基于多传感信息融合的采煤机煤岩截割状态识别技术研究

发布时间：2020-09-17 07:57

　　采煤机是综采工作面的核心装备之一,采煤机的智能控制是实现智能化综采工作面的必要条件,而准确识别出采煤机煤岩截割状态是实现采煤机智能控制的关键。因此,有必要对采煤机煤岩截割状态识别技术进行研究,进而提高采煤机的智能控制水平。本文以采煤机截割声音信号和摇臂振动信号为信号源,以获取采煤机煤岩截割状态为目标,设计信号的特征提取算法,研究基于改进RBF神经网络和D-S证据理论的多传感信息融合识别方法,实现采煤机煤岩截割状态的准确识别。论文的主要工作及研究成果如下:(1)分析了采煤机结构与工作原理,并结合截割煤岩的具体过程,选取了截割声音信号和摇臂振动信号作为煤岩截割状态识别依据,利用截割声音信号和摇臂两轴振动信号,搭建了基于多传感信息融合的采煤机煤岩截割状态识别系统架构,并设计了识别流程。(2)研究了针对截割声音信号和摇臂两轴振动信号的小波阈值去噪方法,提出了基于改进引力搜索算法优化的信号变分模态分解方法,并基于包络熵和峭度信息提取了分解信号的高维特征向量,通过主成分分析对高维特征向量降维,进而获取了信号中表征煤岩截割状态的关键特征信息。(3)设计了基于多传感信息融合的采煤机煤岩截割状态识别模型,提出了基于改进果蝇优化算法优化RBF神经网络的模式识别方法,实现了单一传感信号下的煤岩截割状态识别,利用基于证据关联系数的D-S证据理论对三个神经网络的识别结果进行了决策级融合,解决了冲突证据融合效果差的问题。为了验证本文的研究成果,基于课题组在江苏省矿山智能采掘装备协同创新中心搭建的采煤机煤岩截割实验平台开展了相关实验,结果表明:基于本文所提方法可以有效提取出截割声音信号和摇臂两轴振动信号中表征煤岩截割状态的关键特征信息,实现了基于多传感信息融合的采煤机煤岩截割状态识别,识别结果准确率为96.5%,验证了所提方法的正确性和有效性。本课题的研究对于提高采煤机智能化水平,推动综采工作面的“少人化”或“无人化”发展具有重要意义。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP273;TD421.6
【部分图文】：

剖视图,截割部,采煤机,剖视图

架和左、右框架三段组成，采用高强度液压螺栓连接。截组成，左、右截割部的上部通过销轴与左、右框架连接作调高油缸连接，调高油缸再由销轴分别连接在左、右框架牵引机构组成的左、右牵引部也相应的安装在左、右框架筒升降和牵引部制动提供动力。采煤机主要组成部分的结构及其功能进行介绍。截割部截割部主要由截割滚筒、截割电机、摇臂和摇臂齿轮减速成采煤机落煤和装煤的任务，如图 2-2 所示。在截割煤滚筒利用镐形截齿破碎煤体，由螺旋叶片将碎落的煤块向，完成装煤。由截割电机、摇臂和摇臂齿轮减速箱构成截割电机的动力传至截割滚筒，以满足截割滚筒的工作需要，使滚筒保持在合适的工作位置。截割部的传动系统中安将截割电机与截割滚筒断开，保证作业安全。为扩大调高惰轮以增加摇臂长度。

牵引机构,采煤机,泵站

硕士学位论文电机停机时进行安全制动。（三）液压系统采煤机液压系统主要由泵站油箱、泵站电机、液压泵、操纵及控制阀组和液路等部件组成，为调高油缸、液压制动器和喷雾冷却装置提供动力，实现摇降、牵引制动和关键部位的喷雾冷却，如图 2-4 所示。泵站及泵站电机均采向布置的形式，泵站电机与液压泵之间通过联轴器连接，从油箱吸取液压油，械能转变为液压能，为液压系统提供动力。

采煤机液压系统,泵站

【相似文献】