CN116952562A - 一种基于时频分析法的掘进机截割部振动状态识别方法 - Google Patents

一种基于时频分析法的掘进机截割部振动状态识别方法 Download PDF

Info

Publication number
CN116952562A
CN116952562A CN202311223368.XA CN202311223368A CN116952562A CN 116952562 A CN116952562 A CN 116952562A CN 202311223368 A CN202311223368 A CN 202311223368A CN 116952562 A CN116952562 A CN 116952562A
Authority
CN
China
Prior art keywords
heading machine
cutting part
specific gravity
vibration
value
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.)
Granted
Application number
CN202311223368.XA
Other languages
English (en)
Other versions
CN116952562B (zh
Inventor
李和薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
707th Research Institute of CSIC
Original Assignee
707th Research Institute of CSIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 707th Research Institute of CSIC filed Critical 707th Research Institute of CSIC
Priority to CN202311223368.XA priority Critical patent/CN116952562B/zh
Publication of CN116952562A publication Critical patent/CN116952562A/zh
Application granted granted Critical
Publication of CN116952562B publication Critical patent/CN116952562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
    • E21D9/10—Making by using boring or cutting machines
    • E21D9/108—Remote control specially adapted for machines for driving tunnels or galleries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mining & Mineral Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于时频分析法的掘进机截割部振动状态识别方法，首先采集掘进机截割部运行参数信号，其次，对运行参数信号进行时域分析以提取时域特征信号，对运行参数信号进行频域分析以提取频域特征信号，最后，比较掘进机截割部相邻采样时间的运行参数信号的时域特征和频域特征的比重值的大小，利用振动状态先验知识网格对所述掘进机截割部的振动状态进行识别。本发明可作为算法内置于掘进机机载操控系统，可为操作人员提供掘进机截割部运行状态的参考信息，相比于人为判断掘进机截割部运行状态，具有识别准确度高、工作强度低、实时性高的特点，可有效提高掘进机的掘进效率。

