基于RBF神经网络的采煤机姿态预测控制

针对采煤机姿态自动控制难题,提出了基于RBF神经网络的采煤机姿态预测控制方法。该方法在传统记忆截割的基础上,结合采煤机工作参数,采用RBF神经网络对煤岩特性进行辨识,进一步修正煤岩预测界面,提高其预测精度和可靠性。同时,对滚筒调高系统采用基于RBF神经网络的预测控制方法,在Matlab/Simulink中仿真表明比传统控制方法实时性提高1.5 s。     

基于WPSV和BPNN的煤岩识别方法研究

为解决综采工作面无人开采和采煤机滚筒自动调高的实际工程问题,提出了基于小波包奇异值(WPSV)和BP神经网络(BPNN)的煤岩界面识别新方法。利用WPSV构建特征向量,再与BPNN结合进行煤岩界面自动识别。首先使用传感器采集采煤机滚筒截割煤岩的扭矩信号,对扭矩信号进行小波包变换(WPT),获取信号的小波包分解系数,得到小波包分解系数重构信号矩阵;然后并对该矩阵进行奇异值分解(SVD),获取主要WPSV,构建奇异值特征向量;最后将该特征向量输入BPNN中进行煤岩界面自动识别,并与传统方法进行了对比,结果表明:该方法具有更高的准确率,能有效地判断采煤机滚筒的工作状态。     

基于振动信号的采煤机煤岩截割状态识别

为了准确识别采煤机截割状态,提出了一种基于小波包分解和学习向量量化(LVQ)神经网络的模式识别方法。将振动信号进行小波包分解,实现振动信号的预处理,得到若干个子频带。在此基础上,计算各个频带的方差,并将其作为特征向量。然后将计算得到的频带方差作为特征向量,输入到LVQ神经网络进行采煤机煤岩截割状态识别。通过实验验证了该方法的有效性,实验结果表明：该方法能够实现采煤机典型煤岩截割状态的识别,平均识别准确率较高,对实现综采工作面的“无人化”具有重要意义。     

基于精确煤层三维模型的采煤机煤岩界面识别系统

为了实现无人工作面采煤机滚筒的自动调高,需要解决煤岩界面自动识别技术,但到目前为止该技术仍然是采煤工作面自动化建设中的难点。本文提出了一种基于精确煤层三维模型的采煤机煤岩界面识别技术,通过地质测量获得的煤层数据建立煤层三维模型,通过采煤机模型在煤层模型中的运动、界面碰撞检查,实时调整采煤机摇臂高度,进而实现自动化无人开采。     

基于图像的煤岩界面识别技术研究

由于矿井的环境复杂、煤岩赋存条件不同,使得煤岩界面识别成为国际上的一大难题。文章从煤炭开采对煤岩界面识别的需求出发,简述了基于图像的煤岩界面识别技术的研究现状,并对各类方法的适应条件进行分析。提出将基于图像的三维建模方法和关注煤与岩石不同介电特性的方法相结合,对煤岩界面进行纵向可视化,从而更加高效地控制采煤机头的运动。最后,探讨了煤岩界面识别技术的潜在应用,并指出摄像头安装位置的重要性。     

基于模式识别的煤岩分界辨识方法研究

煤岩分界辨识是采煤机滚筒实现自动调高的关键。本文以采煤机调高油缸压力信号为特征信号,提取特征信号的均方差为特征变量,提出了一种煤岩分界的模式识别方法,证明对识别煤岩分界是有效的。     

基于ANFIS的多信息融合煤岩识别方法研究

将采煤机滚筒截割振动特性作为煤岩识别的标识之一,利用自适应模糊神经网络推理系统(ANFIS)将采煤机的工作状态信息进行融合,建立了多信息融合的煤岩识别模型,并利用模拟实验中采集的数据完成煤岩分界识别的实验研究,结果表明利用该方法实现采煤机的煤岩识别是可行的,并为实现采煤机姿态的自动控制提供依据。     

基于神经网络和Dempster-Shafter信息融合的煤岩界面预测

针对煤岩界面识别精度无法满足采煤机自动调度的情况，提出采用神经网络融合工作面的三边信息，使用D－S证据理论再将此信息和不断获得的煤岩界面识别信息进行二次融合，从而实现在线融合和在线预测，不断提高预测精度，仿真结果显示：该方法不仅对地质条件好的工作面有效，而且对断层也有一定的适应性；同时，具有优良的容错性。     

