基于Seq2Seq的GRU自编码器用于煤矿水力支持系统的异常检测和故障识别.
Kai Zhan1,2, Cong Wang3,4, Xigui Zheng5,6,7,8
1Shandong Succeed Mining Safety Engineering Co. Ltd, Jinan, China.
Scientific reports
|January 3, 2025
概括
这项研究引入了一种门式循环单元自编码器 (GRU-AE),用于检测煤矿液压支压力数据中的异常和诊断故障. 该模型有效地识别了潜在的设备故障,提高了矿山的安全性.
科学领域:
- 采矿工程 采矿工程 采矿工程
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 液压支的稳定运行对于煤矿安全至关重要.
- 非线性,非静止和杂的液压支压力数据使异常检测和故障诊断复杂化.
研究的目的:
- 开发一个有效的异常检测和故障识别方法,用于液压支压力数据.
- 为煤矿设备故障提供早期预警系统.
主要方法:
- 使用门式反复单元自编码器 (GRU-AE) 进行异常检测和故障识别.
- 分析了来自中国两个煤矿的数据,以评估模型参数,特别是窗户大小.
- 研究了教师强迫技术对模型表现的影响.
主要成果:
- 发现一个窗口大小为144为异常检测和故障模式识别提供了最佳性能.
- 在GRU-AE模型中,对于周期性数据模式和设备故障特征的学习能力是卓越的.
- 教师强迫可以加速融合,但可能会降低概括能力.
结论:
- 拟议的GRU-AE模型为煤矿安全监测提供了一个创新的技术解决方案.
- 该模型有效地识别了复杂的液压支持数据中的异常区域和潜在的设备故障特征.
- 该研究验证了GRU-AE模型在检测液压支压力异常和设备故障诊断方面的有效性.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
881
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
897
