CN104329090B - 一种基于采煤机截割电机温度的煤岩性状识别方法 - Google Patents

Abstract

本发明涉及一种基于采煤机截割电机温度的煤岩性状识别方法，所述的方法是基于一种采煤机截割电机温度的煤岩性状识别系统实现的，上述的系统由大容量数据存储设备，采煤机电气主控制器、本质安全型振动加速度传感器、振动数据传输电缆、通信数据传输线，采煤机机载电源组成；上述的方法是通过采集存储由振动信号、采煤机截割左右截割电机及牵引电机的电压电流及温度扭矩、采煤机左右摇臂升降油缸压力、牵引电机速度信号组成的采煤机工作参数，分析采煤机滚筒截齿截割煤、岩石不同顶底板情况下的信号特征，运用小波包分析振动信号的不同频段能量特征，运用概率统计样本分析截割电机工作参数的特征分布、多传感器信息融合技术综合建立不同煤岩性状数据库，实现基于采煤机截割电机参数的煤岩性状识别系统和方法。

Description

一种基于采煤机截割电机温度的煤岩性状识别方法

技术领域

本发明涉及一种用于采集机电设备工作状态参数的仪器及一种识别机电设备负载介质的方法，尤其是能用于煤矿井下采煤机识别截割煤岩性状的系统和方法。

背景技术

煤矿井下大型采掘设备，是指为煤矿井下综采工作面使用的各种采煤机和综掘工作面使用的各种掘进机，是煤炭综合机械化生产中最为关键的大型设备。

在井下作业，工作环境恶劣，粉尘量大，能见度低，工作空间狭窄，极易偏离工作方向和造成机械设备的损耗，因此对设备性能要求较高。而煤炭生产是一个恶性事故频发的行业，事故死亡人数远远高于发达国家和世界平均事故死亡率。发展无人值守，最大程度上实现工作面的无人化，有助于提高生产过程的安全性，是煤矿机械发展的一个方向。

井下生产设备日趋大型化、高速化、自动化和智能化，年产煤量也逐年攀升，一旦出现设备故障，造成的损失也就更大，因此对系统的安全性、可靠性和有效性的要求也进一步提高。

而采煤机识别截割煤岩性状的前提是获取采煤机的工作状态参数并进行状态监测。研制用在井下机电设备的机载大容量数据记录仪系统能够实时采集和记录该设备的各种工作状态参数，实现设备健康运行的实时工作状态参数的跟踪和记录，识别截割煤岩性状硬度。

煤层组织中含有成分不同的岩石和硬夹杂物，它们的含量、形状和物理一机械性质各异，加上煤层结构中有层理(沉积矿物中天然形成的分层面)、节理(由各种地质力的作用而形成的剪切断裂面)等裂隙，所以使煤层各处的性质不同，即煤是一种非均质、各向异性的脆性物质。

硬度或坚固性是一种表示煤岩破碎难易程度的综合指标，它是煤岩体抵抗拉力、剪切、弯曲和热力等作用的综合表现。

硬度系数f表示煤岩的坚固性大小。是苏联学者普罗托季雅柯诺夫于1926年提出的，因此又称普氏系数。可以用捣碎法测量硬度系数，还可以采用计算普氏系数的其中一种方法，即根据煤岩的极限抗压强度σ_y(MPa)近似确定。

我国用硬度系数来进行岩石分级和煤层分类。煤和软岩f≤4，中硬岩f＝4～8，硬岩f≥8，最硬的岩石f达20；同时还规定：f≤1.5的煤为软煤，f＝1.5～3.0的煤为中硬煤，f≥3的煤为硬煤。

研究采煤机电机工作参数与煤岩硬度影响关系，其中，电机工作参数主要研究截割电机与牵引电机工作参数，截割电机是滚筒执行旋转切割的动力来源，因此滚筒截割煤岩承受载荷将通过传动机构传递至截割电机，而滚筒所承受的沿采煤机行走方向的阻力同样影响牵引电机，除此之外采煤机左右摇臂的升降油缸的油压以及牵引电机的牵引速度也是重要衡量识别煤岩性状的关键参数。

