来源：期刊VIP网 时间：
作者：沈志远;王棋正;赵丹;
单位：沈阳建筑大学土木工程学院;辽宁工程技术大学安全科学与工程学院;
摘要：针对当前通风系统阻变故障诊断方法难以应对多条巷道同时故障的问题,提出了一种多标签分类卷积神经网络(Multi-Label Classification Convolutional Neural Network,MLC-CNN)模型,用于实现矿井通风系统在多巷道同时发生阻变故障时的快速诊断。该方法将多巷道故障诊断转化为多标签分类问题,结合卷积神经网络(Convolutional Neural Networks,CNN)模型,深入挖掘不同巷道故障数据间的相关性,从而实现多巷道阻变故障的精准判识。以T形角联网络和东山煤矿通风系统为例进行了试验研究,并对CNN与MLC-CNN模型进行了对比分析。结果表明,MLC-CNN模型在矿井通风系统多巷道阻变故障诊断中表现出色,在两条巷道故障和三条巷道故障工况下,MLC-CNN的诊断准确率分别为89.76%和80.29%,相比于传统CNN模型,分别提升了5.44百分点和12.28百分点。
关键词：安全工程;;矿井通风;;故障诊断;;多标签分类;;卷积神经网络
基金资助：国家自然科学基金项目(52374202)
