【技术实现步骤摘要】
用于带式运输机的托辊故障检测模型的训练方法和装置
[0001]本公开涉及深度学习
，尤其涉及一种用于带式运输机的托辊故障检测模型的训练方法和装置。
技术介绍
[0002]在煤矿井下正常生产过程中，带式输送机常发生托辊偏心、托辊破损磨坏输送带等一系列故障，托辊故障的发生会对煤矿的正常生产流程造成影响，且由于带式运输机的托辊故障事件的发生往往都伴随有异常声音、特殊的振动频率和较高温度，由此，相关技术中可以联合带式运输机托辊的声音信息，频率信息以及温度信息，对带式运输机托辊进行故障检测。
[0003]这种方式下，由于煤矿井下环境复杂，从而会导致带式运输机托辊的故障检测效果不佳。
技术实现思路
[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此，本公开的目的在于提出一种用于带式运输机的托辊故障检测模型的训练方法、装置、电子设备及存储介质，从而能够有效提升目标故障检测模型针对煤矿井下故障类型的识别表征能力，有效地提升带式运输机的托辊故障检测的准确性和可靠性。
【技术保护点】
【技术特征摘要】
1.一种用于带式运输机的托辊故障检测模型的训练方法，其特征在于，所述方法包括：获取带式运输机托辊的样本检测数据；确定与所述样本检测数据对应的样本数据特征，其中，每个所述样本数据特征具有对应的标注故障类型；根据所述样本数据特征和所述标注故障类型训练初始的故障检测模型，以得到目标故障检测模型。2.如权利要求1所述的方法，其特征在于，所述根据所述样本数据特征和所述标注故障类型训练初始的故障检测模型，以得到目标故障检测模型，包括：将所述样本数据特征输入至所述初始的故障检测模型之中，以得到所述初始的故障检测模型输出的预测故障类型；根据所述预测故障类型和所述标注故障类型训练所述初始的故障检测模型，以得到所述目标故障检测模型。3.如权利要求2所述的方法，其特征在于，所述根据所述预测故障类型和所述标注故障类型训练所述初始的故障检测模型，以得到所述目标故障检测模型，包括：确定所述预测故障类型和所述标注故障类型之间的损失值；如果所述损失值小于损失阈值，则将训练得到的故障检测模型作为所述目标故障检测模型。4.如权利要求1所述的方法，其特征在于，所述获取带式运输机托辊的样本检测数据，包括：基于传感器采集所述带式运输机托辊的传感器数据；将所述传感器数据输入至自适应滤波器中，以获取所述自适应滤波器输出的所述样本检测数据。5.如权利要求1所述的方法，其特征在于，所述确定与所述样本检测数据对应的样本数据特征，包括：基于短时傅里叶变换方法处理所述样本检测数据，以得到所述样本数据特征。6.一种用于带式运输机的托辊故障检测方法，其特征在于，所述方法包括：获取带式运输机托辊的待检测数据，其中，所述待检测数据具有对应的待检测数据特征；将所述待检...
【专利技术属性】
技术研发人员：马孝威，吴文臻，李标，张立亚，李晨鑫，张耀明，黄家鑫，陈威廷，高冶，王汾青，巴显一，程继明，朱海，贾晓娣，
申请(专利权)人：煤炭科学技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。