Action recognition method for mine kilometer directional drilling rig
-
摘要: 目前矿用千米定向钻机的行走、钻进等各项操作均由司钻工人手动操作实现，智能化水平低，且缺少对千米定向钻机动作类型与液压泵站振动状态二者关联性的研究，远程识别千米定向钻机动作类型困难。针对上述问题，提出了一种基于经验小波变换（EWT）和模糊C均值（FCM）聚类算法的矿用千米定向钻机动作识别方法。首先利用EWT方法分析千米定向钻机执行5种不同动作（千米定向钻机启动和动力头不带钻杆旋转、带钻杆旋转、带钻杆向前慢速钻进和带钻杆向前快速钻进）时液压泵站3个关键部位（电动机、液压泵和联轴器）的频率特征信息，分别选取每处振动特征最明显方向上的振动信号构成动作识别原信号组。然后结合EWT分解和相关系数选取规则提取动作识别原信号组中包含钻机动作信息的特征量，并确认不同特征量的权重，构建标准识别特征量。最后利用FCM聚类算法得到待识别动作特征量与5种动作识别标准特征量之间的隶属度，实现对千米定向钻机动作类型的智能识别。以ZYL−17000D型矿用千米定向钻机为研究对象，对基于EWT和FCM聚类算法的矿用千米定向钻机动作识别方法的可靠性进行实验验证，实验采集了电动机、液压泵、联轴器的轴向、水平径向、垂直径向等方向在5种动作下的振动数据，结果表明：钻机执行不同动作时，其电动机、液压泵和联轴器振动信号的经验小波函数表现出了不同的特征，其中液压泵轴向振动信号特征量的聚类性能最好，根据提取的特征量在不同动作下的差异性可实现对动作类型的识别。基于测试数据的动作识别结果表明，该方法能够有效识别千米定向钻机的动作类型，且在隶属度大于0.9的条件下，识别准确率达96.8%。Abstract: At present, the walking and drilling operations of the mine kilometer directional drilling rig are all realized by the manual operation of drillers. The intelligence level is low. At present, there is no research on the correlation between the action type of kilometer directional drilling rig and the vibration state of the hydraulic pump station. Therefore, it is difficult to remotely identify the action type of the kilometer directional drilling rig. In order to solve the above problems, an action recognition method for mine kilometer directional drilling rig based on empirical wavelet transform (EWT) and fuzzy C-means (FCM) clustering algorithm is proposed. Firstly, the EWT method is used to analyze the frequency characteristic information of the three key parts (motor, hydraulic pump and coupling) of the hydraulic pump station when the kilometer directional drilling rig performs five different actions (the start of the kilometer directional drilling rig, the rotation of the power head without drill pipe, the rotation with drill pipe, the forward slow drilling with drill pipe and the forward fast drilling with drill pipe). The vibration signals in the most obvious direction of each vibration characteristic are selected to form the original signal group for action recognition. Secondly, the combination of EWT decomposition and correlation coefficient selection rules is used to extract eigenvectors containing drill action information in the original signal group for action recognition. The weight of different eigenvectors is confirmed. The standard recognition eigenvector is constructed. Finally, the membership degree between the action eigenvector to be identified and the five action recognition standard eigenvectors is obtained by using the FCM clustering algorithm. The intelligent recognition of the action types of the kilometer directional drilling rig is realized. Taking the ZYL-17000D type mine kilometer directional drilling rig as the research object, the reliability of the action recognition method based on EWT and FCM clustering algorithm for mine kilometer directional drilling rig is verified by experiments. The vibration data of the motor, hydraulic pump and coupling in the axial, horizontal and vertical radial directions under five actions are collected in the experiment. The results show that the empirical wavelet functions of the vibration signals of the motor, hydraulic pump and coupling of the drilling rig show different characteristics when it performs different actions. The clustering performance of the eigenvectors of the axial vibration signals of hydraulic pumps is the best. According to the difference of extracted eigenvectors under different actions, action types can be identified. The results of action recognition based on test data show that this method can effectively identify the action type of kilometer directional drilling rig, and the recognition accuracy is 96.8% when the membership degree is greater than 0.9.
