CN113435497B - 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 - Google Patents
基于硬度特性的煤岩界面多传感信息融合偏好识别方法 Download PDFInfo
- Publication number
- CN113435497B CN113435497B CN202110705177.1A CN202110705177A CN113435497B CN 113435497 B CN113435497 B CN 113435497B CN 202110705177 A CN202110705177 A CN 202110705177A CN 113435497 B CN113435497 B CN 113435497B
- Authority
- CN
- China
- Prior art keywords
- coal
- rock
- hardness
- interval
- weight
- 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 127
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 239000003245 coal Substances 0.000 claims abstract description 125
- 238000005065 mining Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000005520 cutting process Methods 0.000 abstract description 25
- 235000019589 hardness Nutrition 0.000 description 42
- 238000012360 testing method Methods 0.000 description 8
- 238000007500 overflow downdraw method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000036346 tooth eruption Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开了基于硬度特性的煤岩界面多传感信息融合偏好识别方法,包括以下步骤,基于煤岩的硬度进行分类,并将分类后的煤岩进行浇筑,获得待测煤岩;采集采煤机的传感器信号,并进行特征提取,构建信号特征数据库;通过对所述特征数据库进行数据拟合与权重分配,获得所述传感器信号的权重偏好值;基于CNN神经网络和D‑S证据理论对所述权重偏好值进行权重优化,获得目标权重系数,基于所述目标权重系数,对所述待测煤岩的煤岩界面进行识别。本发明通过研究不同硬度、不同截割比下的各信号的偏好特性,同时将获取的权重系数进行双重权重优化,显著提高了煤岩识别精度和截割效率。
Description
技术领域
本发明属于煤岩界面轨迹识别领域,特别是涉及一种基于硬度特性的煤岩界面多传感信息融合偏好识别方法。
背景技术
煤岩界面轨迹识别是国内外公认的高技术、高难度课题,也是实现自动调高和综采工作面自动化的关键和前提。采煤过程中一旦截割的岩石混入煤层容易引起煤质下降,煤、岩硬度不同也会严重影响采煤机截齿的使用寿命,随着岩石在煤岩界面硬度占比的提高,采煤机滚筒受力、机械负载损耗以及截割电机功率均会受到很大程度的影响,继而降低采煤质量和采煤效率,不能保证高质、高量采煤,故煤岩界面轨迹的精准识别是实现煤矿综采工作面自动化、智能化的瓶颈问题。
目前针对煤岩界面识别的方法有单一传感器识别方法和多传感信息融合识别方法,单一传感器识别方法主要是通过采集截割时的单一振动信号或声发射信号,或基于物理特性利用采集到的能量谱进行时域或频域的分析,但识别精度低下,且受环境干扰波动性大;而多传感信息融合方法虽能提高识别精度,融合多种不同源的数据样本,但融合过程中多传感器采集的信息之间经常存在数据冲突,且不同煤岩硬度条件下的煤岩识别对不同类型传感器数据的依赖程度及信度值差异很大,煤岩识别结果往往不够精准。
发明内容
为实现上述目的,本发明提供了如下方案:基于硬度特性的煤岩界面多传感信息融合偏好识别方法,包括以下步骤:
基于煤岩的硬度进行分类,并将分类后的所述煤岩进行浇筑,获得待测煤岩;采集采煤机的传感器信号,并进行特征提取,构建信号特征数据库;通过对所述信号特征数据库进行数据拟合与权重分配,获得所述传感器信号的权重偏好值;基于CNN神经网络和D-S证据理论对所述权重偏好值进行权重优化,获得目标权重系数,基于所述目标权重系数,对所述待测煤岩的煤岩界面进行识别。
优选地,基于所述煤岩的硬度进行分类,具体通过煤岩的极限抗压强度、抗拉强度、弹性模量获得煤岩的硬度系数f,根据所述硬度系数f进行分类。
优选地,根据所述硬度系数f,将煤的软硬程度分为第一区间、第二区间、第三区间;
所述第一区间f<1.5时为软煤,所述第二区间1.5<f<3时为中硬煤,f>3时为硬煤;
根据所述硬度系数f,将岩的软硬程度分为第四区间、第五区间、第六区间;
所述第四区间f<3时为软岩,所述第五区间3<f<8时为中硬岩,所述第六区间f>8时为硬岩。
优选地,根据煤、岩的分类区间获得煤岩硬度的分类结果;
所述分类结果包括软煤软岩、软煤中硬岩、软煤硬岩、中硬煤软岩、中硬煤中硬岩、中硬煤硬岩、硬煤软岩、硬煤中硬岩、硬煤硬岩。
