[發(fā)明專利]一種基于多傳感信息融合的放頂煤過程中煤矸識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011439494.5
• 申請(qǐng)日: 2020-12-11
• 公開（公告）號(hào): CN112465063B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 司壘;李嘉豪;王忠賓;譚超;閆海峰;劉送永;江紅祥;趙世豪;張海波;邢峰
• 申請(qǐng)（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號(hào): G06F18/2411
• 分類號(hào): G06F18/2411;G06F18/214;G06F18/25;G06N3/0499;G06N3/084
• 代理公司: 北京淮海知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32205
• 代理人: 周淑淑

1.一種基于多傳感信息融合的放頂煤過程中煤矸識(shí)別方法，其特征在于，包括以下步驟：

步驟一：安裝煤矸識(shí)別裝置和光譜識(shí)別裝置，將煤矸識(shí)別裝置安裝在液壓支架尾梁處，該煤矸識(shí)別裝置包括礦用本安殼體和安裝在本安殼體內(nèi)的音頻傳感器、振動(dòng)傳感器、信號(hào)采集器、微型計(jì)算機(jī)以及本安型電源，音頻傳感器、振動(dòng)傳感器分別與信號(hào)采集器的信號(hào)輸入端連接，信號(hào)采集器將采集到的信號(hào)通過網(wǎng)線傳輸至微型計(jì)算機(jī)進(jìn)行處理和分析，微型計(jì)算機(jī)與液壓支架控制器相連，液壓支架控制器將微型計(jì)算機(jī)輸出的煤矸識(shí)別結(jié)果做出相應(yīng)的控制動(dòng)作，液壓支架控制器的信號(hào)輸出端連接信號(hào)采集器，本安型電源為微型計(jì)算機(jī)供電；

光譜識(shí)別裝置包括安裝在液壓支架下部及后部刮板機(jī)斜上方的集成探頭，集成探頭內(nèi)設(shè)置有鹵素?zé)艄庠春蜏?zhǔn)直鏡頭，集成探頭的信號(hào)輸出端通過分叉光纖分別連接激光指示光源、光譜儀的信號(hào)輸入端，光譜儀的信號(hào)輸出端連接微型計(jì)算機(jī)；

步驟二：煤矸識(shí)別裝置的識(shí)別方法為：

①在液壓支架自動(dòng)放煤前，先通過人工控制放煤的啟停動(dòng)作，時(shí)間記為T₁，利用音頻傳感器、振動(dòng)傳感器和信號(hào)采集器采集相應(yīng)的聲音信號(hào)和振動(dòng)信號(hào)，并將采集的信號(hào)傳輸至微型計(jì)算機(jī)進(jìn)行處理和存儲(chǔ)；

②微型計(jì)算機(jī)分別對(duì)放煤或放矸產(chǎn)生的聲音信號(hào)和振動(dòng)信號(hào)進(jìn)行標(biāo)記，若是放煤，則記為1，若是放矸，則記為0，同時(shí)將標(biāo)記好的聲音信號(hào)或振動(dòng)信號(hào)每隔1s記為1個(gè)樣本，并分別對(duì)采樣時(shí)間為1秒的聲音信號(hào)和振動(dòng)信號(hào)進(jìn)行信號(hào)分解、特征提取和特征篩選；

③微型計(jì)算機(jī)將帶有標(biāo)記的篩選后的特征進(jìn)行存儲(chǔ)，作為初始樣本集分別對(duì)支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)這兩個(gè)分類器進(jìn)行訓(xùn)練，當(dāng)支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的測試誤差大于設(shè)定閾值ε時(shí)，重新對(duì)采集到的樣本數(shù)據(jù)分別對(duì)支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)這兩個(gè)分類器進(jìn)行訓(xùn)練；當(dāng)支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的測試誤差小于設(shè)定閾值ε時(shí)，訓(xùn)練結(jié)束，此時(shí)，停止人工控制放煤啟停動(dòng)作，液壓支架自動(dòng)放煤開始，時(shí)間記為T₂；

④液壓支架自動(dòng)放煤開始后，微型計(jì)算機(jī)分別對(duì)相鄰兩個(gè)采樣時(shí)間內(nèi)，即T₂+1秒和T₂+2秒的聲音信號(hào)和振動(dòng)信號(hào)進(jìn)行信號(hào)分解、特征提取和特征篩選，并分別輸入到第③步訓(xùn)練好的支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)分類器，在T₂+1秒和T₂+2秒的采集樣本可以得到4個(gè)預(yù)測結(jié)果；

⑤微型計(jì)算機(jī)利用D-S證據(jù)理論，將第④步得到的4個(gè)預(yù)測結(jié)果進(jìn)行決策級(jí)融合，從而得到最終的煤矸識(shí)別結(jié)果；

