基于深度学习的刮煤机链条断链风险预测方法及系统

本发明公开了基于深度学习的刮煤机链条断链风险预测方法及系统，涉及刮煤机风险预测技术领域，该方法的步骤包括：利用环境监测设备收集煤矿井下环境数据，并通过刮煤机附属设备传感器采集刮煤机关联设备运行数据以及链条运行参数数据和链条状态参数数据；对采集到的图像数据提取煤尘分布特征和链条状态特征，并评估返煤磨蚀程度；建立环境干扰修正模型，得到修正后的链条运行参数数据；构建断链风险预测模型，将链条融合特征作为输入，学习数据特征与断链风险之间的关系；将实时数据输入所述断链风险预测模型，发出预警信号。本发明解决了传感器无法准确获取链条运行参数，使得断链风险预测出现较大误差，难以保障刮煤机安全稳定运行的问题。