摘要: 针对传统胶带机轴承故障检测存在成本高、效率低和错误率高等缺点，构建了一种基于冲击脉冲传感器的矿用胶带机故障检测模型。首先通过对冲击脉冲传感器在故障检测中的优化，然后将冲击脉冲传感器应用到胶带机轴承故障的监测中，最后利用数据集和训练集对模型方法的性能进行验证，且在大柳塔煤矿中进行实际应用。结果表明：(1)模型方法的振幅频率比长短期记忆网络(LSTM)、空卷积神经网络(TCN)的的收敛速度更快，当迭代次数为100时，结果趋于稳定。这说明模型方法在监测过程中具有更好的稳定性。(2)模型方法的预测结果曲线与真实曲线退化趋势一致，振幅与真实值差距不大。这说明模型方法的预测振幅更高，效果更好。实际应用结果表明：驱动滚筒轴承监测点位冲击脉冲频谱中有清晰的内环故障征兆，并且伴随着相关的边带，而振动频谱无相关征兆，使用冲击脉冲幅值确认为早期故障。