进行煤矿井下采煤机多参数采集存储分析为识别截割煤岩性状的意义主要有：

(1)于获取煤矿井下采煤机工作时的大量原始数据，为其识别煤岩性状和健康诊断的研究提供了宝贵资料；

(2)为煤矿井下采煤机自主截割功能实现的设计及完善提供了重要的参考数据和方法。

(3)为煤矿井下安全生产的信息化，和最终的无人化的研究积累最原始最基础的数据参考资料。

发明内容

本发明的主要目的在于，提供一种采煤机截割电机温度采集记录系统和识别截割煤岩性状的技术方法，解决上述难题，以达到对煤矿井下采煤机实现机载长时间大容量记录其自身的各种运行状态参数的要求并且综合分析基于截割电机和牵引电机的电压、电流、温度、扭矩信息，并辅助分析摇臂振动信号、采煤机左右摇臂升降油缸压力、牵引电机速度信号，建立运用小波包分析振动信号的不同频段能量特征，运用概率统计样本分析截割电机工作参数的特征分布、多传感器信息融合技术综合建立不同煤岩性状数据库，实现基于采煤机截割电机参数的煤岩性状识别系统和方法。

基于采煤机截割电机参数的煤岩性状识别系统包括：大容量数据存储设备，采煤机电气主控制器、本质安全型振动加速度传感器、振动数据传输电缆、通信数据传输线，采煤机机载电源。

基于采煤机截割电机的多参数主要是指截割电机和牵引电机的电压、电流、温度、扭矩信息，上述的分析方法如下：

截割电机电压电流确定截割煤岩性状特征值分析方法

通过采集存储采煤机截割左右截割电机及牵引电机的电压电流信息，运用概率统计样本分析截割电机工作参数的特征分布，确定识别滚筒截割煤岩不同性状特征值的数据库，该特征值的建立理论模型是通过计算截割电机输入功率，一般采煤机为三相异步电机，其功率值的计算方法如下：

U_L——截割电机线电压；

I_L——截割电机线电流；

——截割电机功率因素。

忽略定子铜耗，截割电机的电磁转矩近似为输出转矩：

$T_e=\frac{P}{\mathrm{\ω}}---\left(1.2\right)$

ω——截割电机转速(ω＝2πf/p_n，f为电源频率，p_n为电机极对数)；

一般截割状态下，截割电机的电磁转矩和阻转距的平衡方程为：

ηK_pT_e＝T_L(1.3)

T_L——阻转矩；

η——机械传动效率，常数(已知多级减速机构机械传动参数)；

K_p——电机负荷系数，常数(电机运行时的实际功率和额定功率的比)。

此时截割电机经过传动在滚筒处产生的切向力约为：

$F=\frac{T_L}{R_{\mathrm{head}}}=\frac{\mathrm{\η}{K}_p{T}_e}{R_{\mathrm{head}}}---\left(1.4\right)$

F——滚筒切向作用力；

R_head——滚筒平均半径；

滚筒在截割煤岩时，旋转方向的切向作用力对煤岩的压强：

$P_a=\frac{F}{A}---\left(1.5\right)$

P_a——煤岩所受压强；

A——参与截割的截齿投影面积之和；

滚筒在沿旋转方向截割煤岩时，岩石的单轴抗压强度与所受压强关系：

δ_c≈P_a(1.6)

由公式(3.7-3.13)，推导如下关系：

令

满足

由公式(1.7)可知，截割电机线电压U_L，截割电机线电流I_L通过采煤机黑匣子采集和记录；截割电机功率因素根据电机出厂参数确定，电机负荷系数K_p为常数(电机运行时的实际功率和额定功率的比)。其中机械传动效率η、截割电机转速ω(单位rad/s)、滚筒平均半径R_head(单位m)、参与截割的截齿投影面积之和A(约整半个滚筒截割截齿)可以根据采煤机说明书获得相应参数。

确定采煤机多种工作状态(即工况)，通过分析采煤机的截割电机工作参数，结合记录工况，揭示滚筒截割煤岩不同介质时的截割电机工作参数的变化规律，尤其是根据截割电机与煤岩硬度经验公式建立普氏系数与电机功率的变化模型，通过煤矿井下采煤机测试数据建立数据库。

截割电机功率概率密度分布能够体现采煤机滚筒不同工况下的截割负载，即通过概率密度分布图中的不同波峰推断滚筒的截割介质，根据煤岩截割密实核理论，截割电机功率的概率密度波峰主要为截割顶板、煤岩和空载。已知测试工作面的顶板、煤岩硬度参数，根据采煤机的电机工作参数推断经验公式中修正值K。

煤岩硬度普氏系数与修正系数经验值数学建模如下：

由公式 $f=\frac{K}{10}\×0.075\×\sqrt{3}{U}_L{I}_L$ 可得： $f/K=0.0075\×\sqrt{3}{U}_L{I}_L.$

首先根据已知煤矿井下的滚筒截割煤岩性状情况确定煤岩硬度普氏系数f，计算出经验公式中修正值K，完成数据库的建立；然后根据修正值的经验值K、采集的截割电机的电压、电流值估算出滚筒截割介质的硬度系数，从而判断出待截割煤岩介质的硬度值，完成根据采煤机截割电机参数分析识别煤岩硬度的功能。

截割电机温度确定截割煤岩性状特征值分析方法

截割电机绕组温度变化与电机电流变化利用数据差值拟合方法得到如下影响关系公式：

T＝M×F(U_L,I_L,r)

T——截割电机绕组温度值

M——温度变化正比例系数经验值；

F——差值拟合函数，经验函数(根据样本数据学习获得)；

r——截割电机绕组热损耗系数，常数。

所以观测电机绕组温度，得到反计算公式为：

(U_L,I_L)＝F^-1(T,M,r)

F^-1——差值拟合函数反函数，经验函数(根据样本数据学习获得)；

结合煤岩硬度普氏系数与截割电机电压电流数学模型，得到温度参数和普氏系数的关系式为：

其中θ——截割电机绕组温度与电机功率相关系数，(根据样本数据获得)。

截割电机转矩信息确定截割煤岩性状特征值分析方法

采煤机截割电机属于大功率、大力矩输出设备，电机的转矩传感器通常不能得到准确的转矩信息，因此配合其他多信息数据融合判别煤岩性状更为科学合理。

利用转矩传感器的信息T_传感器与阻转矩T_L的近似比关系，跟据如下推算公式：

$F=\frac{T_L}{R_{\mathrm{head}}}=\frac{\mathrm{\η}{K}_p{T}_e}{R_{\mathrm{head}}}---\left(1.4\right)$

F——滚筒切向作用力；

R_head——滚筒平均半径；

滚筒在截割煤岩时，旋转方向的切向作用力对煤岩的压强：

P_a——煤岩所受压强；

A——参与截割的截齿投影面积之和；

上述的一种基于采煤机截割电机多参数的煤岩性状识别系统及方法根据截割电机的电压、电流、温度、扭矩信息，以及牵引电机的电压、电流、温度、转速、转矩等信息，通过多传感器信息融合技术的主分量分析方法判断截割煤岩的硬度范围，方法如下：

(1)确定煤岩硬度特征矩阵X以及截割电机的多参数矩阵X_cut和牵引电机的多参数矩阵X_walk；

(2)根据特征值矩阵并计算协方差确定PCA，得到协方差矩阵；

(3)根据特征矩阵的降维结果后特征值判断煤岩硬度普氏系数。

本发明是这样实现的：一种基于采煤机截割电机多参数的煤岩性状识别系统，其组成由大容量数据存储设备，采煤机电气主控制器、本质安全型振动加速度传感器、振动数据传输电缆、通信数据传输线，采煤机机载电源组成。

本质安全型振动加速度传感器采集设备工作状态下的振动信号，并由其结构内的信号调理模块调理该振动信号。再由大容量数据存储设备内的数据采集卡接收经过调理后的振动信号，送至大容量数据存储设备内的嵌入式计算机主板，经处理存储至主机内的大容量固态硬盘中。采集设备的振动信号主要研究意义在于:

(1)可用于设备的状态监测和健康诊断；

(2)可用于煤岩分界识别的研究，长期以来该问题始终未能得到解决，是最终实现自动化无人综采工作面的技术瓶颈之一；

(3)可用于设备载荷谱识别的研究；

大容量数据存储设备通过其内部的嵌入式主板上的串口连接设备自身的控制单元，通过设定通讯数据协议，实现交互通讯，将设备自身控制单元采集的各个工作状态参数发送到大容量数据存储设备内的嵌入式计算机主板上，经处理，将数据存储在大容量数据存储设备内的大容量固态硬盘中。