-
0. 引言
近年来，随着开采深度增加，开采强度不断提高，冲击地压问题日益凸显，严重威胁矿井安全生产[1-3]。目前，单一双巷布置难以满足矿井生产需求，为解决通风、排水等问题，许多矿井采用多巷布置，但多巷布置易形成交叉区域，煤岩体受载程度较高，静载荷孕育充足，煤岩体破碎程度较高，煤岩体完整性、承载能力遭到破坏，加上坚硬顶板悬顶及突然垮断产生的动静载荷影响，导致冲击危险性增高，不利于矿井安全生产[4-5]。
针对多巷布置条件，许多学者进行了研究。卜庆为等[6]建立了交错巷道间围岩稳定性分析判别方程，探讨了交错巷道间围岩稳定性主要影响因素。孙光中等[7]利用数值模拟方法，分析了不同煤柱宽度条件下采场侧向支承压力分布规律，研究了采场侧向支承压力对巷道群的影响。王光明等[8]对不同扰动强度作用下的巷道围岩动态响应规律进行了研究，得到了静−动加载下巷道群围岩应力分布规律和损伤破坏情况。郑兵亮[9]分析研究了巷道群围岩变形破坏的机理、特征及加固措施。卢兴利等[10]分析了巷道群围岩及支护结构的变形开裂特征及失稳机理。苏学贵等[11]研究了受上覆采空区影响的下层煤应力分布规律及巷道群变形破坏机制，认为由于上覆采空区压力释放，导致煤柱下方巷道围岩应力急剧升高。潘俊锋等[12]分析了巷道群无动载诱发冲击启动的机理与防治方法，认为巷道群自身应力叠加在巷间煤柱，提供了基础静载荷，底煤及褶曲构造影响提供了时机静载荷，两者共同作用导致了冲击启动。刘宏军[13]研究了采动影响下巷道群应力分布状态，认为采动诱发下密集巷道群自身应力叠加是造成冲击地压的直接原因。史俊伟等[14]研究了巷道群围岩变形规律，并对巷道群冲击危险性进行了评价。但上述文献侧重于分析多巷围岩稳定性控制，针对多巷交叉区域冲击地压防治研究不够。鉴此，本文以陕西彬长胡家河矿业有限公司401111工作面回采末期为工程背景，对坚硬顶板强冲击工作面条件下巷道冲击危险性进行等级划分，并对动静载荷影响因素展开分析；根据冲击地压分源防治思想[15]，对危险区域制定卸压防治措施，削弱顶板动载荷扰动影响、降低巷帮和底板静载荷积聚程度，并利用巷道联合支护提高围岩承载能力，可为类似地质、开采条件下的多巷交叉布局防治冲击地压提供参考。
1. 工程背景
胡家河矿井位于陕西省咸阳市西北部，井田东西长8.1 km，南北宽6.5 km，面积为52.70 km2，设计生产能力为500万t/a，矿井服务年限为69 a。开采4号煤层，煤层埋深为578～817 m，赋存稳定，煤层为近水平煤层，厚度为15.0～27.0 m，平均厚度约为24 m，经冲击倾向性鉴定（表1），该煤层具有强冲击倾向性。矿井共划分为4个盘区，目前主要开采的401盘区西翼已经有4个工作面回采完成，形成大面积采空区，正在回采的401111工作面进入回采末期阶段。401111工作面东翼为401101采空区，西翼为泾河保护煤柱区域，北翼为中央大巷保护煤柱，南翼为井田边界保护煤柱，工作面设计可采长度1 607 m，倾向长180 m。
表 1 4号煤层冲击倾向性鉴定结果Table 1. Rock burst tendency evaluation results of No.4 coal seam煤层 动态破坏
时间/ms弹性能
指数冲击能量
指数抗压强度/
MPa冲击倾向性 上分层 39.80 6.49 7.73 24.27 强冲击倾向性 下分层 34.40 4.45 12.57 24.35 强冲击倾向性 401111工作面平面及综合地质柱状图分别如图1、图2所示。目前，工作面回采至距终采线120 m处，即将推采至回风巷与区段煤柱内环形水仓交叉区域，401111工作面留设230 m大巷保护煤柱，煤柱内布设多条巷道，形成多巷交叉布局。由于煤层上方37 m处存在厚度超过10 m的粗粒砂岩坚硬顶板，易在采空区形成悬顶结构，大面积悬顶造成煤柱内积聚大量弹性能，基础静载荷水平较高，当顶板突然垮断会释放较大能量，产生剧烈动载扰动，由于多巷交叉区域受到动静载荷叠加影响，极易诱发冲击灾害。
![]()
图 2 401111工作面综合地质柱状图Figure 2. Comprehensive geological histogram of 401111 working face2. 坚硬顶板工作面冲击危险区域等级划分
根据冲击地压启动原理[15]，将冲击地压划分为集中静载荷型和集中动载荷型。按照主导冲击地压发生的载荷类型，对易受到集中静载荷和集中动载荷影响的区域，利用综合指数法，累加静载荷和动载荷影响因素所对应的冲击危险指数，按照冲击危险等级划分标准（表2），对冲击危险区域进行等级划分。401111工作面回采末期多巷交叉区域附近的静载荷主要影响因素为煤层冲击倾向性、开采深度、煤柱宽度、巷道空间布局及相邻采空区等，动载荷主要影响因素为顶板周期性垮断、见方构造区等。401111工作面回采末期巷道冲击危险区域等级划分情况见表3。
