留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于振动信号的采矿机截割负载分类

许志鹏 刘振坚 庄德玉 尹玉玺

许志鹏,刘振坚,庄德玉,等. 基于振动信号的采矿机截割负载分类[J]. 工矿自动化,2022,48(12):137-143.  doi: 10.13272/j.issn.1671-251x.2022070078
引用本文: 许志鹏,刘振坚,庄德玉,等. 基于振动信号的采矿机截割负载分类[J]. 工矿自动化,2022,48(12):137-143.  doi: 10.13272/j.issn.1671-251x.2022070078
XU Zhipeng, LIU Zhenjian, ZHUANG Deyu, et al. Mining machine cutting load classification based on vibration signal[J]. Journal of Mine Automation,2022,48(12):137-143.  doi: 10.13272/j.issn.1671-251x.2022070078
Citation: XU Zhipeng, LIU Zhenjian, ZHUANG Deyu, et al. Mining machine cutting load classification based on vibration signal[J]. Journal of Mine Automation,2022,48(12):137-143.  doi: 10.13272/j.issn.1671-251x.2022070078

基于振动信号的采矿机截割负载分类

doi: 10.13272/j.issn.1671-251x.2022070078
基金项目: 中国煤炭科工集团有限公司科技创新创业资金项目(21-TD-MS005)。
详细信息
    作者简介:

    许志鹏(1997—),男,湖南益阳人,硕士研究生,主要研究方向为矿山设备状态监测与故障诊断,E-mail:602411924@qq.com

  • 中图分类号: TD421

Mining machine cutting load classification based on vibration signal

  • 摘要: 针对人为判断采矿机截割负载类型的方式具有一定误差和滞后性的问题,提出了一种基于小波包分解和麻雀搜索算法优化BP神经网络(SSA−BPNN)的采矿机截割负载分类方法。该方法包括信号特征提取和模式分类2个部分:在信号特征提取部分,对采集的采矿机摇臂振动信号进行小波包分解,得到各子频带能量及信号总能量,经归一化处理后得到表征不同负载类型的特征向量,并利用主成分分析法对特征向量进行降维处理;在模式分类部分,通过SSA优化BPNN的初始权值和阈值,将特征向量作为SSA−BPNN的输入,从而实现负载分类识别。以MG500/1170−AWD1采矿机为对象,将磁吸式加速度传感器吸附于采矿机摇臂一轴靠近支架侧的壳体处,采集采矿机滚筒空载、截割铝土和岩石3种工况下的振动信号进行试验。试验结果表明:不同截割负载下振动信号在各子频带能量上表现出一定的差异性,表明经小波包分解后得到的能量特征可以作为区分不同负载类型的特征向量;与BPNN相比,SSA−BPNN收敛速度更快、识别准确率更高,负载分类识别准确率达95.3%。

     

  • 图  1  基于小波包分解和SSA−BPNN的截割负载类型识别流程

    Figure  1.  Cutting load type identification process based on wavelet packet decomposition and sparrow search algorithm optimized back propagation neural network

    图  2  测点布置

    Figure  2.  Arrangement of measuring points

    图  3  加载试验平台

    Figure  3.  Loading test platform

    图  4  不同工况下各轴振动信号的均方根

    Figure  4.  Root mean square of vibration signal of each shaft under different working conditions

    图  5  不同工况下各轴振动信号的峭度

    Figure  5.  Kurtosis of vibration signal of each shaft under different working conditions

    图  6  传感器安装位置

    Figure  6.  Sensor installation position

    图  7  各子频带能量

    Figure  7.  Energy of each sub-band

    图  8  主成分贡献率

    Figure  8.  Contribution rate of principal component

    图  9  均方误差曲线

    Figure  9.  Mean square error curve

    图  10  负载分类结果

    Figure  10.  Load classification results

    表  1  工作面地质赋存

    Table  1.   Geological occurrence of working face

    层位岩性岩性描述
    基本顶 灰岩 灰色薄−中厚层状细晶灰岩,夹灰−深灰色薄−中厚层状含泥质灰岩和灰黑色薄层含生物碎屑泥灰岩,含线状、脉状灰白色方解石
    直接顶 泥岩、泥质灰岩、
    白云质灰岩
    灰−深灰色薄中厚层状含泥质灰岩,夹杂生物碎屑灰岩,含线状灰白色方解石
    伪顶 炭质泥岩、铝土岩 深灰色、黑色炭质泥岩,灰绿色致密铝土岩
    矿体 铝土矿 灰白色、浅黄灰色碎屑状、豆状、半土状铝土矿,含少量星点状细粒黄铁矿
    直接底 铝土岩、
    铝土质泥岩
    深灰绿色致密铝土岩、深灰−灰黑色薄−中厚层状含炭质泥,含团块状细−中粒黄铁矿
    基本底 泥(页)岩 灰白色中厚层灰岩夹灰绿色薄层绿泥石岩、紫红色夹灰绿色薄层泥岩、浅紫红色片状薄层页岩
    下载: 导出CSV