本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

图1是本发明系统结构示意图

图2是煤岩硬度普氏系数与修正值比值的概率密度分布图

图1中：

1：大容量数据存储设备2：嵌入式计算机主板

3：大容量固态硬盘4：串口通信模块

5：电机信息采集模块6：油缸信息采集模块

7：牵引电机信息采集模块8：采煤机

9：振动信息采集模块

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种基于采煤机截割电机多参数的煤岩性状识别系统及方法的具体实施方式、结构、特征及其功效，详细说明如下。

有关本发明的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本发明加以限制。

本发明较佳实施例的一种基于采煤机截割电机多参数的煤岩性状识别系统，如图1所示，由包括大容量数据存储设备，采煤机电气主控制器、本质安全型振动加速度传感器、振动数据传输电缆、通信数据传输线，采煤机机载电源组成。

所述的大容量数据存储设备安装在采煤机自身的电控箱中，由电控箱中供电模块供电，提供24伏直流供电。该大容量数据存储设备由嵌入式计算机主板、串口通信模块、大容量固态硬盘紧凑组合而成，并对外提供多个通讯接口，完成数据的传输。所述的大容量数据存储设备提供的对外数据接口为串口通信模块和振动信号采集模块，通过该串口通信模块连接采煤机的电控箱中的主控单元，设定统一的数据通讯协议，在大容量数据存储设备和采煤机均开启后，即刻通过该串口通信模块完成数据的通信；通过振动信号采集模块对外连接本质安全型振动加速度传感器，采集经本质安全型振动加速度传感器信号调理模块调理后的设备关键部位振动信号。在设备上电开启时，大容量数据存储设备随即启动，其内部的用户程序启动运行，开始数据的采集和存储。

所述的嵌入式计算机主板，安装在大容量数据存储设备内，是既防高温又防高湿的低功耗的主板，可运行WindowsXP等主流操作系统，也可运行XPEmbedded或WindowsCE等具有掉电保护的嵌入式操作系统。该嵌入式计算机主板通过串口通信模块实现同采煤机通信。所述的串口通信模块为板载的RS232/RS485接口，通过RS232/RS485接口连接采煤机电控单元的串口通信模块，从而实现同机电设备通信，可挂载大容量存储设备。该嵌入式计算机主板是该系统的核心控制模块，运行嵌入式操作系统，通过运行开发的用户程序完成数据的采集和记录，记录的每条数据可精确至毫秒级别。

所述的振动信息采集模块，安装在大容量数据存储设备内，能够实现多通道采集，硬件可调的单双端信号输入，软件可调的采样频率，与主板USB接口连接，并由该接口提供供电，实现高速采集振动加速度信号，并通过主板USB接口将信号传入嵌入式计算机主板，并通过嵌入式计算机主板将振动加速度信号实时的存入大容量固态硬盘(3)中。

所述的大容量固态硬盘，其非易失性存储特性和抗振特性，能够保证稳定的实时的存储来自采煤机的振动信号和采煤机的状态信号，其大容量的存储空间能够完成长时间的存储这些信号。根据图1中的大容量固态硬盘的数据存储中，其存储的数据的一个实例是：将数据存储到文件csv格式的文本文件中；将串口通信模块采集的数据存储到嵌入式数据库SQLite中，它主要设计用于嵌入式开发环境，不用安装，代码开源，最大支持2TB容量。建立的数据库有第三方软件提供可视化界面供查询和修改数据库。我们可以将该数据库的代码直接移植到我们自己的程序设计中。每条数据记录的基本条目包括：时间(年月日时分秒)，能够精确至毫秒；设备状态参数信息(电压、电流、振动加速度)。

所述的本质安全型振动加速度传感器，其本质安全特性可以使其在要求本质安全工作环境的采煤机上工作，一个实例是将本质安全型振动加速度传感器安装在井下煤矿设备的多个关键部位，在采煤机工作时，记录设备关键部位的振动特性。

所述的采煤机，它自身的机电设备电控箱中的主控单元通过采集自身的截割电机和牵引电机的电压、电流、温度、转矩、转速，油缸传感器等的信号，将其作为设备自身工作状态参数传输到大容量数据存储设备中处理和记录。

