基于人工智能技术的煤矿机电设备状态识别研究

为了及时准确地识别出煤矿机电设备运行中存在的故障,提升设备使用寿命,降低煤矿作业风险,提出基于人工智能技术的煤矿机电设备状态识别方法。采用经验模态分解和独立分量分析(EMD-ICA)方法对所采集的机电设备运行振动信号实施处理,获得信号的有效独立分量,结合频域与时域方法提取出有效独立分量内的信号特征信息,构建三层集成神经网络,向该网络内输入所提取的信号特征信息,实现对机电设备运行状态的识别。结果表明,该方法可分离出与源信号相吻合的信号独立分量,为精准提取信号特征信息提供保障;可精准识别出机电设备的不同运行状态,识别结果与实际情况相符,为煤矿作业中及时发现机电设备运行故障、提升作业安全性提供可靠保障。