出一种故障诊断方法。对原始样本通过WGAN-div模型进行数据增强处理，创新性的在WGAN-div模型中加入了残差块，有效提高了数据生成质量；选择了适合于通风系统高维多分类的集成学习模型；以东山煤矿为对象分别进行了不同数据增强模型、不同分类模型以及不同数据生成率下的对比实验，引入了多种评价指标及t-SNE可视化对模型进行评估，确定了WGAN-div数据增强的有效性以及RF分类模型的有效性。本文所提模型有效解决了不平衡样本集下的故障诊断问题，可及时准确的发现通风系统故障位置，为智能诊断技术真正应用到矿井提供技术支撑。
长按识别二维码阅读全文
面向不平衡数据集的矿井通风系统智能故障诊断
图 1 数据不平衡示意
图 2 GAN 模型基本结构
图 3 残差块示意
图 4 WGAN-div-RF 模型构架
图 5 简单通风网络
图 6 简单通风网络故障诊断实验混淆矩阵
图 7 简单通风网络不平衡数据集故障诊断实验评价指标
图 8 东山矿通风网络
图 9 t-SNE 降维数据可视化
图 10 WGAN-div 损失函数
图 11 不同数据生成比率下各分类模型的实验结果
赵丹，女，1982年2月6日生，辽宁阜新人，教授，博士生导师，《煤炭学报》青年编委，中国职业安全健康协会通风安全与健康专业委员会青年常务委员，中国煤炭工业安全科学技术学会矿井降温专业委员会委员，国家二级安全评价师。主持国家自然科学基金项目2项，主持省级项目2项，获省部级科技奖励3项，省级教学成果一等奖1项。以第一作者发表学术论文50余篇。成果《矿井降温与空气调节》获得辽宁省优秀教材奖和第三届煤炭行业优秀教材一等奖。
研究方向
矿井通风与降温
主要成果
致力于矿井通风故障诊断理论及技术的研究，取得多项创新性成果，形成了矿井通风故障诊断成套技术体系，为矿井智能通风提供理论基础，达到监测数据的有效利用，实现关口前移和灾前预测预报。
来源：
赵丹，沈志远，宋子豪. 面向不平衡数据集的矿井通风系统智能故障诊断[J]. 煤炭学报，2023，48(11):4112−4123.
