基于EMD与神经网络的煤岩界面识别方法

摘要：

针对放顶煤中煤岩界面难以识别的问题,采用检测液压支架尾梁振动信号的方式进行了研究,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和神经网络的识别方法.首先,对振动信号进行经验模态分解,得到多个固有模态分量(intrinsic mode functions,简称IMF)；然后,对各IMF进一步分析以提取特征参数；最后,选择若干个包含主要信息的参数组成特征向量作为神经网络的输入来识别落煤和落岩两种情况,实现煤岩界面的自动识别.实验结果表明,分别以各IMF的能量、峭度和波峰因子组成的特征向量均可用于识别煤岩界面,且当以能量组成特征向量时比其他两种方式具有更高的识别率.

关键词：经验模态分解、神经网络、煤岩界面识别、综放开采

所属期刊栏目：32

分类号：TP391.4;TH87(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51174126

在线出版日期：2012-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：586-590