煤岩识别技术可为采煤机自动调高提供依据，是实现煤矿智能无人化开采的关键。现有煤岩识别技术包括图像识别、过程信号监测识别、电磁波识别、超声波探测识别、多传感器融合识别等。详细介绍了上述几种技术原理及应用现状：① 图像识别技术目前处于实验阶段，主要涉及大规模煤岩图像数据标注和复杂地质条件下的识别问题。② 过程信号监测识别技术可分析煤矿开采过程中的相关信号，识别潜在的煤岩界面信息，但需要解决信号噪声干扰和复杂煤岩界面识别问题。③ 电磁波识别技术和超声波探测识别技术已在实际煤岩界面探测中应用，但仍需要提高识别准确性和可靠性，尤其是对于复杂煤岩结构和界面情况。④ 多传感器融合识别技术需解决数据融合和匹配的难题，确保不同传感器之间的精确校准和可靠性，并验证其在实际应用中的可行性和实用性。针对上述问题，指出煤岩识别技术发展方向：① 煤岩识别研究应着重提高算法的实时性和抗干扰能力，确保在特定条件下并兼有复杂环境干扰下也能准确识别煤岩，满足井下实际开采需求。② 加强矿用传感器的研究，以提高其抗干扰性能，同时采用先进的视觉相机和智能设备，与传感器相结合，提高煤岩识别的精度和效率。③ 多种煤岩识别技术交叉融合使用：对于不同硬度的煤岩，可采用过程信号监测识别和多传感器融合技术；对于硬度接近的情况，可结合图像识别和电磁波识别技术，实现煤岩壁界面和煤层厚度的准确识别。

针对现有光纤压力传感器压力监测范围小、灵敏度低、成本高的问题，设计了一种改进型光纤压力传感器。在悬臂梁粘贴一支应变光纤光栅，悬空一支温度光纤光栅（使其不受应力）。悬臂梁下方的限位罩将弹簧、波纹管压罩、波纹管罩于其内部，限位罩内侧上平面与弹簧上平面接触，弹簧下平面与波纹管压罩接触。当外界压力通过波纹管底部的管道到达波纹管时，高压使其产生轴向的形变，进而压缩弹簧，最终弹簧发生形变，将力传至悬臂梁，改变应变光纤光栅的受力情况。在单层波纹管增加了劲度系数更大的弹簧，以限制外界产生压力时单层波纹管发生形变，使波纹管与弹簧共同传递压力到悬臂梁。实验结果表明：改进后传感器的压力监测量程为0~5 MPa，相比改进前提升5倍，传感器的灵敏度为0.379 98 nm/MPa，测量误差在0.02 MPa之内。将改进后的压力传感器应用于某井下输水管道进行验证，结果表明：与高精度电子压力计测量结果相比，该传感器的压力解调误差在0.02 MPa之内。

针对现有基于深度学习的电铲检测方法未能很好地平衡检测速度与检测精度的问题，提出了一种改进YOLOv7模型，并将其用于矿用电铲检测。该模型以YOLOv7模型为基础，在主干网络中采用轻量化GhostNet网络进行特征提取，在颈部网络中采用轻量级GSConv替换部分普通卷积，以减少模型参数量和计算量，提高模型检测速度；考虑到轻量化改进后模型参数量减少对特征信息提取能力的影响，在不增加计算量的前提下，对颈部网络进行进一步改进，在扩展高效层聚合网络（ELAN）中嵌入坐标注意力机制（CA），同时利用双向特征金字塔网络（BiFPN）改进路径聚合网络（PANet），以提高网络对特征信息的提取能力，进而有效提高模型检测精度。实验结果表明，与YOLOv7模型相比，改进YOLOv7模型的参数量减少了75.4%，每秒浮点运算次数减少了82.9%，检测速度提高了24.3%；相较于其他目标检测模型，改进YOLOv7模型在检测速度和检测精度方面取得了良好的平衡，满足在露天煤矿场景下对电铲进行实时、准确检测的需求，为嵌入到移动设备中提供了有利条件。