Description

一种基于时频分析法的掘进机截割部振动状态识别方法
技术领域
本发明涉及煤矿设备智能化技术，特别涉及一种基于时频分析法的掘进机截割部振动状态识别方法。
背景技术
掘进机是进行煤矿井下巷道截割掘进工作的主要设备之一，属于煤矿设备智能化的重要一环。由于煤岩赋存条件和截割特性的差异，掘进机在截割掘进过程中，其截割部会产生不同程度的振动，会导致截割电机输出功率不稳定、截割电机温度过高、驱动油缸油温过高等不利因素，甚至导致掘进机出现故障并停止工作，严重影响煤炭采掘进度。为了避免振动对掘进机工作状态的影响，就需要对掘进机截割部振动状态进行识别，根据识别结果对掘进机截割部运行参数进行调整。
目前，为避免振动导致的不利因素对掘进机的影响，大部分掘进机在工作状态下，由掘进机操作人员根据观察和经验，调整掘进机截割部的运行参数，该种人工识别并干预掘进机截割部运行状态的方法具有效率低下、调节误差大、调节实时性差等缺点，同时增加了矿下工作人员的工作强度。
发明内容
为了解决当前掘进机截割部振动状态人工识别存在的问题，本发明提出一种基于时频分析法的掘进机截割部振动状态识别方法。该方法首先通过采集掘进机截割部运行参数信号，计算得到掘进机截割部输出转矩信号，其次对截割部输出转矩信号进行时域特征和频域特征提取，并对所提取特征进行归一化处理，计算时域特征和频域特征的比重值，进而比较相邻采样时间截割部输出转矩信号的时域特征和频域特征比重值大小，根据比较结果构建振动状态识别网格作为振动状态识别规则，内置于解算系统识别并输出掘进机截割部的振动状态。利用现代化的信息技术，对掘进机截割部振动状态进行识别，并反馈掘进机截割部运行参数的调整，对提高掘进机的智能化程度具有重大意义。
为了实现上述目的，本发明采取的技术方案是：一种基于时频分析法的掘进机截割部振动状态识别方法是采用时频分析法对掘进机截割部振动状态进行识别，包括以下步骤：
T1：在掘进机上安装由采集系统和解算系统组成的信号采集解算系统，所述采集系统采集采样时间为t的掘进机截割部运行参数信号，所述解算系统计算掘进机截割部的输出转矩信号。
T2：所述解算系统以采样时间t为基础，离散化处理掘进机截割部的所述输出转矩信号，得到N段采样输出转矩信号，进而提取掘进机截割部的所述输出转矩信号的时域特征，所述时域特征分别为均方值和标准差。
T3：所述解算系统对掘进机截割部的所述N段采样输出转矩信号进行快速傅里叶变换，得到所述输出转矩信号的功率谱，根据所述功率谱进一步提取掘进机截割部所述输出转矩信号的频域特征，所述频域特征为重心频率。
T4：所述解算系统将所述均方值、所述标准差和所述重心频率进行归一化处理，分别得到均方值的比重值、标准差的比重值、重心频率的比重值。
T5：所述解算系统依次计算掘进机采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值；将计算出的初始相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值分别进行比较，得出比较结果。
T6：根据得出的所述比较结果构建所述掘进机截割部的振动状态识别网格。
T7：将构建的所述掘进机截割部的振动状态识别网格作为振动状态识别规则内置于所述解算系统，解算系统依次比较当前相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值的大小，得出组合比较结果；再根据内置于解算系统所述振动状态识别网格，由所述解算系统确定当前采样时间t内掘进机截割部的振动状态，并输出至掘进机操控系统。
与现有技术相比，本发明具有以下优点：
（1）本方法可作为算法内置于掘进机机载操控系统，为操作人员提供掘进机截割部运行状态的参考信息，相比于人为判断掘进机截割部运行状态，具有识别准确度高、工作强度低、实时性高的特点，可有效提高掘进机的掘进效率。
（2）本方法配合相应的硬件系统内置于掘进机机载操控系统，使掘进机具有截割部振动状态自主识别能力，应用于掘进机自主掘进工作中，提升掘进机的自动化和智能化程度。
附图说明
图1为本发明实施例提供的一种信号采集解算系统的组成框图；
图2为本发明实施例提供的一种信号采集解算系统安装位置示意图；
图3为本发明工作程序流程图；
图4为本发明实施例中构建的振动状态识别网格示意图。
图中：1-截割电机；2-电气系统；4-操控系统；6-截割部；7-电压传感器；8-电流传感器；9-电源板；10-数据采集板；11-数据解算板；12-主控板；13-转速传感器。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
如图1所示，本方法实施例提供一种信号采集解算系统，包括采集系统和解算系统两部分，采集系统包括电压传感器7、电流传感器8和转速传感器13，解算系统包括电源板9、数据采集板10、数据解算板11、主控板12。采集系统采集掘进机截割部运行参数信号并由解算系统接收，然后传输至数据采集板10，进而由数据采集板10将运行参数信号传输至数据解算板11，数据解算板11对接收的运行参数信号进行解算处理并输出振动状态识别结果。电源板9为信号采集解算系统供电。主控板12对信号采集解算系统发送信号采集、接收、解算命令。
如图2所示，本方法实施例采用悬臂式掘进机，图2为采集系统和解算系统在悬臂式掘进机的安装位置示意图。本实施例仅给出采集系统和解算系统安装位置涉及到的悬臂式掘进机部分结构，包括截割电机1、电气系统2、操控系统4、截割部6。
