CN104989401B - 一种基于声音的煤岩界面识别方法 - Google Patents
一种基于声音的煤岩界面识别方法 Download PDFInfo
- Publication number
- CN104989401B CN104989401B CN201510289895.XA CN201510289895A CN104989401B CN 104989401 B CN104989401 B CN 104989401B CN 201510289895 A CN201510289895 A CN 201510289895A CN 104989401 B CN104989401 B CN 104989401B
- Authority
- CN
- China
- Prior art keywords
- coal
- sound
- core processor
- winning machine
- rock interface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000003245 coal Substances 0.000 claims abstract description 46
- 238000005065 mining Methods 0.000 claims abstract description 32
- 230000005236 sound signal Effects 0.000 claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 230000008054 signal transmission Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000009966 trimming Methods 0.000 claims description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 229910052744 lithium Inorganic materials 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000000354 decomposition reaction Methods 0.000 abstract description 3
- 230000000873 masking effect Effects 0.000 abstract description 2
- 210000002569 neuron Anatomy 0.000 description 14
- 239000000428 dust Substances 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 4
- 230000003930 cognitive ability Effects 0.000 description 4
- 230000005251 gamma ray Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 210000004218 nerve net Anatomy 0.000 description 4
- 210000000860 cochlear nerve Anatomy 0.000 description 3
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003063 flame retardant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- FVAUCKIRQBBSSJ-UHFFFAOYSA-M sodium iodide Chemical class [Na+].[I-] FVAUCKIRQBBSSJ-UHFFFAOYSA-M 0.000 description 1
- 235000009518 sodium iodide Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种基于声音的煤岩界面识别装置及识别方法，装置包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机控制器，采煤机控制器与采煤机液压系统执行单元相连。所述方法是利用人耳生理学上的时频分解特性、定位及掩蔽特性对声音信号进行进一步的处理，从而辨别出采煤机当前截割状态，进而快速识别煤岩界面。该装置及方法测量精度高，对装置的损耗小；适用于各种地质条件，应用范围广。
Description
技术领域
本发明涉及一种煤岩界面的识别装置及识别方法，具体涉及一种基于声音的煤岩界面识别装置及方法，属于煤岩界面识别技术领域。
背景技术
随着综合机械化采煤工艺的不断发展，国内外学者相继提出“无人化”或“少人化”采煤工作面的构想。采煤机作为综采工作面“三机”配套中的重要设备，主要完成采煤和落煤的任务。在“无人化”或“少人化”的采煤工作面，必须解决采煤机滚筒适应煤层顶底板起伏而自动调节的问题，也就是分辨出煤层与岩石的分界面，避免分布在采煤机滚筒上的截齿截割到坚硬的岩石而发出火花，从而导致危险情况的发生。解决该问题的关键在于如何准确判断顶底板煤层厚度，即识别煤岩界面。
美国专利US20020056809A1提出一种基于天然γ射线法的煤岩界面识别装置及方法，利用碘化钠等晶体制成的γ射线探测器接收天然顶底板所发出的γ射线，并通过变送器将其转换为电信号，传送至识别器，电信号的强度与探测器至顶底板的距离以及预留煤层厚度有关。然而该方法不适用于顶底板不含放射性元素或放射性元素含量较低的工作面，以及煤层中夹矸过多的工作面。
美国专利US4165460提出一种基于人工γ射线的煤岩界面识别装置，利用人工γ射线法射入密度不同的煤岩分界面，从而达到识别煤和岩石的目的。但是人工γ射线具有放射性，在井下难以管理，因此不能广泛运用。
