-
题名基于多源数据融合的掘进机截割岩壁硬度识别方法
被引量:6
- 1
-
-
作者
张林锋
田慕琴
宋建成
贺颖
冯君玲
刘西青
-
机构
太原理工大学矿用智能电器技术国家地方联合工程实验室
太原理工大学煤矿电气设备与智能控制山西省重点实验室
山西煤炭职业技术学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第13期7-15,共9页
-
基金
国家自然科学基金(U1510112)。
-
文摘
针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。
-
关键词
掘进机
小波包
奇异值分解
优化pnn
多源数据
硬度识别
-
Keywords
roadheader
wavelet packet
singular value decomposition(SVD)
optimized pnn
multi-source data
hardness recognition
-
分类号
TD632.22
[矿业工程—矿山机电]
-