基于改进循环神经网络的煤矿电能故障检测研究

为缩短煤矿井下电能故障检测时间、降低漏报率，设计并实现了一种基于改进循环神经网络的煤矿电能故障检测方法。综合使用门控循环单元(GRU)和多层感知器等技术搭建神经网络，学习和提取具有时间先后顺序的采样数据中潜在的相互依赖关系。通过在实验室中进行测试以及在实际生产环境中进行部署后发现，该方法行之有效，极大地缩短了煤矿井下电能故障的检测时间，降低了漏报率。