基于深度学习的矿用空压机安全运行管理方法及系统

本发明涉及安全管理技术领域，具体为基于深度学习的矿用空压机安全运行管理方法及系统，包括以下步骤，采集输出压力与输入电流，计算斜率变化率与方向切换频次，按时段聚类波动幅度与频率，生成工况波动标签，识别状态突变点与持续时长，计算风险等级标签，分析负荷波动系数，判断周期疲劳预警，结合同步率识别异常段，判断需切换状态并生成指令集。本发明中，通过在状态持续时长与突变点识别基础上构建负载风险等级序列，实现多周期负荷偏差的量化识别，结合风险等级与疲劳偏差比实现预警周期标记，依据压力与回气流量变化方向判断非正常负载趋势，强化了对异常运行段的捕捉能力，提升了运行安全风险识别的准确性与响应策略的适配性。