表 2 冲击危险等级划分标准Table 2. Classification standard of rock burst hazard level冲击危险指数α 冲击危险等级 α≤7 无冲击危险 7＜α≤14 弱冲击危险 14＜α≤21 中等冲击危险 α＞21 强冲击危险 表 3 401111工作面回采末期巷道冲击危险区域等级划分Table 3. Classification of rock burst hazard area level of roadway at the end of mining in 401111 working face位置 冲击危险指数 集中动静载荷
影响因素冲击危险等级 运输巷及运输措施巷 9 周期来压、巷道交叉布局 弱冲击危险 回风巷、回风联络巷及
回风措施巷24 周期来压、巷道交叉布局、
相邻采空区、煤柱宽度强冲击危险 3. 坚硬顶板工作面冲击危险性分析
冲击破坏的发生与动静载荷孕育程度有紧密联系，因此首先对动静载荷影响因素进行分析，并利用微震、地音、应力3种监测方法，对工作面回采期间动静载荷孕育程度进行监测，通过微震、地音活跃程度反映煤岩体破裂释放动载荷情况，通过应力监测数据反映煤岩体内静载荷积聚程度。
3.1 动载荷分析及监测
3.1.1 动载荷影响因素
401111工作面回采过程中，由于煤层的采出，煤岩体原有应力平衡状态被打破，且上覆岩层存在坚硬砂岩结构，回采过程中不易垮断，容易形成悬顶区域，导致工作面处煤体压缩破碎，形成塑性破坏区，引起支承压力分布急剧改变并向前方煤柱转移。由于煤柱内交叉布设大量巷道，容易形成高应力集中区，积聚大量弹性变形能，具有较高的基础静载荷，一旦悬顶突然垮断，顶板内的弯曲弹性能转换为动能，较高水平的基础静载荷受到动载荷的加载扰动，极易诱发冲击事故。回风巷与环形水仓、回风联络巷、回风措施巷形成的多巷交叉区域大于运输巷侧多巷交叉区域，不仅受本工作面采空区上方顶板影响，还受到相邻采空区侧向顶板的作用，因此冲击危险性高于运输巷侧多巷交叉区域。
3.1.2 微震监测
微震事件统计情况如图3所示，三次方微震事件分布如图4所示。正常回采期间微震事件共计531个，末采期间微震事件802个，相比前期升高51%，其中三次方微震事件升高52%。正常回采区域内无巷道交叉布置，三次方微震事件分布较分散。末采期间工作面两巷与多条巷道形成交叉布局，在回采扰动条件下，三次方微震事件集中出现在多巷交叉区域，尤其是回风巷与环形水仓交叉区域处，三次方微震事件分布比运输巷侧多巷交叉区域更密集，形成应力集中区，导致冲击危险性升高。
3.1.3 地音监测
通过地音监测系统对小范围内煤岩体破裂产生的动载荷进行监测，地音监测时序曲线如图5所示。在正常回采期间，地音时序曲线相对平稳，微震能量和频次变化幅度不大，平均能量维持在8.9×105 J。在末采期间，推进至回风巷与环形水仓交叉区域时，煤岩体活动剧烈，释放大量动载荷，地音活跃度明显增强，微震总能量上升至4.6×106 J，总频次升高至7 076次。
3.2 静载荷分析及监测
3.2.1 静载荷影响因素
（1） 巷道交叉布局。401盘区西翼除401111工作面末采区域，其他工作面已全部回采结束，形成大面积采空区。回采末期由于本工作面采空区和相邻采空区影响，上覆岩层质量全部由煤柱承担，回风巷侧留设62 m宽的区段煤柱与采空区相邻，采空区形成后，巷道侧向的区段煤柱结构发生显著变化，由结构完整的弹性区转变为部分塑性区，强度和完整性遭到破坏，承载能力降低。作为采空区侧向顶板主要承载区的区段煤柱受侧向支承压力影响，积聚大量弹性能，煤岩体活动较剧烈，破碎程度较高。由于煤柱内布置多条巷道，形成巷道交叉布局，巷道集中应力与采空区集中应力相互叠加，增加了围岩应力与支承压力的集中程度，形成高能量储能空间，静载荷孕育程度较充足，缩短了到达冲击启动点的路径，诱发冲击危险性升高。
（2） 垂直应力。随开采深度增加，煤层自重应力增加，煤岩体内积聚的弹性能也会增大。401111工作面煤层埋深集中在600～700 m，超过冲击地压发生的临界开采深度。由于埋深较大，导致垂直应力较高，作用在煤层上方的载荷积聚程度大幅升高，加上末采期间采掘扰动、周期来压较强，引起煤岩体活跃度升高，在其内部产生裂纹扩展，进而出现局部破碎区域，承载能力有所降低。当作用在该区域的载荷大于其承载能力时，稳定状态将会被打破，尤其是末采期间煤柱内多巷交叉区域受垂直应力和开采扰动影响较大，引起冲击危险性升高。
3.2.2 应力监测
采用煤层内布置的应力计监测应力变化情况，如图6所示。正常回采期间应力曲线变化平缓，应力峰值为8.3 MPa。末采期间由于工作面逐渐向巷道交叉区域推进，应力曲线呈显著上升趋势且波动较大，应力峰值达12.5 MPa，相比正常回采期间应力峰值升高了50.6%。对比分析正常回采期间与末采期间应力变化情况可知，末采期间围岩应力水平显著升高，在采动影响下，交叉区域受载程度高，易形成集中储能空间，为冲击灾害发生提供了空间条件。
4. 基于卸压与联合支护的防冲技术
4.1 动静载荷源卸压
根据对动静载荷影响因素的分析，采用冲击地压分源防治思想：对坚硬顶板实施预裂爆破卸压，减小周期来压步距，削弱顶板垮断产生的动载影响；对帮部、底板实施大孔径钻孔卸压技术，为应力转移及释放提供卸压通道，降低静载荷积聚程度。预裂爆破孔和大孔径钻孔平面布置如图7所示。
![]()
图 7 预裂爆破孔和大孔径钻孔平面布置Figure 7. Layout of pre-split blasting hole and large-diameter borehole4.1.1 动载荷源卸压
煤层采出后，煤层上方的坚硬顶板易形成悬顶结构，若突然垮断会向多巷交叉区域传递大量动载荷。为了削弱本工作面后方采空区悬顶及相邻采空区侧向悬顶突然产生的动载扰动影响，对顶板实施预裂爆破卸压技术。根据顶板上覆岩层结构，确定顶板预裂爆破范围及参数。工作面上方50 m范围内依次分布5.7 m厚中粒砂岩、7.1 m厚泥质粉砂岩、7.2 m厚含砾粗砂岩和9.7 m厚泥质粉砂岩，利用炸药爆破对以上影响层位进行预裂，每组3个预裂爆破孔，孔径为75 mm，装药量为40 kg，使用串联连线正向装药，采用导爆索+雷管+起爆器连接起爆，起爆间隔时间为30 min，每次爆破不得超过2个孔。顶板预裂爆破孔布置如图8所示。
4.1.2 静载荷源卸压
（1） 帮部大孔径钻孔卸压。煤柱帮部既是承载区又是传递载荷区域，当静载荷积聚程度大于自身承载能力时，向底板传递载荷。为了减少帮部应力集中程度，对其实施大孔径钻孔卸压，通过钻孔周围形成的卸压带，降低应力峰值，为应力转移和释放提供路径。回风巷、回风联络巷及回风措施巷两侧帮部施工孔深25 m、孔径133 mm、孔间距1 m、距巷道底板垂直距离1.5 m的卸压钻孔；运输巷及运输措施巷为弱冲击危险区域，因此孔间距调整为2 m，其他参数与回风巷侧钻孔参数保持一致。帮部大孔径钻孔布置如图9所示。
（2） 底板大孔径钻孔卸压。巷道底板承受帮部传递的巨大载荷，应力增大，发生变形破坏，容易出现底鼓现象，因此对底板实施大孔径钻孔卸压，以减小载荷对底板的影响，维护底板稳定状态。回风巷、回风联络巷及回风措施巷底板施工孔深10 m、孔径133 mm、孔间距1 m的卸压钻孔；运输巷及运输措施巷具有弱冲击危险性，因此孔间距调整为2 m，其他参数与回风巷侧钻孔参数相同。底板大孔径钻孔布置如图10所示。
4.2 巷道联合支护
冲击地压的发生与煤岩体受载程度和自身抗冲击能力有密切联系。通过削弱深部围岩静载荷积聚和动载荷扰动，降低煤岩体受载程度，消除冲击地压发生的载荷条件；而通过巷道联合支护则可改善浅部围岩的完整性，提高煤岩体承载能力和强度，进而提升其阻碍冲击能量传递的能力。因此，巷道顶板采用锚杆+钢带网与锚索联合支护方式：锚杆采用ϕ22 mm×2 500 mm无纵筋全螺纹钢树脂锚杆，锚杆间排距为700 mm×800 mm，每排锚杆为8根；钢带采用八孔W型钢带，规格为5 100 mm×280 mm×3 mm（长×宽×高），孔间距为700 mm；锚索采用1×19标准型−21.8−1860型预应力钢绞线，长度为7.1 m，间排距为1 300 mm×800 mm。巷道两帮采用锚索+钢筋梯网支护：采用ϕ15.24 mm×3 500 mm钢绞线锚索，两帮每侧每排布置5根，网片采用8号镀锌菱形铁丝网，网片搭接100 mm。
5. 效果检验
实施顶板预裂爆破和帮部、底板大孔径钻孔卸压及联合支护防冲技术后，利用微震监测对冲击地压防治效果进行评价。防冲技术实施前后微震事件统计情况如图11所示。防冲技术实施后微震事件数量大幅降低，其中一次方微震事件降低33%，二次方微震事件降低24%，三次方微震事件降低33%，且没有超过三次方的大能量微震事件出现。微震事件明显减少，说明煤岩体破裂程度较低、活跃程度较低且完整性较好，防冲技术有效降低了多巷交叉区域的载荷积聚程度，减弱了坚硬顶板对该区域的动静载荷扰动影响，保证了工作面回采安全性。
