煤炭工程 ›› 2022, Vol. 54 ›› Issue (8): 136-141.doi: 10.11799/ce202208024
冯银辉,宋阳,李务晋,吴雨欣,秦泽宇
摘要: 针对机械设备异常检测在实际应用中遇到意想不到的异常情况为数据标注带来挑战的问题,文章提出了一种基于自编码孪生神经网络的采煤机异常检测方法,结合采煤机工况信息构建了的弱标签数据集来解决该问题|针对异常信息过少导致的数据类别不平衡问题,搭建了时空融合的LSTM-CNN Auto-Encoder Siamese神经网络,通过孪生神经网络减少类别不平衡对训练的影响,结合LSTM与CNN的自编码神经网络进行特征抽取,提高模型在诊断时序数据时的准确率。模型的测试结果表明本模型能有效提取高质量特征,针对不平衡数据有很好的鲁棒性,且模型有一定泛化能力,具有有效性与实用性。
中图分类号: