權(quán)利要求書： 1.一種基于邊云協(xié)同的刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷方法，其特征在于，包括： 將標(biāo)定狀態(tài)類型和故障類型的刮板輸送機(jī)多源監(jiān)測(cè)數(shù)據(jù)，按預(yù)設(shè)數(shù)據(jù)點(diǎn)長度截取并轉(zhuǎn)化為二維圖像數(shù)據(jù)，將二維圖像數(shù)據(jù)按比例劃分訓(xùn)練集和測(cè)試集； 搭建分布式神經(jīng)網(wǎng)絡(luò)模型(DDNN)；其中，所述分布式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為邊緣側(cè)網(wǎng)絡(luò)模型和云側(cè)網(wǎng)絡(luò)模型，邊緣側(cè)網(wǎng)絡(luò)模型包括兩個(gè)卷積層，兩個(gè)批歸一化層，一個(gè)BoF層，一個(gè)全連接層，采用ReLU激活函數(shù)；云側(cè)網(wǎng)絡(luò)模型包括四個(gè)卷積層，四個(gè)批歸一化層，一個(gè)自適應(yīng)平均池化層，一個(gè)全連接層，采用ReLU激活函數(shù)； 將作為訓(xùn)練集的二維圖像數(shù)據(jù)輸入至所述分布式神經(jīng)網(wǎng)絡(luò)模型中，調(diào)節(jié)網(wǎng)絡(luò)參數(shù)與函數(shù)，至輸出的結(jié)果為準(zhǔn)確故障狀態(tài)和類型結(jié)果為止，訓(xùn)練完成后將作為測(cè)試集的二維圖像數(shù)據(jù)輸入分布式神經(jīng)網(wǎng)絡(luò)模型中，驗(yàn)證分布式神經(jīng)網(wǎng)絡(luò)模型的診斷準(zhǔn)確性； 實(shí)時(shí)獲取刮板輸送機(jī)的監(jiān)測(cè)數(shù)據(jù)，經(jīng)數(shù)據(jù)轉(zhuǎn)換后輸入訓(xùn)練好的分布式神經(jīng)網(wǎng)絡(luò)模型的邊緣側(cè)網(wǎng)絡(luò)模型中，若邊緣側(cè)網(wǎng)絡(luò)模型出口的置信度小于預(yù)設(shè)閾值，則將邊緣側(cè)網(wǎng)絡(luò)模型出口輸出的結(jié)果作為刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷結(jié)果； 若邊緣側(cè)網(wǎng)絡(luò)模型出口的置信度大于等于預(yù)設(shè)閾值時(shí)，將該監(jiān)測(cè)數(shù)據(jù)輸入到云側(cè)網(wǎng)絡(luò)模型中，將云側(cè)模型的輸出結(jié)果與邊緣側(cè)模型輸出結(jié)果進(jìn)行整合作為刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷結(jié)果。 2.根據(jù)權(quán)利要求1所述的基于邊云協(xié)同的刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷方法，其特征在于，所述刮板輸送機(jī)監(jiān)測(cè)數(shù)據(jù)包括刮板輸送機(jī)機(jī)頭和機(jī)尾電機(jī)輸出電流、刮板輸送機(jī)機(jī)頭和機(jī)尾電機(jī)轉(zhuǎn)速。 3.根據(jù)權(quán)利要求1所述的基于邊云協(xié)同的刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷方法，其特征在于，刮板輸送機(jī)的狀態(tài)和故障形式包括輕負(fù)荷啟動(dòng)、重負(fù)荷啟動(dòng)、未正常啟動(dòng)、機(jī)頭機(jī)尾電機(jī)啟動(dòng)不一致、機(jī)頭機(jī)尾電機(jī)停止不一致、刮板輸送機(jī)鏈條卡住及正常狀態(tài)。 4.根據(jù)權(quán)利要求1所述的基于邊云協(xié)同的刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷方法，其特征在于，在將刮板輸送機(jī)多源監(jiān)測(cè)數(shù)據(jù)按預(yù)設(shè)數(shù)據(jù)點(diǎn)長度截取并轉(zhuǎn)化為二維圖像數(shù)據(jù)的步驟中，轉(zhuǎn)化過程計(jì)算公式為： 其中，P表示二維圖像的像素強(qiáng)度，L表示數(shù)據(jù)的值， K表示二維圖像的單邊尺寸。 5.根據(jù)權(quán)利要求1所述的基于邊云協(xié)同的刮板輸送機(jī)狀態(tài)監(jiān)測(cè)及故障診斷方法，其特征在于，訓(xùn)練分布式神經(jīng)網(wǎng)絡(luò)的邊緣側(cè)網(wǎng)絡(luò)模型的步驟包括： 圖像特征提取，將作為訓(xùn)練集的二維圖像數(shù)據(jù)輸入邊