基于深度学习的煤矿通风电机振动故障检测方法及系统

本发明公开了一种基于深度学习的煤矿通风电机振动故障检测方法及系统，其方法包括：采集煤矿通风电机的多元时序数据并对其进行预处理，提取预处理后的多元时序数据的特征向量；对特征向量进行融合和重构，通过重构特征对基于深度学习的网络模型进行训练，获取振动故障检测模型；对振动故障检测模型进行单故障独立检测验证和多故障同步检测验证，根据验证结果确定振动故障检测模型的检测性能并对振动故障检测模型进行优化，将优化后的振动故障检测模型进行部署和故障检测。提高了判定精度，同时无需人力干预，通过传感器的检测数据即可实现故障检测，提高了检测精度和效率的同时也保证了检测结果的客观性。