用于煤矸识别的振动传感器设计

曹贯强, 尉瑞, 孟祥涛, 赵文生, 刘清

曹贯强，尉瑞，孟祥涛，等.用于煤矸识别的振动传感器设计［J］.工矿自动化，2021,47（1）：118-122.. DOI: 10.13272/j.issn.1671-251x.2020070097
引用本文: 曹贯强，尉瑞，孟祥涛，等.用于煤矸识别的振动传感器设计［J］.工矿自动化，2021,47（1）：118-122.. DOI: 10.13272/j.issn.1671-251x.2020070097
shu
CAO Guanqiang, YU Rui, MENG Xiangtao, ZHAO Wensheng, LIU Qing. Design of vibration sensor for coal gangue identificatio[J]. Journal of Mine Automation, 2021, 47(1): 118-122. DOI: 10.13272/j.issn.1671-251x.2020070097
Citation: CAO Guanqiang, YU Rui, MENG Xiangtao, ZHAO Wensheng, LIU Qing. Design of vibration sensor for coal gangue identificatio[J]. Journal of Mine Automation, 2021, 47(1): 118-122. DOI: 10.13272/j.issn.1671-251x.2020070097
shu

用于煤矸识别的振动传感器设计

  • 1.

    北京天地玛珂电液控制系统有限公司， 北京100013

  • 2.

    中煤华晋集团有限公司 王家岭矿， 山西 河津043300

基金项目: 

国家重点研发计划项目（2017YFC0804304）

北京市科技计划智能制造技术创新与培育资助项目（Z171100000817003）

中国煤炭科工集团科技创新资助项目（2016MS014，KJ-2016-TDMK-01）。

详细信息

  • 中图分类号: TD94

Design of vibration sensor for coal gangue identificatio

  • 1.

    Beijing Tianma Electro-hydraulic Control System Company Ltd., Beijing 100013, China；2.Wangjialing Coal Mine, China Coal Huajin Group Co., Ltd., Hejin 043300, China

HTML全文

    摘要
  • 摘要: 目前自动化放顶煤开采煤矸识别技术中，伽马射线成本太高且对人体有害；红外技术受环境温度影响较大；雷达探测在煤层较厚时信号衰减严重；声音技术成本低、难度小，但受外界声音信号干扰严重；图像技术在煤矸颜色差别大时有效，但受粉尘、光线因素影响较大；振动技术具有声音技术的优点，同时又可以避免环境噪声干扰，具有较高的检测精度。顶煤和矸石的性能有所不同，落到液压支架尾梁上时产生的振动信号也表现出不同的特征。针对该特征，设计了一种振动传感器，该传感器安装在液压支架尾梁的腹板处，对顶煤或矸石砸到液压支架上产生的振动信号进行感知，通过信号处理和分析辨识出放煤过程中的煤块和矸石。该传感器利用加速度计采集尾梁振动信号，并对采集数据进行前端滤波处理；利用傅里叶变换对数据进行功率谱分析，得到单位时间内的最大振动频率、幅值及功率谱能量。实验室测试结果表明，该传感器测量误差在1%以内。井下测试结果表明，振动传感器采集的信号大部分是煤块落下时的振动信号，其频率范围为100～200 Hz，而矸石落下时的振动信号频率在200 Hz以上，根据振动信号特征能够识别出顶煤和矸石。
    Abstract: At present, there are a variety of coal gangue identification technologies in automatic top coal mining. Gamma ray is too expensive and harmful to human body. Infrared technology is affected by ambient temperature. Radar detection has serious signal attenuation when the coal seam is thick. Sound technology has low cost and small difficulty, but can be severely interfered by external sound signals. Image technology is effective when the color difference of coal gangue is large, but is affected by dust and light factors. However, vibration technology not only has the advantages of sound technology but also can avoid environmental noise interference and obtain a higher detection accuracy. For the properties of top coal and gangue are different, the vibration signal generated when falling onto the hydraulic support tail beam also shows different characteristics. Based on this feature, a vibration sensor is designed, which is installed at the web of the tail beam of the hydraulic support to sense the vibration signal generated by the top coal or gangue hitting the hydraulic support, and identify the coal and gangue in the coal release process through signal processing and analysis. The sensor uses an accelerometer to collect the tail beam vibration signal, and conducts front-end filtering processing of the collected data. Fourier transform is applied to analyze the power spectrum of the data so as to obtain the maximum vibration frequency, amplitude and power spectrum energy per unit time. The laboratory test results show that the sensor measurement error is within 1%. The underground test results show that most of the signals collected by the vibration sensor are the vibration signals of coal falling, and the frequency range is 100-200 Hz. However, the vibration signals of gangue falling is above 200 Hz. Therefore, the differences of the vibration signal characteristics are useful to identify the top coal and gangue.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(45)