煤岩界面识别物理模拟测试系统研究

采煤机滚筒在截割煤岩的过程中,随着截割介质的变化,滚筒的截割状态也发生变化,监测这些参数变化,可实现截割过程煤岩界面识别。建立了采煤机煤岩界面识别物理模拟系统,包括介质模拟和采煤机牵引-截割机构的模拟,研制了试验控制系统。     

基于多传感器信息融合的煤岩界面识别

煤岩界面识别是实现采煤机滚筒自动调高的关键之一,本文讨论基于多传感器信息融合的煤岩界面识别方法。     

煤岩识别及采煤机自适应控制技术研究进展

煤矿井下环境恶劣、事故多发,实现采煤机智能化开采既是煤矿安全生产的需求,也是减轻作业人员劳动强度和改善作业环境的必要条件。研发推广智能化采煤机是实现煤矿智能无人化的重要环节,而煤岩识别技术的开发与实施是实现采煤机智能无人化的关键条件。本文综述了当前煤岩识别技术的研究现状,分析了其技术研发历程和未来技术发展趋势。概括了多种煤岩识别技术的研发途径、科技创新及应用效果等;总结了基于煤岩识别技术的采煤机自适应调高、调速系统的设计理论与创新成果,并针对当前其存在的问题,提出解决的办法。通过对基于煤岩识别技术的采煤机调高、调速系统的研究,制定采煤机调高-调速协同控制方案。结合目前煤岩识别技术领域的先进发展水平,提出了其研发过程中实用性差、普适性弱的问题。并在此基础上,针对我国目前面临煤岩界面在线识别准确、稳定性差、系统及设备可靠性难以得到验证等新的难题,重点对实验环节准确化、技术开发精准化、平台应用快速化、系统整体可靠化的创新研究内容进行了展望,提出开发多领域耦合技术、保证装备安全可靠的新思路。     

不同工况下采煤机滚筒截割阻力矩的仿真

从非线性动力学角度出发对滚筒阻力矩本质进行研究,利用分形理论和EMD分解建立采煤机滚筒阻力矩模型,以采煤机截割不同煤岩界面型式为例,通过仿真计算,得到4种不同工况的煤岩性质参数条件下的截割阻力矩曲线,为采煤机滚筒截割载荷计算提供一种新的方法。     

基于截齿截割红外热像的采煤机煤岩界面识别研究

为实现采煤机截割过程中煤岩界面的有效动态识别,测试和提取不同煤岩比例条件下截齿截割的红外热图像,分析截齿表面温度场分布规律与截割闪温特征,得到不同煤岩比例条件下截齿截割温度特征数据库,建立基于最小模糊度优化的采煤机煤岩界面动态识别模型。试验结果表明:截齿在截割不同比例煤岩试件时,齿尖均产生突兀的瞬时闪温区,岩石比例越大,其闪温值越高。该系统可实现煤岩界面的在线、精确动态识别,可为提高采煤机的截割效率和实现滚筒智能调高控制提供重要的技术手段和理论依据。     

采煤机摇臂振动信号归一化实施方法研究

对采煤机摇臂振动信号时域特征值进行归一化处理,有助于提高煤岩界面识别准确性和有效性。工业性实验表明,在基本自动控制系统支持下,该方法可有效地实现采煤机采高自动调节。     

煤岩界面检测法

<正>美国矿业局为创制计算机辅助的采煤机,研制了煤岩界面检测系统。该系统能够测量煤和围岩的特殊地球物理性质,然后进行智能判断。例如,辨别采煤机切割的物质是煤还是岩石,确定煤岩界面的位置,测定顶板之下或底板之上残留煤的厚度。这样就可以提高劳动生产率,改善矿工安全条件。     