优选地,所述采煤机的传感器信号包括振动信号、电流信号、声发射信号、温度信号。
优选地,基于小波包的分解与重构对所述传感器信号进行特征提取。
优选地,所述数据拟合与权重分配为分析所述传感器信号的线性、非线性关系,获得所述传感器信号的变化斜率,根据所述变化斜率获得所述传感器信号的权重偏好值。
优选地,所述信号特征数据库中的非线性数据通过Origin软件进行分析,线性数据通过matlab中的nlinfit函数进行分析。
优选地,所述权重偏好值的计算公式为:
其中,ki、kj为所述传感器信号的变化斜率。
本发明公开了以下技术效果:
1.本发明通过获取煤壁中煤、岩的硬度情况,研究不同硬度、不同截割比下的各信号的偏好特性,提高了不同煤岩硬度条件下对各信号的可信度、准确度。
2.本发明利用Origin和matlab软件分析各信号线性或非线性关系,根据各信号的变化率表征权重系数,实现权重的二次分配。
3.将获取的权重系数应用于CNN神经网络和D-S证据理论中,进行双重权重优化,进一步提高算法中对信号的可信度,提高煤岩识别精度和截割效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中基于硬度特性的煤岩界面多传感信息融合偏好识别方法的整体结构示意图;
图2是本发明实施例中基于硬度特性的煤岩界面多传感信息融合偏好识别方法的信号处理具体过程流向示意图;
图3是本发明实施例中基于硬度特性的煤岩界面多传感信息融合偏好识别方法的融合方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供了基于硬度特性的煤岩界面多传感信息融合偏好识别方法,通过确定同一煤岩硬度不同截割比下各信号的表征情况进行分析,分析同一信号在不同截割比下是否呈线性关系,利用数据线性或非线性关系计算在不同截割比下各个信号的权重分配,根据当前信号权重分配值确定煤岩硬度信号偏好特征,利用权重值优化多传感信息融合方法后,再融合采煤机工作时采集的振动信号、电流信号、声发射信号及温度信号,提高不同煤岩硬度条件下振动信号、电流信号、声发射信号及温度信号的可信度、准确度,继而提高煤岩界面最终识别精度。
具体地,基于硬度特性的煤岩界面多传感信息融合偏好识别方法由四部分构成,即煤岩硬度分类与试件浇筑、数据测试、采集与处理、数据拟合与权重分配及多传感信息融合部分,利用每部分之间存在的关联性及必然性实现煤岩界面识别。
煤岩硬度分类即首先对煤壁上的煤、岩进行采样,对煤岩的极限抗压强度、抗拉强度、弹性模量等参数进行测试,经过目前已有的换算公式,获得煤岩硬度系数f,继而将煤的软硬程度根据煤岩硬度系数具体细分为三个区间,即f<1.5时为软煤,1.5<f<3时为中硬煤,f>3时为硬煤,同理,将岩的硬度区间也划分为三个区间,即f<3时为软岩,3<f<8时为中硬岩,f>8时为硬岩,根据煤、岩各自的三个区间,共获取9种煤岩硬度的分类,即软煤软岩、软煤中硬岩、软煤硬岩、中硬煤软岩、中硬煤中硬岩、中硬煤硬岩、硬煤软岩、硬煤中硬岩、硬煤硬岩9种煤岩硬度的不同分类,分类后将煤岩试件按照不同截割比进行浇筑;并在采煤实验装置台上安装振动传感器、电流传感器、声发射传感器及红外热像仪传感器。
数据测试、采集与处理利用截割试件时安装的振动传感器、电流传感器、声发射传感器以及温度传感器,采集振动信号、电流信号、声发射信号及温度信号,结合小波包的分解与重构方法对信号进行局部特征提取和分析,优化数据样本,并构建相应振动信号特征数据库、电流信号特征数据库、声发射信号特征数据库及温度信号特征数据库。
其中所述振动信号:通过在与截割滚筒连接的减速机构上安装振动加速度传感器来实现截割振动信号的检测。
其中所述电流信号:根据煤岩截割电机预截割不同煤岩比例试件时的电流信号,分别采用电参数采集模块和交流电流变送器检测截割电机的电流信号。
其中所述声发射信号:煤机煤岩截割采用声发射传感器检测煤岩截割的声发射信号。对煤岩截割过程中的声发射信号进行三层小波包分解,对小波包分解系数进行重构,得到不同截煤比煤岩试件截割时声发射信号各频带的重构信号,对各频带的能量特征进行计算并分析。
其中所述温度信号:采煤机截割煤岩时截齿温度信号的采集是采用红外热像仪,煤岩接触的截齿表面中部分尖锐的微凸体在摩擦过程中,由于热量释放空间较小而产生瞬态且较高的应力集中,在二者的摩擦表面产生显著高于周边温度场的瞬间高温,即截割闪温。提取红外热信号的闪温峰值作为特征输入温度信号。
数据拟合与权重分配即首先需要根据同一煤岩硬度下对不同煤岩截割比的四种信号进行分析与类比,利用Origin软件对振动信号特征数据库、电流信号特征数据库、声发射信号特征数据库及温度信号特征数据库中的数据进行非线性拟合;对于线性数据可利用matlab中nlinfit函数分析,结合两个软件分析得到各信号之间的线性或非线性关系,并获取各信号在不同时间段内的变化斜率,根据变化斜率获取同一煤岩硬度下的不同煤岩截割比的振动信号、电流信号、声发射信号及温度信号的权重分配,如下公式所示:
该公式中ki、kj为所述传感器信号的变化斜率,j的取值为1-4,表示四种不同的信号,四种信号包括振动信号、电流信号、声发射信号及温度信号,该公式具有归一化,可分别求取振动信号、电流信号、声发射信号及温度信号在相同煤岩硬度条件下不同截煤比时的权重,根据权重值的大小确定不同截割比下振动信号、电流信号、声发射信号及温度信号的偏好特性,继而提高不同煤岩硬度下对振动、电流、声发射及电流信号的可信度,并用各信号所获取的权重偏好值优化识别煤岩界面所用的多传感信息融合方法。
