矿用设备智能安全监测与预知维护系统 论文

针对现有矿用设备监测数据精度不高、数据分析能力弱、智能化程度不高等问题，提出了一种矿用设备智能安全监测与预知维护系统。该系统通过基于模拟退火算法的智能数据预选模型对矿用设备安全监测数据进行预处理，筛选出阈值范围内的数据，以剔除数据中的异常值；利用基于卷积神经网络的智能安全预知维护模型，使用不同大小的卷积核进行双通道卷积，多样化提取筛选后的数据特征，并与矿用设备历史状态样本数据进行对比，从而判断矿用设备运行状态，进而提供相应的设备预知维护方案。实验结果表明，该系统在矿用设备运行状态判断及预知维护方面具有较高精度。