基于小波和独立分量分析的煤矸界面识别

刘　伟，华　臻，张守祥
中国矿业大学机电与信息工程学院，北京　

山东工商学院信息与电子工程学院，山东烟台

摘　　　要：为了解决综采工作面放顶煤开采过程中煤矸界面识别问题，给出了一种基于小波去噪和独立分量分析相结合的煤矸放落声信号特征提取算法。利用小波分析对传声器实时采集的声信号进行降噪处理，提高信噪比。利用独立分量分析方法对煤矸混合声信号进行盲源分离，分别提取出煤和矸石的独立声谱特征信号。选取该信号的统计特征值作为神经网络分类器的输入向量，对顶煤放落过程中的混矸状态进行识别。实验表明，给出的方法提高了声信号的信噪比，有利于矸石声信号的成功分离；采用ＢＰ神经网络准确地识别出了放煤过程中的矸石下落状态。

关　键　词：综采工作面；声信号；小波去噪；独立分量分析；ＢＰ神经网络；煤矸识别

１　引　言
目前，煤矿综采工作面放顶煤开采的工序全部是由电液阀程序控制，放煤时间长短、每台液压支架放煤量的大小、顶煤回收率的高低、含矸量多少都是靠预先设计好的程序自动控制。为了避免在放顶煤过程中出现过放和欠放状况，提高煤炭回采率，国内外专家学者在煤矸界面识别方面做了大量的研究工作，其主要目的是为了自动调整采煤工作面中采煤机的滚筒高度。文献［１］研究了基于截割力响应的方法，利用煤与岩石的力学特性的不同，来识别出采煤机是在割煤还是割岩；文献［２］根据顶底板岩石中的γ射线在穿透残留煤层后的衰减规律，通过测量经过衰减后的γ射线强度来确定顶底煤层厚度，由此来识别煤岩界面，但该方法对采煤工艺有一定的要求，另外要求顶底板围岩必须有放射性元素；文献［３］则探讨了利用热成像红外摄像的煤层界面红外线探测法。但目前为止，国内外尚无基于上述技术的成熟的产品问世。本文研究了一种利用煤矸放落过程中产生的声信号的特征差异进行煤矸含量在线识别的方法。利用声信号进行煤矸识别，具有信号采集容易、可非接触测量、速度快、不影响其他设备工作等特点。但煤矸放落产生的声信号往往被采煤机械和环境激发的声信号所污染，因此能否从传声器测取的混合声信号中提取出有效的煤矸声信号，是煤矸识别研究的关键。

登录网站后可下载文件

相关阅读:

• ...2012/04/24 14:03·基于小波神经网络的铝电解槽状态预测