采煤机煤岩截割模式识别关键技术研究
发布时间：2021-07-08 11:00
综采工作面的“无人化”或“少人化”对于实现煤矿安全高效生产具有重要意义,采煤机作为现代化综采工作面的关键机电装备之一,其智能化水平直接影响着整个综采工作面的安全生产和开采效率,而煤岩截割模式识别是实现采煤机智能化的必要条件。目前综采工作面采煤机无法根据煤岩截割模式的变化,自适应调节其截割高度与牵引速度,实际采煤过程中,频繁的人工干预仍然必不可少。因此,有必要对采煤机煤岩截割模式识别的关键技术进行研究,进而提高采煤机智能控制水平。本文以采煤机煤岩截割声音信号作为信号源,以煤岩截割模式快速、准确识别为目标,对强背景噪声下煤岩截割声音信号的时频特征分析、自适应增强与去噪、无监督条件下煤岩截割模式识别以及智能调控等方法和技术进行了深入研究,主要工作如下:（1）在分析采煤机基本结构与工作过程的基础上,结合煤岩截割模式识别系统的功能需求,建立了采煤机液压调高与变频调速系统数学模型,搭建了采煤机煤岩截割模式识别系统的总体架构,并分析了煤岩截割模式识别系统的主要组成与识别流程。（2）研究了采煤机煤岩截割声音信号的产生机理和煤岩破碎过程中不同阶段声音信号的时频特点,分析了采煤过程中产生的主要声源及声源之...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【部分图文】：
煤岩界面识别Figure1-1Coal-rockinterfacerecognition
图 1-2 煤岩截割模式识别Figure 1-2 Coal-rock cutting pattern recognition动检测法检测法的原理在于采煤机截割不同硬度的煤层、岩石以及夹矸、波形等特征存在明显不同。在采煤机工作过程中，根据采等关键部件的振动频率特性和幅值特性便可进行煤岩截割模集团Tiryaki利用AutoLISP和Quick BASIC编程语言分析了采介质过程中的振动和效率问题[33]。王水生对采煤机滚筒在截方向的振动信号进行了采集和分析，获取了采煤机在截割不同特性[34]。李志雄等人利用多模态分解和非线性特征提取的方法的故障特征[35,36]。中国矿业大学司垒等人利用概率神经网络对摇臂的振动信号进行识别，通过对采煤机 5 种截割模式下的振测试，实验表明 5 组截割模式测试样本识别正确率均超过 9虽然在系统硬件方面仅需要振动传感器、信号变送器和信号处传感器的安装位置和角度要求较高。且高频信号的实时在线
（3）基于改进果蝇算法的采煤机煤岩截割声音信号去噪分析采煤机煤岩截割声音信号中主要噪声来源和噪声类型，研究小波阈值去噪和经验模态分解阈值去噪基本原理，对果蝇优化算法进行改进，增强算法的全局与局部寻优能力，并利用改进的果蝇优化算法实现两种去噪算法的自适应寻优，分析适用于采煤机煤岩截割声音信号的去噪算法。（4）基于改进蝙蝠搜索算法与模糊 C 均值的采煤机煤岩截割模式识别利用改进的聚合经验模态分解算法对处理后的采煤机截割声音信号进行特征提取，将每个声音样本转换为一个特征向量，研究煤岩截割模式详细划分方法，设计基于改进蝙蝠搜索算法与模糊 C 均值的采煤机煤岩截割模式识别算法，并制定基于煤岩截割模式识别的采煤机智能调控策略。（5）实验研究研制不同硬度煤层、不同夹矸情况煤层以及岩石试样，搭建独立截割和连续截割实验台，对实验过程中声音信号进行处理，并验证采煤机煤岩截割模式识别系统的有效性与可靠性，以及基于煤岩截割模式识别系统的采煤机智能调控效果，最后在煤矿井下进行现场工业性试验，测试系统实际运用效果。
【参考文献】：
期刊论文
[1]基于遗传算法的采煤机螺旋滚筒多目标优化设计[J]. 赵丽娟,范佳艺. 中国机械工程. 2018(05)
