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。     

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。     

智能采煤机煤岩识别分析与设计

煤岩识别是实现无人化采煤工作面的关键技术之一,利用采煤机滚筒接触到不同媒介时反映出的截割电机负载变化进行初步煤岩识别,进一步通过分析调高油缸前后腔体压力的变化进行煤岩识别,该煤岩识别方法具有实用、可靠、稳定的特点。     

煤岩识别采煤机分析与设计

针对煤炭开采过程中采煤机滚筒高度调节的实际工程问题,为提高采煤自动化、无人化程度,根据煤岩物理性质的不同,提出一种新的煤岩识别技术及采煤机。通过利用试切锯片截割煤岩,试切电机负载电流不同,波动程度不同;同时进一步分析截割煤岩时液压缸压力变化进行煤岩识别。结果表明:通过试切电机负载电流不同结合液压缸压力变化进行煤岩识别的方法,具有准确、稳定、可靠、成本低的特点,为煤岩识别采煤机的设计提供了参考。     

基于小波包熵和流形学习的垮落煤岩识别

针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。     

基于小波包能量流和LTSA的垮落煤岩特征提取

针对综放工作面垮落煤岩识别的技术问题,采集了放煤过程中垮落煤岩冲击液压支架后尾梁的振动信号,并提出了一种基于小波包能量流和LTSA的特征提取方法。该方法首先利用小波包变换把振动信号分解成一系列的时频子空间;为了观察原信号能量在各层时频子空间的分布特征,计算了小波包分解每一层各个时频子空间的能量,构成了一个小波包能量矩阵,称为小波包能量流;然后利用局部切空间排列(Local Tangent Space Alignment,LTSA)挖掘小波包能量流的低维流形。为了验证小波包能量流低维流形的有效性,把该特征向量输入BP神经网络来识别垮落煤岩。结果表明:基于小波包能量流和LTSA提取的特征向量可以准确简约地表征垮落煤岩,BP神经网络的识别率达到100%。     

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。     

国内外煤岩界面识别技术研究动态综述

煤岩界面识别 (CII)能使采煤机具有自动追踪煤岩界面的能力 ,不仅有助于引导煤矿井下采煤自动化 ,提高生产效益 ;还能减少那些在选煤过程中必须除去的岩石和其它矿物含量。它既可用于人工操作的采煤机 ,也可用于计算机控制的采煤机。可靠的CII系统在经济效益和安全作业两方面都具有突出的优点 ,它提高煤层的采出率 ;降低煤中的矸石、灰分和硫的含量 ;提高采煤作业效率 ;减轻设备磨损 ;减少设备维修量和停机时间 ;由于振动较小 ,降低了空气中的岩尘含量 ,并可使作业人员远离危险工作面     

煤岩界面识别技术研究

煤岩界面识别系统是综采工作面智能化生产的重要环节,总结了目前国内外各种煤岩界面识别的技术方法,分析了各种方法的优缺点及其应用场合,展望了未来煤岩界面识别技术的发展方向,对煤矿的智能化生产具有重要意义。     

基于MOFWA算法的采煤机螺旋钻杆参数的多目标优化设计

为了提升钻式采煤机的采煤效率,选取了以螺旋钻杆的内径、螺旋外径升角、螺旋内径升角及螺距为变量,并依据实际生产需要,选取以螺旋钻杆的能耗最低和最大输煤生产率为优化目标,并将多目标烟花算法(MOFWA)应用到螺旋钻杆参数优化过程中。实验结果表明,在保证采煤机各项参数要求的基础上,钻式采煤机的输煤生产率提高了30.83%,能耗则降低了4.89%。总体上提高了采煤机的采煤效率,可为钻式采煤机螺旋钻杆的参数设计提供依据。     

全液压钻式采煤机履带行走机构研究

根据履带行走机构设计理论和煤矿井下运行工况,对结构参数进行确定。计算钻式采煤机工作时的各牵引阻力,确定总牵引力。利用Pro/E建立全液压钻式采煤机履带行走机构的三维模型,然后将模型导入ADAMS建立履带行走机构动力学模型,并进行动力学仿真分析,从仿真曲线中得出全液压钻式采煤机在不同地面工况下履带行走机构的动力学特性。     

钻柱振动特性的仿真分析

钻进过程中,钻柱振动是不可避免的,而且钻柱产生振动的原因是多方面的。随着研究的深入,人们不仅认识到钻柱振动对钻井作业产生的负面影响,还认识到利用振动可以得到许多井下信息。运用一根钻杆模型,分析了其在不同工作状况下的振动特性,得到了钻杆在横向、纵向、扭转振动的多阶振型,以及对应的应力应变图。对照振型和应力应变图,联系钻井实践中各种钻柱失效形式,以期从中找出一些振动与钻柱失效的关联,更好地利用振动去解决生产问题。     

基于声波信号小波包变换的煤矸界面识别研究

为探索放顶煤开采过程中煤矸放落程度的判定方法,采用小波包理论分析顶煤放落过程中的声波信号。放顶煤开采中随着矸石含量的增加,产生的声波信号也会有所不同,以此为出发点提出了基于声波频谱小波包变换的煤矸界面识别分析方法。通过声波信号频谱的差异,可以确定煤矸放落的临界区域,从而为煤矸识别提供参考依据。     

基于振动信号分析的采煤机摇臂轴承故障诊断研究

针对采煤机摇臂轴承故障频发,严重影响采煤工作面安全生产的现状,进行了基于振动信号分析的采煤机摇臂轴承故障诊断研究。为准确识别采煤机摇臂轴承故障,采用集合经验模态分解方法(EEMD)对原始振动信号进行分解,提取前8个本征模态函数的能量占信号总能量的比例作为故障特征信息,并输入到支持向量机(SVM)进行故障模式识别。试验结果表明,结合集合经验模态分解和支持向量机的故障诊断方法,适用于处理采煤机摇臂轴承产生的非平稳、非线性振动信号,总体故障识别率达到88.33%,可实现轴承故障的准确诊断。     

基于回归正交试验的枪钻振动钻削研究

枪钻轴向振动钻削深孔的过程中,钻削力的变化情况复杂,且对深孔的加工质量、刀具的磨损度都有影响,尤其是轴向力和扭矩。为了获得枪钻轴向振动钻孔的轴向力和扭矩受振动参数的影响规律,运用正交试验,结合有限元模拟软件Deform-3D,对枪钻钻头轴向振动钻孔过程进行正交仿真试验,并用多元线性回归法对试验数据进行分析,建立起轴向力和扭矩的回归经验公式。     

崔庙煤矿保护层工作面钻采煤机在钻采中的应用

介绍了崔庙煤矿利用螺旋钻采煤机钻采极薄下保护层保护范围与保护效果的研究及上覆二1煤层底板岩石分析瓦斯消突实验与测定,确定了合理的应用,指导矿井消突工作。     

基于钻柱振动下的反井钻机凿岩系统研究

通过有限元法对反井钻机在凿进几组不同井深时钻柱系统的振动特性进行了仿真求解;并采用最小二乘法对所求固有频率进行了数值拟合,得到随成井深度钻柱系统固有频率的分布情况,在此基础上提出了钻柱系统振动激励输入安全图。结果表明,随着成孔深度增加,钻柱系统各阶振动固有频率降低;外部输入激励安全区域发生显著变化。