基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别

垮落煤岩智能识别是智能放煤的前提,通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量,通过构建识别模型进行煤岩识别,但数据降维、模型建立和训练均需较长时间,一定程度上影响了连续综放开采效率。针对该问题,提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法。对不同工况(顶煤垮落、岩石垮落、大块顶煤垮落)下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解,得到一系列频带;对各频带的序列进行粗粒化,计算各频带多个尺度粗粒化向量的模糊熵,即小波包多尺度模糊熵,将其作为特征向量;以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重,比较待测未知样本与不同工况下样本特征向量的加权KL散度,实现垮落煤岩的实时精准识别。实验结果表明:基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别,而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳;将小波包多尺度模糊熵作为特征向量时,BP神经网络识别准确率达95%,进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量;整个煤岩识别过程耗时为1.063 9 s,基本满足垮落煤岩智能识别实时性需求,大大降低了对连续综放开采效率的影响,综合性能优于同类煤岩识别方法。

薄煤层智能回采系统关键技术研究

介绍了国内外薄煤层智能化回采技术发展概况;重点阐述了液压支架全工作面跟机智能化技术、采煤机全工作面智能切割技术、工作面视频监控技术、液压支架电液控制技术、工作面直线度控制技术、智能化远程集控技术、智能化集成供液控制技术、超前支护智能控制技术等薄煤层智能回采系统关键技术原理;针对目前矿井薄煤层回采存在开采难度大、经济效益低、资源采出率低等问题,从采煤机三维智能定位、煤岩界面智能识别、液压支架智能控制3个方面探讨了薄煤层智能回采系统关键技术的发展趋势。