美国专利US4968098提出一种截齿应力传感器用于煤岩界面识别，根据采煤机截割到岩石时，截齿所受到的应力与截割煤层时相比将发生显著变化而实现煤岩界面的辨别。然而该方法对截齿以及传感器的损耗较大，需要人工定时更换传感器，不适用于“无人化”或“少人化”的采煤工作面。
中国专利CN201010251520.1提出一种采用高压水射流的方法实现煤岩界面识别，利用煤层和岩石硬度的不同，高压水射流的反射力大小不同，识别煤层和岩石。然而该方法无法适用于煤、岩硬度比较接近，或者岩石硬度小于煤层硬度的情况。
中国专利CN201110377347.4提出了一种基于图像的煤岩界面识别方法，对多幅煤、岩的彩色图像进行特征提取，然后利用Fisher分类器进行分类，判断出煤岩分别界面。然而井下采集到的图像会受到粉尘的影响，图像中含有大量的背景噪声，影响图像特征提取的效果。另外Fisher分类器属于线性分类器，只能识别训练过程中已有的情况，对于未出现过的情况不能进行有效预测。
发明内容
为解决上述问题，本发明提供一种基于声音的煤岩界面识别装置及方法，能够准确识别采煤机的相对截割位置并自动调整采煤机的动作，使其维持最大截割效率且不至于触碰岩石顶板；避免粉尘的影响，测量精度更高，适用于各种地质条件，应用范围广。
为了实现上述目的所采用的技术方案：一种基于声音的煤岩界面识别装置，包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机控制器，采煤机控制器与采煤机液压系统执行单元相连。
所述麦克风为声音采集装置，可以对声音信号进行采样和预处理，将声音信号转化为标准电信号；所述数据传输模块是在超微计算机中开发的基于TCP/IP协议的数据接口，并利用矿用阻燃网线实现连接；采煤机控制器根据核心处理器反馈的采煤机截割状态，做出相应的控制指令，调整采煤机调高液压缸的伸缩，最终实现摇臂的升降；采煤机控制器与地面监控系统之间通过井下环网相连，将相应的状态上传至地面调度中心，对数据进行存档和实时监控。
进一步的，所述核心处理器是基于SoC平台或者Atom平台的超微计算机。
更进一步的，所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。只有当声音强度超过最低设定值时，才视为采煤机开始截割，超微计算机与麦克风开始工作；当声音强度低于最小设定值时，认为采煤机当前未截割，关闭超微计算机与麦克风，节约能耗。
优选的，本安型电池为充电式锂电池。这种电池安全环保，比能量大，续航能力强；且使用可充电锂电池不需要再为超微计算机及麦克风铺设专门的动力电缆，便于井下安装。
更进一步的，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。人耳能听到的声音频率范围是20-20kHZ，根据采样定理，采样频率应大于信号最大频率的2倍。
一种基于声音的煤岩界面识别方法，包括以下步骤：
第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；
第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；
第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；
第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始数据；
第五步、自动切割开始后按照上述第三步和第四步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中获取当前采煤机截割状态；
第六步、BP神经网络的输出结果作为控制指令输送至采煤机控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机控制器立即发出滚筒下调指令。
第三步中声源分离步骤如下：
a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；
b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；
c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。
其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。
核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。
本发明通过模拟人的左、右耳进行声音采集，并利用人耳生理学上的时频分解特性、定位及掩蔽特性对声音信号进行进一步的处理，然后提取出关键特征，从而辨别出采煤机当前截割状态，进而快速识别煤岩界面；所述的基于声音的煤岩界面识别装置与煤岩均无接触，极大限度的减少测量装置的损耗；本装置及方法避免了粉尘对测量装置的影响，测量精度更高；适用于各种地质条件，应用范围广。
附图说明
图1是本发明中基于声音的煤岩界面识别装置的示意图；
图2是BP神经网络结构；
图3是基于声音的煤岩界面识别方法流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，一种基于声音的煤岩界面识别装置，包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机控制器，采煤机控制器与采煤机液压系统执行单元相连。
所述麦克风为声音采集装置，可以对声音信号进行采样和预处理，将声音信号转化为标准电信号；所述数据传输模块是在超微计算机中开发的基于TCP/IP协议的数据接口，并利用矿用阻燃网线实现连接；采煤机控制器根据核心处理器反馈的采煤机截割状态，做出相应的控制指令，调整采煤机调高液压缸的伸缩，最终实现摇臂的升降；采煤机控制器与地面监控系统之间通过井下环网相连，将相应的状态上传至地面调度中心，对数据进行存档和实时监控。
所述核心处理器是基于SoC平台或者Atom平台的超微计算机。具体的，所述超微计算机是基于Quark SoC X1000核心处理器的超微型计算机或者是基于Atom Z3770芯片的超微计算机，具有丰富的数据接口和网络接口，整机能耗不高于1W.