[2]基于WPSV和BPNN的煤岩识别方法研究[J]. 程诚,刘送永. 煤炭工程. 2018(01)
[3]改进型果蝇算法优化的灰色神经网络变形预测[J]. 杨帆,王小兵,邵阳. 测绘科学. 2018(02)
[4]滚筒截割负载扰动对采煤机调高的影响[J]. 王慧,宋宇宁. 中国机械工程. 2018(02)
[5]智能化无人开采系列关键技术之一——综采智能化工作面调斜控制技术研究[J]. 张科学,李首滨,何满潮,宁宇,张良,黄曾华. 煤炭科学技术. 2018(01)
[6]煤炭智能化开采关键技术创新进展与展望[J]. 王国法,范京道,徐亚军,任怀伟. 工矿自动化. 2018(02)
[7]综采放顶煤工作面运输系统智能控制技术研究[J]. 于聚旺. 能源与环保. 2017(09)
[8]基于超声相控阵的煤岩界面识别研究[J]. 李力,欧阳春平. 中国矿业大学学报. 2017(03)
[9]基于Evans截割模型的镐型截齿峰值截割力的计算[J]. 王立平,蒋斌松,张翼,张强. 煤炭学报. 2016(09)
[10]基于广义相关系数自适应随机共振的液压泵振动信号预处理方法[J]. 经哲,郭利. 振动与冲击. 2016(16)
博士论文
[1]SINS/WSN组合定位下采煤机精确位姿感知理论及技术研究[D]. 杨海.中国矿业大学 2016
[2]列车轴承轨边声学故障信号的声源分离及其去噪研究[D]. 张海滨.中国科学技术大学 2016
[3]采煤机工作状态参数与煤岩硬度影响关系研究[D]. 杨健健.中国矿业大学（北京） 2013
[4]采煤机智能调高控制理论与技术[D]. 梁义维.太原理工大学 2005
硕士论文
[1]基于神经网络的摩托车声品质评价及其改进研究[D]. 张亮.重庆大学 2010
[2]采煤机记忆调高试验模型控制系统研究[D]. 王冬.西安科技大学 2009
[3]采煤机运行姿态及位置监测的研究[D]. 安美珍.煤炭科学研究总院 2009
[4]基于采煤机DSP主控平台的自动调高预测控制[D]. 张伟.上海交通大学 2007
[5]基于遗传神经网络的煤岩界面识别方法的研究[D]. 于凤英.太原理工大学 2007
[6]电牵引采煤机记忆截割控制策略的研究[D]. 张福建.煤炭科学研究总院 2007
[7]基于声音信号的机床类型、状态及其加工参数识别研究[D]. 杨根莲.南京航空航天大学 2006
本文编号：3271437
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【部分图文】：
煤岩界面识别Figure1-1Coal-rockinterfacerecognition
图 1-2 煤岩截割模式识别Figure 1-2 Coal-rock cutting pattern recognition动检测法检测法的原理在于采煤机截割不同硬度的煤层、岩石以及夹矸、波形等特征存在明显不同。在采煤机工作过程中，根据采等关键部件的振动频率特性和幅值特性便可进行煤岩截割模集团Tiryaki利用AutoLISP和Quick BASIC编程语言分析了采介质过程中的振动和效率问题[33]。王水生对采煤机滚筒在截方向的振动信号进行了采集和分析，获取了采煤机在截割不同特性[34]。李志雄等人利用多模态分解和非线性特征提取的方法的故障特征[35,36]。中国矿业大学司垒等人利用概率神经网络对摇臂的振动信号进行识别，通过对采煤机 5 种截割模式下的振测试，实验表明 5 组截割模式测试样本识别正确率均超过 9虽然在系统硬件方面仅需要振动传感器、信号变送器和信号处传感器的安装位置和角度要求较高。且高频信号的实时在线
