振動特征信號如何獲取
原理：
采煤機截齒在截割過程中與煤、巖產生劇烈振動和摩擦，伴隨振動波向外傳播。在截割參數一定的情況下可以根據截齒的振動加速度信號的幅值、均值以及信號變化規(guī)律來分析判別截割介質屬性。 單截齒在截割過程中受到切向阻力、徑向阻力和側向阻力的作用，可合成為截齒滾筒在x、y、z三個方向上的合力。
截齒截割全煤比例試件時，研究人員發(fā)現截齒y方向的振動加速度幅值變化最為明顯，且最大幅值大于其他2個方向的振動曲線，為了適當減少特征數據的處理維數和處理數量，所以選取y方向的振動加速度作為特征信號進行分析。
為了提高識別系統(tǒng)的準確性，降低由非平穩(wěn)特征信號導致系統(tǒng)識別精度較低的風險。將振動加速度數據導入MATLAB中對其進行特征數據計算并獲得振動頻譜圖。
紅外熱像信號如何獲取
紅外熱像圖整體信號數據樣本多、參數區(qū)間較大，冗余無用的溫度信號較多。
為了適當減少試驗數據的處理量，對截齒齒尖閃溫高溫區(qū)進行如下數據處理：
利用IRBIS 3plus軟件，可以實現截齒紅外熱像圖的數據提取及分析，首先將試驗獲取的截齒紅外熱像圖導入到IRBIS 3plus中進行數據篩選，按照溫度數值大小排序并選取樣本中前600個溫度數據點，并對其進行紅外溫度-頻數分析。 根據BP神經網絡建立煤巖識別模型
神經網絡是一種模擬人腦神經元工作的智能學習算法，BP神經網絡作為多層前饋神經網絡包括輸入層、隱含層、輸出層。BP網絡的特點是信號前向傳遞，誤差反向傳播。
研究人員選取的構建神經網絡的特征信號為：
截割不同煤巖比例過程中截齒y軸方向的振動加速度均值，頻數-幅值頻譜圖中的均方根，截齒紅外熱像圖的最高溫度，截齒的溫度-頻數圖像中最高溫度所對應的頻數，故BP神經網絡輸入層節(jié)點數量設置4個神經元。
輸出層為5種狀態(tài)對應著不同煤巖試件比例，所以輸出層設置5個神經元。
輸出結果證明，基于BP神經網絡識別模型的判別結果和測試樣本的實際截割煤巖比例類型相符，這項研究也為實際煤炭開采工程中煤巖界面的識別提供了解決方案。
網站導航| 煤機配件市場| 煤機企業(yè)黃頁| 煤機企業(yè)名錄| 煤機配件報價| 煤機行業(yè)資訊| 煤機設備百科| 煤機求購信息| 煤機供應信息| 煤機行業(yè)標簽| 用戶反饋| 幫助中心
分享
