来源：期刊VIP网 时间：
作者：杨若冰;曹现刚;杨鑫;张鑫媛;
单位：西安科技大学机械工程学院;陕西省矿山机电装备智能检测与控制重点实验室;
摘要：现阶段刮板输送机工作环境恶劣，其性能不断退化，故及时准确对刮板输送机健康状态进行识别极其关键。传统方法在刮板输送机健康指标构建中易受异常值影响且人工参与过多，导致健康指标构建存在误差；现阶段卷积神经网络(CNN)等方法未深入提取样本间关联关系导致样本状态识别准确率不佳。基于上述问题，提出了基于改进变分自编码器-图卷积网络(VAE-GCN)的刮板输送机健康状态识别方法，首先将样本原始信号转换为格拉姆角场图像，提取样本状态信息；使用CNN及自注意力机制(SA)优化变分自编码器(VAE),搭建无监督的健康指标构建模型，建立健康指标的概率分布，克服了健康指标构建中易受异常值影响且人工参与过多的问题；利用归一化互相关系数计算两两样本图像信息之间相似性，构建样本关联图结构，建立样本之间的关联关系，最终利用图卷积网络完成样本间关联信息提取及刮板输送机健康状态识别，克服了刮板输送机健康状态识别中存在的样本间关联关系提取困难导致样本状态识别准确率不佳的难题。最后，通过实验和对比分析表明，模型健康状态识别准确率可达98.20%,验证了所提出方法的准确性和有效性。该研究为刮板输送机整机的健康状态识别提供了新方法与新技术，为后续的刮板输送机预测性维护奠定了理论基础。
关键词：刮板输送机;;健康指标构建;;变分自编码器;;图卷积网络;;健康状态识别
基金资助：国家自然科学基金资助项目(52274158);国家自然科学基金重点资助项目(51834006)