将获取的振动信号、电流信号、声发射信号及温度信号权重值添加到CNN神经网络中进行初次数据权重优化,利用CNN神经网络的输出结果作为D-S证据理论的输入值,同时将获取的振动信号、电流信号、声发射信号及温度信号权重值再次对D-S证据理论中的权重进行优化,可摒弃传统的均等权重比例分配方法,继而更加突出振动信号、电流信号、声发射信号及温度信号在不同煤岩硬度、不同截割比下的偏好特性。
本发明所具有的有益效果:
1.本发明通过获取煤壁中煤、岩的硬度情况,研究不同硬度、不同截割比下的各信号的偏好特性,提高了不同煤岩硬度条件下对各信号的可信度、准确度。
2.本发明利用Origin和matlab软件分析各信号线性或非线性关系,根据各信号的变化率表征权重系数,实现权重的二次分配。
3.将获取的权重系数应用于CNN神经网络和D-S证据理论中,进行双重权重优化,进一步提高算法中对信号的可信度,提高煤岩识别精度和截割效率。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (7)
1.基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,包括以下步骤:
基于煤岩的硬度进行分类,并将分类后的所述煤岩进行浇筑,获得待测煤岩;采集采煤机的传感器信号,并进行特征提取,构建信号特征数据库;通过对所述信号特征数据库进行数据拟合与权重分配,获得所述传感器信号的权重偏好值;基于CNN神经网络和D-S证据理论对所述权重偏好值进行权重优化,获得目标权重系数,基于所述目标权重系数,对所述待测煤岩的煤岩界面进行识别;
所述数据拟合与权重分配为分析所述传感器信号的线性、非线性关系,获得所述传感器信号的变化斜率,根据所述变化斜率获得所述传感器信号的权重偏好值;
所述权重偏好值的计算公式为:
其中,ki、kj为所述传感器信号的变化斜率。
2.根据权利要求1所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
基于所述煤岩的硬度进行分类,具体通过煤岩的极限抗压强度、抗拉强度、弹性模量获得煤岩的硬度系数f,根据所述硬度系数f进行分类。
3.根据权利要求2所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
根据所述硬度系数f,将煤的软硬程度分为第一区间、第二区间、第三区间;
所述第一区间f<1.5时为软煤,所述第二区间1.5<f<3时为中硬煤,f>3时为硬煤;
根据所述硬度系数f,将岩的软硬程度分为第四区间、第五区间、第六区间;
所述第四区间f<3时为软岩,所述第五区间3<f<8时为中硬岩,所述第六区间f>8时为硬岩。
4.根据权利要求3所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
根据煤、岩的分类区间获得煤岩硬度的分类结果;
所述分类结果包括软煤软岩、软煤中硬岩、软煤硬岩、中硬煤软岩、中硬煤中硬岩、中硬煤硬岩、硬煤软岩、硬煤中硬岩、硬煤硬岩。
5.根据权利要求1所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
所述采煤机的传感器信号包括振动信号、电流信号、声发射信号、温度信号。
6.根据权利要求1所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
基于小波包的分解与重构对所述传感器信号进行特征提取。
7.根据权利要求1所述的基于硬度特性的煤岩界面多传感信息融合偏好识别方法,其特征在于,
所述信号特征数据库中的非线性数据通过Origin软件进行分析,线性数据通过matlab中的nlinfit函数进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705177.1A CN113435497B (zh) | 2021-06-24 | 2021-06-24 | 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705177.1A CN113435497B (zh) | 2021-06-24 | 2021-06-24 | 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435497A CN113435497A (zh) | 2021-09-24 |
CN113435497B true CN113435497B (zh) | 2022-07-01 |
Family
ID=77755350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110705177.1A Active CN113435497B (zh) | 2021-06-24 | 2021-06-24 | 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435497B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117387634B (zh) * | 2023-12-13 | 2024-02-27 | 江西啄木蜂科技有限公司 | 基于用户偏好的变色木林区无人机路径多目标规划方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58102148A (ja) * | 1981-12-14 | 1983-06-17 | Kawasaki Steel Corp | 鋼板のオンライン硬度測定方法 |
