基于信息融合和神经网络的煤岩识别方法

雷静, 余斌

雷静，余斌.基于信息融合和神经网络的煤岩识别方法［J］.工矿自动化，2017,43（9）：102-105.. DOI: 10.13272/j.issn.1671-251x.2017.09.018
引用本文: 雷静，余斌.基于信息融合和神经网络的煤岩识别方法［J］.工矿自动化，2017,43（9）：102-105.. DOI: 10.13272/j.issn.1671-251x.2017.09.018
shu
LEI Jing, YU Bin. Identification method of coal and rock based on information fusion and neural network[J]. Journal of Mine Automation, 2017, 43(9): 102-105. DOI: 10.13272/j.issn.1671-251x.2017.09.018
Citation: LEI Jing, YU Bin. Identification method of coal and rock based on information fusion and neural network[J]. Journal of Mine Automation, 2017, 43(9): 102-105. DOI: 10.13272/j.issn.1671-251x.2017.09.018
shu

基于信息融合和神经网络的煤岩识别方法

  • 1.

    成都农业科技职业学院 信息技术分院， 四川 成都611130

  • 2.

    中国矿业大学 机电工程学院，江苏 徐州221116

  • 3.

    新疆工程学院 机械工程系， 新疆 乌鲁木齐830023

基金项目: 

成都农业科技职业学院科研项目(CNY15-17)

详细信息

  • 中图分类号: TD67

Identification method of coal and rock based on information fusion and neural network

  • 1.

    Information Technology Branch, Chengdu Agricultural College, Chengdu 611130, China

  • 2.

    School of Mechanical and Electrical Engineering, China University of Mining and Technology, Xuzhou 221116, China

摘要

    摘要
  • 摘要: 针对煤岩识别系统多采用单一传感器进行监测，存在识别精度、可靠度与稳定性均非常低的问题，提出一种基于信息融合和神经网络的煤岩识别方法。在现有采煤机上增加多种必要的传感器，采集采煤机不同工况下的电流、压力、振动频率、加速度等信号，采用小波包对采集的信号进行特征提取，并通过BP神经网络进行数据融合，从而实现对煤层和岩层的识别。真机实测结果表明，所提方法的识别误差在±0.5范围内，验证了其有效性。
    Abstract: In view of problems that coal and rock identification systems use single sensor to monitor data and have low precision, reliability and stability, an identification method of coal and rock based on information fusion and neural network was proposed. A variety of necessary sensors are added to the existing shearer, which are used to collect current, pressure, vibration frequency, acceleration and other signals of the shearer under different situations. Wavelet packet is used for characteristics extraction, and BP neural network is used for data fusion, so as to achieve coal and rock identification. The test results of the real machine show that the identification error of the proposed method is within ±0.5, which verifies its validity.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(28)

  • 期刊类型引用(12)

    1. 李梅，张鹏鹏，李元琛. AI赋能智能矿山:应用场景及未来展望. 煤炭经济研究. 2025(02): 161-169 . 百度学术
    2. 张美晨，张凯，赵丽娟，史百胜，王宇洋. 煤岩识别及采煤机自适应控制技术研究进展. 山西焦煤科技. 2023(12): 4-10 . 百度学术
    3. 张强，张润鑫，刘峻铭，王聪，张赫哲，田莹. 煤矿智能化开采煤岩识别技术综述. 煤炭科学技术. 2022(02): 1-26 . 百度学术
    4. 李彦明，孙利海. 基于多源异构信息耦合的煤岩界面识别技术研究. 矿业安全与环保. 2022(05): 6-10 . 百度学术
    5. 陈家璘，周正，冯伟东，贺易，李静茹，赵世文. 一种无线传感器网络节点的故障检测算法. 计算技术与自动化. 2021(01): 38-42 . 百度学术
    6. 窦国贤，高杨. 一种改进的电网信息系统自动化故障融合监测技术. 计算技术与自动化. 2020(01): 34-38 . 百度学术
    7. 赵晓群，曹磊，张伍. 应用模块化+大数据处理技术提高计量新装接线率. 电子测量技术. 2020(05): 150-155 . 百度学术
    8. 张林锋，田慕琴，宋建成，贺颖，冯君玲，刘西青. 基于多源数据融合的掘进机截割岩壁硬度识别方法. 振动与冲击. 2020(13): 7-15 . 百度学术
    9. 窦国贤，高杨. 基于小波分析方法检测电网信息故障的研究. 计算机测量与控制. 2020(09): 38-41+57 . 百度学术
    10. 王思. 基于多传感器的运动员训练信息融合分析系统设计. 计算技术与自动化. 2020(03): 140-146 . 百度学术
    11. 王俊成，杜晓坤. 基于小波包分解和模糊神经网络的煤岩界面识别. 科技经济导刊. 2019(04): 48+36 . 百度学术
    12. 刘忠超，刘勇军. 煤岩识别现状分析与发展方向. 南阳理工学院学报. 2018(04): 26-30 . 百度学术

    其他类型引用(16)

    • 资源附件(0)
计量
  • 文章访问数:  63
  • HTML全文浏览量:  9
  • PDF下载量:  20
  • 被引次数: 28
出版历程
  • 刊出日期:  2017-09-09

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(28)
    资源附件(0)

    /

    返回文章
    返回

    苏ICP备 05016349号-2

    本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1225217    百度统计