如图3所示，一种基于时频分析法的掘进机截割部振动状态识别方法是采用时频分析法对掘进机截割部振动状态进行识别，包括以下步骤：
T1：在掘进机上安装由采集系统和解算系统组成的信号采集解算系统，采集系统采集采样时间为t的掘进机截割部运行参数信号，解算系统计算掘进机截割部的输出转矩信号。
在掘进机上安装包括采集系统和解算系统的信号采集解算系统，将采样时间设置为t，由采集系统采集采样时间t内的截割电机1的输入相电流信号I(t)、输入相电压信号U(t)和输出转速信号N(t)，由解算系统计算掘进机截割部的输出转矩信号T(t)；计算公式如下：
；
式中：cosφ表示功率因数，为与电机选型有关的参数；η表示电机效率，为与电机选型有关的参数。
如图1、图2所示，在掘进机上安装由采集系统和解算系统组成的信号采集解算系统，具体安装位置如下：
采集系统的安装：将采集系统的电压传感器7、电流传感器8分别安装于掘进机电气系统2与截割部6之间的线缆，同时电压传感器7、电流传感器8的数据输出端分别与解算系统的数据采集板10的数据输入端连接；将采集系统的转速传感器13安装于截割部6的输出轴，同时转速传感器13的数据输出端与解算系统的数据采集板10的数据输入端连接。
解算系统的安装：将解算系统的电源板9、数据采集板10、数据解算板11、主控板12安装于掘进机的操控系统4，同时电源板9电源输入端与掘进机电气系统2的电源输出端连接，电源板9的电源输出端分别与数据采集板10的电源输入端、数据解算板11的电源输入端、主控板12的电源输入端连接；数据采集板10的数据输出端与数据解算板11的数据输入端连接，数据采集板10与主控板12双向通讯线连接并进行信息交互；数据解算板11与主控板12双向通讯线连接并进行信息交互；主控板12与掘进机的操控系统4双向通讯线连接并进行信息交互（如图1所示）。
T2：解算系统以采样时间t为基础，离散化处理掘进机截割部的输出转矩信号，得到N段采样输出转矩信号，进而提取掘进机截割部的输出转矩信号的时域特征，时域特征分别为均方值和标准差。
解算系统以采样时间t为基础，对悬臂式掘进机的截割部6的输出转矩信号T(t)进行离散化处理，得到N段采样输出转矩信号Ti(t)，进而提取悬臂式掘进机的截割部6的输出转矩信号T(t)的时域特征，分别为均方值Ψ2 T(t)和标准差σT(t)，其中均方值Ψ2 T(t)表示输出扭矩信号T(t)的能量大小，且与输出扭矩信号T(t)大小成正比，标准差σT(t)表示输出转矩信号Ti(t)的离散程度，且与输出扭矩信号T(t)中存在的振动信号数量成正比，均方值Ψ2 T(t)和标准差σT(t)的计算公式如下：
；/>
其中，Ti0(t)为N段采样输出转矩信号的平均值，其计算公式如下：
。
T3：解算系统对掘进机截割部的所述N段采样输出转矩信号进行快速傅里叶变换，得到输出转矩信号的功率谱，根据功率谱进一步提取掘进机截割部输出转矩信号的频域特征，频域特征为重心频率。
解算系统对悬臂式掘进机的截割部6的输出转矩信号T(t)进行快速傅里叶变换，得到输出转矩信号T(t)的功率谱P(f)，进而提取悬臂式掘进机的截割部6的输出转矩信号T(t)的频域特征，得到输出转矩信号T(t)的重心频率FFC，重心频率FFC表示截割电机1的输出转矩信号T(t)的功率谱分布中能量最高信号的频率，表示掘进机截割部振动状态的剧烈程度，其计算公式如下：
。
T4：解算系统将均方值、标准差和重心频率进行归一化处理，分别得到均方值的比重值、标准差的比重值、重心频率的比重值。
解算系统将均方值Ψ2 T(t)、标准差σT(t)和重心频率FFC进行归一化处理，分别得到均方值的比重值、标准差的比重值、重心频率的比重值，将均方值的比重值记作G[Ψ2 T(t)]，将标准差的比重值记作G[σT(t)]，将重心频率的比重值记作G[FFC]，计算公式分别如下：
； />； />。
T5：解算系统依次计算掘进机采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值；将计算出的初始相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值分别进行比较，得出比较结果。
解算系统计算出掘进机第M个截割采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值，分别记作GM[Ψ2 T(t)]、GM[σT(t)]、GM[FFC]，解算系统计算出掘进机第M+1个截割采样时间t内的均方值比重值、标准差比重值、重心频率比重值，分别记作GM+1[Ψ2 T(t)]、GM+1[σT(t)]、GM+1[FFC]；以此作为基准特征参数，用于识别掘进机后续截割采样时间内的振动状态。
T6：根据构建掘进机截割部的振动状态识别网格。
如图4所示，在步骤T6中，构建掘进机截割部的振动状态识别网格有以下步骤：
S1、在相邻两个（第M个、第M+1个）中的第M个采样时间t内均方值的比重值GM+1[Ψ2 T(t)]、标准差的比重值GM[σT(t)]、重心频率的比重值GM[FFC]分别与第M+1个采样时间t内均方值的比重值GM+1[Ψ2 T(t)]、标准差的比重值GM+1[σT(t)]、重心频率的比重值GM+1[FFC]的比较中，分别得到三个“小于”、“等于”、“大于”共九种比较结果。
S2、将九种比较结果排列组合得到二十七种组合比较结果。
S3、以相邻两个采样时间t内均方值的比重值、标准差的比重值或重心频率的比重值中任一比较结果为分类依据，将二十七种组合比较结果分为三组，分别为每组组合比较结果赋予掘进机截割部的振动状态识别规则，得到振动状态识别网格。
