[发明专利]一种基于振动信号的采煤机截割状态识别方法

说明书

本发明公开了一种基于振动信号的采煤机截割状态识别方法，在自动切割开始前将采煤机在不同截割状态下的摇臂振动信号进行小波包分解，计算出最后一层每个小波包系数的方差，并将其作为特征值输入到LVQ神经网络中对不同截割状态下的摇臂振动信号进行分类；自动切割开始后，采集采煤机实时摇臂振动信号，并将其输入至LVQ神经网络中，根据LVQ神经网络的输出结果获取采煤机实时截割状态；根据采煤机实时截割状态判断采煤机的截割高度是否需要调整，实现采煤机截割状态识别。本发明识别准确率高，避免了粉尘干扰导致的可靠性较低的问题，减少采煤机截割矸石的状态，有效保护设备，提高煤的开采率，对实现综采工作面“无人化”具有重要意义。

技术领域

本发明涉及采煤机技术领域，具体涉及一种基于振动信号的采煤机截割状态识别方法。

背景技术

我国是世界上煤炭资源最丰富的国家之一，煤炭在我国经济社会持续发展中仍占据主导地位，在相当长的一段时间内我国以煤炭为主导的能源结构不会改变。采煤机是实现煤矿安全高效生产的关键设备之一，作为综采成套装备的主要组成部分，其智能化水平是实现综采工作面“无人化”或“少人化”关键因素。而采煤机智能控制的前提是采煤机工作状态的可靠感知和识别，其中，采煤机截割状态识别是实现采煤机智能控制的关键技术之一。国内外一些高校、科研院所和煤机制造企业尝试通过煤岩界面识别方法来解决采煤机的自动截割和自适应控制问题，但目前仍没有有效的煤岩界面识别技术。因此，有必要提出一种高效、快速、准确的采煤机截割状态识别方法，准确识别出采煤机截割状态，为采煤机智能调控提供依据，进而降低工人劳动强度，延长采煤机的使用寿命，提高采煤机智能化水平。

发明内容

为了准确识别出采煤机截割状态，本发明提供一种基于振动信号的采煤机截割状态识别方法。

为了实现上述技术目的，本发明采用如下技术方案：

一种基于振动信号的采煤机截割状态识别方法，包括如下步骤：

S1：自动切割开始前，采用人工方式进行采煤机截割，并采集采煤机在不同截割状态下的摇臂振动信号；

S2：将步骤S1中的摇臂振动信号进行小波包分解，得到分解后的小波包系数，并计算出最后一层每个小波包系数的方差；

S3：将最后一层每个小波包系数的方差作为特征值输入到LVQ神经网络中对不同截割状态下的摇臂振动信号进行分类；

S4：自动切割开始后，采集采煤机实时摇臂振动信号，将实时摇臂振动信号最后一层每个小波包系数的方差作为特征值输入至LVQ神经网络中，根据LVQ神经网络的输出结果获取采煤机实时截割状态；

S5：根据采煤机实时截割状态判断采煤机的截割高度是否需要调整，实现采煤机截割状态识别。

优选地，步骤S1中通过设置在采煤机摇臂侧面的加速度传感器采集摇臂振动信号。

优选地，步骤S2中方差的计算方法如下：

式中：S_i表示第i个频段方差；x_ij表示第i个频段的小波包分析系数；表示第i个频段的小波包分解系数的均值；N表示第i个频段小波包分解系数的总数。

与现有技术相比，本发明的有益效果：