本发明较佳实施例的一种基于采煤机截割电机多参数的煤岩性状识别系统和方法，通过实例中型号为MG400/940-WD的采煤机，采用电动机——摇臂——行星齿轮传动——滚筒结构，这种传动方式采用了纵向输出轴的单独电机，使电动机轴与滚筒轴平行，因而取消了承载大、易损耗的锥齿轮，使截割部更为简化。采用这种传动方式可获得较大的调高范围，并使采煤机机身长度进一步缩短。

机械的传递效率是指机械做功的过程中“输出”与“输入”的比，对于采煤机的机械效率应主要考虑电机的效率、齿轮的传动效率、轴承效率等主要因素。在本论文中，电机采用的是三相异步电机，其效率一般为91.5％；齿轮的传递效率与齿轮的类型、加工精度以及润滑情况都有关，可根据齿轮的制造精度、润滑条件查表查出的传递效率，对于普通的七级圆柱齿轮其效率为0.97；再将每一对啮合齿轮效率相乘就齿轮传递部分总的传递效率，一般情况下圆柱直齿轮传动的效率为0.9～0.99，常用8级圆柱直齿轮传动为0.97；对于轴承的效率，滚动轴承的效率一般在0.98-0.99，传动效率较高。

截割电机线电压U_L，截割电机线电流I_L通过基于采煤机截割电机多参数的煤岩性状识别系统采集和记录，截割电机功率因素根据电机出厂参数确定，电机负荷系数K_p为常数(电机运行时的实际功率和额定功率的比)。其中机械传动效率η、截割电机转速ω(单位rad/s)、滚筒平均半径R_head(单位m)、参与截割的截齿投影面积之和A(约整半个滚筒截割截齿)可以根据采煤机说明书获得相应参数。

截割部选用的YBCS4─400的三相鼠笼异步防爆电动机，其主要参数如下：

额定功率：400KW；额定电压：3300V；

满载电流：98A；额定转速：1470r/min；

满载效率：0.915；绝缘等级：H；

满载功率因数：0.85；接线方式：Y；

质量：1150Kg；冷却方式：外壳水冷

该电动机输出轴上带有渐开线花键，通过该花键电机将输出的动力传递给摇臂的齿轮减速机构。

确定各轴的转速n、功率P、转矩T

1)确定各轴转速n

n₁＝n_电机＝1470r/min

n₂＝n₁＝1470r/min

n₃＝n₂/i₁＝1470/1.77＝830r/min

n₄＝n₃/i₂＝830/1.76＝472r/min

n₅＝n₄＝472r/min

n₆＝n₅/i₃＝472/2.238＝211r/min

n₇＝n₆/i_行星＝211/6＝35r/min

2)确定各轴输入额定功率P

P₁＝400kW

P₂＝P₁＝400kW

P₃＝P₂×η₁×η₂＝400×0.97×0.99＝384kW

P₄＝P₃×η₁×η₂＝384×0.97×0.99＝369kW

P₅＝P₄＝369kW

P₆＝P₅×η₁×η₂＝369×0.97×0.99＝354kW

P₇＝P₆＝354kW

式中：

η₁－齿轮啮合效率，η₁＝0.97；

η₂－轴承效率，η₂＝0.99.

经过上述计算，得到经验公式1.6的参数具体值，如表1和式1.7所示。

表1经验公式的参数具体值

功率因素随负载变化而变化，一般标准取值为满载时的功率因素，通常情况下，负载越低，功率因素越小，本论文着重研究滚筒截割顶地板岩层时高负载下的截割电机工作参数的变化，根据实际采煤机工作经验可知，截割电机过载情况较少，在不影响研究目的且结合实际情况条件按下，简化计算，取功率因素为满载时的标准值。

由公式得到截割电机功率与表征煤岩硬度的普氏系数关系公式，代入表3.4中的常量值，得到式(1.12)

$f=\frac{K}{10}\×0.075\×\sqrt{3}{U}_L{I}_L---\left(1.8\right)$

其中K_p近似取截割电机YBCS4─400满载时额定效率0.915。

由公式 $f=\frac{K}{10}\×0.075\×\sqrt{3}{U}_L{I}_L$ 可得： $f/K=0.0075\×\sqrt{3}{U}_L{I}_L$

如图2中：

(1)数据点4处的普氏系数与修正值的比值f/K为3740。考虑到数据点4的概率分布P(X<(f/K＝3740))＝98.36％。所以认为数据点4为采煤机截割介质最硬的f/K的值。

