摘 要：结合智慧矿山的应用背景，针对 MD580-70×9 这一类型的矿用水泵，从故障判断、故障诊断以及信号预测三个方面出发，希望通过模拟水泵振动信号得到一种较为普适的应用模型，在时域利用模拟水泵进行故障的判断以及基于长短时记忆（LSTM）神经网络对时域信号进行预测，在判断出故障后通过 FFT 进行时频转换，进而判断出水泵故障类型，实现对矿用水泵进行检测。
关键词：水泵故障检测；深度学习；长短期记忆网络
DOI:10.19850/j.cnki.2096-4706.2022.013.037
中图分类号：TP273.+4 文献标识码：A 文章编号：2096-4706（2022）13-0155-04
Research on State Detection of Intelligent Coal Mine Water Pump
XIE Zhengqing, QIU Lei, YANG Liqing, YUAN Zhihao, CUI Yuhao
(China University of Mining and Technology-Beijing, Beijing 100083, China)
Abstract: Combined with the application background of smart mines, for the MD580-70×9 type of mine pump, from the three aspects of fault judgment, fault diagnosis and signal prediction, this paper hopes to obtain a kind of more general application model by simulating the vibration signal of the water pump. It uses the analog water pump in the time domain to judge the fault and predicts the time domain signal based on the Long-Short Time Memory (LSTM) neural network. It carries out the time-frequency conversion through FFT after judging the fault, and then judges the type of water pump fault, realizes the detection of mine water pump.
Keywords: water pump fault detection; deep learning; Long-Short Term Memory network
参考文献：
[1] 李栋，袁文琦，刘跃，等 . 基于振动分析的矿井主排水泵障诊断研究 [J]. 煤矿机械，2014，35（9）：274-276.
[2] 陈畅，李晓磊，崔维玉 . 基于 LSTM 网络预测的水轮机机组运行状态检测 [J]. 山东大学学报（工学版），2019，49（3）：39-46.
[3] 王宇飞，张勋，丁雪兴 . 基于频谱分析的离心泵故障诊断[J]. 化工机械，2015，42（6）：854-856.
[4] 刘丽华 . 基于时变非平稳时间序列分析的故障诊断方法研究 [D]. 北京：北京化工大学，2008.
[5] 谢昌宜 . 基于振动信号处理的故障诊断技术研究 [D]. 北京：北京理工大学，2018.
[6] 张炜 . 大型水泵机组振动信号处理与综合评价方法研究与实现 [D]. 扬州：扬州大学，2020.
[7] 郑秋梅 . 基于深度学习的滚动轴承故障诊断与剩余寿命预测研究 [D]. 青岛：青岛理工大学，2021.
作者简介：谢正卿（2001—），男，汉族，安徽铜陵人，本科在读，研究方向：信息工程；邱磊（2001—），男，汉族，湖南娄底人，本科在读，研究方向：信息工程；杨丽晴（2001—），女，汉族，湖北襄阳人，本科在读，研究方向：信息工程；袁志浩（2001—），男，汉族，河南安阳人，本科在读，研究方向：信息工程；崔钰豪（2001—），男，汉族，北京人，本科在读，研究方向：信息工程。