留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于音频特征融合Res-CNN-LSTM网络的带式输送机运行状态预测

孙杰臣(通讯作者)

孙杰臣(通讯作者). 基于音频特征融合Res-CNN-LSTM网络的带式输送机运行状态预测[J]. 工矿自动化.
引用本文: 孙杰臣(通讯作者). 基于音频特征融合Res-CNN-LSTM网络的带式输送机运行状态预测[J]. 工矿自动化.
Running State Prediction of Belt Conveyor Based on Audio Feature Fusion Res-CNN-LSTM Network[J]. Industry and Mine Automation.
Citation: Running State Prediction of Belt Conveyor Based on Audio Feature Fusion Res-CNN-LSTM Network[J]. Industry and Mine Automation.

基于音频特征融合Res-CNN-LSTM网络的带式输送机运行状态预测

Running State Prediction of Belt Conveyor Based on Audio Feature Fusion Res-CNN-LSTM Network

  • 摘要: 摘 要:为了解决使用接触式传感器、机器视觉对矿用带式输送机的运行状态监测存在安装不便、稳定性差,且缺少对带式输送机运行状态预测的问题,提出基于音频特征融合Res-CNN-LSTM网络的带式输送机运行状态预测的方法。首先对音频信号进行滤波去噪,然后采用梅尔倒频谱法(MFCC)提取信号的一维梅尔倒频谱系数MFCC0,作为网络模型的输入;考虑到网络模型加深会导致过拟合和性能退化,引入残差块对网络模型进行优化。以实验室带式输送机平台进行试验,实验过程中不断优化网络模型参数,结果表明,音频信号可以获取带式输送机更多的运行状态信息;与其他模型相比,所设计的网络模型预测准确率最高,且训练时间短;同时在不同的工况下验证了该模型具有较高的鲁棒性。

     

  • 加载中
计量
  • 文章访问数:  176
  • HTML全文浏览量:  59
  • 被引次数: 0
出版历程
  • 网络出版日期:  2022-03-05

目录

    /

    返回文章
    返回