10.13272/j.issn.1671-251x.2017.02.006
垮落煤岩性状识别研究
针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法.采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况.现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率.
煤炭开采、综放工作面、垮落煤岩、煤岩性状识别、连续小波变换、奇异值分解、神经网络、SVD
43
TD67(矿山电工)
国家重点基础研究发展计划973计划资助项目2014CB046300,2014CB046306
2017-03-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
24-28