    表  2  传感器参数

    Table  2.   2 Sensor parameters

    指标
    轴向灵敏度/(mV·g−1100
    工作温度/℃−40~+120
    冲击极限/g2 000
    频率范围/Hz0.5~7 000
    下载: 导出CSV

    表  3  小波包能量特征向量

    Table  3.   3 Wavelet packet energy feature vectors

    序号特征向量
    1[0.275 2 0.340 7 0.101 8 0.440 6 0.119 3 0.081 8 
    0.018 4 0.018 3 0.890 3]
    2[0.316 7 0.339 3 0.107 6 0.049 4 0.095 0 0.061 8 
    0.012 7 0.017 5 0.886 2]
    3[0.282 6 0.332 4 0.092 2 0.045 7 0.109 6 0.094 4 
    0.021 5 0.021 6 0.877 9]
    3 000[0.444 5 0.252 0 0.084 2 0.707 0 0.072 6 0.043 7 
    0.016 2 0.016 1 0.440 1]
    下载: 导出CSV
  • [1] 张海坤,胡鹏,姜军胜,等. 铝土矿分布特点、主要类型与勘查开发现状[J]. 中国地质,2021,48(1):68-81. doi: 10.12029/gc20210105

    ZHANG Haikun,HU Peng,JIANG Junsheng,et al. Distribution,genetic types and current situation of exploration and development of bauxite resources[J]. Geology in China,2021,48(1):68-81. doi: 10.12029/gc20210105
    [2] 展明鹏,马军强,姚强岭. 铝土矿综合机械化开采及应用研究[J]. 矿业研究与开发,2022,42(1):1-5. doi: 10.13827/j.cnki.kyyk.2022.01.001

    ZHAN Mingpeng,MA Junqiang,YAO Qiangling. Comprehensive mechanized mining of bauxite and its application research[J]. Mining Research and Development,2022,42(1):1-5. doi: 10.13827/j.cnki.kyyk.2022.01.001
    [3] 张强,张润鑫,刘峻铭,等. 煤矿智能化开采煤岩识别技术综述[J]. 煤炭科学技术,2022,50(2):1-26. doi: 10.13199/j.cnki.cst.2021-1333

    ZHANG Qiang,ZHANG Runxin,LIU Junming,et al. Review on coal and rock identification technology for intelligent mining in coal mines[J]. Coal Science and Technology,2022,50(2):1-26. doi: 10.13199/j.cnki.cst.2021-1333
    [4] 郭伟超,赵怀山,李成,等. 基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法[J]. 兵工学报,2019,40(11):2370-2377. doi: 10.3969/j.issn.1000-1093.2019.11.022

    GUO Weichao,ZHAO Huaishan,LI Cheng,et al. Fault feature enhancement method for rolling bearing fault diagnosis based on wavelet packet energy spectrum and principal component analysis[J]. Acta Armamentarii,2019,40(11):2370-2377. doi: 10.3969/j.issn.1000-1093.2019.11.022
    [5] 孙全,孙渊. 基于麻雀搜索算法的BP神经网络优化技术[J]. 上海电机学院学报,2022,25(1):12-16. doi: 10.3969/j.issn.2095-0020.2022.01.003

    SUN Quan,SUN Yuan. Optimization technology of BP neural network based on sparrow search algorithm[J]. Journal of Shanghai Dianji University,2022,25(1):12-16. doi: 10.3969/j.issn.2095-0020.2022.01.003
    [6] 王冬云,张文志. 基于小波包变换的滚动轴承故障诊断[J]. 中国机械工程,2012,23(3):295-298.