所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。只有当声音强度超过最低设定值时，才视为采煤机开始截割，超微计算机与麦克风开始工作；当声音强度低于最小设定值时，认为采煤机当前未截割，关闭超微计算机与麦克风，节约能耗。
本安型电池为充电式锂电池。这种电池安全环保，比能量大，续航能力强；且使用可充电锂电池不需要再为超微计算机及麦克风铺设专门的动力电缆，便于井下安装。
进一步的，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。人耳能听到的声音频率范围是20-20kHZ，根据采样定理，采样频率应大于信号最大频率的2倍。
如图3所示，一种基于声音的煤岩界面识别方法，包括以下步骤：
第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；
第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；
第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；
声源分离步骤如下：
a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；分析综采工作面发出的混合声音的特点，选取窗函数，对信号进行截断，窗函数应满足以下表达式：
FFT是对DFT计算的一种简化算法，FFT变换的表达式如下：
其中，在对音频信号进行加窗FFT变换之后，时域上的连续信号变成频域中的离散信号。
b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；
将上述信号输入到128通道的人耳滤波器Gammatone对左、右麦克风声音按时间祯进行频率分解，获取多个T-F单元；每个滤波器的输出再经半波整流和饱和非线性处理，最后提取听神经发放率；听神经发放率与听神经纤维相应域频率范围内信号的强度成比例关系。
两个麦克风接受音频信号的时延差异ITD的计算可通过听觉外周模型得到的两耳听神经发放率信号的互相关得到。两音频的发放率信号分别用Pl(i,t)和Pr(i,t)表示，其中i为频率通道，t为时间点，则对于时间差的互相关系数，可表示为：
其中，K是每帧的长度，j为信号帧的序号，i表示不同的频率通道，τ是时间延迟，ω(k)为矩形函，通过求取互相关最大值对应的时间延迟τimax，即可求出该时频段内的ITD，其他时频段的ITD通过相同的方法求出。
第i个通道对应的两个音频通道的强度差异IID可用Li表示，表达式如下：
c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。
其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。
第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始数据；
如图2所示，核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。
输入层包含N个神经元节点(i＝1,2,...,N)，输入向量为u＝(u1,u2,...,uN)T∈RN；隐含层包含L个神经元节点(j＝1,2,...,L)，表示隐含层神经元的激活函数，θj表示隐含层神经元的阈值；输出层包含M个神经元节点(k＝1,2,...,M)，输出向量为y＝(y1,y2,…,yM)T∈RM，ψ(·)表示输出层神经元的激活函数，θk表示输出层神经元的阈值；ωij表示输入层神经元到隐含层神经元之间的连接权值；ωjk表示隐含层神经元到输出层神经元之间的连接权值；误差反向传播算法由输入信号的正向传播和误差信号的反向传播两个过程组成。第k个输出层神经元节点输出yk为：
其中，oj为隐含层第j个神经元节点的输出信号。
输入层的节点数根据用于实现声源分离的约束条件确定，故输入层节点数为7；输出层为最终的判断结果，输出层节点数为1，输出的不同值分别代表采煤机正常割煤、采煤机割顶板岩石；隐含层的神经元节点数(a为1至10之间的常数)，分别试凑4至12之间的常数，最终选定使误差率最小的最佳节点数8。
第五步、自动切割开始后按照上述第三步和第四步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中获取当前采煤机截割状态；
第六步、BP神经网络的输出结果作为控制指令输送至采煤机控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机控制器立即发出滚筒下调指令。
本发明通过实验获取采煤机截齿正常割煤时以及采煤机截齿截割到煤岩分界面的声音，并以此作为训练数据训练初始的神经网络，获取具有认知能力的BP神经网络；根据记忆截割法记录初始的煤层高度并将实际采煤截割时的声音信号输入到具有认知能力的BP神经网络中，获取当前采煤机截割状态，以此作为采煤机控制器控制采煤机液压执行单元的标准；由于声音信号不会受到粉尘的影响，因此测量精度更高；同时本装置及方法适用于各种煤质条件，应用范围广。
Claims (8)
1.一种基于声音的煤岩界面识别方法，本方法利用一种煤岩界面识别装置，所述装置包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机机载可编程控制器，采煤机机载可编程控制器与采煤机液压系统执行单元相连；其特征在于，所述方法包括以下步骤：
第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；
第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；
第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；
第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始训练数据；
第五步、自动切割开始后按照上述第三步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中，根据BP神经网络的输出结果获取当前采煤机截割状态；
第六步、BP神经网络的输出结果作为控制指令输送至采煤机机载可编程控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机机载可编程控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机机载可编程控制器立即发出滚筒下调指令。
2.如权利要求1所述的基于声音的煤岩界面识别方法，其特征在于，第三步中声源分离步骤如下：
a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；
b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；
c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。
3.如权利要求2所述的基于声音的煤岩界面识别方法，其特征在于，其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。
4.如权利要求1至3任一权利要求所述的基于声音的煤岩界面识别方法，其特征在于，核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。
5.如权利要求4所述的基于声音的煤岩界面识别方法，其特征在于，所述核心处理器是基于SoC平台或者Atom平台的超微计算机。
