基于EMD特征提取与随机森林的煤矸识别方法

摘要：

基于振动信号辨识是实现综放开采煤矸识别的有效手段,现有方法在识别准确性和有效性方面有待进一步研究.提出了一种基于经验模态分解(EMD)特征提取与随机森林(RF)的煤矸识别方法.采用加速度传感器及数据采集仪采集了某综放工作面煤和矸石冲击液压支架尾梁产生的振动信号,分别对2种信号进行EMD,得到一系列本征模态函数(IMF);根据EMD结果选取有效IMF,分别提取IMF能量、峭度、矩阵奇异值及对应熵作为特征向量,采用各特征向量独立训练RF模型,根据各RF模型对测试样本的识别结果筛选特征向量,并建立特征数据集;采用特征数据集训练RF模型,采用训练好的RF模型实现煤矸识别.测试结果表明:该方法对200组煤矸测试样本的识别准确率达96.5％,且当RF模型中决策树数量设置为100或150时识别准确率最高,对测试样本进行特征提取与识别的耗时不超过0.2s,满足综放工作面煤矸识别准确性和实时性要求.

关键词：煤炭开采、综放开采、放顶煤、煤矸识别、液压支架尾梁、振动信号、经验模态分解、随机森林

所属期刊栏目：47

分类号：TD821(矿山开采)

资助基金：国家重点研发计划资助项目;江苏高校优势学科建设工程资助项目PAPD

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65