    WANG Dongyun,ZHANG Wenzhi. Fault diagnosis study of ball bearing based on wavelet packet transform[J]. China Mechanical Engineering,2012,23(3):295-298.
    [7] 鞠晨,张超,樊红卫,等. 基于小波包分解和PSO−BPNN的滚动轴承故障诊断[J]. 工矿自动化,2020,46(8):70-74. doi: 10.13272/j.issn.1671-251x.2019120022

    JU Chen,ZHANG Chao,FAN Hongwei,et al. Rolling bearing fault diagnosis based on wavelet packet decomposition and PSO-BPNN[J]. Industry and Mine Automation,2020,46(8):70-74. doi: 10.13272/j.issn.1671-251x.2019120022
    [8] 葛渊博, 卢文喜, 白玉堃, 等. 基于SSA−BP与SSA的地下水污染源反演识别[J/OL]. 中国环境科学: 1-11[2022-07-21]. DOI: 10.19674/j.cnki.issn1000-6923.20220711.006.

    GE Yuanbo, LU Wenxi, BAI Yukun, et al. Inversion and identification of groundwater pollution sources based on SSA-BP and SSA[J/OL]. China Environmental Science: 1-11[2022-07-21]. DOI: 10.19674/j.cnki.issn1000-6923.20220711.006.
    [9] 郭名诚,侯珂,李鑫浩. 基于SSA−BPNN模型的Web服务质量评价[J]. 信息技术与信息化,2021(10):13-15. doi: 10.3969/j.issn.1672-9528.2021.10.003

    GUO Mingcheng,HOU Ke,LI Xinhao. Web service quality evaluation based on SSA-BPNN model[J]. Information Technology and Informatization,2021(10):13-15. doi: 10.3969/j.issn.1672-9528.2021.10.003
    [10] 陈晓玉,杜雅欣,刘亚茹,等. 三维荧光光谱结合2DPCA−SSA−GRNN对柴油占比的检测[J]. 中国激光,2022,49(18):175-182.

    CHEN Xiaoyu,DU Yaxin,LIU Yaru,et al. Detection of diesel proportion using three-dimensional fluorescence spectrum and 2DPCA-SSA-GRNN[J]. Chinese Journal of Lasers,2022,49(18):175-182.
    [11] 刘湲,王芳. 麻雀搜索算法优化BP神经网络的短期风功率预测[J]. 上海电机学院学报,2022,25(3):132-136. doi: 10.3969/j.issn.2095-0020.2022.03.002

    LIU Yuan,WANG Fang. BP neural networks optimized by sparrow search algorithm for short-term wind power prediction[J]. Journal of Shanghai Dianji University,2022,25(3):132-136. doi: 10.3969/j.issn.2095-0020.2022.03.002
    [12] 黄龙杨,夏正洪,贾鑫磊. 基于SSA−BP的离港航班滑出时间预测[J]. 科学技术与工程,2022,22(16):6607-6612.

    HUANG Longyang,XIA Zhenghong,JIA Xinlei. Departure flights' taxi-out time prediction based on SSA-BP algorithm[J]. Science Technology and Engineering,2022,22(16):6607-6612.
    [13] 王耀国, 李勇永, 郭涛. 基于改进的SSA优化BP神经网络的导水断裂带高度预测[J/OL]. 煤矿安全: 1-8[2022-07-22]. DOI: 10.13347/j.cnki.mkaq.2023.02.001.

    WANG Yaoguo, LI Yongyong, GUO Tao. Prediction of height of water flowing fractured zone based on improved SSA to optimize BP neural network[J/OL]. Safety in Coal Mines: 1-8[2022-07-22]. DOI: 10.13347/j.cnki.mkaq.2023.02.001.
    [14] 李福涛,王忠宾,司垒,等. 基于振动信号的采煤机煤岩截割状态识别[J]. 煤炭工程,2022,54(1):123-127.

    LI Futao,WANG Zhongbin,SI Lei,et al. Coal cutting state recognition of shearer based on vibration signal[J]. Coal Engineering,2022,54(1):123-127.
    [15] 蒋干. 基于多传感信息融合的采煤机煤岩截割状态识别技术研究[D]. 徐州: 中国矿业大学, 2019.

    JIANG Gan. Research on recognition technology of shearer coal-rock cutting status based on multi-sensor information fusion[D]. Xuzhou: China University of Mining and Technology, 2019.
  • 加载中
图(10) / 表(3)
计量
  • 文章访问数:  36
  • HTML全文浏览量:  11
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-07-28
  • 修回日期:  2022-12-06
  • 网络出版日期:  2022-11-28

目录

    /

    返回文章
    返回