基于最大池化稀疏编码的煤岩识别方法

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.     

基于UOWA算子的矿井动力灾害预测技术研究

深部开采中矿井煤岩动力灾害表现形式复杂且受多种因素影响。在综合分析各影响因素基础上,找出预测敏感指标并将危险性划分等级,提出了基于UOWA算子煤岩动力灾害预测方法。该方法能够将定性指标与定量指标有机地统一起来,并解决了预测指标为区间数的预测问题,提高了预测的准确性和可操作性。通过在平煤八矿戊9.10-12160工作面的现场应用,验证了该方法的可行性。     

基于小波域非对称广义高斯模型的煤岩识别算法

针对采煤工作面无人开采、煤与矸石自动分离等工程实际需求,研究了基于计算机视觉的煤岩识别技术。提出了一种有效的基于小波域统计建模的煤岩识别算法。通过小波变换对煤岩图像进行多级分解;提出表达煤岩纹理细节特征的高频子带系数统计分布符合非对称广义高斯模型的假设,并通过最大似然估计方法确定其模型参数;利用改进的相对熵相似性测度实现煤岩图像的分类判别。结果表明:在小波域中,非对称广义高斯模型能够有力地刻画煤岩图像的纹理特征,与现有的其他算法相比较,所提出算法具有更高的正确识别率,其平均识别率达到了87.77%,为进一步研究煤岩界面的自动检测提供了参考。     

岩石强度对于组合试样力学行为及声发射特性的影响

为研究岩石强度对煤、岩体整体失稳的影响,测试并研究了不同组合煤岩试样单轴压缩过程的破裂形式、应力应变特性、试样强度、声发射特性等规律,分析了岩石强度对于组合试样力学行为的影响。结果表明:组合试样应力-应变曲线位于煤体和岩石之间,更加靠近煤体;随着岩石强度的升高,组合试样从屈服到达峰值的速度越来越快;煤体相同条件下,岩石的强度较低时,组合试样裂纹会向岩石内扩展,同时岩石发生拉伸破坏,岩石强度较大时,破裂主要发生在煤体内;组合煤岩试样屈服点和峰值的应力比值相差不大,屈服点和峰值的应变比值随岩石强度的升高不断升高,两者比值和岩石强度呈线性关系;组合试样峰值应力处声发射信号能量值和脉冲值随岩石强度的增加呈线性升高。     

基于主成分分析和BP神经网络的煤岩界面识别

针对现有煤岩识别方法由于提取的时域参数过多,存在识别速度慢、实时性差等问题,提出了一种基于主成分分析和BP神经网络的煤岩界面识别方法。该方法首先提取采煤机滚筒扭矩的时域信号,然后利用主成分分析方法对该时域信号进行压缩,最后将得到的最终信号输入到BP神经网络进行煤岩识别。仿真结果表明,该煤岩识别方法不仅满足了识别率,还提高了识别速度,为提高滚筒调高响应速度奠定了基础。     

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。     

基于声发射信号的煤岩界面识别研究

为实现采煤机煤岩截割过程中滚筒高度的自动调节控制,提出一种基于声发射信号的煤岩界面动态识别方法,测试和提取不同煤岩截割比例条件下的声发射特征信号。采用时域分析方法得到不同工况下的时域指标,采用小波分析方法提取煤岩截割的声发射信号特征值,建立不同煤岩截割比例条件下声发射信号的最小隶属度函数,实现煤岩截割比例的实时在线监测。实验室截割实验测试结果表明,滚筒实际煤岩轨迹与截割煤岩轨迹之间差值的平均值、方差、标准差很小。实验结果验证了该识别系统的精确性与可靠性。     

约束型压缩条件下破碎煤岩体的承载特性

为研究破碎煤岩体的承载特性,对不同粒径和不同煤岩混合比破碎岩石试样分别进行约束型压缩试验,结果表明:在承压过程中,块体粒径和煤块占比与应力增长速率呈负相关,与最大应变值和承压持续时间呈正相关。空隙率和压实度均随应力增长而下降,最终趋于平稳,二者的降幅与粒径大小、煤块占比均呈负相关性。破碎煤岩体压缩后具有分形特征,分形维数与压缩后的原始粒径块体质量占比之间呈良好的线性衰减关系,可用来表征岩块承压后的碎裂程度。随着块体粒径增大,分形维数值在2.26~2.50范围内依次增加,大粒径试样承压后的碎裂程度更严重;随着煤块占比增加,分形维数呈先减后增的趋势,其值在2.31~2.58之间,表明不同煤岩比试样的碎裂活动先减弱后增强。     

基于EMD与峭度滤波的煤岩界面识别

煤岩界面识别问题一直是制约放煤自动化发展的一项关键问题,液压支架尾梁振动信号分析法是近年来发展较快的一种有效方法。该方法中煤和矸石信号在频域内存在差异是非常有用的信息,但因系统低频干扰较多且两种信号差异微弱,无法直接提取使用。通过对振动信号使用经验模态分解(empirical mode decomposition,简称EMD)得到多个固有模态分量(intrinsic mode function,简称IMF);以峭度为准则,选取煤和矸石差异最大的通道对信号重新合成;使用Hilbert边际谱分析煤、矸石的频域范围,以矸石频域特征区域求取带通滤波最优截止频率;对合成后的信号进行滤波。实验结果表明,该方法能够减少信号低频干扰、突出较高频成分,使煤与系统干扰的低频信号视为常态被屏蔽,而混入煤中的矸石较高频信号能够被及时识别,实现了煤岩界面识别的目的。