由于重心频率相比均方值和标准差，可直接反应掘进机截割部振动状态的剧烈程度，因此本实施例以初始相邻两个（第M个、第M+1个）采样时间t内重心频率的比重值比较结果为分类依据，对振动状态识别网格的建立步骤进行说明。
掘进机截割部的振动状态识别规则如下：
当组合比较结果中含有前一个（第M个）采样时间t内重心频率的比重值GM[FFC]小于后一个（第M+1个）采样时间t内重心频率的比重值GM+1[FFC]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为由弱振动或无振动变为强振动；
当组合比较结果中含有前一个（第M个）采样时间t内重心频率的比重值GM[FFC]等于后一个（第M+1个）采样时间t内重心频率的比重值GM+1[FFC]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为弱振动或无振动；
当组合比较结果中含有前一个（第M个）采样时间t内重心频率的比重值GM[FFC]大于后一个（第M+1个）采样时间t内重心频率的比重值GM+1[FFC]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为由强振动变为弱振动或无振动。
若以相邻两个（第M个、第M+1个）采样时间t内的均方值的比重值或者标准差的比重值比较结果作为分类依据，则参照本实施例构建掘进机截割部的振动状态识别网格的原理另行构建。
如果以初始相邻两个（第M个、第M+1个）采样时间t内均方值的比重值比较结果为分类依据，掘进机截割部的振动状态识别规则如下：
当组合比较结果中含有前一个（第M个）采样时间t内均方值的比重值GM[Ψ2 T(t)]小于后一个（第M+1个）采样时间t内均方值的比重值GM+1[Ψ2 T(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为掘进机截割部输出扭矩变大且振动状态由弱振动变为强振动。
当组合比较结果中含有前一个（第M个）采样时间t内均方值的比重值GM[Ψ2 T(t)]等于后一个（第M+1个）采样时间t内均方值的比重值GM+1[Ψ2 T(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为掘进机截割部输出扭矩变大且振动状态无变化。
当组合比较结果中含有前一个（第M个）采样时间t内均方值的比重值GM[Ψ2 T(t)]大于后一个（第M+1个）采样时间t内均方值的比重值GM+1[Ψ2 T(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为掘进机截割部输出扭矩变大且振动状态由强振动变为弱振动。
如果以初始相邻两个（第M个、第M+1个）采样时间t内标准差的比重值比较结果为分类依据，掘进机截割部的振动状态识别规则如下：
当组合比较结果中含有前一个（第M个）采样时间t内标准差的比重值GM[σT(t)]小于后一个（第M+1个）采样时间t内标准差的比重值GM+1[σT(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为振动信号变强。
当组合比较结果中含有前一个（第M个）采样时间t内标准差的比重值GM[σT(t)]等于后一个（第M+1个）采样时间t内标准差的比重值GM+1[σT(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为振动信号无变化。
当组合比较结果中含有前一个（第M个）采样时间t内标准差的比重值GM[σT(t)]大于后一个（第M+1个）采样时间t内标准差的比重值GM+1[σT(t)]的比较结果时，将当前（第M+1个）采样时间t内掘进机截割部的振动状态识别为振动信号变弱。
T7：将构建的掘进机截割部的振动状态识别网格作为振动状态识别规则内置于所述解算系统，解算系统依次比较当前相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值的大小，得出组合比较结果；再根据内置于解算系统振动状态识别网格，由解算系统确定当前采样t时间内掘进机截割部的振动状态，并输出至掘进机操控系统。
参照图3，本发明的设计原理如下：
（1）将包括采集系统和解算系统的信号采集解算系统安装在悬臂式掘进机上，由采集系统采集悬臂式掘进机截割部运行参数信号，进一步的：由电流传感器将采集悬臂式掘进机截割部截割电机输入相电流信号并传输至数据采集板，由电压传感器将采集悬臂式掘进机截割部截割电机输入相电压信号并传输至数据采集板，由转速传感器将采集悬臂式掘进机截割部截割电机输出转速信号并传输至解算系统。
（2）解算系统接收采集系统采集的掘进机截割部运行参数信号，传输至数据采集板，进而由数据采集板将运行参数信号传输至数据解算板。
（3）将基于时频分析法的掘进机截割部振动状态识别方法作为算法内置于数据解算板，将振动状态识别网格作为算法内置于数据解算板。数据解算板利用基于时频分析法的掘进机截割部振动状态识别方法对接收的掘进机截割部运行状态参数进行解算，最后，数据解算板结合振动状态识别网格作为振动状态识别规则确定掘进机截割部振动状态并输出识别结果。
（4）数据解算板将掘进机截割部振动状态识别结果传输至主控板，进而由主控板将掘进机截割部振动状态识别结果传输至掘进机操控系统，作为掘进机运行状态调整的参考信息。

