基于多源数据融合的掘进机截割岩壁硬度识别方法

摘要：

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

所属期刊栏目：39

分类号：TD63+2.2(矿山电工)

资助基金：国家自然科学基金U1510112

在线出版日期：2020-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：7-15