基于智能巡检机器人的煤机故障音频识别方法

摘要：

随着机器人技术飞速发展以及煤矿安全高效生产更高要求的提出,井下机电设备已经由传统的人工巡检转向具备"监测、检测、预警"功能的机器人化巡检.将声音处理和深度学习引入矿业系统智能处理中,对数据进行智能化分析;研究了声音预处理、语谱图生成和特征提取与分类等各个环节关键技术,解决了现阶段面向煤矿井下环境的关于语音特征无法时域和频域同时描述、缺乏动态序列信息的有效利用等问题.实验数据表明:采用以CNN+LSTM模型为核心,利用caffe c++深度学习框架建立声音识别的CNN+LSTM+Softmax网络,可以有效提高煤矿井下设备异常声音识别准确性和鲁棒性,减小算法复杂度以适应算法在嵌入式设备运行,实现机器人化煤机故障音频辨识及诊断.

关键词：智能巡检机器人、煤机故障音频识别、声音处理、caffe c++深度学习、CNN+LSTM模型

所属期刊栏目：54

分类号：TD679(矿山电工)

资助基金：中煤科工集团科技创新创业基金重点项目;中煤科工集团科技创新创业基金重点项目;辽宁沈抚示范区本级科技计划资助项目

在线出版日期：2023-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：221-225