目前对基于神经网络的瓦斯涌出量预测模型的研究主要集中在瓦斯涌出问题上的表现，对模型训练中优化器性质的关注与改进较少。基于神经网络的瓦斯涌出量预测模型的训练常采用Adam算法，但Adam算法的不收敛性易造成预测模型的最佳超参数丢失，导致预测效果不佳。针对上述问题，对Adam优化器进行改进，在Adam算法中引入一种随迭代更新的矩估计参数，在保证收敛速率的同时获得更强的收敛性。以山西焦煤西山煤电集团马兰矿某回采工作面为例，在相同的循环神经网络（RNN）预测模型下测试了改进的Adam优化器在瓦斯涌出量预测中的训练效率、模型收敛性与预测准确度。测试结果表明：① 当隐藏层数为2和3时，改进的Adam算法较Adam算法的运行时间分别缩短了18.83，13.72 s。当隐藏层数为2时，Adam算法达到最大迭代数但仍没有收敛，而改进的Adam算法达到了收敛。② 在不同隐藏层节点数量下，Adam算法都没有在最大迭代步长内收敛，而改进的Adam算法均达到了收敛，且CPU运行时间较Adam算法分别缩短16.17，188.83，22.15 s。改进的Adam算法预测趋势的正确性更高。③ 使用tanh函数时，改进的Adam算法的运行时间较Adam算法分别缩短了22.15，41.03 s，使用ReLU函数时，改进的Adam算法与Adam算法运行时间相差不大。④ 使用改进后的Adam算法做遍历网格搜索，得到最佳的模型超参数为{3，20，tanh}，均方误差、归一化的均方误差、运行时间分别为0.078 5，0.000 101和32.59 s。改进的Adam算法给出的最优模型对于待预测范围内出现的几个低谷及峰值趋势判断均正确，在训练集上的拟合程度适当，未见明显的过拟合现象。

回采工作面是矿井瓦斯涌出的主要场所，精准预测回采工作面的瓦斯涌出量，进而有针对性地提出防治措施，对保证矿井安全生产具有重要意义。提出了基于随机森林回归算法的回采工作面瓦斯涌出量预测方法。以工作面实测瓦斯涌出量数据为原始样本，利用Bootstrap抽样方法进行随机抽样，以袋外数据（OOB）评估分数oob_score作为随机森林回归模型调参、特征变量重要性的评判指标，计算得出模型的最佳参数、特征变量重要性占比。对各特征变量的重要性占比进行排序，并按排序进行随机森林回归模型性能分析，结果表明：随着特征变量数的增加，模型性能不会呈现规律性的变化；当特征变量数较少时，可能存在过拟合的情况。测试结果表明，所创建的随机森林回归模型预测值与实测值的平均绝对误差、平均相对误差随着特征变量数的增加呈下降趋势，特征变量数的增加可在一定程度上提高模型的预测效果。针对同一组数据，与主成分回归分析法相比，随机森林回归模型平均相对误差降低了14.29%，预测效果更好，且原理更简单、调参更容易、计算速度更快，能够为矿井回采工作面瓦斯涌出量预测提供有力的理论支撑。

现有局部路径规划算法仅实现了移动机器人在场景内自由移动，但局部路径生成并未考虑场景内道路限制，对于一些规则化的结构道路并不适用。OpenPlanner算法很好地解决了该问题，但传统OpenPlanner算法规划的局部路径不满足移动机器人最大转向曲率约束而无法被移动机器人有效跟踪。针对上述问题，从状态采样和评价函数2个方面对传统OpenPlanner算法进行改进，并将改进OpenPlanner算法用于移动机器人局部路径规划。在状态采样阶段，通过设计双层局部路径簇来扩大最优局部路径解空间，其中首层局部路径簇入段纵向采样距离与行驶速度呈分段线性关系，次层局部路径簇入段纵向采样距离为首层局部路径簇的1.5倍；在路径筛选阶段，将路径曲率代价（由局部路径上各采样点曲率求和得到）引入评价函数，确保局部路径簇满足移动机器人的最大转向曲率约束，从而使局部路径被移动机器人所跟踪。实验结果表明：与传统OpenPlanner算法相比，改进OpenPlanner算法筛选的最优局部路径转向更加平缓，在无障碍物、有障碍物场景下平均曲率分别减小了31.3%，6.2%，且局部路径能够被移动机器人较好地跟踪。

