摘要
矿用机电设备润滑油因煤粉污染导致润滑性能衰退,进而引发齿轮副卡滞及设备故障,而当前主要依赖理化指标和铁谱分析的传统油液监测方法,难以实现对煤粉污染物的精准定量与动态感知。针对上述问题,提出了一种融合天牛须搜索(BAS)算法优化的长短时记忆神经网络(LSTM)与坐标注意力机制(CA)的齿轮油煤粉含量检测模型。BAS算法负责自动优化超参数,消除人工手动调参的随机性对模型精度的影响;LSTM网络用于建模序列数据的长短期时序依赖关系;CA注意力模块则通过通道注意力机制,自适应地聚焦并增强关键特征。实验结果表明:BAS-LSTM-CA检测模型的平均绝对百分比误差(MAPE)为1.98%,相较于BP神经网络、门控循环单元(GRU)与LSTM模型分别提升了7.12%,3.21%和2.64%,实现了对煤粉含量的精准检测。
作者
刘亚东
LIU Yadong(CHN Energy Shendong Ordos New Energy Technology Development Co.,Ltd.,Ordos 017209,China)
出处
《工矿自动化》
北大核心
2025年第S2期117-120,共4页
Journal of Mine Automation
