基于深度学习的煤矿掘进巷道电气设备管理系统研究  

作　　者：孙伟 李怀珠 曹鹏 

机构地区：[1]兖煤菏泽能化有限公司赵楼煤矿

出　　处：《电气技术与经济》2024年第7期59-61,共3页Electrical Equipment and Economy

摘　　要：针对煤矿掘进巷道中电气设备的管理和维护问题,本文提出了一种基于深度学习的管理系统。该系统集成了长短时记忆网络和卷积神经网络,旨在实现电气设备的高效监测、故障预测和维护决策功能。长短时记忆网络用于分析传感器收集的电气设备时间序列数据,有效预测设备的性能趋势和潜在故障。而卷积神经网络则应用于处理摄像头和热成像仪捕获的图像数据,识别设备的异常热点和视觉异常。这一综合方法显著提高了故障诊断的准确性和响应速度,为煤矿安全运营提供了强大的技术支持。通过实际应用测试,该系统在故障检测准确率和维护响应时间上均展现出优异性能,有效减少了设备故障带来的风险和停机时间,提高了整体的运营效率和安全性。

关 键 词：深度学习 电气设备管理 煤矿安全 

分 类 号：TD632.2[矿业工程—矿山机电] TP18[自动化与计算机技术—控制理论与控制工程]