新型采煤机截割振动信号采集与识别系统设计

煤岩截割振动信号分析的煤岩界面识别中,振动信号难以与采煤机实时工况信息进行关联存储,存在煤岩识别运算量大等问题。针对此类问题,设计了一种新型采煤机截割振动信号采集与识别系统。重点介绍了该系统的设计原理和软、硬件设计等。工业测试结果表明,该系统通过对数据采集及预处理算法进行优化,可多通道、高精度、高速率采集和实时处理数据,可满足采煤机滚筒自动调高实时性的要求。该系统已获得矿用产品安全标志证及防爆合格证。     

基于多尺度模糊熵和支持向量机的采煤机截割模式识别

为解决当前采煤机智能化水平低的问题,提出了一种基于多尺度模糊熵、拉普拉斯分值和支持向量机相融合的采煤机截割模式识别方法。通过提取不同截割模式下摇臂的振动信号的多尺度模糊熵,掌握表征采煤机截割模式的特征向量。同时,利用拉普拉斯分值筛选含有丰富截割模式信息的特征向量,并作为支持向量机的学习样本。搭建了采煤机煤岩截割实验系统,提取了不同截割模式下的摇臂振动信号,并进行实验分析。结果表明：文章所提出的截割模式识别方法具有较高的识别精度。研究成果可为推动综采工作面的智能化快速发展提供技术支撑。     

基于采煤机摇臂惰轮轴受力分析的综合煤岩识别方法

提高采煤自动化、无人化程度的关键在于提高采煤机对煤炭和岩石的识别能力,在记忆截割的基础上,采用灰色预测理论,提出了1种基于滚筒采煤机摇臂惰轮轴受力分析的综合煤岩识别方法,通过实时检测采煤机在截割不同介质时的惰轮轴受力,并根据惰轮轴受力建立采煤机截割路线智能预测系统,实时修正截割路线,提高了采煤机的追踪适应能力。该方法在中煤张家口煤机厂实验平台上进行截割实验验证,结果表明：采煤机割岩时受力比割煤时平均受力大19.45%,能够很好的对煤岩界面进行识别。     

采煤机煤岩截割智能识别系统构建与流程设计

煤岩识别是实现煤矿智能化工作面的关键技术之一,本文分析了电牵引式采煤机基本结构和原理,其主要结构包括截割机构、行走机构、破碎机构、液压系统、电气系统以及其他辅助机构,基于此,构建了采煤机煤岩截割智能识别系统,该系统由信号识别前端、数据交换传输基站以及远程监测控制中心组成,并设计了采煤机煤岩截割智能识别四大流程:信号增强、信号去噪、模式识别、智能控制,为煤矿智能化工作面建设提供一种新思路或新技术,具有一定的研究意义。     

考虑截齿损耗的多传感信息融合煤岩界面感知识别

为了实现采煤机开采过程中煤岩界面的精准识别,提出一种基于多传感信息融合的煤岩界面感知识别方法。考虑截齿损耗对采煤机截割特征信号的影响,测试采煤机截齿处于新齿、轻微磨损、一般磨损以及严重磨损4种状态下,截割不同比例煤岩过程中的振动信号、电流信号、声发射信号以及红外闪温信号,建立截齿不同磨损程度下的多截割信号特征样本库。根据相邻截煤比各截割特征信号的模糊特征,以最小模糊熵为优化目标,采用自适应权重粒子群算法优化求解各截割特征信号的隶属度函数。构建基于D-S理论的"与"决策准则,实现对煤岩界面的精准识别。通过分析截煤比识别结果信度值的分布特征及趋向性,确定截煤比识别结果在不同截煤比的信度值与实际煤岩比例的匹配关系,利用识别结果的信度值对煤岩轨迹进行进一步的优化。根据实验结果可以得到:(1)截齿磨损程度对煤岩各截割特征信号的变化影响显著,截齿不同磨损程度下各截割特征信号的最优隶属度函数呈现动态变化;(2)煤岩界面轨迹的识别结果逼近具有最大信度的截煤比,且对于次大信度截煤比具有一定程度的趋向性;(3)基于单一优化隶属度函数进行隶属度求解及融合识别,煤岩界面识别精度随着截齿损耗的加剧大幅度下降,最大下降幅度达到43.04%;(4)考虑截齿损耗的多传感信息融合识别模型克服了截齿损耗对信号的误差影响,对煤岩界面具有更高的识别精度,识别误差浮动在1.54%范围内。