6.如权利要求5所述的基于声音的煤岩界面识别方法，其特征在于，所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。
7.如权利要求6所述的基于声音的煤岩界面识别方法，其特征在于，本安型电池为充电式锂电池。
8.如权利要求7所述的基于声音的煤岩界面识别方法，其特征在于，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510289895.XA CN104989401B (zh) | 2015-05-29 | 2015-05-29 | 一种基于声音的煤岩界面识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510289895.XA CN104989401B (zh) | 2015-05-29 | 2015-05-29 | 一种基于声音的煤岩界面识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104989401A CN104989401A (zh) | 2015-10-21 |
| CN104989401B true CN104989401B (zh) | 2017-08-11 |
Family
ID=54301270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510289895.XA Active CN104989401B (zh) | 2015-05-29 | 2015-05-29 | 一种基于声音的煤岩界面识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104989401B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105649624B (zh) * | 2016-03-08 | 2017-12-08 | 太原理工大学 | 一种基于超宽带混沌雷达的薄煤层煤岩界面识别装置 |
| CN109470720B (zh) * | 2018-09-29 | 2023-09-22 | 深圳市重投华讯太赫兹科技有限公司 | 液体识别方法、向量提取方法、液体识别装置及存储介质 |
| CN112727550B (zh) * | 2019-10-29 | 2023-01-03 | 北京天玛智控科技股份有限公司 | 一种基于声音拾取的综采工作面工况识别系统及方法 |
| CN111177455A (zh) * | 2019-12-31 | 2020-05-19 | 精英数智科技股份有限公司 | 采煤机截齿负载类型的确定方法、装置、设备和存储介质 |
| CN111337883B (zh) * | 2020-04-17 | 2022-02-08 | 中国矿业大学(北京) | 一种矿井煤岩界面智能探测识别系统及方法 |
| CN112183638B (zh) * | 2020-09-29 | 2022-05-10 | 广西大学 | 基于声纹深度特征的硬岩拉剪破裂识别方法及装置 |
| CN113569664B (zh) * | 2021-07-08 | 2023-12-26 | 太原理工大学 | 一种声电信号融合的煤岩识别方法 |
| CN113863926B (zh) * | 2021-10-29 | 2024-03-26 | 北京华电力拓能源科技有限公司 | 一种采煤机用滚筒截割状态ai识别方法 |
| CN114940342B (zh) * | 2022-05-09 | 2023-06-06 | 华中科技大学 | 一种基于采煤机截割声音的刮板输送机智能控制装置及其方法 |
| CN117092700B (zh) * | 2023-08-25 | 2024-05-17 | 徐州恒佳机械科技有限公司 | 一种煤岩界面识别方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930253B (zh) * | 2012-10-31 | 2015-04-01 | 中国矿业大学(北京) | 一种基于图像离散多小波变换的煤岩识别方法 |
| CN103174449B (zh) * | 2013-03-28 | 2015-12-23 | 北京天地玛珂电液控制系统有限公司 | 一种使用煤岩识别处理器的煤岩识别方法 |
| CN204327098U (zh) * | 2014-12-19 | 2015-05-13 | 中国矿业大学(北京) | 一种综放工作面放顶煤自动化识别与控制系统 |
-
2015
- 2015-05-29 CN CN201510289895.XA patent/CN104989401B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104989401A (zh) | 2015-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104989401B (zh) | 一种基于声音的煤岩界面识别方法 | |
| CN106128035B (zh) | 基于神经网络和多参数信息融合的地质灾害预报方法 | |
| CN104747163B (zh) | 一种在致密砂岩中识别储层裂缝的方法及装置 | |
| CN110239914B (zh) | 红外视听频谱融合输送带纵向撕裂检测预警装置及方法 | |
| CN104948186B (zh) | 一种基于温度的煤岩界面识别方法 | |
| CN113362575A (zh) | 一种基于人工智能的矿山环境智能监测系统 | |
| CN104373153A (zh) | 一种煤矿井下综放工作面的煤岩性状识别方法与系统 | |
| CN104361887A (zh) | 行车噪声环境下的快速声学事件检测系统 | |
| CN211403425U (zh) | 洪水预测数据处理系统 | |
| CN106227127A (zh) | 发电设备智能监控装置和监控方法 | |
| CN106154938A (zh) | 一种盾构施工过程状态参数记录装置 | |
| CN107025617A (zh) | 一种基于人工智能的智能教学学习系统 | |
| CN114033377B (zh) | 一种基于声纹检测技术的放顶煤控制方法及系统 | |
| CN109358505A (zh) | 一种tbm智能驾驶方法及系统 | |
| CN105118516A (zh) | 基于声音线性预测倒谱系数的工程机械的识别方法 | |
| CN203039803U (zh) | 输电线路远程监控系统 | |
| CN105223605B (zh) | 一种微秒时序控制的多通道电火花震源系统及控制方法 | |
| CN206855457U (zh) | 一种智能机器人 | |
| CN109389994A (zh) | 用于智能交通系统的声源识别方法及装置 | |
| CN106355715A (zh) | 一种无线语音识别门禁系统 | |
| CN110593847B (zh) | 一种基于LabVIEW智能化钻井系统及其应用 | |
| CN209928976U (zh) | 一种智能人因风险监测系统 | |
| CN206628058U (zh) | 一种公共场所突发事件处理装置 | |
| CN207979229U (zh) | 一种基于传感技术的智能导盲背包 | |
| CN117307158A (zh) | 滚筒截割支架顶梁自避让的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |