王保勤

潞安化工集团五里堠煤业公司 山西潞安 032600

矿井提升机是矿山企业的主要提升设备，是连接矿井上下的“咽喉”，一旦其发生故障，不但影响矿山的日常生产，甚至危及工作人员的生命安全。据统计，由提升系统故障所造成的安全事故约占煤矿安全事故的 1/3[1]，因此对提升机的状态监测、故障诊断与预测具有重要意义。随着我国工业化步伐的加快，机器设备也越来越复杂，需要监测的数据也越来越多，通过专家知识来进行特征提取的传统故障诊断方法已远远不能满足现在的发展。得益于当代计算机技术的快速发展以及信息化与工业化的融合，机器学习、大数据、物联网等技术得到不断发展，其中能够从海量数据中自主挖掘数据内在特性的机器学习方式受到越来越多的关注。如何将这些技术应用于矿井提升机的故障诊断中，也引起大家越来越多的关注[2]。

一维卷积神经网络 (One-dimensional Convolutional Neural Networks，1DCNN) 作为深度学习的经典算法，具有局部感知和参数共享两个特点，能够有效降低网络模型的复杂度，减少权值的数量，使得卷积核对输入的空间局部模式具有最强的响应。T.Ince 等人提出一种具有自适应设计的一维 CNN 用于电动机状态监测[3]，Sun W J 等人提出了一种用于感应电动机故障诊断的卷积判别特征学习方法[4]，Xia M 等人提出了一种基于CNN的旋转机械故障诊断方法[5]。这些研究都有效验证了利用卷积神经网络对电动机轴承故障诊断具有较高的准确率与鲁棒性。……