论文部分内容阅读
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间的耦合关系,并研究不同煤岩截割模式与不同牵引速度下所获取声音信号的时频分布特征,确定了可以表征不同煤岩截割模式的关键频率区间。(3)设计了基于双稳态随机共振模型的强背景噪声下弱信号自适应增强算法,实现了采煤机煤岩截割声音信号的增强;分析了煤岩截割声音信号的主要噪声来源和噪声类型,设计了基于改进果蝇优化算法的阈值去噪算法,提高了采煤机煤岩截割声音信号信噪比;研究了基于改进EEMD的采煤机煤岩截割声音信号特征提取算法,克服了传统EEMD算法中端点效应与虚假IMF分量的问题,实现了煤岩截割声音信号的特征向量提取。(4)提出了煤岩截割模式划分方法,设计了无监督条件下采煤机煤岩截割模式识别算法,利用模糊C均值算法与改进的蝙蝠搜索算法进行煤岩截割模式数量与中心的自适应学习,实现了煤岩截割模式的准确识别。本文设计并研发了采煤机煤岩截割模式识别系统,在地面和煤矿井下分别开展了实验,实验结果表明:该系统可以对不同煤岩截割模式下的声音信号进行有效处理,能够实现采煤机煤岩截割模式的准确识别,为采煤机智能调控奠定了基础。