基于分形盒维数和小波包能量矩的垮落煤岩性状识别

发布时间：2018-04-13 01:04

  本文选题：综放开采 + 煤岩性状识别　； 参考：《煤炭学报》2017年03期

【摘要】：针对综放工作面垮落煤岩性状识别的技术问题,采集了综放开采现场垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于分形盒维数和小波包能量矩的识别方法。该方法结合分形盒维数对非线性信号整体定量描述的特点和小波包能量矩对非线性信号在各频带精细描述的特点,先对振动信号进行分形特征分析,求出其盒维数,然后对振动信号进行小波包变换,并计算各频带的能量矩。以分形盒维数和小波包能量矩构造特征向量,并作为BP神经网络的输入来识别顶煤垮落和顶板岩石垮落两种工况。试验结果表明:分形盒维数和小波包能量矩构造的特征向量可用于识别垮落煤岩,识别率达到95%。
[Abstract]:In view of the technical problems of coal caving character identification in fully mechanized caving face, the vibration signals of the tail-beam of coal caving rock crashing hydraulic support are collected, and a recognition method based on fractal box dimension and wavelet packet energy moment is proposed.Based on the characteristics of fractal box dimension and wavelet packet energy moment describing nonlinear signal in every frequency band, the fractal characteristic of vibration signal is analyzed, and the box dimension is obtained.Then the vibration signal is transformed by wavelet packet, and the energy moments of each frequency band are calculated.The characteristic vector is constructed by fractal box dimension and wavelet packet energy moment and used as the input of BP neural network to identify the top coal caving and roof rock collapse.The experimental results show that the characteristic vectors constructed by fractal box dimension and wavelet packet energy moment can be used to identify caving coal rocks with a recognition rate of 95%.
【作者单位】： 中国矿业大学(北京)机电与信息工程学院;
【基金】：国家重点基础研究发展计划(973)资助项目(2014CB046306)
【分类号】：TD313

【相似文献】

相关期刊论文 前10条

1 周振;;基于独立量分析和小波包能量谱的滚动轴承故障诊断[J];煤矿机械;2013年10期

2 任韦波;许金余;朱宗金;刘远飞;苗华东;;陶瓷纤维混凝土高温损伤的小波包能量谱分析[J];混凝土;2013年06期

3 孙洁娣;靳世久;;基于小波包能量及高阶谱的特征提取方法[J];天津大学学报;2010年06期

4 田元新;陈超;邹小勇;蔡沛祥;;基于小波包能量的血红蛋白序列特征提取[J];计算机与应用化学;2007年01期

5 莫慧芳;谷爱昱;饶明辉;陈瑞;;基于小波包能量相对熵的电机振声信号故障检测[J];煤矿机械;2014年03期

6 靳新民,王德胜;小波包能量法在爆破地震安全中的应用[J];有色金属;2004年02期

7 刘书俊;李著信;苏毅;龚利红;;基于小波包能量谱的管道缺陷磁记忆检测信号特征研究[J];后勤工程学院学报;2012年04期

8 唐贵基;范德功;胡爱军;王誉容;;基于相对小波包能量特征向量的故障诊断[J];煤矿机械;2006年04期

9 章羽;赵崇谊;陈结祥;;基于光纤光栅传感技术的复合材料损伤检测[J];量子电子学报;2013年05期

10 周承新;段文峰;;基于加工表面小波包能量分布比例的刀具磨损状态研究[J];工具技术;2008年04期

相关会议论文 前3条

1 宗周红;曹竞;王炜峰;;结合小波包能量和支持向量机的结构损伤识别[A];第十九届全国桥梁学术会议论文集（下册）[C];2010年

2 刘亮;刘海卿;;基于小波包能量差理论的在役输电塔结构损伤检测研究[A];第六届全国土木工程研究生学术论坛论文集[C];2008年

3 崔世蒙;孙伟;;基于小波包的舵面转轴损伤预警及诊断研究[A];2011航空维修理论研究及技术发展学术交流会论文集[C];2011年

相关硕士学位论文 前10条

1 李默;基于小波包能量谱的金属板中微损伤识别方法研究[D];江苏大学;2016年

2 朱丕亮;基于小波包能量谱的滚动轴承故障诊断[D];中国科学技术大学;2014年

3 陈长万;基于小波包能量和神经网络的结构损伤识别法研究[D];重庆交通大学;2009年

4 邵长海;基于小波包能量—神经网络的四角锥网架损伤检测方法研究[D];河北科技大学;2012年

5 孙雅丹;基于小波包能量的桥梁结构损伤识别指标研究[D];天津大学;2014年

6 万拥军;基于小波包能量变化率的结构损伤识别方法研究[D];郑州大学;2009年

7 朱丹;基于小波包能量谱—主元分析方法的滚动轴承故障检测[D];昆明理工大学;2014年

8 范广露;基于回声状态网络的设备健康状态监测与预测方法[D];长安大学;2012年

9 杨帅;机电产品寿命预测方法研究[D];电子科技大学;2013年

10 付元华;旋转机械故障诊断及预测方法研究[D];西南石油大学;2014年

，

本文编号：1742220