PL339609A1 (en) * | 1999-04-17 | 2000-10-23 | Tiefenbach Bergbautechnik Gmbh | System of controlling the mining process in amine working incorporating a feature of controlling advancing movement of mining tools |
CN103968789A (zh) * | 2013-02-05 | 2014-08-06 | 赫克斯冈技术中心 | 利用递归滤波对坐标测量机的动态监视 |
CN104329090A (zh) * | 2014-10-21 | 2015-02-04 | 中国矿业大学(北京) | 一种基于采煤机截割电机温度的煤岩性状识别方法 |
CN104405391A (zh) * | 2014-10-21 | 2015-03-11 | 中国矿业大学(北京) | 一种基于采煤机感知的煤岩界面分析方法 |
CN107575224A (zh) * | 2017-09-29 | 2018-01-12 | 辽宁工程技术大学 | 一种煤岩截割瞬态温度反馈煤岩信息的截割头及使用方法 |
CN107575226A (zh) * | 2017-09-29 | 2018-01-12 | 辽宁工程技术大学 | 一种煤岩硬度等级在线识别截割头及使用方法 |
CN108711146A (zh) * | 2018-04-19 | 2018-10-26 | 中国矿业大学 | 一种基于可见光和红外图像融合的煤岩识别装置及方法 |
CN112465063A (zh) * | 2020-12-11 | 2021-03-09 | 中国矿业大学 | 一种基于多传感信息融合的放顶煤过程中煤矸识别方法 |
-
2021
- 2021-06-24 CN CN202110705177.1A patent/CN113435497B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58102148A (ja) * | 1981-12-14 | 1983-06-17 | Kawasaki Steel Corp | 鋼板のオンライン硬度測定方法 |
PL339609A1 (en) * | 1999-04-17 | 2000-10-23 | Tiefenbach Bergbautechnik Gmbh | System of controlling the mining process in amine working incorporating a feature of controlling advancing movement of mining tools |
CN103968789A (zh) * | 2013-02-05 | 2014-08-06 | 赫克斯冈技术中心 | 利用递归滤波对坐标测量机的动态监视 |
CN104329090A (zh) * | 2014-10-21 | 2015-02-04 | 中国矿业大学(北京) | 一种基于采煤机截割电机温度的煤岩性状识别方法 |
CN104405391A (zh) * | 2014-10-21 | 2015-03-11 | 中国矿业大学(北京) | 一种基于采煤机感知的煤岩界面分析方法 |
CN107575224A (zh) * | 2017-09-29 | 2018-01-12 | 辽宁工程技术大学 | 一种煤岩截割瞬态温度反馈煤岩信息的截割头及使用方法 |
CN107575226A (zh) * | 2017-09-29 | 2018-01-12 | 辽宁工程技术大学 | 一种煤岩硬度等级在线识别截割头及使用方法 |
CN108711146A (zh) * | 2018-04-19 | 2018-10-26 | 中国矿业大学 | 一种基于可见光和红外图像融合的煤岩识别装置及方法 |
CN112465063A (zh) * | 2020-12-11 | 2021-03-09 | 中国矿业大学 | 一种基于多传感信息融合的放顶煤过程中煤矸识别方法 |
Non-Patent Citations (7)
Title |
---|
A Deep Convolutional Neural Network Model for Intelligent Discrimination between Coal and Rocks in Coal Mining Face;Tao Liu 等;《Mathematical Problems in Engineering》;20200331;1-12 * |
A Dynamic Coal-rock Interface Recognition Model Based on Cutting Acoustic Emission and Fuzzy D-S Theory;Haijian Wang 等;《2020 IEEE 4th Information Technology,Networking,Electronic and Automation Control Conference》;20200312;1-6 * |
