CN109944590A - 一种可靠的采煤机切割模式识别系统 - Google Patents

Abstract

本发明公开了一种可靠的采煤机切割模式识别系统，该系统由传感模块、数据处理模块、控制模块组成。传感模块测量采煤机工作时的电机的运行速度、电流和电压，并将这些数据传到数据处理模块。数据处理模块对数据进行分解处理，然后将处理过后的数据传到控制模块。控制模块根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机使采煤机及时调节切割模式。本发明以电机的运行速度、电流和电压为检测信号，检测设备简单且检测信号与切割模式之间有着可靠的对应关系；对检测信号进行分解，将一维信号分解成若干个本征模函数和一个余波的和，有效提取测量信号不同时间尺度的特点，进一步提高识别的准确性。

Description

一种可靠的采煤机切割模式识别系统

技术领域

本发明涉及煤矿开采领域，尤其涉及一种可靠的采煤机切割模式识别系统。

背景技术

我国是世界上煤炭资源最丰富的国家之一，煤炭储量在9000亿吨以上，是目前世界上最大的煤炭生产和消费国。采煤机是实现煤矿安全高效生产的关键设备之一，作为综采成套装备的主要组成部分，其智能化水平是实现综采工作面“无人化”或“少人化”关键因素。自20世纪60年代以来，国内外一些高校、科研院所和煤机制造企业尝试通过煤界面识别方法来解决采煤机的自动切割和自适应控制问题。

目前煤岩界面的识别方法有伽马射线散射法，雷达探测法、震动测试法、光学测量技术、热敏测量技术等。尽管上述研究在切割模式识别上给出了大量有价值的实验数据和结果，但仍然有一些共同的缺点。首先，上述检测设备复杂，要求地质条件恶劣，在实际生产中不能满足广泛的应用。其次，目前所采用的识别方法不能有效提取测量信号的特点，影响切割模式的准确识别。

发明内容

为了克服目前采煤机切割模式识别中检测设备复杂、信号特征无法准确提取的不足，本发明的目的在于提供一种可靠的采煤机切割模式识别系统，该系统以电机的运行速度、电流和电压为检测信号，信号获取简单；并将检测信号进行分解，更好地提取特征。

本发明的目的是通过以下技术方案来实现的：一种可靠的采煤机切割模式识别系统，该系统由传感模块、数据处理模块、控制模块组成。各模块的连接方式为：传感模块测量采煤机工作时的电机的运行速度、电流和电压，并将这些数据传到数据处理模块；数据处理模块对速度、电流和电压三个信号分别进行分解，将所有分解所得信号传到控制模块；控制模块根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机使采煤机及时调节切割模式。其中，数据处理模块对速度、电流和电压三个信号分别进行分解，具体步骤为：

(1)将原始信号记为X(t)；

(2)将X(t)所有的极大值用三次样条插值函数拟合形成上包络线；

(3)将X(t)所有的极小值用三次样条插值函数拟合形成下包络线；

(4)上包络线和下包络线的均值记作ml；

(5)将X(t)减去平均包络ml，得到一个新的数据序列hl：

hl＝X(t)-ml (1)

(6)如果hl至少有一个极大值和一个极小值，则将hl记为新的X(t)，称为一个本征模函数，重复步骤(2)-(6)；反之，hl为单调序列，分解结束，单调的hl称为余波。

数据处理模块将电机的运行速度、电流和电压分别分解成若干个本征模函数和一个余波的和，将所有分解所得信号记为x，并传到控制模块。

进一步地，控制模块根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机使采煤机及时调节切割模式。控制模块中包含一个煤岩界面识别模型，模型使用集成算法梯度提升树GBDT作为分类器，分类器的输入为数据处理模块处理得到的分解信号x，输出为对应的煤岩界面类型y，有煤界面、岩界面和煤岩混合界面三种，分别对应y＝1或2或3。对于三分类问题，GBDT对每个类别训练n_estimator个分类器，即共有3×n_estimator个弱分类器，最后将这些弱分类器集合成一个强分类器f(x)。三分类问题GBDT的损失函数为L为：

其中如果样本输出类别为y＝k，则y_k＝1；p_k(x)表示x属于第k类的概率，k＝1,2,3：

其中f_k(x)表示对类别k训练得到的n_estimator个弱分类器模型。

利用具有完整输入输出对的样本训练模型，得到最终的煤岩界面识别模型。

将未知分类结果的数据处理模块处理过的信号输入到最终的煤岩界面识别模型，分析得到具体的煤岩界面类型，再将结果传到采煤机，使之根据当前煤岩界面类型智能地调整切割模式。

本发明的有益效果主要表现在：本发明以电机的运行速度、电流和电压为检测信号，检测设备简单且检测信号与切割模式之间有着可靠的对应关系；对检测信号进行分解，将一维信号分解成若干个本征模函数和一个余波的和，有效提取测量信号不同时间尺度的特点，进一步提高识别的准确性。