Claims (4)

1.一种基于时频分析法的掘进机截割部振动状态识别方法，其特征在于，所述方法是采用时频分析法对掘进机截割部振动状态进行识别，包括以下步骤：
T1：在掘进机上安装由采集系统和解算系统组成的信号采集解算系统，所述采集系统采集采样时间为t的掘进机截割部运行参数信号，所述解算系统计算掘进机截割部的输出转矩信号；
T2：所述解算系统以采样时间t为基础，离散化处理掘进机截割部的所述输出转矩信号，得到N段采样输出转矩信号，进而提取掘进机截割部的所述输出转矩信号的时域特征，所述时域特征分别为均方值和标准差；
T3：所述解算系统对掘进机截割部的所述N段采样输出转矩信号进行快速傅里叶变换，得到所述输出转矩信号的功率谱，根据所述功率谱进一步提取掘进机截割部所述输出转矩信号的频域特征，所述频域特征为重心频率；
T4：所述解算系统将所述均方值、所述标准差和所述重心频率进行归一化处理，分别得到均方值的比重值、标准差的比重值、重心频率的比重值；
T5：所述解算系统依次计算掘进机采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值；将计算出的初始相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值分别进行比较，得出比较结果；
T6：根据得出的所述比较结果构建所述掘进机截割部的振动状态识别网格；
T7：将构建的所述掘进机截割部的振动状态识别网格作为振动状态识别规则内置于所述解算系统，解算系统依次比较当前相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值的大小，得出组合比较结果；再根据内置于解算系统所述振动状态识别网格，由所述解算系统确定当前采样时间t内掘进机截割部的振动状态，并输出至掘进机操控系统。
2.根据权利要求1所述的一种基于时频分析法的掘进机截割部振动状态识别方法，其特征在于，在步骤T6中，所述构建掘进机截割部的振动状态识别网格有以下步骤：
S1、在初始相邻两个采样时间t内的均方值的比重值、标准差的比重值、重心频率的比重值的比较中，分别得到三个小于、等于、大于共九种比较结果；
S2、将所述九种比较结果排列组合得到二十七种组合比较结果；
S3、以初始所述相邻两个采样时间t内均方值的比重值、标准差的比重值或重心频率的比重值中任一比较结果为分类依据，将所述二十七种组合比较结果分为三组，分别为每组组合比较结果赋予所述掘进机截割部的振动状态识别规则，得到振动状态识别网格。
3.根据权利要求2所述的一种基于时频分析法的掘进机截割部振动状态识别方法，其特征在于，若以所述初始相邻两个采样时间t内重心频率的比重值比较结果为分类依据，所述掘进机截割部的振动状态识别规则如下：
当组合比较结果中含有前一个采样时间t内重心频率的比重值小于后一个采样时间t内重心频率的比重值的比较结果时，将当前所述掘进机截割部的振动状态识别为由弱振动或无振动变为强振动；
当组合比较结果中含有前一个采样时间t内重心频率的比重值等于后一个采样时间t内重心频率的比重值的比较结果时，将当前所述掘进机截割部的振动状态识别为弱振动或无振动；
当组合比较结果中含有前一个采样时间t内重心频率的比重值大于后一个采样时间t内重心频率的比重值的比较结果时，将当前所述掘进机截割部的振动状态识别为由强振动变为弱振动或无振动。
4.根据权利要求1所述的一种基于时频分析法的掘进机截割部振动状态识别方法，其特征在于，在步骤T1中，所述在掘进机上安装由采集系统和解算系统组成的信号采集解算系统，具体安装位置如下：
所述采集系统的安装：将采集系统的电压传感器（7）、电流传感器（8）分别安装于掘进机电气系统（2）与截割部（6）之间的线缆，同时所述电压传感器（7）、电流传感器（8）的数据输出端分别与解算系统的数据采集板（10）的数据输入端连接；将采集系统的转速传感器（13）安装于截割部（6）的输出轴，同时所述转速传感器（13）的数据输出端与解算系统的数据采集板（10）的数据输入端连接；
所述解算系统的安装：将解算系统的电源板（9）、数据采集板（10）、数据解算板（11）、主控板（12）安装于掘进机的操控系统（4），同时所述电源板（9）电源输入端与所述掘进机电气系统（2）的电源输出端连接，所述电源板（9）的电源输出端分别与数据采集板（10）的电源输入端、数据解算板（11）的电源输入端、主控板（12）的电源输入端连接；所述数据采集板（10）的数据输出端与所述数据解算板（11）的数据输入端连接，所述数据采集板（10）与所述主控板（12）双向通讯线连接并进行信息交互；所述数据解算板（11）与所述主控板（12）双向通讯线连接并进行信息交互；所述主控板（12）与所述掘进机的操控系统（4）双向通讯线连接并进行信息交互。
CN202311223368.XA 2023-09-21 2023-09-21 一种基于时频分析法的掘进机截割部振动状态识别方法 Active CN116952562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311223368.XA CN116952562B (zh) 2023-09-21 2023-09-21 一种基于时频分析法的掘进机截割部振动状态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311223368.XA CN116952562B (zh) 2023-09-21 2023-09-21 一种基于时频分析法的掘进机截割部振动状态识别方法

