刮板输送机飘链故障诊断技术研究

针对刮板输送机在其弯曲区段容易发生的飘链问题,提出了一种基于卷积神经网络和支持向量机的声音信号识别模型,该模型以经过PCA白化处理的综采工作面设备声音运行声音的声谱图为输入,由深度CNN网络提取声音信号的特征,并以SVM分类器实现对声音信号的识别,最终实现对刮板输送机飘链故障的诊断。同时推导了以SVM为输出层的深度CNN网络模型在训练时误差反向传播时输出层对全连接层的敏感度函数,并通过试验发现了对输入的声音信号进行不同时长的切分作为模型输入时,对CNN-SVM模型识别率产生影响的规律,最后通过对比试验验证了此模型确实比传统的GMM-HMM模型具有更高的识别准确率。