Hardness identification of rock based on multi-sensor information fusion during the process of roadway tunnelling;H. WANG 等;《BULLETIN OF THE POLISH ACADEMY OF SCIENCES》;20201231;1301-1309 * |
基于多源数据融合的采煤机截割载荷识别与预测研究;田立勇;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》;20210115;B021-41 * |
基于模糊判据的煤岩性状截割硬度识别;杨健健 等;《煤炭学报》;20151115;第40卷;540-545 * |
煤岩界面多信息融合识别理论;王海舰;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》;20190515(第(2019)05期);B021-28 * |
考虑截齿损耗的多传感信息融合煤岩界面感知识别;王海舰 等;《煤炭学报》;20200701;第46卷(第6期);1995-2008 * |
Also Published As
Publication number | Publication date |
---|---|
CN113435497A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103034170B (zh) | 一种基于区间的数控机床性能预测方法 | |
CN102226740B (zh) | 基于外加周期信号控制随机共振的轴承故障检测方法 | |
CN103023927B (zh) | 一种稀疏表达下的基于非负矩阵分解的入侵检测方法及系统 | |
CN102930253B (zh) | 一种基于图像离散多小波变换的煤岩识别方法 | |
CN108830328B (zh) | 融合空间知识的微震信号smote识别方法及监测系统 | |
CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
CN111322082B (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
CN113435497B (zh) | 基于硬度特性的煤岩界面多传感信息融合偏好识别方法 | |
CN103439110A (zh) | 滚动轴承早期微弱故障诊断方法 | |
CN111209934B (zh) | 风机故障预报警方法及系统 | |
CN110287827B (zh) | 一种基于数据关联性的桥梁应变数据异常值识别方法 | |
CN111143438A (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
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 | |
GB2583644A (en) | Real-time monitoring of downhole dynamic events | |
CN102262700A (zh) | 基于小波分析的退化数据预处理的产品寿命预测方法 | |
CN114611745A (zh) | 机床评估方法、机床评估系统及介质 | |
CN115977633A (zh) | 一种基于多信息融合反馈的射流与截割协同调控的方法 | |
CN116933895B (zh) | 一种基于机器学习的物联网数据挖掘方法及系统 | |
CN116008114B (zh) | 一种基于传感器信号的骨材料钻削过程刀具磨损检测方法 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
CN108876060B (zh) | 一种基于大数据的样本采集风电出力概率预测方法 | |
CN114091544A (zh) | 基于振动信号与神经网络的tbm盘形滚刀磨损识别系统 | |
CN111123356A (zh) | 基于初至信息的异常道智能判识方法 | |
CN117728587B (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
CN114063144B (zh) | 一种利用短时过零率识别煤岩失稳前兆特征的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210924 Assignee: Guilin Zhongtian Machinery Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2023980045855 Denomination of invention: Preference recognition method for multi-sensor information fusion at coal rock interface based on hardness characteristics Granted publication date: 20220701 License type: Common License Record date: 20231106 |
|
EE01 | Entry into force of recordation of patent licensing contract |