![]()
图 11 防冲技术实施前后微震事件统计Figure 11. Statistics of microseismic events before and after the implementation of rock burst prevention technology6. 结论
（1） 煤柱内多巷交叉布置，导致煤柱受切割作用，形成高应力集中区，静载荷积聚程度较高；采空区上覆坚硬顶板悬顶和垮断为多巷交叉区域提供动静载荷。根据微震、地音、应力监测结果可知，末采期间多巷交叉区域煤岩体活跃程度较高，应力状态较集中，多巷交叉区域冲击危险性较高。
（2） 采用冲击地压分源防治思想：针对易产生动载荷扰动的坚硬顶板，利用顶板预裂爆破卸压技术，缩短顶板垮落步距，减小悬顶面积，削弱动载扰动影响；针对易受静载荷加载影响的巷帮和底板，利用大孔径钻孔卸压降低巷道帮部和底板静载荷积聚程度。同时对巷道顶板实施锚杆+钢带网与锚索联合支护方式，对两帮采用锚索+钢筋梯网支护方式，保证巷道围岩承载能力及完整性，提高抗冲击能力。
（3） 实施顶板预裂爆破和帮部、底板大孔径钻孔卸压和联合支护防冲技术后，微震事件大幅减少，有效降低了多巷交叉区域的载荷积聚程度，减弱了坚硬顶板对该区域的动静载荷扰动影响，保证了工作面回采安全性。
-
![]()
图 1 基于EWT和FCM聚类算法的矿用千米定向钻机动作识别流程
Figure 1. Action recognition process of mine directional kilometer drilling rig based on EWT and FCM clustering algorithm
![]()
图 3 5种动作下8路振动原信号
Figure 3. Eight channels original vibration signals under five actions
![]()
图 4 5种动作下电动机轴向振动信号的EWF各分量频谱
Figure 4. Spectrum of EWF components of motor axial vibration signal under five actions
![]()
图 5 电动机轴向振动信号EWT时频谱
Figure 5. The EWT time-frequency spectrum of the motor axial vibration signal
![]()
图 6 不同权重下动作识别特征量聚类结果
Figure 6. Clustering results of action recognition characteristic quantities under different weights
表 1 振动方向编号
Table 1 Label of vibration direction
编号 振动方向 编号 振动方向 1 电动机水平径向 5 液压泵轴向 2 电动机轴向 6 液压泵垂直径向 3 电动机垂直径向 7 联轴器轴向 4 液压泵水平径向 8 联轴器垂直径向 
下载: 导出CSV
表 2 5种动作识别原信号组的特征量
Table 2 Eigenvectors of the original signal group for action recognition under five working conditions
动作 V1 V2 V3 R1 [1.789 1.244 0.908 1.307] [5.618 7.259 11.32 0] [8.243 6.932 12.67 7.165] [1.604 1.414 1.115 1.377] [5.649 7.391 11.32 0] [8.239 6.929 12.67 7.163] [1.705 1.452 1.148 1.374] [5.630 7.367 11.33 0] [8.240 6.929 12.67 7.164] R2 [3.694 2.032 1.581 0] [7.304 13.68 8.482 11.37] [10.30 11.08 6.856 6.829] [3.718 2.123 1.568 0] [7.288 13.64 8.485 11.40] [10.30 11.07 6.855 6.830] [3.718 2.122 1.567 0] [7.272 13.66 8.460 11.41] [10.47 11.15 6.816 6.773] R3 [3.355 2.251 3.171 0] [7.382 9.222 