多传感器融合煤矿辅运机械故障监控系统设计

摘要

煤矿辅运机械长期在井下高粉尘、高湿度恶劣工况下运行，容易出现轴承磨损、断齿、传动卡顿等典型故障。设计了一种基于联邦卡尔曼滤波算法的多传感器融合煤矿辅运机械故障监控系统，实现局部滤波与全局信息融合的分层处理。实验结果表明：该系统故障平均识别准确率达96.45%，显著高于单一振动传感器、单一温度传感器和传统卡尔曼滤波。其中，正常工况识别准确率98.85%、轴承磨损故障识别准确率95.60%、断齿故障识别准确率93.25%、电动机过热故障识别准确率98.10%;4类故障误判率降至2.15%以下，漏判率控制在1.40%以内；平均数据采集延迟不大于15 ms，平均融合处理耗时不大于80 ms，具备优异的实时性与稳定性。该系统可全面、实时感知煤矿辅运机械运行状态，降低井下辅运设备安全事故发生率，为智能矿山井下运输装备的智能化监测与安全运维提供可靠的技术支撑与数据参考。

关键词

煤矿辅运机械 / 多传感器融合 / 故障监控 / 联邦卡尔曼滤波