摘要
针对采煤机摇臂结构复杂、工作环境恶劣导致故障频发的问题,设计一种基于油液参数分析与深度学习的故障预测方法,以实现故障的提前预测与设备及时维护。首先通过分析典型故障与油液参数的关联性,确定关键监测参数。然后,构建基于SSA-LSTM的油液参数预测模型,实现对摇臂油液参数变化的精准预测。最后,设计融合SOM与BP神经网络的故障预测模型,利用预测的油液参数完成故障识别。实验结果表明:油液参数预测模型的平均绝对百分比误差(MAPE)为0.019,故障预测模型的准确率达98.30%。
作者
陈龙
贺保建
CHEN Long;HE Baojian(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37-40,44,共5页
Journal of Mine Automation