5.399 3.358] [13.04 15.63 9.577 0] [3.354 2.251 3.171 0] [7.356 9.222 5.398 3.379] [13.05 15.63 9.572 0] [3.353 2.252 3.171 0] [7.356 9.222 5.396 3.382] [13.06 15.63 9.577 0] R4 [1.664 2.434 1.805 0] [5.867 5.485 5.259 3.975] [5.521 7.742 5.007 5.391] [2.223 2.396 2.014 0] [5.890 5.490 5.255 3.969] [5.521 7.742 5.006 5.391] [1.664 2.434 1.804 0] [5.811 5.478 5.275 3.981] [5.521 7.741 5.008 5.390] R5 [6.984 1.997 0 0] [12.48 11.71 0 0] [10.59 23.16 12.41 0] [6.985 1.997 0 0] [12.60 11.74 0 0] [10.58 23.15 12.41 0] [6.589 2.927 0 0] [12.56 11.70 0 0] [11.46 23.64 13.42 0]
下载: 导出CSV
表 3 10组测试样本的隶属度
Table 3 Membership degree of test samples (group 1-10)
动作 隶属度 判别
结果R1样本1 R1样本2 R2样本1 R2样本2 R3样本1 R3样本2 R4样本1 R4样本2 R5样本1 R5样本2 R1 9.99×10−1 9.99×10−1 4.03×10−4 3.43×10−4 2.43×10−4 4.12×10−5 3.47×10−7 1.21×10−4 3.14×10−5 2.21×10−5 正确 R2 8.41×10−5 2.34×10−4 9.89×10−1 9.91×10−1 1.10×10−3 2.44×10−4 2.15×10−5 2.04×10−4 7.04×10−4 4.32×10−4 正确 R3 4.25×10−5 1.21×10−4 9.11×10−4 7.50×10−4 9.97×10−1 9.99×10−1 7.39×10−4 3.17×10−4 6.35×10−5 3.43×10−5 正确 R4 3.38×10−5 9.34×10−5 8.02×10−3 7.47×10−4 4.44×10−4 7.48×10−5 9.99×10−1 9.98×10−1 5.46×10−5 2.29×10−4 正确 R5 8.25×10−5 2.66×10−4 9.21×10−4 7.32×10−3 1.05×10−3 2.46×10−4 1.35×10−6 5.45×10−4 9.99×10−1 9.99×10−1 正确
下载: 导出CSV
-
[1] 王天龙,马斌,董洪波. 煤矿用自动化钻机远程监测系统研制[J]. 煤田地质与勘探,2022,50(1):80-85. DOI: 10.12363/issn.1001-1986.21.12.0723 WANG Tianlong,MA Bin,DONG Hongbo. Development of a remote monitoring system for coal mine automatic drilling rigs[J]. Coal Geology & Exploration,2022,50(1):80-85. DOI: 10.12363/issn.1001-1986.21.12.0723
[2] 经哲,郭利. 基于广义相关系数自适应随机共振的液压泵振动信号预处理方法[J]. 振动与冲击,2016,35(16):72-78,85. DOI: 10.13465/j.cnki.jvs.2016.16.013 JING Zhe,GUO Li. Hydraulic pump vibration signal pretreatment based on adaptive stochastic resonance with a general correlation function[J]. Journal of Vibration and Shock,2016,35(16):72-78,85. DOI: 10.13465/j.cnki.jvs.2016.16.013
[3] 李洪儒,王余奎,马济乔,等. 基于MMSE和ABCSVM的液压泵故障模式识别[J]. 振动与冲击,2016,35(9):152-158. DOI: 10.13465/j.cnki.jvs.2016.09.024 LI Hongru,WANG Yukui,MA Jiqiao,et al. Fault pattern recognition of hydraulic pumps based on MMSE and ABCSVM[J]. Journal of Vibration and Shock,2016,35(9):152-158. DOI: 10.13465/j.cnki.jvs.2016.09.024
[4] 姜万录,李振宝,张生,等. 基于递归定量分析的液压泵故障识别方法[J]. 液压与气动,2019(2):18-23. DOI: 10.11832/j.issn.1000-4858.2019.02.004 JIANG Wanlu,LI Zhenbao,ZHANG Sheng,et al. Fault recognition method based on recurrent quantitation analysis for hydraulic pump[J]. Chinese Hydraulics & Pneumatics,2019(2):18-23. DOI: 10.11832/j.issn.1000-4858.2019.02.004
[5] 郑直,李世峰,郭洋,等. 基于液压泵复数信号的log−SAM故障诊断方法研究[J]. 振动与冲击,2021,40(6):79-85. DOI: 10.13465/j.cnki.jvs.2021.06.010 ZHENG Zhi,LI Shifeng,GUO Yang,et al. Hydraulic pump fault diagnosis method using log-SAM on complex signals[J]. Journal of Vibration and Shock,2021,40(6):79-85. DOI: 10.13465/j.cnki.jvs.2021.06.010
[6] 张幼振,刘焱杰,钟自成,等. 煤矿全液压动力头式钻机振动测试与分析[J]. 煤炭科学技术,2022,50(2):271-279. DOI: 10.13199/j.cnki.cst.2021-1303 ZHANG Youzhen,LIU Yanjie,ZHONG Zicheng,et al. Vibration measurement and analysis of full hydraulic power head drilling rig in coal mine[J]. Coal Science and Technology,2022,50(2):271-279. DOI: 10.13199/j.cnki.cst.2021-1303
[7] 杜名喆,王宝中. 基于经验小波分解和卷积神经网络的液压泵故障诊断[J]. 液压与气动,2020(1):163-170. DOI: 10.11832/j.issn.1000-4858.2020.01.027 DU Mingzhe,WANG Baozhong. Fault diagnosis of hydraulic pump based on empirical wavelet transform and convolutional neural network[J]. Chinese Hydraulics & Pneumatics,2020(1):163-170. DOI: 10.11832/j.issn.1000-4858.2020.01.027
[8] HU Mantang, WANG Guofeng, MA Kaile, et al. Bearing performance degradation assessment based on optimized EWT and CNN[J]. Measurement, 2020, 172（1）. DOI: 10.1016/j.measurement.2020.108868.
[9] LI Yuxing,JIAO Shangbin,GAO Xiang. A novel signal feature extraction technology based on empirical wavelet transform and reverse dispersion entropy[J]. Defence Technology,2020,17(5):1-11.
