来源：期刊VIP网 时间：
作者：李灵锋;张洁;陈茁;查天任;尹瑞;
单位：河北建材职业技术学院机电工程系;中煤张家口煤矿机械有限责任公司;河北省高端智能矿山装备技术创新中心;
摘要：针对现有基于AI算法的煤矿井下刮板输送机断链监测技术在线学习能力低、检测精度差、稳定性低、复杂场景适应性和可靠性差等问题，通过在极限学习机（ELM）中增加增量式在线训练，设计了可实现离线样本和实时在线样本训练的在线贯序极限学习机（OSELM）网络，进而提出了基于OSELM的刮板输送机断链智能监测技术。将经过大量煤矿井下刮板输送机链条监控图像（离线样本）训练的OSELM网络算法写入AI摄像仪，将AI摄像仪安装于刮板输送机机尾，实时感知刮板输送机链条运行状态并进行在线学习，由AI摄像仪输出控制决策，并通过刮板输送机集中控制系统平台实时显示识别结果。井下工业性试验结果表明，OSELM网络具有较高的自主学习能力、较强的泛化性和鲁棒性，对刮板输送机断链识别的平均精度均值、准确率和精确率分别为98.6%,99.3%,91.7%，检测速度达205.6帧/s，整体效果优于深度神经网络融合网络、RT-DETR、YOLOv5、YOLOv8、ELM等模型，实现了刮板输送机链条状态的精准、实时检测。
关键词：刮板输送机;链条状态识别;断链监测;AI摄像仪;在线贯序极限学习机网络
基金资助：国家重点研发计划项目（2017YFF0210606）; 河北省高等学校科学研究项目（ZD2022018）