Publications (2)

Publication Number Publication Date
CN116952562A true CN116952562A (zh) 2023-10-27
CN116952562B CN116952562B (zh) 2023-12-15

Family

ID=88449731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311223368.XA Active CN116952562B (zh) 2023-09-21 2023-09-21 一种基于时频分析法的掘进机截割部振动状态识别方法

Country Status (1)

Country Link
CN (1) CN116952562B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5407265A (en) * 1992-07-06 1995-04-18 Ford Motor Company System and method for detecting cutting tool failure
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
CN111121735A (zh) * 2020-01-03 2020-05-08 中国船舶重工集团公司第七0七研究所 一种隧道、地铁和矿井开挖掘进自主定位定向系统及方法
CN112304285A (zh) * 2020-11-03 2021-02-02 中国煤炭科工集团太原研究院有限公司 悬臂式掘进机截割头的姿态检测方法及系统
WO2021208221A1 (zh) * 2020-04-17 2021-10-21 中国矿业大学 一种掘进机惯导组合定位装置减振系统及其使用方法
CN215729809U (zh) * 2021-07-07 2022-02-01 安徽理工大学 一种掘进机截割岩壁岩石硬度智能识别的装置
US20220203493A1 (en) * 2019-08-09 2022-06-30 Yamamoto Metal Technos Co., Ltd. Vibration measurement device
CN115640512A (zh) * 2022-10-11 2023-01-24 西山煤电(集团)有限责任公司 基于集合经验模态分解的煤岩识别方法
CN116310843A (zh) * 2023-05-16 2023-06-23 三一重型装备有限公司 煤岩识别方法、装置、可读存储介质和掘进机
CN116608868A (zh) * 2023-01-15 2023-08-18 中国船舶集团有限公司第七〇七研究所 捷联光纤惯导can里程计信号录取和处理系统及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5407265A (en) * 1992-07-06 1995-04-18 Ford Motor Company System and method for detecting cutting tool failure
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
US20220203493A1 (en) * 2019-08-09 2022-06-30 Yamamoto Metal Technos Co., Ltd. Vibration measurement device
CN111121735A (zh) * 2020-01-03 2020-05-08 中国船舶重工集团公司第七0七研究所 一种隧道、地铁和矿井开挖掘进自主定位定向系统及方法
WO2021208221A1 (zh) * 2020-04-17 2021-10-21 中国矿业大学 一种掘进机惯导组合定位装置减振系统及其使用方法
CN112304285A (zh) * 2020-11-03 2021-02-02 中国煤炭科工集团太原研究院有限公司 悬臂式掘进机截割头的姿态检测方法及系统
CN215729809U (zh) * 2021-07-07 2022-02-01 安徽理工大学 一种掘进机截割岩壁岩石硬度智能识别的装置
CN115640512A (zh) * 2022-10-11 2023-01-24 西山煤电(集团)有限责任公司 基于集合经验模态分解的煤岩识别方法
CN116608868A (zh) * 2023-01-15 2023-08-18 中国船舶集团有限公司第七〇七研究所 捷联光纤惯导can里程计信号录取和处理系统及方法
CN116310843A (zh) * 2023-05-16 2023-06-23 三一重型装备有限公司 煤岩识别方法、装置、可读存储介质和掘进机

