SSSDScientific and Social Sustainable Development3066-89643066-8980Art and Design10.61369/SSSD.2025040032Article露天煤矿电铲提升减速机润滑油在线监测与智能故障预警系统研究https://artdesignp.com/journal/SSSD/1/4/10.61369/SSSD.2025040032景晨,朱宴南,柳海生,杨志佳2025142025-04-28露天煤矿电铲提升减速机作为关键设备，其可靠性直接影响生产效率和安全性。本文针对传统润滑管理方法的不足，提出了一种基于在线监测与智能故障预警的润滑油管理系统。该系统通过监测提升减速机的金属磨粒、水分含量和粘度等参数，结合机器学习算法，实现对设备磨损状态和故障趋势的预测，为设备维护提供科学依据，提高设备可靠性和降低维护成本。露天煤矿,电铲提升减速机,润滑油在线监测,智能故障预警,机器学习

[1] 国家能源局.GB/T 35094-2018矿山机械润滑油在线监测技术规范[S]. 北京: 中国标准出版社，2018.[2]Yan X.,et al.Real-time wear debris monitoring in gearboxes using inductive sensors[J].Tribology International,2020,152:106532.[3Johnson K.L.,et al.Wireless sensor networks for industrial equipment monitoring[J].IEEE Sensors Journal,2022,22(6):5812-5820.[4] 朱洪波等. 露天采矿设备油液多参数实时监测系统设计[J]. 工矿自动化,2019,45(3):54-60.[5]Smith J.R.,et al.IoT-based lubrication health management for mining machinery[J].Engineering Failure Analysis,2021,126:105463.[6] 张勇, 刘洋. 基于机器学习的油液磨粒趋势预测模型[J]. 振动与冲击,2022,41(7):76-82.[7]Li H.,et al.Early fault warning of gearboxes by combining vibration and oil debris analysis[J].Mechanical Systems and Signal Processing,2019,130:248-263.[8] 王建华, 李志强. 基于油液分析的齿轮箱磨损状态监测技术[J]. 机械工程学报,2020,56(12):102-110.[9] 杨斌, 张涛. 露天矿大型设备智能故障预警系统研究[J]. 煤炭科学技术,2021,49(5):189-195.[10]Peng Z.,et al.Deep learning-based anomaly detection in oil condition monitoring[J].Reliability Engineering & System Safety,2023,230:108956.