(2)第二个主波段(f/K∈[3164，3740])为采煤机滚筒截割煤岩介质的正常f/K的值范围，工作面顶板良好，平整。采煤机滚筒正常工作一般不接触顶板，因此，实际工作面的煤硬度普氏系数f＝2～3。本次截割工作修正值K∈[(2/3740)，(3/3164)]＝[0.0005，0.0009]。

鉴于数据解释的重复性，下面例子中对于截割电机电流、电压、功率及煤岩硬度普氏系数与修正值比值f/K的解释不再赘述，第一主波段为采煤机空载，第二主波段为采煤机实际负载截割煤岩，重点通过样本训练修正值K的取值范围。

为验证根据修正系数K推断普氏系数f具有分辨性，取K＝10×10-4，实现了基于采煤机截割电机的多参数(截割电机和牵引电机的电压、电流、温度、扭矩信息)信息融合识别煤岩硬度方法的实例验证。

如上所述是本发明的基本构思。但是，在本发明的技术领域内，只要具备最基本的知识，可以对本发明的其他可操作的实施例进行改进。在本发明中对实质性技术方案提出了专利保护请求，其保护范围应包括具有上述技术特点的一切变化方式。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (1)

1.一种基于采煤机截割电机温度的煤岩性状识别方法，所述的方法是基于一种采煤机截割电机温度的煤岩性状识别系统实现的，所述系统由大容量数据存储设备、采煤机电气主控制器、本质安全型振动加速度传感器、振动数据传输电缆、通信数据传输线和采煤机机载电源组成，其中，所述大容量数据存储设备安装在采煤机的电控箱内，通过串口通信模块与采煤机电控单元的串口连接，还通过振动信息采集模块连接振动数据传输电缆，所述大容量数据存储设备由采煤机机载电源供电；所述大容量数据存储设备还包括：

嵌入式计算机主板，接收处理采集到的各种数据；所述嵌入式计算机主板通过发送指令要求串口通信模块将信息传输给采煤机，采煤机串口通信模块接受指令并将截割和牵引电机的电压、电流、温度、转矩、转速信息以及油缸信息传输至大容量数据存储设备；振动数据采集模块，采集由本质安全型振动加速度传感器调理之后的8路信号；所述振动数据采集模块通过嵌入式计算机主板USB接口供电并实现与嵌入式计算机主板的通信；

大容量固态硬盘，作为存储设备记录数据；所述大容量固态硬盘为非易失性、可重复读写、抗震性能好的存储设备；

其特征在于：所述识别方法是通过采集存储由振动信号、采煤机截割部左右截割电机及牵引电机的电压电流及温度扭矩、采煤机左右摇臂升降油缸压力、牵引电机速度信号组成的采煤机工作参数，分析采煤机滚筒截齿截割煤、岩石不同顶底板情况下的信号特征，运用概率统计样本分析截割电机工作参数的特征分布、多传感器信息融合技术综合建立不同煤岩性状数据库而实现的；

根据截割电机绕组温度变化与电机电流变化利用数据差值拟合方法得到数学建模公式：T＝M×F(U_L,I_L,r)，结合表征煤岩性状硬度的普氏系数与截割电机电压电流数学模型，得到利用电机温度参数识别表征煤岩性状的普氏系数，其关系式为：

令满足

由公式可知，截割电机线电压U_L，截割电机线电流I_L通过采煤机黑匣子采集和记录；截割电机功率因素根据电机出厂参数确定，电机负荷系数K_p为常数，其为电机运行时的实际功率和额定功率的比；其中机械传动效率η、截割电机转速ωrad/s、滚筒平均半径R_headm、参与截割的截齿投影面积之和A可以根据采煤机说明书获得相应参数；

f——表征煤岩性状硬度的普氏系数；

K——表征截割电机参数与普氏系数关系公式的修正值；

δ_c——岩石的单轴抗压强度；

T——截割电机绕组温度值；

M——温度变化正比例系数经验值；

r——截割电机绕组热损耗系数，常数；

F——差值拟合函数，其为根据样本数据学习获得的经验函数；

F^-1——差值拟合函数反函数，其为根据样本数据学习获得的经验函数；

θ——截割电机绕组温度与电机功率相关系数，其根据样本数据获得。