  • 期刊类型引用(21)

    1. 张溧栗，温志鹏，曹菁菁，韩鹏，赵强伟，曹小华. 基于扩展空间森林算子和自适应卡尔曼滤波的轴承剩余使用寿命预测. 机电工程. 2025(03): 420-431 . 百度学术
    2. 林芷萱，江志刚，朱硕，张华，鄢威. 基于物-场性能退化深度学习的机电装备经济寿命预测方法. 计算机集成制造系统. 2025(04): 1358-1367 . 百度学术
    3. 李臻. 基于提升小波-SVD差分谱的煤机设备故障诊断. 煤矿机械. 2024(10): 169-173 . 百度学术
    4. 郭润夏，倪志高. 基于注意力LSTM的齿轮剩余使用寿命预测. 中国民航大学学报. 2024(06): 67-73 . 百度学术
    5. 王昭胜，刘镕旗，李书强，张镇龙，韩中成. 一种港口起重设备健康监测方法. 港口装卸. 2023(01): 33-34+39 . 百度学术
    6. 李志农，李舒扬，柳宝，陶俊勇. 无限隐Markov模型在缺失数据轴承退化趋势预测中的应用. 振动工程学报. 2023(02): 574-581 . 百度学术
    7. 梁子寅，刘向东，卢宗慧，李岩，李森. 滚动轴承故障诊断分析方法研究综述. 制造业自动化. 2023(05): 172-175 . 百度学术
    8. 黎天双，颜承玉，李晶晶，饶全瑞，刘广臣. 基于XGBoost算法的风电机组轴承剩余寿命预测研究. 电脑知识与技术. 2023(29): 16-18+29 . 百度学术
    9. 兰杰，李志宁，李宁，吕建刚. 基于注意力机制和残差深度分离卷积的RUL预测方法. 电子测量技术. 2023(15): 149-157 . 百度学术
    10. 郭军. 基于GAN与CNN的煤机设备故障智能诊断方法研究. 煤矿机械. 2023(12): 182-185 . 百度学术
    11. 韩威，杨杏，李刚，袁韬. 基于PCA和威布尔分布的滚动轴承剩余寿命预测方法研究. 机械制造与自动化. 2022(04): 61-64+77 . 百度学术
    12. 吴芮，张守京，慎明俊. 采用注意力DBN-GRU的滚动轴承剩余寿命预测方法. 组合机床与自动化加工技术. 2022(11): 101-105 . 百度学术
    13. 古丽，邹永胜，李开鸿，梁俊，舒浩纹，付立成，高仕玉，杨新. ARMA模型在输油泵振动特征值趋势预测中的研究. 流体机械. 2021(01): 22-28 . 百度学术
    14. 王春亮，徐彦伟，颉潭成，陈立海，刘明明. 基于RRMS的地铁牵引电机轴承剩余寿命预测. 制造业自动化. 2021(06): 1-5+11 . 百度学术
    15. 张梅，陈万利，许桃. 基于LS-SVM的矿井提升机故障预测. 电子测量技术. 2021(12): 70-74 . 百度学术
    16. 姚德臣，李博阳，刘恒畅，姚娟娟，皮雁南. 基于注意力GRU算法的滚动轴承剩余寿命预测. 振动与冲击. 2021(17): 116-123 . 百度学术
    17. 张秀华，刘怀举，朱才朝，魏沛堂，吴少杰. 基于数据驱动的零部件疲劳寿命预测研究现状与发展趋势. 机械传动. 2021(10): 1-14 . 百度学术
    18. 张氢，江伟哲，肖慧灵，孙远韬. 基于LSTM的滚动轴承寿命预测. 港口装卸. 2021(05): 1-5 . 百度学术
    19. 冯兆熙，邱度金，孔令驹，孙成，邓耀华. 基于深度置信网络的轴承剩余使用寿命预测. 电子测量与仪器学报. 2021(10): 124-129 . 百度学术
    20. 韩林洁，石春鹏，张建超. 基于一维卷积神经网络的轴承剩余寿命预测. 制造业自动化. 2020(03): 10-13 . 百度学术
    21. 孙鑫，孙维堂. 基于多尺度卷积神经网络的轴承剩余寿命预测. 组合机床与自动化加工技术. 2020(10): 168-171 . 百度学术

    其他类型引用(24)

    • 资源附件(0)
计量
  • 文章访问数:  185
  • HTML全文浏览量:  16
  • PDF下载量:  41
  • 被引次数: 45
出版历程
  • 刊出日期:  2021-01-19

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(45)
    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：1252665    百度统计