[發明專利]基于CO數據的綜采工作面作業工序模糊聚類識別方法

有效

• 申請號: 201911279698.4
• 申請日: 2019-12-13
• 公開（公告）號: CN110956155B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 邢震;王海波;姚超修;武福生;蔣澤;韓朝暉;屈世甲;何敏;張衛國;張煒;謝浩
• 申請（專利權）人: 天地（常州）自動化股份有限公司;中煤科工集團常州研究院有限公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/10;G06F18/213;G06F18/24
• 代理公司: 常州聯正專利代理事務所(普通合伙) 32546
• 代理人: 張岳

1.一種基于CO數據的綜采工作面作業工序模糊聚類識別方法，其特征在于，包括如下步驟：

一、選取綜采工作面為研究對象，采集工作面上隅角CO濃度，并記錄CO濃度時間序列曲線；

二、對CO濃度時間序列進行小波閾值去噪處理，具體包括如下步驟：

(1)分解小波，選用合適的小波基，確定分解層數，對含噪信號進行分析，計算分析參數；

(2)閾值函數構造，閾值函數包括軟閾值及硬閾值，硬閾值是將小波分解系數后的絕對值與閾值進行對比，如果信號不大于閾值則設置為零，反之保持不變，軟閾值是將小波分解系數后的絕對值與閾值進行對比后，把不大于閾值的函數設置為零，而大于閾值的信號設置為絕對值與閾值的差，信號就會趨向于零，表達式(1)如下

其中，λ₁-上閾值；λ₂-下閾值；小波系數；w_j,k-原始小波系數；

(3)閾值的選取，選擇無偏風險估計準則確定閾值；

(4)重構小波，經過閾值函數處理后的小波系數經過逆變換得到的信號，重構得到濾除噪聲后的CO濃度時間序列曲線；

三、采用小波包能量譜對CO濃度時間序列進行特征向量提取，具體包括如下步驟：

(1)以Db5為小波基對采集并去噪處理的CO濃度時間序列進行小波包分解，得到各頻帶系數分布圖；

(2)通過小波包能量譜的方法提取各頻帶內的能量作為特征向量，作為識別綜采工作面不同工序的特征參數；

四、通過模糊聚類理論對CO濃度時間序列特征向量進行模式識別，

其中，所述模糊聚類理論采用模糊c-均值聚類算法對CO濃度時間序列特征向量進行模式識別，所述模糊c-均值聚類算法的具體流程如下：

第一步：進行初始化，定義聚類類別數目為c、最大迭代次數T、迭代記數器歸零、模糊聚類指數m、停止迭代閾值ε、初始化隸屬度矩陣、初始化聚類原型矩陣；

第二步：根據拉格朗日乘法計算隸屬度矩陣對于如果則有

其中，t為迭代計數器，k表示觀測樣本的數量，i表示聚類類別數，n表示數據個數；

第三步：根據拉格朗日乘法計算聚類中心矩陣

第四步：計算目標函數的值并作差，若||J_p-J_p+1||＜ε或t＞T，則停止計算，若||J_p-J_p+1||＞ε且t＜T，則轉向第二步繼續循環計算；

所述模糊聚類理論采用加權模糊c-均值聚類算法對CO濃度時間序列特征向量進行模式識別，所述加權模糊c-均值聚類算法的具體流程如下：

第一步：進行初始化，定義聚類類別數目為c、最大迭代次數T、迭代記數器歸零、模糊聚類指數m、停止迭代閾值ε、初始化隸屬度矩陣、初始化聚類原型矩陣、初始化特征權重其中d表示樣本與聚類中心之間的加權歐式距離；

第二步：計算屬性權重向量

其中m表示模糊聚類指數，q表示數值屬性的維度數；

第三步：根據拉格朗日乘法計算隸屬度矩陣對于如果則有

其中表示第i類中的樣本與其典型樣本之間的距離；

第四步：根據拉格朗日乘法計算聚類中心矩陣

第五步：計算目標函數的值并作差，若||J′_p-J′_p+1||＜ε或t＞T，則停止計算，若||J′_p-J′_p+1||＞ε且t＜T，則轉向第二步繼續循環計算。