刮板输送机链传动系统由于承受复杂载荷作用导致故障频发，然而传统的故障诊断需要大量的先验知识和主观干预，对技术人员要求高。为实现刮板输送机链传动系统故障预警的自主性、准确性与高效性，利用深度学习强大的数据挖掘能力，提出了基于LSTM-Adam的刮板输送机链传动系统故障预警方法。首先，基于组态技术搭建刮板输送机工况监测系统，采集减速器输出轴转矩及转速、中部槽中板压力、刮板竖直方向振动加速度及刮板链运行方向应变等刮板输送机实时运行数据，并对数据进行清洗和min-max归一化处理，为故障预警提供数据支撑；然后，基于LSTM搭建预测模型，并采用Adam优化算法对其进行训练和优化，得到最优LSTM-Adam预测模型；最后，将刮板输送机实时运行数据导入LSTM-Adam预测模型，得到刮板输送机运行参数预测值，使用滑动加权平均法计算预测值与真实值之间的残差，并将正常运行工况下同类数据的最大残差作为预警阈值，当残差超过预警阈值时进行预警。试验结果表明：LSTM-Adam预测模型能够准确预测出刮板链应变数据的变化趋势，并对卡链与断链故障准确做出预警。

0引言
1 刮板输送机故障预警框架
2 数据采集与预处理
2.1 数据采集
2.2 数据预处理
3 LSTM-Adam预测模型构建
3.1 LSTM模型
3.2 Adam算法
3.3 LSTM-Adam预测模型建立流程
3.4 LSTM-Adam预测模型评估
3.4.1 模型评估标准
3.4.2 模型训练
3.4.3 模型拟合
4 预警判断
4.1 滑动加权平均法
4.2 预警判断流程
5 试验验证
5.1 试验条件
5.2 试验过程
5.3 试验结果
5.3.1 卡链工况
5.3.2 断链工况
6 结论

李博,郭星燃,李娟莉等.基于LSTM-Adam的刮板输送机链传动系统故障预警方法[J/OL].工矿自动化:1-7[2023-09-28].DOI:10.13272/j.issn.1671-251x.18086.