基于集合经验模态分解的煤岩识别方法技术

本发明专利技术公开了一种基于集合经验模态分解的煤岩识别方法，涉及采煤机强振动环境下煤岩界面识别领域。本发明专利技术在时域上根据被测信号的特征尺度，自适应的生成若干个固有模态函数，通过主动引入高斯白噪声，将被测信号进行多次模态分解，再通过高斯白噪声的统计学特征进行平均计算，得到全新的IMF，然后采用样本熵来判定这个序列的自我相似性。本发明专利技术保证原有数据有效信息被充分利用的基础上，充分挖掘振动信号所反映的滚筒齿轮负载对象，提取煤机井下作业的工作状态特征，利用集合经验模态分解快速有效地提取截割煤层、岩层时表征煤机振动特性的分量，并利用这些特征分量与煤机震动数据源进行比对、分析，从而判断采煤机的当前运行状态。态。态。

【技术实现步骤摘要】
基于集合经验模态分解的煤岩识别方法


[0001]本专利技术涉及采煤机强振动环境下煤岩界面识别领域，具体为一种基于集合经验模态分解的煤岩识别方法。

技术介绍

[0002]煤矿智能化开采是综合机械化开采、自动化开采的深入创新与发展，是煤炭生产方式变革的新阶段,将有效支撑我国煤炭工业高质量发展。其中，煤层界面自动识别技术是实现智能化、无人化采煤的关键技术之一。在煤机进行截割作业时，通常是井下的工作人员观察当前综采工作面的情况，利用无线遥控器等设备，控制截割作业。在井下恶劣的工作环境下，工作人员工作时间长、任务量大、极易造成由人为因素导致的对煤机截割状态的判断偏差，进而导致煤机滚筒截割到煤矸石等非煤质的矿物层，造成包括综采面煤层回采率低，降低工作效率、截割齿轮加速磨损、减短采煤机的使用寿命、煤矸石与落煤混杂、环境条件如粉尘杂质多，机械噪声大等危害。煤岩识别正是解决这一技术难题的关键技术之一。煤岩识别，即在采煤机截割作业时，能通过系统采集的多维感知信息，识别出截割齿轮的负载对象类型以及截割岩层的特性，煤岩识别技术智能化开采中具有三个技术意义：
①本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集合经验模态分解的煤岩识别方法，其特征在于：包括如下步骤：一、在采煤机作业过程中，在综放开采区现场采集采煤机尾梁液压支架处振动监测装置所测量的振动数据；二、在得到振动信号后，经过集合经验模态分解方法，将原始数据分解为固有模态分量不同的信号，通过构建基于固有模态分量的垮落煤层特征向量，来提取煤层、岩层的特征信息；三、最后，经过识别尾梁振动信号的特征量，提取出滚筒截割煤层与岩层时的齿轮运行状态，将各IMF的能量值输入到煤机的控制系统中心，进而调整滚筒的截割高度，实现煤岩截割的智能化操控。2.根据权利要求1所述的一种基于集合经验模态分解的煤岩识别方法，其特征在于：步骤一采集到的振动数据满足如下条件：
①
在整体数据集合中，局部数据区域中的极大值与极小值数目之和与经过零点的数据点数目相等或数目相差不大于1；
②
在任意的时域点上，局部数据区域的极大值与极小值所定义的上包络线与下包络线的均值为0。3.根据权利要求1所述的一种基于集合经验模态分解的煤岩识别方法，其特征在于：步骤二：通过主动引入高斯白噪声，将被测信号进行多次模态分解，再通过高斯白噪声的统计学特征进行平均计算，得到全新的固有模态函数IMF，具体包括如下步骤：(1)假设已有被测信号x(t)，加入高斯白噪声序列n(t)，将高斯白噪声序列融入被测信号，得到一个待分析信号s(t)：s(t)＝x(t)+n(t)
ꢀꢀꢀꢀ
(1)对融入高斯白噪声序列后的待分析信号s(t)进行集合经验模态分解，得到固有模态分量IMF命名为P
1j
(t)(j＝1，2，3，
…
，M)，以及余项Q
1n
(t)，得到：在时域上多次加入规定的高斯白噪声，且每次加入高斯白噪声并不相同，之后再重复进行经验模态分解，则有：进行多次分解后，可以得到每次分解后IMF，对对应的IMF求平均，由于高斯白噪声序列具有不相关特性，所以对应的统计平均值为0，得到的最终IMF为：上式中，P
j
表示在第j次集合经验模态分解中得到IMF，(i＝1，2，3，
…
，N，j＝1，2，3，
…
，M)；将信号重构还原成初始被测信号，即为：Q(t)为原始信号x(t)经过j次经验模态分解后依然保留的余项；
(2)假设存在N个数据点共同组成一个时间序列{x(n)}＝x(1)，x(2)，x(3)，...，x(N)，采用样本熵来判定这个序列的自我相似性，参数N为时间序列的长度：将数据点重构为一组深度为m的向量序列，即X
m
(1)，X
m
(2)，...，X

【专利技术属性】
技术研发人员：要华伟，刘晋琦，梁艺蕾，李杰，张宸铭，郭肖亭，冯凯强，
申请(专利权)人：中北大学，
类型：发明
国别省市：