基于音频识别的采煤机滚筒载荷识别方法

针对现有采煤机滚筒载荷识别方法相关算法实施难度大、工程实现方式复杂、应用难度高等问题,通过分析采煤机工作时音频信号的特征,提出一种基于音频识别的采煤机滚筒载荷识别方法。为确保每个分析周期内的音频信号具有同一运行标准下的负载工况,将截割电流与牵引速度作为变量引入到动态能量计算中,采用动态能量归一化算法(DENA)对采煤机原始音频信号进行归一化处理;将归一化后的信号与标准工况库中的信号进行对比分析,通过最大相异系数判断两者之间的差异性,从而确定滚筒载荷特征,实现滚筒载荷识别判断。试验结果表明:DENA可有效抑制音频信号中的噪声能量,提升音频信号中关键特征值的分辨率,采煤机在截割煤、岩时的音频信号特征参数界限明显,未出现交叉混叠现象;在理想情况下,即最大相异系数小于0.189时,总的煤岩界面识别率可达到78.6%。     

基于倒谱距离的采煤机煤岩截割振动信号识别

在基于煤岩截割振动信号分析的煤岩界面识别过程中,针对常规时频域分析方法对噪声敏感、振动信号能量变化适应性差等问题,提出一种基于倒谱距离的采煤机煤岩截割振动信号识别方法。通过分析振动传感器采集的采煤机不同负载状况下的截割振动信号,得出结论:与采煤机割岩状态相比,割煤状态下得到的振动信号与空载状态下的标准信号的倒谱距离更大;割岩状态下振动信号的倒谱距离呈明显的周期性,且周期为滚筒旋转1周的时间,而割煤状态下的振动信号无此特征。工业试验结果表明,该方法在煤岩硬度差大于10 MPa时,识别准确率达75%。     

基于振动特性分析的采煤机煤岩识别控制系统

针对采煤机截割过程中的煤岩识别及滚筒自动调高控制问题,提出并设计了一种基于振动特性分析的采煤机煤岩识别控制系统。该系统采用传感器检测采煤机滚筒在截割煤岩过程中3个方向的振动信号,采用PLC进行振动信号的分析和处理,得到采煤机滚筒在截割煤岩过程中的振动特性规律,由此建立采煤机滚筒调高控制规则表,并通过反馈信号偏差在线查表和控制信号输出的闭环控制方法实现采煤机滚筒的自动调高控制。相似模拟截割试验结果表明,该系统能够较好地实现煤岩界面识别和滚筒自动调高控制,具有良好的动态性能。     

煤岩特性对掘进机截割头载荷的影响分析

针对煤岩条件对掘进机截割头载荷的影响问题,提出采用有限元仿真方法对截割头截割过程进行动态仿真分析。以煤岩普氏系数为煤岩特性参数,经仿真得到不同煤岩条件下的截割头动态载荷,通过分析得到了截割头三向力随煤岩普氏系数的变化规律,即截割头载荷随煤岩普氏系数的增加而增大,且当煤岩的普氏系数增大到一定程度时,截割头的牵引阻力将成为截割头的最大载荷,而侧向力一直处于较低的水平。     

MGTY400/930-3.3D电牵引采煤机截割轴的改进与应用

针对MGTY400/930-3.3D电牵引采煤机在采煤过程中时常因割到较硬物体而损坏摇臂的问题,对采煤机进行了改进分析,指出最合适的方法是改进截割轴;提出一种截割轴的改进方案,即人为在截割轴上制造一处薄弱点,使滚筒割到硬物时损坏截割轴,以切断动力传递,并在轴心车一个螺孔,以便将断轴从电动机中取出。改进后的MGTY400/930-3.3D电牵引采煤机已在东滩煤矿某综采工作面得到应用,结果表明,该方案大大缩短了截割轴的更换时间,降低了摇臂损坏事故的发生率,提高了采煤机采煤的安全性。     

基于主成分分析的煤岩界面识别方法

提出了基于主成分分析的煤岩界面识别方法,详细介绍了主成分分析的原理及识别煤岩界面的过程。该方法采用多个传感器同时监测采煤机割煤时的各项参数,并对数据进行实时的主成分分析;利用主元信息建立HotellingT2和SPE统计量,再根据统计量捕捉采煤机割到岩石时的异常,从而识别煤岩界面。实际应用表明,该方法能够较快并准确地识别煤岩界面。     

基于红外热像和振动信号的煤岩识别实验研究

针对现有煤岩识别技术存在的难以实际应用、易受信号干扰、成本高和实现复杂等问题,通过理论分析煤岩截割产热与煤岩硬度的关系,证明通过红外热像获取的截割温度变化来进行煤岩识别的合理性;搭建了掘进机截齿截割煤岩试验台,对不同硬度的普通煤层、煤岩交界处及中砂岩层进行长时间截割试验,通过红外热像仪和振动传感器分别获取截割温度和截割头振动信号并分析其变化规律。研究结果表明：(1)随着截割时间增加,截割温度逐渐升高;煤岩硬度越高,截割温度越高,且截割温度上升速率越快;在截割起始阶段无法通过截割温度识别煤岩,但在稳定截割时可根据截割温度特性识别煤岩。(2)截割头振动强度随着煤岩硬度增大而变大,但不随截割时间增加而产生明显变化,因此可弥补在截割起始阶段无法通过截割温度识别煤岩的不足。(3)通过单一截割温度或振动强度不能对煤岩进行准确识别,因此可在截割起始阶段和频繁出现闪温时通过振动强度来识别煤岩,而在截割稳定阶段通过红外热像获取的温度来识别煤岩。     

基于信息融合和神经网络的煤岩识别方法

针对煤岩识别系统多采用单一传感器进行监测,存在识别精度、可靠度与稳定性均非常低的问题,提出一种基于信息融合和神经网络的煤岩识别方法。在现有采煤机上增加多种必要的传感器,采集采煤机不同工况下的电流、压力、振动频率、加速度等信号,采用小波包对采集的信号进行特征提取,并通过BP神经网络进行数据融合,从而实现对煤层和岩层的识别。真机实测结果表明,所提方法的识别误差在±0.5范围内,验证了其有效性。