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
HEWEI LI: "Design of automatic control system of coal sampling robot hydraulic system oil temperature", 《2017 9TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 *
XING HUANG: "Development and in-situ application of a real-time monitoring system for the interaction between TBM and surrounding rock", 《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》 *
李和薇: "移动式煤炭采样机采样臂智能避障路径规划方法研究", 《现代制造工程》 *
李臻;贾洪钢;范旭峰;: "基于振动加速度信号与应力信号的掘进机载荷识别方法", 工矿自动化, no. 02 *
杨阳;瞿圆媛;刘伟杰;初阳;吴淼;: "掘进机井下工作振动特性分析", 煤炭技术, no. 07 *
王伟;田慕琴;宋建成;张灵;李东钰;王焱金;金江;: "基于小波包神经网络的岩巷掘进机动载荷识别方法", 煤矿机械, no. 03 *
王琳;余磊;齐仁德;白泽;: "采煤机截割高度传感器改造分析", 煤矿机械, no. 12 *
白志东;徐海波;王军;李和薇;付兴;: "移动式煤炭采样机采样装置运动特性分析", 煤炭技术, no. 10 *
董磊;王步康;张宏;张晓;: "连续采煤机截割臂振动特性分析及载荷识别", 煤矿机械, no. 05 *
许连丙: "基于多传感器信息融合的采煤机状态监测系统设计", 《工矿自动化》 *

Also Published As

Publication number Publication date
CN116952562B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN110427916B (zh) 中心频率收敛趋势作用下的故障诊断方法
CN109405889B (zh) 用于掘进机工作臂减速器故障预测的系统与方法
CN112857767B (zh) 基于卷积神经网络的水轮发电机组转子故障声学判别方法
CN115220396B (zh) 一种数控机床智能监控方法及系统
CN111322082B (zh) 一种tbm滚刀状态监测及故障诊断方法、系统
CN116952562B (zh) 一种基于时频分析法的掘进机截割部振动状态识别方法
CN109190598A (zh) 一种基于ses-lof的旋转机械监测数据噪点检测方法
CN103985023A (zh) 智能变电站二次设备运维决策支持系统及数据挖掘方法
CN111738068A (zh) 一种转速波动工况下的传动轴故障诊断方法和系统
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
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
CN106441843A (zh) 一种旋转机械故障波形识别方法
Fu et al. A roller state-based fault diagnosis method for tunnel boring machine main bearing using two-stream CNN with multichannel detrending inputs
CN110107440A (zh) 一种水轮发电机组远程监控系统
CN117668730A (zh) 基于深度学习算法的煤矿井下刮板机负载异常检测方法
CN117334020A (zh) 智能砂磨机的设备运行故障预测系统及方法
CN117491015A (zh) 一种基于频谱峰值能量和分析的转频计算方法
CN204253291U (zh) 带工况数据实时在线采集及预处理装置的海上风力发电机
CN109063296B (zh) 页岩含气量随钻计算方法
CN111431855A (zh) 一种车辆can信号的解析方法、装置、设备及介质
CN114444964B (zh) 钻进过程运行性能评估方法
CN115310497A (zh) 用于数控机床轴承的异常识别方法
CN115754692A (zh) 一种电气设备刀闸状态的识别系统、方法、设备及介质
CN113218653B (zh) 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置
CN208736946U (zh) 多功能信号检测装置

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