⑥微型計(jì)算機(jī)將煤矸識(shí)別結(jié)果發(fā)送至液壓支架控制器，當(dāng)識(shí)別結(jié)果為矸石時(shí)，液壓支架控制器發(fā)送停止放煤命令，液壓支架尾梁伸出，放煤動(dòng)作停止；

光譜識(shí)別裝置的識(shí)別方法為：

①調(diào)節(jié)集成探頭的傾斜角度，打開鹵素?zé)艄庠凑丈浜蟛抗伟鍣C(jī)上的運(yùn)動(dòng)煤矸，使鹵素?zé)艄庠凑丈湓诤蟛抗伟鍣C(jī)中間位置；

②放煤開始后，液壓支架上方的煤、矸在支架尾梁的擺動(dòng)下滑落到后部刮板機(jī)上，位于刮板機(jī)上的集成探頭中的準(zhǔn)直鏡頭，在鹵素?zé)艄庠吹妮o助下，采集后部刮板機(jī)上運(yùn)動(dòng)煤或矸的反射信號(hào)，并通過Y形光纖中分支端，將采集的反射信號(hào)傳輸給光譜儀，利用微型計(jì)算機(jī)對(duì)光譜儀中的光譜數(shù)據(jù)進(jìn)行分析，微型計(jì)算機(jī)通過光譜數(shù)據(jù)判斷是否為頂板巖石，如果是頂板巖石，微型計(jì)算機(jī)發(fā)出指令通過液壓支架控制放煤口關(guān)閉，反之，通過與微型計(jì)算機(jī)內(nèi)數(shù)據(jù)庫中的光譜數(shù)據(jù)進(jìn)行模式匹配，對(duì)后部刮板機(jī)上經(jīng)過準(zhǔn)直鏡頭視場的煤或矸進(jìn)行定性分析，在微型計(jì)算機(jī)中將煤矸種類賦值為：煤＝0，矸＝1；

③通過煤、矸的不斷放出，刮板機(jī)上不斷進(jìn)行著煤和夾矸的交替，在微型計(jì)算機(jī)中進(jìn)行0與1數(shù)值的累加，當(dāng)0+1+0+1+0+1……≥x時(shí)，其中，x表示該放煤工作面的平均夾矸層數(shù)，則意味著放煤結(jié)束，微型計(jì)算機(jī)發(fā)出指令通過液壓支架控制器控制放煤口的關(guān)閉，當(dāng)不滿足0+1+0+1+0+1……≥x時(shí)，返回步驟②；

步驟二②中信號(hào)分解、特征提取和特征篩選的步驟如下：

A：采用經(jīng)驗(yàn)?zāi)B(tài)分解EMD對(duì)原始聲音信號(hào)和振動(dòng)信號(hào)分別進(jìn)行分解處理，每個(gè)原始信號(hào)可以得到若干個(gè)本征模態(tài)函數(shù)IMF，將原始聲音信號(hào)的IMF個(gè)數(shù)記為m，原始振動(dòng)信號(hào)的IMF個(gè)數(shù)記為n；

B：針對(duì)每種原始信號(hào)，計(jì)算各本征模態(tài)函數(shù)IMF的能量E_i、峭度κ_i與原始信號(hào)相關(guān)系數(shù)ζ_i，并對(duì)各參數(shù)進(jìn)行歸一化處理，分別記為CE_i、Cκ_i、Cζ_i；

C：計(jì)算每個(gè)本征模態(tài)函數(shù)IMF的加權(quán)得分ρ_i＝α×CE_i+β×Cκ_i+γ×Cξ_i，其中α+β+γ＝1，選擇加權(quán)分最高的p個(gè)本征模態(tài)函數(shù)IMF進(jìn)行后續(xù)特征提取；

D：針對(duì)每種原始引號(hào)，計(jì)算提取的p個(gè)本征模態(tài)函數(shù)IMF的歸一化特征能量CE_i和峭度Cκ_i，并作為支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的初始樣本集；

所述支持向量機(jī)的核函數(shù)選用徑向基核函數(shù)；

步驟二中支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟如下：

A：參數(shù)設(shè)定，支持向量機(jī)中核函數(shù)參數(shù)和誤差懲罰因子采用交叉驗(yàn)證法來確定，BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為p，輸出層節(jié)點(diǎn)數(shù)為1，隱含層節(jié)點(diǎn)數(shù)l滿足q為0-10之間的常數(shù)，然后通過試湊法確定最佳節(jié)點(diǎn)數(shù)；

B：將T₁-T₂時(shí)間內(nèi)的樣本數(shù)量記為M，隨機(jī)選擇其中60％M個(gè)樣本作為支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集，其余作為測試樣本集，并對(duì)訓(xùn)練好的支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試；

C：當(dāng)支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的測試精度小于設(shè)定閾值ε時(shí)，訓(xùn)練結(jié)束。