基于深度学习的选煤厂振动筛故障诊断方法

振动筛是选煤厂的关键设备。为及时发现振动筛可能出现的故障,通过非接触式智能感知及智慧处理装置采集并处理振动筛的音频信号,提出基于长短期记忆网络(LSTM)和时空图神经网络(ST-GNN)的故障诊断模型。首先利用经验模态分解(EMD)对音频进行预处理,其次使用ST-GNN-LSTM模型分别提取信号的时间和空间特征,融合时空特征最终实现故障诊断。将该模型算法嵌入到边缘端,最终由智能算法与软硬件结合共同组成选煤厂振动筛的故障诊断监测系统。实验表明,该方法能有效提取并利用振动筛音频信号特征,实现振动筛的故障诊断。