周雅楠

国能神东煤炭集团有限责任公司

摘要(Abstract)：

综采工作面刮板运输机断链、卡阻等故障的发生，严重影响生产的连续性、降低开采效率，还会对井下人员安全构成直接威胁。为应对这一挑战，本文设计了一种跨工作面的刮板运输机声音异常检测系统。该系统由智能检测模块与人机协同执行模块构成，基于自监督学习方法构建跨工作面的通用检测模型，能够在井下光照条件差、视频监控易模糊的复杂环境中，实现对运输机断链、卡阻、堵大块、堆煤等多种异常状态的检测。进一步地，本文融合人机协同执行机制，可对模型输出的异常结果进行智能分级与实时响应，提高故障发现的时效性，并实现对严重故障的预警与超前处理。

关键词(KeyWords)：

跨工作面；刮板运输机；自监督学习；声音监测；人机协同

参考文献(References)：

［1］葛世荣.刮板输送机技术发展历程（三）——驱动与智能控制技术［J］.中国煤炭，2024，50（04）：1-12.

［2］杨金楼.刮板输送机断链故障原因及预防措施研究［J］.煤矿机械，2025，46（06）：193-197.

［3］汪龙涛，曹磊.煤矿刮板运输机常见故障与预防对策［J］.科技资讯，2019，17（01）：61-62.

［4］王泽珍，张士涛.基于PLC 的刮板机故障诊断系统的设计与应用［J］.煤矿现代化，2013，（S1）：100-103.

［5］盛浩.刮板输送机断链智能监测系统的研制［J］.煤矿机械，2024，45（08）：209-212.

［6］李灵锋，张洁，陈茁，等.刮板输送机断链智能监测技术研究［J］.工矿自动化，2025，51（3）：63-69，77.

［7］Liu Y，Guan J，Zhu Q，et al.Anomalous Sound Detection using Spectral-Temporal Information Fusion［J］.2022.

［8］王国法，刘峰，庞义辉，等.煤矿智能化——煤炭工业高质量发展的核心技术支撑［J］.煤炭学报，2019，44（02）：349-357.

［9］Chen S，Liu Y，Gao X，et al.MobileFaceNets:Efficient CNNs for Accurate Real-time Face Verification on Mobile Devices［J］.2018.