声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2402/TD
国际刊号：0253-2336
发布日期:
作者：毛君, 郭浩, 陈洪月,
关键词：采煤机, 截割部, 减速器, 深度自编码网络, 故障诊断,
为了准确诊断采煤机截割部减速器故障，提出基于深度自编码网络（Deep Auto-Encoder Networks，DAENs）的故障诊断方法。DAENs模型以减速器箱体内油位、油液杂质量、齿轮磨损量、截割部电动机工作温度、冷却水流量、冷却水压力、油中水分7个特征参数作为可视输入，通过非监督逐层贪婪学习得到更好的高层特征表示，避免人工特征提取的繁琐与不准确，增强识别过程的智能性。最后对所提出的方法进行测试，测试结果表明该方法相比于BP神经网络，收敛速度快、避免了局部最优，且诊断精度及稳定性方面优越，可以对采煤机截割部减速器的故障进行准确诊断。
来源：2019年第11期
《煤炭科学技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。