附图说明

图1是本发明的结构示意图。

图2是本发明数据处理的流程图。

具体实施方式

下面根据附图具体说明本发明。

参照图1，一种可靠的采煤机切割模式识别系统，该系统由传感模块2、数据处理模块3、控制模块4组成。各模块的连接方式为：传感模块2测量采煤机1工作时的电机的运行速度、电流和电压，并将这些数据传到数据处理模块3；数据处理模块3对速度、电流和电压三个信号分别进行分解，将所有分解所得信号传到控制模块4；控制模块4根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机1使采煤机1及时调节切割模式。其中，数据处理模块3对速度、电流和电压三个信号分别进行分解，参照图2，具体步骤为：

(1)将原始信号记为X(t)；

(2)将X(t)所有的极大值用三次样条插值函数拟合形成上包络线；

(3)将X(t)所有的极小值用三次样条插值函数拟合形成下包络线；

(4)上包络线和下包络线的均值记作ml；

(5)将X(t)减去平均包络ml，得到一个新的数据序列hl：

hl＝X(t)-ml (1)

(6)如果hl至少有一个极大值和一个极小值，则将hl记为新的X(t)，称为一个本征模函数，重复步骤(2)-(6)；反之，hl为单调序列，分解结束，单调的hl称为余波。

数据处理模块3将电机的运行速度、电流和电压分别分解成若干个本征模函数和一个余波的和，将所有分解所得信号记为x，并传到控制模块4。

进一步地，控制模块4根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机使采煤机1及时调节切割模式。控制模块4中包含一个煤岩界面识别模型，模型使用集成算法梯度提升树GBDT分类器5，GBDT分类器5的输入为数据处理模块处理得到的分解信号x，输出为对应的煤岩界面类型y，有煤界面、岩界面和煤岩混合界面三种，分别对应y＝1或2或3。对于三分类问题，GBDT对每个类别训练n_estimator个分类器，即共有3×n_estimator个弱分类器，最后将这些弱分类器集合成一个强分类器f(x)。三分类问题GBDT的损失函数为L为：

其中如果样本输出类别为y＝k，则y_k＝1；p_k(x)表示x属于第k类的概率，k＝1,2,3：

其中f_k(x)表示对类别k训练得到的n_estimator个弱分类器模型。

利用具有完整输入输出对的样本训练模型，得到最终的煤岩界面识别模型。

将未知分类结果的数据处理模块3处理过的信号输入到最终的煤岩界面识别模型，分析得到具体的煤岩界面类型，再将结果传到采煤机1，使之根据当前煤岩界面类型智能地调整切割模式。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (3)

1.一种可靠的采煤机切割模式识别系统，其特征在于：该系统由传感模块、数据处理模块、控制模块组成；采煤机的切割模式受到地质条件变化的影响，与切割载荷有对应关系，而切割载荷可以通过采煤机的电机运行数据反映出来。所述传感模块测量采煤机工作时的电机的运行速度、电流和电压，并将这些数据传到数据处理模块。

2.根据权利要求1所述可靠的采煤机切割模式识别系统，其特征在于：所述数据处理模块对速度、电流和电压三个信号分别进行分解，具体步骤为：

(1)将原始信号记为X(t)。

(2)将X(t)所有的极大值用三次样条插值函数拟合形成上包络线。

(3)将X(t)所有的极小值用三次样条插值函数拟合形成下包络线。

(4)上包络线和下包络线的均值记作ml。

(5)将X(t)减去平均包络ml，得到一个新的数据序列hl：

hl＝X(t)-ml (1)

(6)如果hl至少有一个极大值和一个极小值，则将hl记为新的X(t)，称为一个本征模函数，重复步骤(2)-(6)；反之，hl为单调序列，分解结束，单调的hl称为余波。

数据处理模块将电机的运行速度、电流和电压分别分解成若干个本征模函数和一个余波的和，将所有分解所得信号记为x，并传到控制模块。

3.根据权利要求1所述可靠的采煤机切割模式识别系统，其特征在于：所述控制模块根据输入数据智能地识别出当前地质条件，并将结果传输到采煤机使采煤机及时调节切割模式。控制模块中包含一个煤岩界面识别模型，模型使用集成算法梯度提升树GBDT作为分类器，分类器的输入为数据处理模块处理得到的分解信号x，输出为对应的煤岩界面类型y，有煤界面、岩界面和煤岩混合界面三种，分别对应y＝1或2或3。对于三分类问题，GBDT对每个类别训练n_estimator个分类器，即共有3×n_estimator个弱分类器，最后将这些弱分类器集合成一个强分类器f(x)。三分类问题GBDT的损失函数为L为：

其中如果样本输出类别为y＝k，则y_k＝1；p_k(x)表示x属于第k类的概率，k＝1,2,3：

其中f_k(x)表示对类别k训练得到的n_estimator个弱分类器模型。

利用具有完整输入输出对的样本训练模型，得到最终的煤岩界面识别模型。

将未知分类结果的数据处理模块处理过的信号输入到最终的煤岩界面识别模型，分析得到具体的煤岩界面类型，再将结果传到采煤机，使之根据当前煤岩界面类型智能地调整切割模式。