目前针对采煤机与刮板输送机协同控制的研究初步建立了采运系统协同控制机制，但均未考虑非结构化综采工作面环境下，影响采运系统稳定运行因素的不确定性和耦合特性，以及煤流状态和刮板输送机负载电流受井下电气系统影响而无法真实反映刮板输送机负载变化的情况。针对上述问题，提出了一种基于刮板输送机负载电流强化和随机自注意力胶囊神经网络（RSACNN）的综采工作面采运协同控制方法。针对刮板输送机电动机电流的电气耦合特性，运用电流强化模型对原始刮板输送机电流进行预处理，得到能够反映煤流系统真实负载的电流分量。针对综采工作面采运系统运行状态参数与采煤机牵引速度存在着高度非线性和不确定性关系，难以建立精确数学模型的问题，基于胶囊神经网络（CNN）可保存综采工作面采运系统运行状态突变等细粒度特征的特性，建立了基于RSACNN的综采工作面采运协同控制模型。实验结果表明：RSACNN算法与自注意力胶囊神经网络（SACNN）算法、CNN算法的调速结果相比，预测的采煤机牵引速度精度更高，预测速度与真实速度的拟合度分别提高了0.032 05和0.075 04；平均绝对误差分别降低了17.7%，22.6%；平均绝对百分误差分别降低了49.9%，71.5%；均方根误差分别降低了13.3%，34.6%。

在煤炭开采过程中混入的异物可能会导致输送带连接处堵塞甚至输送带撕裂等事故，现有的机器学习算法大多采用监督学习的方式自动识别物品类别，而在真实工矿场景下，异常样本稀缺，易导致建模数据集存在严重的样本分布不平衡且显著特征丢失的问题。针对上述问题，提出了一种基于双注意力生成对抗网络(DA−GANomaly)的煤流异物智能检测方法。该方法采用半监督学习的方式，仅需要正常样本完成异物检测模型训练，有效解决了因样本分布不平衡造成的识别精度低、鲁棒性差的问题；在Skip−GANomaly的基础上引入双注意力机制，增强了编码器与解码器之间的信息交流，以抑制无关特征和噪声，同时突出有利于区分异常样本的感兴趣特征，进一步提高模型分类的准确性。实验结果表明：DA−GANomaly模型的分类精确率为79.5%，召回率为83.2%，精确率−召回率曲线下面积（AUPRC）为85.1%；与AnoGAN等5种经典异常检测模型相比，DA−GANomaly模型的综合性能最佳。

井工煤矿无轨胶轮车数量多，运输易受搬家倒面、突发事件等影响，传统的人工调度方法效率低，且易造成车辆闲置、空载、里程浪费等问题，而现有的辅助运输车辆调度方法大多面向固定任务使用离散事件优化的方案，将全局模型拆解为局部模型，缺乏对井工煤矿整体情况的分析。针对上述问题，提出了一种基于百度工业求解器的井工煤矿无轨胶轮车全局调度模型，介绍了该模型中信息收集模块、数据建模模块和工业求解器模块设计方案，以及无轨胶轮车全局调度流程。该模型采用基于“分批求解、迭代优化”的无轨胶轮车全局调度算法，由百度工业求解器基于动作调整启发式算法对车辆调度问题进行优化求解，解决了传统调度模型求解时间长、易陷入局部最优解等问题。实验结果表明，基于百度工业求解器的井工煤矿无轨胶轮车全局调度模型较人工调度方法大幅降低了使用车次，提高了车辆运转效率，调度优化的求解时间低于基于Gurobi求解器的局部调度模型，更适用于井下辅助运输场景下大规模复杂调度任务。

通信系统是综采工作面液压支架电液控制系统信息传递的通道与桥梁，目前多采用CAN总线作为通信总线，易受井下复杂电磁环境的干扰，导致支架控制器内部通信硬件出现故障，造成控制器“失联”现象，且CAN总线通信系统采用多主通信模式，单台控制器“失联”将导致整个电液控制系统无法正常工作，造成安全隐患。设计了CAN通信保护电路，可使通信系统在较大负载情况下稳定运行，在复杂环境中具有较强的抗干扰性。基于CAN总线通信协议，结合令牌环网思想，提出了CAN总线通信故障检测与诊断方法，通过合理设计数据的帧结构与故障检测方式，弥补了CAN总线通信模式下节点丢失时难以定位的缺陷，并将增加数据长度对传输负载的影响降到最低，确保良好的通信性能。以2台端头控制器配合6台液压支架控制器组成环网，通过上位机不定时下发命令模拟井下实际操作时总线真实的负载情况，对液压支架电液控制系统总线通信故障检测与诊断方法进行实验验证，结果表明：该方法对系统负载率的影响较低，不会影响系统的正常运行；当出现故障节点时，可在300 ms内检测出故障控制器并向全工作面报警，故障排除率达100%。

针对传统冲击地压危险评价方法计算量大、危险区域划分精度低等问题，为适应冲击地压防治智能化、可视化的发展需求，提出了一种基于图像识别技术的冲击地压危险区域智能化评价方法。采用半定量化估算方法，对11项冲击地压危险的动静载主控因素进行量化表征；基于OpenCV机器视觉库和深度学习模型，实现对单一主控因素的图像识别；通过构建图像灰阶与应力集中系数的映射矩阵，实现对单一影响因素的线性与非线性叠加，得到评价区域的应力集中系数矩阵；采用min−max标准化法构建冲击地压危险区域的“无、弱、中等、强”4级判别标准，实现分级分区评价。基于Python语言开发了冲击地压危险智能化评价软件，并对软件实际应用效果进行了检验，结果表明：软件将传统仅针对巷道的一维线性危险区域划分方法改进为针对整个采掘空间的二维平面划分方法，显著提高了评价效率和危险区域划分精度，降低了人工成本；评价结果与微震能量密度云图、现场实测矿压规律一致性较高，可为现场冲击地压防治工作提供有效指导。

目前矿物组成等影响煤泥水絮凝沉降效果的重要参数缺乏有效的在线检测手段，而浓缩池溢流浊度和界面又存在滞后性问题，限制了选煤厂煤泥水智能加药的发展。针对该问题，提出了基于图像灰度识别的煤泥水絮凝沉降速率快速检测方法。利用CCD相机在线采集煤泥水沉降过程图像，并通过均值滤波法进行降噪，计算图像的平均灰度和平均灰度变化率，利用沉降速率与平均灰度变化率的关系得到沉降速率。通过絮凝沉降实验提取图像的灰度、能量、对比度、方差和相关度等特征值，进行分析验证。分析结果表明：① 5种图像特征中，平均灰度的变化符合煤泥水批次沉降过程中沉降速率的变化规律，即存在缓冲区、线性区和稳定区，且变化特征可以在30 s内获得。② 平均灰度变化率与沉降速率存在较好的线性相关性，煤泥水质量浓度为20 g/L时，不同絮凝剂添加量下图像平均灰度变化率与沉降速率的线性相关系数达0.977 2；煤泥水质量浓度5～25 g/L、絮凝剂添加量为0.1～0.2 kg/t条件下，图像平均灰度变化率与沉降速率的线性相关系数为0.944 1。③ 平均灰度变化率可以在较大范围内适应煤泥水絮凝沉降状态的变化，可用于快速检测煤泥水絮凝沉降速率并作为煤泥水加药智能调节的依据。

当前煤矿安全监测和管理系统的安全评价粒度基本都是矿井级或子系统级，无法针对矿井的不同区域进行精细化管理。针对该问题，基于矿井各区域作业场景特点，面向安全风险评价提出了一种统一的区域划分方法，将风险、隐患、灾害与区域工况、设备维护管理及人员定位等信息结合，对各安全系统数据进行统一区域划分和整理；从人、机、环、管4个维度对安全指标体系开展综合评价，通过主观赋权和客观赋权相结合的方法计算区域安全评估中的各指标权重，主观赋权通过层次分析法实现，客观赋权法采用熵权法实现；构建区域安全评估模型，对煤矿当前安全情况进行定量化评估和等级划分，采用归一化融合权重计算基础安全评分，并考虑高风险组合、历史趋势变化及区域间耦合影响对评分进行修正，得到矿井各级区域的综合安全评分。该模型已成功应用于陕西小保当矿业有限公司的智能化综合管控平台，为准确评估煤矿井下安全风险、提高煤矿安全管理水平提供了有效参考。

采空区覆岩断裂带有效抽采层位是布置高位抽采钻孔治理邻近层和采空区瓦斯的基础。基于关键层理论，建立了断裂带有效抽采层位数学模型，确定了有效抽采层位上下边界：有效抽采层位的下边界为采空区垮落带之上的第1层关键层，上边界为采空区上覆岩层高度为10倍采高以下的第1层关键层，有效抽采层位包含下边界岩层，不包含上边界岩层。根据断裂带有效抽采层位数学模型计算得出段王煤矿8+9号煤层断裂带有效抽采层位为煤层顶板上方12.6 m处的中砂岩到39.3 m处的4号煤；根据采空区覆岩断裂带钻孔窥视结果，得出工作面断裂角约为62°，破断断裂带高度范围为煤层顶板上方11.5～40.5 m区域。在段王煤矿进行高位钻孔抽采试验，得出实际的断裂带有效抽采层位为煤层顶板上方13.9 m处的中砂岩到37.4 m处的砂质泥岩。钻孔窥视分析和高位钻孔抽采试验结果均验证了断裂带有效抽采层位数学模型的准确性，研究成果可为高瓦斯和煤与瓦斯突出矿井的高位抽采工程设计提供理论依据。

煤矿井下存在瓦斯等易燃易爆气体，5G无线通信系统基站天线辐射出的电磁波被井下金属结构吸收，在金属结构断点处产生放电火花，当电火花能量达到瓦斯气体的最小点火能时可能发生爆炸，限制了5G技术在煤矿井下的应用。为了评估5G无线通信基站射频功率的安全性，通过分析金属结构耦合电磁波的方式，得到射频功率、最大辐射场强与距离的关系；以最小点火能为安全判定标准，得出天线负载的接收功率小于2.625 W时，可确保不会引起瓦斯爆炸；分析得出煤矿井下应优先选择700 MHz作为5G工作频段；通过分析方向性系数，得出应选择臂长与波长比为0.65的对称振子天线金属结构进行研究，对称振子天线金属结构安全电场强度为202.9 V/m，最小安全距离为0.2 m。仿真结果表明：在距离发射天线小于0.2 m的区域电场分布极不均匀，在距离发射天线大于0.2 m的区域电场分布较均匀；在距离发射天线大于0.2 m的区域导致瓦斯爆炸的最小射频功率为27.45 W。

采用三维激光扫描技术提取的煤矿巷道表面点云数据量大且存在较多的冗余数据，而现有点云数据精简方法存在大数量级点云处理过程中细节保留不足的问题。针对上述问题，提出了一种基于二次特征提取的煤矿巷道表面点云数据精简方法。首先对采集到的原始巷道点云数据进行去噪预处理；其次建立K−d树，并利用主成分分析法对去噪后点云数据估算来拟合邻域平面的法向量；然后通过较小的法向量夹角阈值对点云进行初步的特征区域与非特征区域划分，保留特征区域并随机下采样非特征区域，接着依据较大的法向量夹角阈值将特征区域点云划分为特征点和非特征点，并对非特征点进行体素随机采样；最后将2次点云精简结果与特征点合并得到最终的精简数据。仿真结果表明，该方法在百万数据量级点云和高精简率条件下，相较曲率精简方法、随机精简方法和栅格精简方法，在特征保留和重构精度方面都取得了更好的效果，三维重构后计算所得标准偏差平均可低于相同精简率下其他方法30%左右。

输送带接头区域钢丝绳的抽出力是衡量接头承载能力的重要指标。目前针对钢丝绳芯输送带接头的研究主要集中在接头的结构参数、硫化工艺及胶料的粘合性能，并没有指出搭接长度对接头承载能力的影响。为研究搭接长度对钢丝绳芯输送带接头承载能力的影响，以st1250型钢丝绳芯输送带为研究对象，取输送带接头处单根钢丝绳部分建立接头模型，采用双线型内聚力模型模拟钢丝绳与橡胶的胶接状态，并通过切向拉剪试验与法向拉伸试验获得模型参数。将双线型内聚力模型与钢丝绳−橡胶接触界面相结合，对接头单根钢丝绳从橡胶中脱粘抽出的损伤演化过程进行仿真分析，发现接头损伤演化过程分为线性加载、损伤萌生、损伤扩展与完全失效4个阶段，且接头损伤失效曲线与双线型内聚力模型牵引力−位移曲线具有较好的一致性，验证了双线型内聚力模型可较好地模拟钢丝绳芯输送带接头损伤失效过程。对不同搭接长度的接头模型进行了仿真，得出搭接长度为350～750 mm时，随着搭接长度增大，接头刚度总体呈非线性增大，接头橡胶所受最大剪应力呈递减趋势，从而确定了接头搭接长度范围应控制在350～750 mm。对不同钢丝绳直径下搭接长度对接头承载能力的影响进行了仿真，结果表明：钢丝绳抽出力随搭接长度增大总体呈非线性递增；钢丝绳直径越大，接头钢丝绳抽出力随搭接长度增大的涨幅越大。拟合得到了不同钢丝绳直径下接头搭接长度与单根钢丝绳抽出力之间的函数关系，为不同承载能力要求下接头搭接长度的合理化选择提供了理论依据。

矿井火灾中高温烟气的流动扩散是造成安全事故的重要原因，针对矿井典型巷道中火灾危险区域与时间关系不明确的问题，提出了一种深井“T”型巷道火灾的安全区域划分方法。采用 Pyrosim软件建立三维数值模型，模拟了在高温高湿情况下“T”型巷道火灾发展阶段巷道内的高温烟气流动，揭示了火灾发展阶段“T”型巷道下温度场和有害气体浓度场随时间和空间位置的变化规律；根据人体口鼻高度（即巷道1.6 m高度位置）的模拟数据，得出巷道的水平长度与温度、CO浓度、CO₂ 浓度的关系：风流通过巷道混合高温烟雾沿巷道顶部向下风侧蔓延，随着与火源距离增加，温度逐渐降低，CO、CO₂浓度等值线纵向分布逐渐密集。在此基础上，根据烟气温度和CO、CO₂ 气体对人体的危害程度进行安全区域划分，将烟气扩散区域划分为安全区域（危险等级1）、轻度危险区域（危险等级2）、中度危险区域（危险等级3）、重度危险区域（危险等级4）4类，分析结果表明：温度划分结果中巷道Ⅰ中测点主要集中在重度危险区域，毒性气体划分结果中巷道ⅠCO₂的安全区域范围较CO大，CO的危险因素更大，主要集中在轻度、中度危险区域，在巷道Ⅱ中测点主要集中在轻度危险区域；在巷道Ⅰ中危险等级1的范围随时间的推移逐渐变小，危险等级4的范围随时间的推移逐渐变大，且均在40 s时变化率最大，危险等级2、3变化率很小；在巷道Ⅱ中2种划分方法的区域范围变化相似，危险等级2、3均在60 s时变化率最大。

巷道超前支护区域划分和支护方式是影响回采巷道围岩稳定性的关键因素。现有研究大多在静载条件下对超前支护区域进行划分，对于动载冲击作用下的超前支护区域划分及巷道围岩与液压支架之间的关系需进一步探讨。以赵楼煤矿5304工作面巷道为研究对象，分析了液压支架受动载冲击时工作阻力的变化特征及围岩与液压支架的关系，提出了动态系数概念。在动载扰动作用下，超前支承压力峰值点向煤体内部转移，将会产生新的塑性区，因此将超前支承压力影响区划分为破裂区、塑性区、弹性区、原岩应力区、新增塑性区。根据煤岩状态及动态分界点，以动态应力为界限将超前支护区域划分为加强支护段、辅助支护段和原始支护段：加强支护段由破裂区、塑性区和部分弹性区构成，需要较高强度超前支护设备加强顶板支护；辅助支护段主要以弹性区为主，需要单体液压支柱或单元式液压支架辅助支护；原始支护段整体处于原岩应力区，不需要加强支护。运用数值模拟研究了动载作用下超前支承压力变化规律，建立了动载作用下巷道超前支承压力计算模型，推导出各支护段动态应力表达式。现场实测结果表明，根据巷道超前支护区域划分结果设计的支护方案支护效果良好，可满足超前支护区域支护质量要求。

煤机设备滚动轴承早期故障特征微弱，且易受载荷、工况等因素的影响而被噪声淹没，导致轴承故障诊断困难。现有研究大多采用单一算法处理轴承故障信号，故障特征提取精度和故障诊断准确性有待进一步提高。提出了一种融合局部特征尺度分解（LCD）和奇异值分解（SVD）的煤机设备轴承故障诊断方法：采用LCD方法将煤机设备轴承振动信号分解为若干个内凛尺度分量（ISC），实现信号初步降噪；计算各ISC的香农熵，选择香农熵最小的ISC进行SVD，并构建SVD信号的奇异值差分谱，针对最大突变分量进行信号重构，实现信号增强去噪；对重构信号进行Hilbert包络解调，得到轴承故障特征频率，进而判断轴承故障。采用现场实测数据对基于LCD−SVD的煤机设备轴承故障诊断方法进行验证，结果表明，该方法可准确提取出轴承故障特征频率，从而实现煤机设备轴承早期故障诊断。