[10] 赵妙颖,许刚. 基于经验小波变换的变压器振动信号特征提取[J]. 电力系统自动化,2017,41(20):63-69,91. DOI: 10.7500/AEPS20170327001 ZHAO Miaoying,XU Gang. Feature extraction for vibration signals of power transformer based on empirical wavelet transform[J]. Automation of Electric Power Systems,2017,41(20):63-69,91. DOI: 10.7500/AEPS20170327001
[11] LU Chuanqi,WANG Shaoping,ZHANG Chao. Fault diagnosis of hydraulic piston pumps based on a two-step EWFD method and fuzzy C-means clustering[J]. Proceedings of the Institution of Mechanical Engineers,Part C:Journal of Mechanical Engineering Science,2016,230(16):203-210.
[12] 倪卫宁,张晓彬,万勇,等. 随钻方位电磁波电阻率测井仪分段组合线圈系设计[J]. 石油钻探技术,2017,45(2):115-120. NI Weining,ZHANG Xiaobin,WAN Yong,et al. The design of the coil system in LWD tools based on azimuthal electromagnetic-wave resistivity combined with sections[J]. Petroleum Drilling Techniques,2017,45(2):115-120.
[13] PAN Yuna,CHEN Jin,LI Xinglin. Bearing performance degradation assessment based on lifting wavelet packet decomposition and fuzzy C-means[J]. Mechanical Systems and Signal Processing,2010,24:559-566. DOI: 10.1016/j.ymssp.2009.07.012
[14] 尚海昆,苑津莎,王瑜,等. 基于交叉小波变换和相关系数矩阵的局部放电特征提取[J]. 电工技术学报,2014,29(4):274-281. DOI: 10.3969/j.issn.1000-6753.2014.04.035 SHANG Haikun,YUAN Jinsha,WANG Yu,et al. Feature extraction for partial discharge based on cross-wavelet transform and correlation coefficient matrix[J]. Transactions of China Electrotechnical Society,2014,29(4):274-281. DOI: 10.3969/j.issn.1000-6753.2014.04.035
[15] 郑直,王宝中,刘佳鑫,等. 辛几何模态分解和广义形态分形维数的液压泵故障诊断[J]. 哈尔滨工程大学学报,2020,41(5):724-730. ZHENG Zhi,WANG Baozhong,LIU Jiaxin,et al. Hydraulic pump fault diagnosis method of symplectic geometry mode decomposition and generalized morphological fractal dimensions[J]. Journal of Harbin Engineering University,2020,41(5):724-730.
[16] 郭文琪,田慕琴,宋建成,等. 基于多源信号融合的离心泵叶轮磨损故障分析[J]. 工矿自动化,2018,44(6):74-79. DOI: 10.13272/j.issn.1671-251x.2018020029 GUO Wenqi,TIAN Muqin,SONG Jiancheng,et al. Wear fault analysis of centrifugal pump impeller based on multi-source signal fusion[J]. Industry and Mine Automation,2018,44(6):74-79. DOI: 10.13272/j.issn.1671-251x.2018020029
-
期刊类型引用(5)
1. 赵常辛，李晓旭，石蒙，冀瑞锋，张焱. 坚硬顶板切顶卸压技术对巷道围岩变形规律影响. 工矿自动化. 2024(01): 147-154 . 
本站查看
2. 耿铭，孙静. 厚硬顶板悬顶致灾机理及切顶控制技术研究. 工矿自动化. 2024(11): 132-141 . 本站查看
3. 潘俊锋，刘少虹，马文涛，高家明，马宏源. 交叉扇形断顶爆破防治临空回采巷道冲击地压技术. 工矿自动化. 2024(12): 11-17 . 本站查看
4. 任文涛，王浩，于冰冰，左进京，顾鹏，张渊通，郑兴博，王波，张斌，万晓. 深部冲击地压矿井近断层高层位爆破卸压防冲技术. 矿业科学学报. 2024(06): 943-952 . 百度学术
5. 刘耀辉. 煤矿开采围岩失稳破坏及微震分布特征研究. 内蒙古煤炭经济. 2023(17): 1-5 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 286
- HTML全文浏览量: 42
- PDF下载量: 28
- 被引次数: 6