（3）基于改进果蝇算法的采煤机煤岩截割声音信号去噪分析采煤机煤岩截割声音信号中主要噪声来源和噪声类型，研究小波阈值去噪和经验模态分解阈值去噪基本原理，对果蝇优化算法进行改进，增强算法的全局与局部寻优能力，并利用改进的果蝇优化算法实现两种去噪算法的自适应寻优，分析适用于采煤机煤岩截割声音信号的去噪算法。（4）基于改进蝙蝠搜索算法与模糊 C 均值的采煤机煤岩截割模式识别利用改进的聚合经验模态分解算法对处理后的采煤机截割声音信号进行特征提取，将每个声音样本转换为一个特征向量，研究煤岩截割模式详细划分方法，设计基于改进蝙蝠搜索算法与模糊 C 均值的采煤机煤岩截割模式识别算法，并制定基于煤岩截割模式识别的采煤机智能调控策略。（5）实验研究研制不同硬度煤层、不同夹矸情况煤层以及岩石试样，搭建独立截割和连续截割实验台，对实验过程中声音信号进行处理，并验证采煤机煤岩截割模式识别系统的有效性与可靠性，以及基于煤岩截割模式识别系统的采煤机智能调控效果，最后在煤矿井下进行现场工业性试验，测试系统实际运用效果。
【参考文献】：
期刊论文
[1]基于遗传算法的采煤机螺旋滚筒多目标优化设计[J]. 赵丽娟,范佳艺. 中国机械工程. 2018(05)
[2]基于WPSV和BPNN的煤岩识别方法研究[J]. 程诚,刘送永. 煤炭工程. 2018(01)
[3]改进型果蝇算法优化的灰色神经网络变形预测[J]. 杨帆,王小兵,邵阳. 测绘科学. 2018(02)
[4]滚筒截割负载扰动对采煤机调高的影响[J]. 王慧,宋宇宁. 中国机械工程. 2018(02)
[5]智能化无人开采系列关键技术之一——综采智能化工作面调斜控制技术研究[J]. 张科学,李首滨,何满潮,宁宇,张良,黄曾华. 煤炭科学技术. 2018(01)
[6]煤炭智能化开采关键技术创新进展与展望[J]. 王国法,范京道,徐亚军,任怀伟. 工矿自动化. 2018(02)
[7]综采放顶煤工作面运输系统智能控制技术研究[J]. 于聚旺. 能源与环保. 2017(09)
[8]基于超声相控阵的煤岩界面识别研究[J]. 李力,欧阳春平. 中国矿业大学学报. 2017(03)
[9]基于Evans截割模型的镐型截齿峰值截割力的计算[J]. 王立平,蒋斌松,张翼,张强. 煤炭学报. 2016(09)
[10]基于广义相关系数自适应随机共振的液压泵振动信号预处理方法[J]. 经哲,郭利. 振动与冲击. 2016(16)
博士论文
[1]SINS/WSN组合定位下采煤机精确位姿感知理论及技术研究[D]. 杨海.中国矿业大学 2016
[2]列车轴承轨边声学故障信号的声源分离及其去噪研究[D]. 张海滨.中国科学技术大学 2016
[3]采煤机工作状态参数与煤岩硬度影响关系研究[D]. 杨健健.中国矿业大学（北京） 2013
[4]采煤机智能调高控制理论与技术[D]. 梁义维.太原理工大学 2005
硕士论文
[1]基于神经网络的摩托车声品质评价及其改进研究[D]. 张亮.重庆大学 2010
[2]采煤机记忆调高试验模型控制系统研究[D]. 王冬.西安科技大学 2009
[3]采煤机运行姿态及位置监测的研究[D]. 安美珍.煤炭科学研究总院 2009
[4]基于采煤机DSP主控平台的自动调高预测控制[D]. 张伟.上海交通大学 2007
[5]基于遗传神经网络的煤岩界面识别方法的研究[D]. 于凤英.太原理工大学 2007
[6]电牵引采煤机记忆截割控制策略的研究[D]. 张福建.煤炭科学研究总院 2007
[7]基于声音信号的机床类型、状态及其加工参数识别研究[D]. 杨根莲.南京航空航天大学 2006
本文编号：3271437
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3271437.html
