摘要
本发明属于自动化掘进技术领域,为解决不同工况下掘进机截割臂位姿检测精度和可靠性难以满足实际工作需求的问题,提供一种掘进机截割臂位姿检测系统可靠性诊断方法,通过获取截割臂的位姿数据,利用深度学习算法对位姿数据进行处理,得到融合位姿数据;建立初始故障数据集,并基于掘进机运行状态、初始故障数据集和融合位姿数据进行报警阈值的多级优化,保存优化后的故障数据集;将融合位姿数据和故障数据集进行关联,确定使用时间一致的位姿数据和故障数据,然后基于位姿数据和使用时间建立截割臂位姿数据分析模型,基于数据分析模型进行掘进机截割臂位姿检测系统可靠性评估,实现对位姿检测时的多级故障报警,提高了位姿检测精确性和可靠性。
技术关键词
掘进机
诊断方法
数据分析模型
系统可靠性评估
深度学习算法
卡尔曼滤波算法
模型超参数
掘进技术
指标
训练集
工况
噪声
动态
精度
速度
系统为您推荐了相关专利信息
故障诊断方法
储能系统
监督机器学习算法
电压
数据
编码向量
波动特征
模态特征
IGBT模块
多尺度
气体超声波流量计
诊断方法
声道
非参数检验方法
线性回归模型